ДВФУ: Технология управления робототехникой в космосе

Продукт
Разработчики: Дальневосточный Федеральный Университет (ДВФУ)
Дата премьеры системы: 2017
Технологии: Робототехника

Технология управления мобильной робототехникой на больших расстояниях прошла в 2016 году тестирование в Дальневосточном федеральном университете (ДВФУ). Ученые предлагают управлять роботами с помощью мини-программ, которые выполняются в автоматическом режиме с использованием интеллектуальных систем. Такая технология позволит решить проблему задержки сигналов при их передаче на большие расстояния и обеспечить более стабильную работу робототехники, например, в космическом пространстве.

Как рассказал заслуженный деятель науки и заслуженный изобретатель России, заведующий кафедрой автоматизации и управления Инженерной школы ДВФУ Владимир Филаретов, при управлении робототехникой в космосе задержка сигнала возникает из-за значительной удаленности планет от Земли.

 
 
 

Для решения задачи ученые предложили управлять роботами не с помощью команд в режиме реального времени, а с использованием мини-программ, которые аппарат с искусственным интеллектом самостоятельно реализует в автономном режиме. Периодически такие программы вновь посылаются роботу, и он также их исполняет, учитывая возможное появление препятствий в условиях неопределенностей. В перспективе, по мнению авторов, такой подход позволит создать роботов для самых удаленных планет, например, Марса — над этим в настоящее время работают по всему миру.

Профессор сообщил, что в рамках исследования также протестировали технологию интеллектуального управления группой роботов. В Москве и во Владивостоке были созданы аналогичные группы, в которых выделялись робот-лидер и ведомые. Управление ими велось поочередно из разных концов страны: лидерам посылались мини-программы для выполнения конкретной миссии, они формировали задачи своим ведомым и выполняли задачу. При этом лидер, обладая искусственным интеллектом, наблюдал за групповой работой и корректировал задания тем роботам, у которых возникали проблемы. После завершения задачи лидер передавал информацию человеку-оператору, и тот в зависимости от степени выполнения, пересылал новую программу. В рамках испытания ученые тестировали возможности искусственного интеллекта: способность выбирать траекторию, стратегию, порядок движения, координацию группового движения.

«Во время экспериментов присутствовали студенты и аспиранты разных университетов и академических институтов. Это очень важно для налаживания реального научно-технического сотрудничества специалистов, находящихся в различных частях нашей страны. Используя активно работающую научно-образовательную сеть, мы планируем расширять подобные эксперименты и проводить их с нашими иностранными партнерами», — подчеркнул Владимир Филаретов.
 
 
 


Добавим, что в тестировании новой технологии управления мобильной робототехникой на больших расстояниях вместе с учеными ДВФУ принимали участие сотрудники Института автоматики и процессов управления Дальневосточного отделения Российской академии наук (РАН) и Института прикладной математики им. М.В. Келдыша РАН.

ДВФУ развивает различные направления мехатроники и робототехники. Студенты регулярно участвуют в международных соревнованиях по подводной робототехнике, на которых становятся победителями и призерами. В настоящее время ДВФУ возглавляет уникальное сетевое объединение более 15 российских и зарубежных университетов, предназначенное для подготовки специалистов и выполнения исследований в области мехатроники, робототехники и автоматизации производства.

Робототехника





Подрядчики-лидеры по количеству проектов

За всю историю
2016 год
2017 год
2018 год

  Mikrolar (1)
  Другие (0)

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2016 год
2017 год
2018 год

  Nvidia (Нвидиа) (5, 5)
  Promobot (Промобот) (1, 5)
  SoftBank Robotics (2, 2)
  Mikrolar (1, 2)
  Intuitive Surgical (1, 1)
  Другие (72, 7)

  Mikrolar (1, 1)
  Другие (0, 0)

Распределение базовых систем по количеству проектов, включая партнерские решения

За всю историю
2016 год
2017 год
2018 год

  Hexapod - 1 (1, 0)
  Другие 0