Details

Данная работа посвящена разработке алгоритма адаптивной системы стыковки робототехнических комплексов различных типов с использованием методов машинного обучения. Целью настоящего исследования является повышение автономности функционирования робототехнических комплексов различных типов при помощи разработки и применения алгоритма адаптивной стыковки. Основными задачами, решаемыми в работе являются: мониторинг и оценка среды; обнаружение объектов и препятствий; маневрирование; сближение с объектом. Для решения поставленных задач в работе предлагается использование обучаемых моделей, что представляет собой перспективный подход для создания адаптивных систем стыковки, способных адаптироваться к различным условиям окружающей среды и сценариям, обучаясь на основе опыта и данных. В данной работе был разработан головной алгоритм адаптивной стыковки, формирующий гибкую обучаемую модель для системы управления беспилотными робототехническими комплексами, функционирующими в неформализованной среде. Разработанный алгоритм адаптивной стыковки будет способствовать повышению эффективности операций, выполняемых робототехническими комплексами различных типов за счет применения методов машинного обучения, а также уменьшению времени и затрат, связанных с их эксплуатацией в условиях изменения метеорологической обстановки и появления препятствий, за счет отработки алгоритма в виртуальном окружении.

This work is devoted to the development of an algorithm of adaptive system of docking of robotic complexes of different types using machine learning methods. The purpose of this study is to increase the autonomy of functioning of robotic complexes of different types by developing and applying the algorithm of adaptive docking. The main tasks solved in this work are: monitoring and evaluation of the environment; de-tection of objects and obstacles; maneuvering; approaching an object. To solve these problems, the paper proposes the use of trainable models, which is a promising approach for the creation of adaptive docking systems capable of adapting to different environmental conditions and scenarios, learning from experi-ence and data. In this paper, we have developed an adaptive docking algorithm that forms a flexible trainable model for the control system of unmanned robotic complexes oper-ating in an unformalized environment. The developed adaptive docking algorithm will contribute to increasing the ef-ficiency of operations performed by robotic complexes of various types through the use of machine learning methods, as well as reducing the time and costs associated with their operation in the conditions of changes in the meteorological situation and the appearance of obstacles, due to the development of the algorithm in a virtual envi-ronment.