Методы и алгоритмы автоматического планирования траектории

Планирование траектории – одна из классических задач искусственного интеллекта и робототехники, которая изучается достаточно давно и активно и, тем не менее, не имеет решения в ряде практически-значимых постановок. Методы и алгоритмы планирования траектории находят свое применения в индустрии видео-игр (планирование траекторий для персонажей игр), логистике (автоматизированные склады с роботами сортировщиками), доставки (беспилотный транспорт) и многих других областях.

В рамках этого направления мы предлагаем работу по следующим крупным блокам тем:

1. Планирование маневров беспилотного автомобиля с учетом кинодинамических ограничений. Особенность этой задачи – в необходимости учета того факта, что автомобиль не может мгновенно изменить направление своего движения, повернуться на месте и пр. Эта задача до сих пор остается нерешенной, т.к. известные методы либо работают долго, либо генерирую не вполне качественные решения (слишком длинные и опасные траектории).

2. Планирование неконфликтных траекторий для групп мобильных агентов. Решения этой задачи весьма востребованы в современной логистике (в частности на автоматизированных складах, где одновременно действуют и перемещаются сотни роботов, переносящих грузы). Известные алгоритмы получения оптимальные решений на практике не работоспособны, т.к. не справляются за разумное время с большим числом агентов. В рамках этого направления предлагается разработка алгоритмов, которые с одной стороны хорошо бы масштабировались к большому числу агентов, с другой – генерировали решения высокого качества.

3. Методы машинного обучения в задачах планирования траектории. Традиционно в искусственном интеллекте и робототехнике задачи планирования сводятся к эвристическому поиску на графе состояний. Однако в связи с бурным развитием методов машинного обучения (в частности -  глубокого нейросетевого обучения) появляется все больше подходов к решению задач планирования с их помощью. В рамках этого направления предлагается исследовать возможности применения нейросетевых обучаемых моделей для решения различных вариантов задачи планирования траектории.