Александр Панов, Константин Миронов и Алексей Староверов триумфально вернулись из японской командировки, куда улетели сразу по окончании Международной конференции по обучению представлений ICLR 2024 в Австрии — на этом как раз прервался наш рассказ. И если у Алексея с коллегой было время как следует подготовиться, то Александр буквально вскочил в последний отлетавший самолёт, на всех порах домчался на другой конец материка в Йокагаму, раскидал зазевавшихся на пути к павильону дронов и успел к самому началу конгресса с таким подходящим для этого портового города названием ICRA 2024, или 41-я Международная конференция по робототехнике и автоматизации.
Шутка ли — ключевое мероприятие IEEE Robotics and Automation Society ранга A* с самым высоким уровнем цитируемости в свой области! 285 сессий и 1765 тщательно отобранных исследований, 70 воркшопов и 11 соревнований с участием последних чудес техники, плюс общий ажиотаж вокруг искусственного интеллекта и андроидов вселяли надежды на то, что ближайшие 5 дней пролетят с пользой. Так оно и вышло. Александр посетил всё, что мог, не забывая вести традиционные онлайн-репортажи, а по итогам поездки собрал из записей отличную статью для «Хабра». Не обошлось и без фирменной выставки ICRA Expo, куда инженеры со всего мира навезли около сотни роботов на любой вкус и цвет. Команда с удовольствием пообщалась и пофотографировалась с ними, даже сняла симпатичный видеоклип-ревю.
И, конечно, не прошла незамеченной презентация собственной нейросетевой модели коллектива «Neural Potential Field для избегания столкновений при планировании локальных движений» (ссылка) на устной и постерной сессиях. Авторы делились опытом того, как можно эффективно представить пространственную информацию о препятствиях и проходимых областях при расчёте столкновений в случаях нестандартных показателей карты и следов робота. Энкодеры изображений в архитектуре дифференцируемой модели Neural Potential Field (NPField) позволяют трансформировать их в эмбеддинги для компактного представления, которое затем передаётся в решатель управления с прогнозирующими моделями (MPC) в виде вектора проблемы с параметром. А для правки траектории используются градиенты блоков NPFunction, внедрённых в цикл оптимизации. NPFunction специально обучают предсказывать потенциал отталкивания объектов конкретным роботом на основе его позы или эмбеддингов.
По словам Александра, зарубежных коллег особенно впечатлила интеграция контроллера прямо в процесс обсчёта MPC через фреймворк Acados MPC и инструмент L4CasADi, что позволило успешно провести робота через все препятствия в реальном времени. В роли робота выступал, разумеется, Хаски: он легко преодолел 15 метров по извилистым коридорам, крепко сжимая широкополую шляпу в роборуке. Не пора ли уже ему обзавестись полноценной робоголовой? Впрочем, он и без головы отлично справляется. Кстати, код NPField ребята выложили в свободный доступ.
А 30 мая они планируют провести семинар, где уже подробно и обстоятельно расскажут об ICRA (возможно, даже пару слов уделят ICLR)! Ровно в 17:00 подключайтесь к стриму канала Центра когнитивного моделирования МФТИ.
Cсылки по теме: