Просмотр исходного текста страницы Pathplanning.ru :: автоматическое планирование траектории (2018) (проект)

{{Карточка_проекта
|name=Pathplanning.ru :: автоматическое планирование траектории (2018)
|mentor=Константин Яковлев
|mentor_login={{URLENCODE:Kyakovlev|WIKI}}
|semester=Осень 2018
|course=2
|summer=on
|number_of_students=10
|categorize=yes
}}

=== Что это за проект? ===
[https://yadi.sk/i/0NbslDLmZCvAmA Презентация проекта] 

Планирование траектории - одна из основополагающих способностей любого интеллектуального агента (робота, персонажа в компьютерной игре и т.д.), поэтому методам планирования пространственных перемещений всегда уделялось (и продолжает уделяться) большое внимание в искусственном интеллекте. Несмотря на кажущуюся простоту это нетривиальная (challenging) задача, для решение которой необходимо не только уверенное знание математических и компьютерных наук, но и изобретательность.

[[Файл:Pplru-robo.jpg|320px]]

В научной лаборатории, в которой я работаю, мы с коллегами уже не первый год занимаемся этой интересной тематикой: ведем научные исследования, публикуемся в научных журналах, делаем доклады о наших новых разработках на конференциях и семинарах. Предлагаю и вам познакомиться с областью path finding и овладеть базовыми алгоритмами, которые в дальнейшем можно будет развивать, совершенствовать и применять в реальных системах (навигационные сервисы, робототехника и др.).

[[Файл:Pplru-1.png|320px]][[Файл:Pplru-2.png|320px]]

В рамках предлагаемого проекта вы познакомитесь с основными '''методами планирования траектории на плоскости''', такими как A*, Theta*, JPS, изучите теоретические основы их работы, а также программно их реализуете.

В дальнейшем возможно развитие проекта с его трансформацией в дипломную работу (выпускную квалификационную работу бакалавра) высокого уровня, содержащую как научную часть (методы и алгоритмы интеллектуального планирования траектории), так и практическую – программную реализацию алгоритмов. В дальнейшем также возможно участие в научных исследованиях и проектах по этой тематике (написание статей, поездки на конференции и т.д.).

PS: Пример системы, разработанной моими студентами в рамках проектных/курсовых/дипломных работ: '''[http://pathplanning.ru pathplanning.ru]''' (используется привязка к реальным данным Openstreetmaps + собственноручно реализованные алгоритмы планирования).

PPS: Обратите также внимание на проекты [http://wiki.cs.hse.ru/%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:Panov.ai А.Панова].

=== Чему вы научитесь? ===
* алгоритмам эвристического поиска на практике
* основам ООП на практике (работа с классами)
* современным технологиям разработки ПО (IDE, отладка и др.)
* основам разработки кросс-платформенных приложений

=== Какие начальные требования? ===
* базовая математическая и алгоритмическая подготовка.
* С/С++.
* основы ООП.
* технический английский (для чтения руководств, статей и пр. научно-технической литературы).

=== Какие будут использоваться технологии? ===
* C++ в качестве языка программирования.
* Qt.Creator в качестве IDE.
* XML в качестве формата входных/выходных данных.

=== Темы вводных занятий ===
* О проблеме планирования траектории, ее месте в искусственном интеллекте и робототехнике
* О планировании траектории, как о задаче поиска пути на графе специального вида (формальная постановка задачи, основные методы и алгоритмы)
* О среде разработки Qt.Creator, об используемых форматах входных/выходных данных
* Об эвристических алгоритмах поиска пути на графе специального вида
* О программной реализации алгоритмов семейства A* (декомпозиция на функциональные блоки, выбор структур и контейнеров для хранения данных поиска)


Занятия будут проводится в течении всего срока выполнения проекта и соответствовать текущей фазе (сначала - общие вопросы, потом - специализированные).

=== Направления развития ===
* Планирование в 3D
* Any-angle и angle-constrained планирование (ANYA*, LIAN и др.)
* Многоагентное планирование (M*, CBS и др.)
* Планирование в динамической среде (D*, D* Lite)
* Алгоритмы семейства RRT
* Разработка GUI-утилит для систем планирования (редакторы карт, трассировщики, отладчики, визуализаторы и др.)

Отдельное направление развития - интеграция разработанных методов в системы управления мобильными роботами. Как первый шаг в этом нарпавлении - интеграция с ROS, Gazebo (для TurtleBot). После успещного выполнения проекта возможент перенос алгоритма на реального робота.

=== Критерии оценки ===
4-5: Функционал A* (и Dijkstra) реализован в программном коде, все опции (разрешенные движения, вес  и тип эвристики, разрешенные движения и пр.) hard-coded, проект компилируется и корректно работает (выходной файл требуемого формата, результат работы алгоритма совпадает с эталоном).

6: Функционал A* (и Dijkstra) реализован в программном коде, поддерживаются все необходимые опции поиска (разрешенные движения, вес и тип эвристики и пр.), проект компилируется и корректно работает (выходной файл требуемого формата, результат работы алгоритма совпадает с эталоном).

7: Функционал A* (и Dijkstra) реализован в программном коде, поддерживаются все необходимые опции поиска (разрешенные движения, вес и тип эвристики и пр.), проект компилируется и корректно работает (выходной файл требуемого формата, результат работы алгоритма совпадает с эталоном). Поддерживаются разные уровни логирования (вывода промежуточной информации).
 
8: То же, что и на оценку 7 + реализован алгоритм Theta*. 

9: То же, что и на оценку 8 + реализован алгоритм Jump Point Search.

10: Вполнено дополнительное индивидуальное задание по согласованию с ментором (это может быть реализация более продвинутого алгоритма, перенос алгоритма на реального робота и пр.).

=== Ориентировочное расписание занятий ===
По договренности:
ПН 16:40-18:00;
ПТ 16:40-18:00;

+ телеграмм-группа 24/7 для максимально-оперативного решения вопросов.