24 ноября на факультете информационных технологий и анализа больших данных прошел международный воркшоп по искусственному интеллекту и робототехнике. Более десяти исследователей и ученых из Китая, Тайваня, Италии, Португалии, Польши, России, Казахстана, Таджикистана и Узбекистана обсудили широкий спектр научно-исследовательских тем – от технологий компьютерного зрения и алгоритмов управления группами роботов до алгебраических уравнений в криптоанализе и методов принятия решений в альтернативной энергетике.
Мероприятие стало результатом тесного сотрудничества между научно-педагогическим составом Департаментом анализа данных и машинного обучения (ДАДиМО) Финансового университета при Правительстве РФ и исследователями из зарубежных научных центров в рамках программы “Приглашенный профессор”, которая предусматривает не только выступление с лекциями перед студентами и слушателями, но и сотрудничество в научно-исследовательской сфере. Часть совместных исследований уже отражены в научных статьях, опубликованных в высокорейтинговых международных журналах:
Krakhmalev, O.; Korchagin, S.; Pleshakova, E.; Nikitin, P.; Tsibizova, O.; Sycheva, I.; Liang, K.; Serdechnyy, D.; Gataullin, S.; Krakhmalev, N. Parallel Computational Algorithm for Object-Oriented Modeling of Manipulation Robots. Mathematics 2021, 9, 2886. https://doi.org/10.3390/math9222886
Krakhmalev, O.; Krakhmalev, N.; Gataullin, S.; Makarenko, I.; Nikitin, P.; Serdechnyy, D.; Liang, K.; Korchagin, S. Mathematics Model for 6-DOF Joints Manipulation Robots. Mathematics 2021, 9, 2828. https://doi.org/10.3390/math9212828
Korchagin, S.A.; Gataullin, S.T.; Osipov, A.V.; Smirnov, M.V.; Suvorov, S.V.; Serdechnyi, D.V.; Bublikov, K.V. Development of an Optimal Algorithm for Detecting Damaged and Diseased Potato Tubers Moving along a Conveyor Belt Using Computer Vision Systems. Agronomy 2021, 11, 1980. https://doi.org/10.3390/agronomy11101980
Со стороны ДАДиМО в исследованиях участвовали: доценты О.Н.Крахмалев, Г.В.Моисеев, С.А.Корчагин, В.В.Шамраева, В.А.Иванюк, Н.А.Андриянов, Э.Ф.Болтачев, А.В.Осипов, С.Т.Гатауллин, Г.Н.Камышова, Д.О.Хорт и ассистент департамента Д.Н.Баротов.
Воркшоп открылся выступлением Хо Цзяньвеня, доцента Юго-Западного университета науки и технологий (Китай), который представил результаты научно-исследовательской работы, посвященной разработке системы управления движением группы мобильных роботов на основе визуальной информации от сопровождающего дрона. Он отметил недостатки уже существующих алгоритмов, такие как невозможность учесть динамические препятствия, отсутствующие на карте, высокая вычислительная сложность и низкая устойчивость управления конфигурацией группы.

По результатам натурных экспериментов модифицированный алгоритм показал ускорение поиска пути в полтора раза по сравнению с классическим алгоритмом. Планирование траектории мобильного робота задействует метод динамического окна и компьютерного моделирования построения программной траектории на основе сопоставления карт в среде ROS. Новая система управления перестроения группы роботов обладает простотой реализации высокой гибкостью и низкой сложностью вычисления. Моделирование подтвердило правильность алгоритма построения программной траектории и работоспособность алгоритма перепланировки траектории при встрече с препятствиями, отсутствующими на глобальной карте.
Разработанный алгоритм призван упростить управление группой мобильных роботов, например, для быстрой доставки необходимых грузов в пострадавшие от стихийных бедствий районы.
Тему управления группой роботов продолжил Кан Лян, доцент Шанхайского Политехнического Университета (Китай). В своем докладе «Алгоритмы управления и моделирования роботами» он рассмотрел стратегию управления роем роботов с помощью так называемого пчелиного алгоритма, который подходит как для гетерогенной, так и гомогенной группы роботов, в которой каждая частица управляет своей траекторией и скоростью движения, динамически приводя их в соответствие с опытом движения других участников группы. Модифицированный им алгоритм PSO+ по результатам экспериментов показал более высокую эффективность и точность позиционирования, чем канонические алгоритмы PSO.
Чжан Синьбинь, доцент Харбинского политехнического университета (Китай), в докладе "Мягкие и бионические роботы" рассмотрел методы решения одного из главных вызовов, стоящих перед создателями мягких роботов, а именно низкий уровень жесткости, который негативно влияет на стабильность работы, производительность и четкость движения таких машин. Исследователь приходит к выводу, что единственный способ добиться высокого уровня как жесткости, так и мягкости - это использовать механизм так называемой переменной жесткости (variable stiffness).
Синьбинь отметил, что, как правило, уровень жесткости зависит от свойств материала и конструктивных особенностей. Таким образом, переменная жесткость может быть достигнута конструктивными методами (сжатие и уплотнение) либо методами на основе материалов (легкоплавкие сплавы или материалы с памятью формы). Исследователь представил метод достижения переменной жесткости, основанный на использовании исключительно мягких материалов, но с применением газового привода, за счет которого обеспечивается изменение уровня жесткости определенных частей робота. В ходе эксперимента с роботом-хватателем с газовым гибридным приводом благодаря механизму переменной жесткости удалось повысить его грузоподъемность в три раза, а также снизить деформацию объектов, которые захватывает робот.

