Российские исследователи разрабатывают цифрового двойника плотных скоплений хаотически движущихся объектов для задач навигации роботов. Веб-сервис с применением графовых нейронных сетей позволит изучать физику толпы, законы роевого поведения у животных и принципы движения «активной материи». Эти данные необходимы для обучения автономных устройств, работающих в условиях многолюдных пространств. Статья опубликована в Journal of Physics: Conference Series.
При движении в толпе людей наш мозг незаметно для сознания использует накопленные за годы интуитивные знания, быстро просчитывает меняющиеся условия и безошибочно выбирает оптимальную траекторию движения. Инженерам крайне важно понимать, как работает этот механизм, чтобы интегрировать его принципы в цифровую среду. Задача навигации роботов в плотных скоплениях (людей, машин, других роботов и т. д.) становится все актуальнее. Для успешного управления устройствами необходимо отслеживание и экстраполяция траектории каждого отдельного агента в скоплениях, что само по себе — сложная задача.
Подобные системы можно эффективно описывать статистически как «активную материю», в которой каждая частичка сама закачивает энергию в систему, и успешно моделировать такую материю с помощью ансамблей хаотически движущихся роботов — например, имитировать поведение стаи птиц или косяка рыб. Для этого нужно создать симуляцию роевого поведения.
Для реализации систем роевой робототехники необходимы специальные платформы для экспериментальной симуляции физики толпы, что требует ресурсов и доступно не всем научным группам. Студенты НИТУ «МИСиС», ИТМО и МФТИ разрабатывают цифрового двойника плотных скоплений хаотически движущихся объектов для задач навигации роботов.
«Реализация подобной экспериментальной платформы требует компетенции в схемотехнике, а для создания достаточного количества структурно однородных роботов необходимы значительные финансовые затраты. В качестве альтернативы мы предлагаем создание цифрового двойника экспериментальной установки, позволяющего как исключить затраты на ее физическую реализацию, так и ускорить и автоматизировать процесс постановки экспериментов. Возможность эффективного построения подобного программного обеспечения подтверждается недавними применениями графовых нейронных сетей в схожих задачах, включая симуляции гидродинамики», — рассказал лидер студенческого научного коллектива Вадим Порватов.
В качестве источника данных используется собранная командой экспериментальная установка, состоящая из 100 движущихся роботов. Движение системы записывается с помощью видеокамеры. В качестве основного инструмента отслеживания индивидуальных траекторий будут применены алгоритмы, предоставляемые библиотекой OpenCV. Информация о конфигурации установки вместе с полученными в результате движения роботов траекториями будет использована для обучения графовой нейронной сети.
Она позволит существенно упростить процесс изучения физических процессов в плотных скоплениях хаотически движущихся частиц. Извлечение всех координат и скоростей роботов позволит получить исчерпывающее описание процессов, происходящих в системе, в том числе информацию о фазовых переходах и кластеризации роботов.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
