Интеллектуальное управление антропоморфными роботами
Антропоморфная робототехника – это быстро развивающаяся область знаний.
На данный момент создаются роботы, движения которых все более похожи на человеческие. Однако, выполнение высоко динамичных перемещений, таких как бег, прыжки, сальто и т.д. все еще представляют существенные трудности для таких систем, и в настоящее время могут быть осуществлены лишь в условиях, близких к идеальным.
Одним из важнейших направлений усовершенствования антропоморфных роботов является создание вычислительно эффективных алгоритмов управления, способных для моделей разной степени детализации решать задачи перемещения в режимах близких к режиму реального времени.
Другим перспективным альтернативным направлением является построение библиотеки
заранее просчитанных движений.
На данный момент создаются роботы, движения которых все более похожи на человеческие. Однако, выполнение высоко динамичных перемещений, таких как бег, прыжки, сальто и т.д. все еще представляют существенные трудности для таких систем, и в настоящее время могут быть осуществлены лишь в условиях, близких к идеальным.
Одним из важнейших направлений усовершенствования антропоморфных роботов является создание вычислительно эффективных алгоритмов управления, способных для моделей разной степени детализации решать задачи перемещения в режимах близких к режиму реального времени.
Другим перспективным альтернативным направлением является построение библиотеки
заранее просчитанных движений.
Семинар 15. Обзор современных методов планирования в современной антропоморфной робототехнике | Дмитрий Макаров
Доклад посвящен текущему положению дел в области современной антропоморфной робототехники. Рассматривается классификация таких роботов, некоторые современные платформы (Atlas от Boston Dynamics, HRP от National Institute of Advanced Industrial Science and Technology, Cassie от Oregon State University и др.), а также математические модели и методы, используемые в задачах планирования и управления (метод коллокации, Differential Dynamic Programming, Hybrid Zero Dynamics и др.).
В ходе практики Вам предлагается поучаствовать в разработке подобных методов. Исследования будут вестись как в области классических подходов теории управления, обладающих строгими доказательствами своей работоспособности, так и в области интеллектуальных подходов, представляющих большую гибкость при работе в условиях разного рода неопределённостей.
- Хорошая математическая подготовка (курсы дифференциальных уравнений, математического анализа, методов оптимизации, линейной алгебры).
- Умение читать научную и техническую литературу (статьи, учебники, книги) на английском языке.
- Умение работать в MATLAB – желательно.
Динамические системы, нелинейное управление, оптимальное управление, интеллектуальное управление, адаптивное управление, нейро-нечеткое управление, искусственные нейронные сети.
- Получить основы фундаментальных знаний в области управления и соответствующую математическую подготовку.
- Познакомиться с основополагающими методами «классической» теории управления, которые активно используются при управлении робототехническими системами в настоящее время.
- Получить знания в области существующих методов интеллектуального управления антропоморфными роботами.
- Принять участие в разработке новых подходов в области управления антропоморфными роботами.
- Получить опыт компьютерного моделирования конкретных систем и управления ими.
- Принять участие в работе российских и международных научных семинаров и конференций по объявленной тематике.
- Принять участие в написании статей в ведущие российские и зарубежные научные журналы.
- Успешно написать/защитить курсовую/выпускную работу и получить все необходимые знания для продолжения научной работы по обозначенной тематике.
- Метод нулевой гибридной динамики для антропоморфных роботов с эластичностью.
- Метод дифференциального динамического программирования для антропоморфных роботов.
- Регуляризация гибридных систем.
- Управление c прогнозирующими моделями (MPC) и его модификации для антропоморфных роботов.
- Регуляторы Калмана-Лётова и их использование в интеллектуальном управлении.
- Нечеткая логика и асимптотический анализ.
- Вычислительно эффективные методы интеллектуального управления на основе алгоритмов аппроксимации Паде и теории приближения функций.
- Нечеткое и нейро-нечеткое управление для задач планирования и управления в интеллектуальной робототехнике.