В настоящее время активно разрабатываются новые методы принятия решений в условиях неопределённости на основе моделей искусственного интеллекта. В этом контексте особую роль играет обучение с подкреплением, демонстрируя высокую эффективность при решении сложных и практически значимых задач. Особое внимание заслуживают задачи навигации из-за их сложности и разнообразия. Под навигацией здесь понимается планирование перемещения агента на основе наблюдений, таких как вид от первого лица или вид сверху. Такие условия требуют разработки новых алгоритмов, способных адаптироваться к изменениям, эффективно работать при частичной наблюдаемости и координировать действия множества агентов в одной системе. Цели и задачи. Исследовать и разработать методы одноагентной навигации в среде, подверженной изменениям, с наблюдением, представляющим собой локальную карту. Разработать эффективные методы одноагентной навигации для сред с наблюдением от первого лица. Предложить и разработать методы многоагентной навигации для частично наблюдаемых сред с видом сверху. Создать многоагентный симулятор и подготовить обучающие и тестовые карты для проведения экспериментов.
Skrynnik, A. Research and development of reinforcement learning methods for navigation in visual and cellular environments // Artificial Intelligence Research Institute seminar (Moscow, 25 September 2023).