Система навігації та управління наземним роботом на основі технологій машинного навчання
Автор: Лисий Максим Олегович
Кваліфікаційний рівень: магістр
Спеціальність: Аналіз даних (Data Science)
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Нещодавній прогрес у галузі машинного навчання та його широке впровадження в бізнес-процеси спричинило розвиток багатьох дотичних сфер, включаючи робототехніку. Застосування передових технологій дозволяє автоматизувати рутинні завдання, покращувати ефективність процесів та знаходити нові рішення для виконання складних і небезпечних операцій. Впровадження автономних систем значно змінює підходи до роботи в промислових, логістичних, будівельних та інших галузях, де автоматизація стає ключем до підвищення ефективності. У сфері логістики роботи можуть забезпечувати сортування, пакування та транспортування товарів, знижуючи необхідність у фізичних витратах праці та пришвидшуючи процеси обробки замовлень. Серед цих технологій, зокрема, оптична навігація та системи управління автономними роботами займають важливе місце у розвитку сучасної робототехніки. Автономні роботизовані системи стають дедалі популярнішими рішеннями для широкого спектру завдань. Вони можуть виконувати різноманітні функції: від автоматизації рутинних бізнес-процесів до роботи в небезпечних або шкідливих умовах, де присутність людини є небажаною або неможливою. Такі роботи мають великий потенціал для впровадження у промислових, логістичних та інших галузях, де автоматизація дозволяє підвищити продуктивність та безпеку. У даній роботі буде проаналізовано сучасні методи оптичної навігації та управління автономними роботами. Одним з ключових напрямків дослідження стане створення стереоскопічної системи навігації для роботів, яка використовуватиме методи швидкого розширення випадкових дерев (RRT, Rapidly-exploring Random Trees). Стереоскопічна система навігації, доповнена алгоритмами RRT, буде здатна створювати та використовувати сегментовану карту середовища для аналізу і планування маршрутів. Така карта розділяє середовище на окремі сегменти та допомагає виділити перешкоди, безпечні зони та потенційні шляхи, що значно підвищує швидкість і точність ухвалення рішень. Основними завданнями, які вирішуються у цій роботі, є глибокий аналіз та дослідження сучасних роботизованих платформ для навігації та керування, а також вивчення різних підходів і методів, що використовуються для їх розробки та впровадження. Це включає детальний огляд наявних рішень у сфері автономних роботів, таких як мобільні роботи для внутрішніх та зовнішніх застосувань, промислові маніпулятори, логістичні платформи та дослідницькі автономні системи. Мета цього аналізу – виявити переваги, недоліки та можливості вдосконалення існуючих технологій з точки зору їх функціональності, продуктивності та ефективності. Друге завдання полягає в ознайомленні з різними методами та підходами до використання штучного інтелекту (ШІ) для навігації автономних роботів. Це передбачає вивчення алгоритмів машинного навчання, нейронних мереж, методів обробки візуальної інформації та інших технологій, що дозволяють роботам самостійно приймати рішення на основі аналізу середовища. Особлива увага буде приділена методам планування маршрутів, виявлення перешкод та адаптивної поведінки у динамічних умовах. Вивчення цих методів допоможе визначити найбільш ефективні підходи до створення систем управління, здатних забезпечувати високу точність і надійність навігації. Третім важливим завданням є розробка власної роботизованої платформи, що базується на використанні бюджетної елементної бази. Ця частина дослідження спрямована на створення функціональної платформи, яка могла б виконувати складні завдання навігації та керування, використовуючи при цьому доступні компоненти з низькою вартістю. Це передбачає вибір відповідних сенсорів, мікроконтролерів, приводів та інших електронних компонентів, що дозволять досягти оптимального балансу між вартістю і продуктивністю. Об’єктом дослідження є система навігації та управління роботизованою платформою. Під час виконання проекту були використані наступні технології та методи: ? Мови програмування. Python був основною мовою програмування, яка використовувалася для навчання моделі. ? Бібліотеки машинного навчання. Бібліотеки PyTorch, OpenCV-Python були використані для реалізації та навчання моделей машинного навчання ? Було використано моделі сегментації та визначення глибини поля для побудови карти навколишнього середовища. Для прийнятя рішень було інтегровано метод RRT Ключові слова – стереоскопія, SLAM (Simultaneous Localization and Mapping), RRT (Rapidly-exploring Random Trees), навчання з підкріпленням, сегментація.