Simultaneous Localization And Mapping

Ментор	Андрей Паринов
Учебный семестр	Осень 2018
Учебный курс	2-й курс
Максимальное количество студентов, выбравших проект: 1

Что это за проект?

○ Проект ставит перед собой цель “научить” робота строить карту местности и понимать, где в этой карте назодится он и по какой траектории ему нужно идти, чтобы достичь своей цели. Это применимо в случаях, когда у робота нет доступа к уже готовой карте или таковой просто нет в природе (если он -- робот-пылесос в вашей квартире или исследует Марс). Он собирает данные откуда может и работает с ними, чтобы наиболее вероятно определить, какая вокруг обстановка и где находится он сам. Наша задача - разработать software для дрона, которому придется определять местоположение и строить модель окружаещей местности (карту). Для этого нужно понимать, какие данные ему следует собирать, потому что памяти на все возможные ракурсы, предметы и расстояния может не хватить. Мы попытаемся натаскать нейронную сеть на распознавание основных объектов, встречающихся дрону, и на основании таких данных проверим, как будет работать дрон с использованием алгоритмов, основанных на некоторых утверждениях теории вероятностей.

Чему студент научится?

○ Применению линейной алгебры и теории вероятностей в реальной жизни (узнает, как можно применить математическую модель для решения конкретной задачи), попрактикуется в работе с нейронными сетями и создании публикабельной статьи.

Какие начальные требования?

○ Навыки программирования на С++, познания в линейной алгебре, понимание основных принципов теории вероятностей, интерес к проблемам искусственного интеллекта

Какие будут использоваться технологии?

○ Метод МАР (maximum a posteriori) и все связанные с ним библиотеки в С++; ○ git; ○ любая ide; ○ google test.

Темы вводных занятий

○ SLAM - что это такое; ○ Метод МАР - как определить положение робота в пространстве по данным измерениям.

Направления развития

○ Обученные таким образом дроны могут играть важную роль в спасательных работах (обнаружение угрозы в туннелях метро или поиск �человека в завалах), для этого можно совершенствовать полученные алгоритмы под конкретную цель.

Критерии оценки

○ 4-5 -- проведён обзор существующих работ по теме, выбрано базовое решение с готовой реализацией и эталонные данные, проведено его экспериментальное исследование на эталонных данных. ○ 6-7 - проведён подробный анализ работы базового решения на эталонных данных, выявлены основные причины неустойчивости системы, предложены модификации для базового алгоритма ○ 8-10 - разработан и реализован алгоритм с хорошей устойчивостью (но этот пункт будет уточняться, так как исследования только ведутся, и наша идея может оказаться нерабочей, это тоже будет важный результат)

Контакты

Андрей Паринов aparinov@hse.ru