Details

Работа посвящена разработке методов глубокого обучения для навигации автономных колесных роботов в динамическом трёхмерном пространстве. Цель исследования — создание метода и программного комплекса для синтеза нейросетевых систем управления, учитывающих индивидуальные физико-динамические характеристики роботов (масса, инерция, мощность, трение) для высокоточной навигации. Задачи включают анализ существующих подходов, разработку условной архитектуры Актёр-Критик, метода динамической рандомизации параметров, методики одноразовой передачи для адаптации и оценку эффективности.

This work is devoted to the development of deep learning methods for navigating autonomous wheeled robots in dynamic three-dimensional space. The goal of the study is to create a method and software suite for synthesizing neural network control systems that comply with the principles of robotic physical and dynamic characteristics (mass, inertia, power, friction) for high-precision navigation. The objectives include analyzing existing approaches, developing a conditional Actor-Critic framework, a method for dynamic parameter randomization, one-shot methods for adaptation, and evaluating their effectiveness.