Планирование поведения мобильных роботов

It is necessary to choose a visual aid that is appropriate for the material and audience.

Среди многих сложных задач в искусственном интеллекте есть одна, без решения которой ни о каком самостоятельном роботе и речь идти не может. Это вопрос планирования. Важный этап любого поведения — это подготовка к нему, т.е. создания плана своего действия. Однако, чтобы хорошо планировать, нужно иметь опыт выполнения этих самых действий — нужно учиться тому, к чему приводят те или иные операции и последовательности действий.


Для повышения степени автономности робототехнических платформ необходимо создавать новые методы планирования их взаимодействия с объектами и перемещения в пространстве

На данном направлении мы занимаемся интеграцией методов компьютерного зрения и классических символьных методов планирования, работаем с симуляционными средами (Apollo) и реальными роботами.

Публикции
  • Schwarting W., Alonso-Mora J., Rus D. Planning and Decision-Making for Autonomous Vehicles // Annual Review of Control, Robotics, and Autonomous Systems. 2018. Т. 1. № 1. С. 187–210. Ссылка
  • Ghallab M., Nau D., Traverso P. Automated Planning and Acting // Automated Planning and Acting. 2016.
  • Panov A.I., Yakovlev K.S. Psychologically Inspired Planning Method for Smart Relocation Task // Procedia Computer Science. Elsevier, 2016. Vol. 88. P. 115–124. ScienceDirect
  • Панов А.И., Яковлев К.С. Взаимодействие стратегического и тактического планирования поведения коалиций агентов в динамической среде // Искусственный интеллект и принятие решений. 2016. № 4. С. 68–78. ИИПР
  • Panov A.I., Yakovlev K. Behavior and Path Planning for the Coalition of Cognitive Robots in Smart Relocation Tasks // Robot Intelligence Technology and Applications 4. Advances in Intelligent Systems and Computing / ed. Kim J.-H. et al. Springer, 2017. Vol. 447. P. 3–20. Springer
  • Kiselev G.A., Panov A.I. Synthesis of the Behavior Plan for Group of Robots with Sign Based World Model // Interactive Collaborative Robotics. ICR 2017. Lecture Notes in Computer Science / ed. Ronzhin A., Rigoll G., Meshcheryakov R. Springer, 2017. Vol. 10459. P. 83–94. Springer
  • Panov A.I. Behavior Planning of Intelligent Agent with Sign World Model // Biologically Inspired Cognitive Architectures. 2017. Vol. 19. P. 21–31. ScienceDirect
  • Kiselev G., Kovalev A., Panov A.I. Spatial reasoning and planning in sign-based world model // Artificial Intelligence. RCAI 2018. Communications in Computer and Information Science / ed. Kuznetsov S., Osipov G.S., Stefanuk V. Springer, 2018. Vol. 934. P. 1–10. Springer
  • Киселев Г.А., Панов А.И. Знаковый подход к задаче распределения ролей в коалиции когнитивных агентов // Труды СПИИРАН. 2018. Т. 2. № 57. С. 161–187. СПИИРАН
Презентации
  • Иерархическое планирование - ICR-2019. Слайды
  • Планирование поведения и траекторий - RCAI-2019. Слайды
Необходимые умения для стажеров
  • Отличное знание Python и C++
  • Технический английский
  • Умение разбираться в технических деталях
  • Склонность к работе с техникой
Темы научно-исследовательских проектов
  • Иерархическое планирование поведения и перемещения
  • Планирование на основе прецедентов
  • Планирование поведения в коалициях агентов
  • Адаптивное планирование в условиях неопределенности
  • Планирование маневров беспилотного автомобиля