Представлены результаты структурно-параметрического синтеза плоских неполноприводных механизмов со звеньями переменной длины. Синтез основан на принципе морфологического расчета, согласно которому желаемые свойства робота „программируются“ на уровне механической конструкции, а активное управление используется лишь для мягкой корректировки движений, обусловленных естественным поведением системы. Разработанный алгоритм был апробирован при создании адаптивной компактной кисти для антропоморфного робота iCub, способной выполнять все фундаментальные захваты и обладающей при сопоставимых габаритах более высокой грузоподъемностью по сравнению с оригинальным аналогом на тросовой тяге. Приведен пример синтеза механизма указательного пальца и представлены результаты тестирования опытного образца устройства. Разработанный прототип обладает 14 степенями свободы, но при этом управляется с помощью четырех двигателей. Минимизация количества приводов позволила упростить систему управления, уменьшить количество требуемых сенсоров и массогабаритные параметры и снизить затраты на комплектующие.

Представлены результаты разработки и реализации программно-аппаратной архитектуры системы управления для адаптивной антропоморфной роботизированной кисти. Рассматривается возможность интеграции разработанного захватного устройства в контур управления робота iCub с сохранением функциональных возможностей и гибкости реализации алгоритмов управления. Это достигается посредством прототипирования системы управления как самостоятельного модуля, подключаемого к роботу iCub через сетевой интерфейс Ethernet. Обмен данными между захватным устройством и роботом iCub имеет высокую стабильность и производительность с частотой управления 2 кГц при задержке не более 310 мкс и джиттере ниже 50 мкс. Тестирование программно-аппаратной архитектуры системы управления продемонстрировало высокую точность управления положением (±1) и тактильным усилием (±0,15 Н) проксимальных фаланг пальцев.

Представлены результаты исследования по проектированию и изготовлению прототипа энергоэффективного прыгающего робота с гибкими сочленениями с использованием принципов морфологического расчета. Гибкие элементы позволяют роботам адаптивно подстраиваться к окружающей среде при контактном взаимодействии, перенаправляя энергию взаимодействия с пластической деформации твердых тел в упругую деформацию эластичных тел, что способствует рекуперации энергии в системе. В отличие от традиционных низших и высших кинематических пар, гибкие сочленения обеспечивают перемещения звеньев только в ограниченном диапазоне в пределах зоны упругой деформации. Решена задача проектирования эластичных полимерных перекрестных сочленений на примере плоского механизма ноги неполноприводного прыгающего робота замкнутой кинематики, приводимого в движение от единственного серводвигателя с присоединенными последовательно эластичными элементами. При синтезе такого робота необходимо оптимизировать не только кинематические параметры рычажного механизма, но и топологию и эластостатические параметры самих эластичных сочленений.

Рассматривается алгоритм планирования движения многозвенной робототехнической системы в пространстве с препятствиями. Основные требования, предъявляемые к данной задаче, — высокое быстродействие и эффективное использование памяти в процессе работы. Представлен алгоритм планирования пути на основе метода двунаправленного быстроисследующего случайного дерева с использованием подхода, исключающего добавление новых вершин к дереву, если по их расположению в пространстве можно однозначно определить нецелесообразность их использования для построения пути. Эта модификация позволяет ускорить планирование движения и уменьшить объем памяти, необходимой для хранения данных об анализе пространства.

Рассматриваются способы расширения набора распознаваемых классов объектов для задачи их сегментирования, где необходимо построить маску объекта, а также узнать его класс. Для первой задачи использованы методы, не зависящие от классов предметов и являющиеся наиболее устойчивыми к изменениям формы; для второй задачи проанализированы методы, основанные на итеративном обучении (iterative learning), и методы метрического обучения (metric learning). Второй подход выбран в качестве основного, и для него протестированы различные архитектуры нейронных сетей. Проведена классификация объектов с использованием алгоритма k ближайших соседей. В качестве набора данных для обучения нейронной сети использован набор COIL-100, а после обученная модель протестирована на собственном наборе данных. Проведенные эксперименты показывают, что используемый метод позволяет обрабатывать 7-8 изображений в секунду на видеокарте GTX 1050 ti с 4 Гбайт видеопамяти с точностью классификации в 99 %.

Представлены результаты исследования, направленного на разработку интеллектуальной автономной навигационной системы для складской и офисной логистики с использованием глубоких нейронных сетей. Проанализированы современные и наиболее универсальные средства для получения карт глубин и семантической сегментации данных на изображениях в различных средах. Проведен сравнительный анализ карт глубин, формируемых RGB-D-камерой, а также с помощью нейросетевых алгоритмов и модифицированного алгоритма Хиршмюллера. Результаты тестирования, проведенного на специально подготовленном наборе данных, снятых в офисном пространстве, демонстрируют, что предложенное решение превосходит альтернативные по точности и позволяет сократить затраты вычислительных ресурсов.

Рассматривается задача повышения точности и робастности методов одновременной локализации и картирования с использованием численной оптимизации с ограничениями. В основе предлагаемого решения лежит модификация алгоритма ORB-SLAM3, учитывающая особенности кинематики наземных роботов и использующая комплексирование данных визуальной и колесной одометрии, блочное уравнивание (bundle adjustment) для настройки параметров, комплексно характеризующих состояние визуального сенсора, а также алгоритм замыкания петли для корректировки карты. Результаты апробации на наборе данных OpenLoris показывают, что для ряда сценариев предлагаемое решение существенно превосходит по точности и робастности известный алгоритм ORB-SLAM3.