В исследовании переменной жесткости со стороны ДАДиМО принимал участие доцент, к.т.н. Георгий Викторович Моисеев. В следующем году ожидается усиление сотрудничества и охват новых сфер применения мягких роботизированных систем, в частности в сельскохозяйственном роботостроении.
Чунг Хиеу Ле, доцент кафедры электроники и инженерии Национального технологического университета Тайбэя (Тайвань), представил результаты исследования, посвященного оптимизации методов глубокого обучения для обнаружения объектов в плохих погодных условиях. Предложенный им метод меняет подход к последовательности шагов глубокого обучения при распознавании изображений. Разработанный механизм предполагает, что процессы восстановления полученного изображения и обнаружения объектов не следуют друг за другом каскадом, а ведутся параллельно с использованием модели RetinaNet для классификации и локализации объектов в подсети обнаружения и модулей улучшения видимости в подсети восстановления. По результатам исследования Чунг Хиеу Ле совместно с доцентом ДАДиМО Финансового университета Никитой Андреевичем Андрияновым подготовлена обзорная статью в научный журнал Remote Sensing (Q1).
Технологиям компьютерного зрения в сельском хозяйстве было посвящено также выступления Адама Экельски, профессора Института машиностроения Варшавского университета естественных наук (Польша). В докладе «Методы анализа изображений для оценки состояния посевов» он отметил перспективы применения компьютерного зрения для повышения урожайности с одновременным снижением производственных расходов и объема применения гербицидов. В список вспомогательных методов, которые повышают качество анализа изображений, он включил данные с видеокамер и сенсоров, установленных на наблюдающие дроны и сельхозтехнику, а также с сенсоров, фиксирующих уровень солнечного излучения.
Дилшод Зикриёходжаевич Музафаров, декан факультета математики, доцент кафедры Программирование Худжандского государственного университета им. ак. Б. Гафурова (Таджикистан) посвятил свое выступление решению сложных систем булевых алгебраических уравнений. Предложенный новый метод решения предполагает, во-первых, трансформацию булевых алгебраических уравнений в систему непрерывно-полиноминальных уравнений в единичном n-мерном кубе, где применяются обычные арифметические операции - сложение и умножение. В отличие от систем булевых алгебраических уравнений, полученная таким образом система решается оптимизационными методами. Результаты этой научно-исследовательской работы могут найти свое применение в криптоанализе и построении криптографических систем, в том числе с общедоступным ключом.
О топологическом анализе данных, его практическом применении и новых тенденциях рассказала Мария Антониетта Паскали, исследователь института информатики и технологий им. А. Фаэдо Национального исследовательского совета Италии (CNR). Она обратила внимание на то, что понимание механизмов работы глубокого обучения помогают находить более эффективные пути применения этих технологий в предобработке изображений для лучшего извлечения признаков и обучения. Данный подход может также применяться и для борьбы с визуальными атаками на системы распознавания изображений.

Старший преподаватель Высшей школы машиностроения индустриально-технологического института Западно-Казахстанского аграрно-технического университета им. Жангир-хана (Казахстан) Ербол Тулегович Ербаев представил результаты исследования по теме «Математические и инструментальные методы поддержки принятия решений для управления инфраструктурой в области альтернативной энергетики». В ходе доклада он рассказал об оптимизации работы силовой электроники с помощью разработанных математических методов на примере ветрогенераторов. Рассмотрена возможность совместного участия в программе развития карбоновых полигонов.
Декан Astana IT University (Казахстан) Болатжан Арменович Кумалаков посвятил выступление практическому применению GPU и технологии CUDA в поточно-параллельном программировании. В ходе доклада он рассказал об использовании информации о помехах в сети Wi-Fi с применением методов машинного обучения для распознавания положения тела человека в пространстве, а также о программно-аппаратной архитектуре параллельных вычислений CUDA. Кумалаков также выступит с лекцией для студентов IV курса, посвященную CUDA и ее возможностям по увеличению вычислительной производительности графических процессоров за счет управления памятью ускорителя.
Проблему созданию сильного ИИ подняла в своем докладе Мохинисо Бахромовна Хидирова, старший научный сотрудник Научно-инновационного центра информационно-коммуникационных технологий при Ташкентском университете информационных технологий имени Мухаммада аль-Хорезми (Узбекистан). Она отметила высокую зависимость существующих технологий ИИ от данных при низкой способности самого ИИ к познанию. Так, небольшие изменения во входящих данных, которые не приводят к искажению понимания у человека, заставляют системы машинного обучения делать грубейшие ошибки, так как в окружающей реальности любой объект познания сложен и противоречив, и это неполное совпадение явления и сущности смущает машину. По словам Хидировой, для решения задачи создания сильного ИИ следует обратиться к регуляторике - науке, посвященной решению любых задач, связанных с изучением регуляторных механизмов материи.
Возможностям совместной научно-исследовательской деятельности было посвящено выступление профессора Нового Лиссабонского университета Мануэла Леоте Эшкивеля, специалиста в области теории вероятностей и стохастической финансовой математике.
В завершении воркшопа заместитель декана факультета ИТиАБД по международным проектам Сергей Тимурович Гатауллин выразил надежду, что проведение подобных научных мероприятий станет традицией, демонстрирующей постоянно развивающуюся совместную научную деятельность российских и зарубежных ученых.
По всем направлениям планируется усиление международного сотрудничества и ведется поиск финансирования для проведения дальнейших исследований.
В настоящее время проводится отбор рукописей для публикации сборника CEUR Workshop Proceedings