Нейросетевое распознавание места по последовательности сенсорных данных
Под позой робота понимается его положение и ориентация в трехмерном пространстве. Понятие одометрии шире и включает также скорости (линейные и угловые), а также ускорение. Точное определение такого пространственного состояния важно для решения задачи локализации робота и дальнейшего планирования его поведения в трехмерном пространстве.
Семинар 14. Мультисенсорные методы локализации и построения карты с конференций IROS/ICRA

Ярослав Соломенцев, Денис Маматин
Необходимые умения
  • Сильная математическая подготовка (курсы математической статистики, дискретной математики, теории алгоритмов, аналитической геометрии)
  • Понимание принципов машинного обучения
  • Отличное знание Python и C++
  • Базовое владение фреймворками глубокого обучения PyTorch и/или Tensorflow
  • Базовое знакомство с операционной системой роботов ROS
Завершенные проекты/публикации
  • D. Kirilenko, A. K. Kovalev, Y. Solomentsev, A. Melekhin, D. A. Yudin, A. I. Panov. Vector Symbolic Scene Representation for Semantic Place Recognition. IJCNN. 2022
  • D. Yudin, Y. Solomentsev, R. Musaev, A. Staroverov, A. I. Panov. HPointLoc: Point-based Indoor Place Recognition based on Synthetic RGB-D Images. ICONIP. 2022
Темы исследовательских проектов
  • Быстрые нейросетевые мультимодальные (камера, LiDAR, IMU) архитектуры для оценки относительного положения транспортного средства в пространстве (одометрии)
  • Самообучающиеся алгоритмы оценки одометрии по последовательности изображений