Робоновости медленно, но железно захватывают информационное пространство, это замечательно и неотвратимо. Прямо сейчас Александр Панов с командой штурмуют крупнейшую конференцию по искусственному интеллекту AAAI 2024 в Ванкувере, куда привезли три доклада по мультиагентному поиску пути — о чём мы напишем отдельно. Попутно они ведут репортажи с мест в своём «Телеграм»-канале, на который рекомендуем подписаться (а заодно и на новые каналы Института проблем искусственного интеллекта, напоминаем!).
А накануне Александр успел попробовать себя ещё и в аналитическом жанре, написав авторскую колонку «Где польза, а где хайп: что бизнес и потребители в России выигрывают от внедрения ИИ?» (ссылка) для агентства ТАСС, где даёт общий прогноз и рассказывает о выгодах от внедрения ИИ в разных сферах, от финтеха и онлайн-торговли до рынков автомобилей и бытовой техники.
Тем временем у Михаила Хачумова и его коллеги из ДГТУ Владимира Мелехина вышло два тематически близких исследования при поддержке гранта РНФ № 21-71-10056 (ссылка). Это, во-первых,«Планирование целенаправленной деятельности автономным интеллектуальным роботом с обновлением знаний в кратковременной памяти» (ссылка) в журнале «Мехатроника, автоматизация, управление» с обзором долговременного и кратковременного видов памяти для хранения типовых элементов абстрактной модели представления знаний. Кроме того, авторы предлагают оригинальные конструкции типовых элементов модели и правила обработки абстрактных знаний, благодаря которым, в частности, агенты смогут самостоятельно устранять различия между текущей и целевой ситуациями проблемной среды.
Во-вторых, и в-главных, в День российской науки издетельство «Политехника» презентовала монографию «Управление целенаправленной деятельностью автономных летающих роботов в нестабильном окружении» (ссылка) на выставке «Экономика: наука и бизнес» в Государственной публичной научно-технической библиотеке (продлится до 1 марта, не пропустите!). Книга подводит промежуточные итоги многолетних изысканий по разработке инструментария интеллектуального решателя задач БПЛА в экстремальных условиях. В ней описаны методы планирования воздушного движения в процессе поиска и облёта целей, модель ситуационно-командного управления по заданной траектории и ряд моментов организации совместного пролёта дронов в условиях коллективной деятельности. Предложены средства автоматического целеполагания и мотивационного поведения уже после приземления, а также оригинальные когнитивные инструменты наглядно-действенного, наглядно-образного и абстрактного мышления беспилотников. Отличное пособие для тех, кто желает поглубже погрузиться в тему.
Наконец, в 4-м номере журнала «Программные системы: теория и приложения» за прошлый год вышла обстоятельная статья Юлии Белинской и Дмитрия Макарова «Построение нелинейной обратной связи в задаче слежения для модели колёсного робота, основанное на технике SDDRE» (ссылка). Справка: SDDRE (она же State-Dependent Differential Riccati Equation) — дифференциальное матричное уравнение Риккати с зависящими от состояния коэффициентами. Метод популярен при решении задач слежения в разных постановках, однако редко применяется при манипулировании колёсными системами, поскольку в этом случае невыполнимо главное условие: поточечная управляемость. Проблему обходят с помощью модификаций, чем, собственно, и занялись авторы в своём труде.
Многочисленные опыты показали, что их новый алгоритм позволяет значительно так улучшить качество решения оригинальной задачи слежения, особенно с учётом быстроменяющихся желаемых траекторий. Подробности читайте на сайте журнала. Отметим, что данный опыт стал лебединой песней проекта ФИЦ ИУ РАН «Разработка вычислительно эффективных методов управления четырёхколёсным беспилотным транспортным средством для построения цифровых карт местности» (ссылка) за грантом РНФ № 22-21-00716.
Cсылки по теме: