Дослідження функціонування нейронних мереж для автономної навігації безпілотних літальних апаратів у середовищах з перешкодами
Автор: Мальгін Павло Ігорович
Кваліфікаційний рівень: магістр
Спеціальність: Проектування та адміністрування інформаційних комунікаційних мереж
Інститут: Інститут телекомунікацій, радіоелектроніки та електронної техніки
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Магістерська робота присвячена розробці та оптимізації системи автономної навігації для безпілотних літальних апаратів (БПЛА) в умовах складного міського середовища. Актуальність дослідження обумовлена стрімким зростанням використання БПЛА у таких сферах, як логістика, оборона, сільське господарство та рятувальні операції. Попри високу затребуваність цих технологій, автономна навігація у складних середовищах залишається серйозною проблемою. БПЛА повинні орієнтуватися серед численних перешкод, таких як будівлі, автомобілі та пішоходи, забезпечуючи високу точність руху та безпеку. Основною метою роботи є підвищення ефективності навігаційних алгоритмів шляхом використання сучасних методів машинного навчання, зокрема нейронних мереж, а також їх оптимізація для роботи в реальному часі. Для досягнення цієї мети в роботі поставлено низку завдань: аналіз сучасних проблем автономної навігації БПЛА, дослідження підходів до оптимізації нейронних мереж, розробка віртуального середовища для тестування алгоритмів у Unity, інтеграція моделі YOLO v8 для детекції об’єктів та проведення тестування розробленої системи. Перший розділ магістерської роботи присвячений детальному аналізу проблем автономної навігації безпілотних літальних апаратів (БПЛА) у середовищах із перешкодами. Актуальність цього питання зумовлена стрімким розвитком технологій БПЛА, які знаходять широке застосування у різних галузях: від логістики та сільського господарства до рятувальних операцій та оборонного комплексу. Однак, незважаючи на значний потенціал, здатність БПЛА орієнтуватися в складних умовах середовища залишається одним із ключових викликів, що обмежують їхню ефективність та безпеку. У розділі розглядаються основні перешкоди, з якими стикаються безпілотники під час автономного пересування. До таких перешкод належать нерухомі об’єкти, як- от будівлі, дорожні знаки, мости, а також динамічні об’єкти, включаючи транспортні засоби, пішоходів і тварин. Важливою проблемою є різноманітність сценаріїв, що можуть виникнути в реальному середовищі, наприклад, несподіване зупинення транспортного потоку, зміна дорожніх умов чи поява непередбачуваних перешкод.[1] Особливу увагу приділено питанню точності та швидкості прийняття рішень під час навігації. Для ефективної роботи системи автономної навігації необхідно враховувати обмеження в обчислювальних ресурсах та енергоспоживанні, особливо для дронів із тривалим часом польоту. Також обговорюється необхідність швидкої обробки великих обсягів даних, отриманих із сенсорів, камер та інших джерел, для своєчасного ухилення від перешкод і коректного прогнозування траєкторій руху. Досліджується використання сучасних методів комп’ютерного зору та машинного навчання, зокрема нейронних мереж, для підвищення ефективності навігації. Зокрема, розглядається детекція об’єктів на основі алгоритмів, які дозволяють визначати перешкоди в режимі реального часу, а також алгоритми прогнозування траєкторій для ухилення від зіткнень. Пояснюється, чому традиційні методи навігації виявляються недостатніми для сучасних складних сценаріїв і як нейронні мережі дозволяють вирішувати ці проблеми, надаючи системі можливість адаптуватися до мінливих умов. Таким чином, перший розділ формує основу для подальших досліджень у цій роботі, демонструючи важливість використання передових технологій для забезпечення надійної автономної навігації в складних і динамічних середовищах.[2][3] Другий розділ присвячений дослідженню підходів до оптимізації нейронних мереж для автономної навігації. Розглядаються різні методи оптимізації, зокрема квантовані нейронні мережі, які зменшують обсяг обчислювальних ресурсів, методи зменшення параметрів моделі (model pruning) та використання спеціалізованої апаратури, такої як GPU та TPU. Окрему увагу приділено комбінованим підходам, які дозволяють досягти оптимального балансу між продуктивністю та енергоефективністю. Третій розділ описує процес розробки системи автономної навігації у середовищі Unity. Описано створення віртуального міського середовища, що включає дороги, будівлі та статичні автомобілі. Для тестування алгоритмів руху та уникнення зіткнень інтегровано модель YOLO v8, яка в режимі реального часу здійснює детекцію транспортних засобів та інших перешкод.[4] Четвертий розділ охоплює етапи запуску системи та проведення тестувань. Представлено результати експериментів щодо точності детекції об’єктів, стабільності руху БПЛА та ефективності ухилення від перешкод. Проведено порівняльний аналіз продуктивності системи до та після оптимізації нейронних мереж. Отримані результати підтверджують доцільність використання запропонованих методів для покращення автономної навігації.[5] П’ятий розділ присвячено економічному обґрунтуванню впровадження системи. Проведено аналіз витрат на розробку та обслуговування системи, а також оцінено потенційні економічні вигоди від її впровадження у сферах логістики, сільського господарства та рятувальних операцій. Таким чином, робота робить вагомий внесок у розвиток технологій автономної навігації, підкреслюючи важливість оптимізації нейронних мереж для забезпечення ефективної роботи БПЛА в умовах реального світу.