РАЗРАБОТКА МНОГОЦЕЛЕВОГО РАЗВЕДЫВАТЕЛЬНОГО РОБОТА С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ
Ключевые слова:
multi-purpose robot, reconnaissance, artificial intelligence, multi-sensor fusion, SLAM, modular architecture, autonomous navigation, object detection, adaptive planningАннотация
В статье представлены результаты разработки и испытаний многоцелевой автономной мобильной робототехнической платформы, предназначенной для сбора разведывательной информации в условиях неопределённости и ограниченной связи. Решаемые задачи включают создание модульной аппаратной архитектуры, интеграцию многосенсорного комплекса (видеокамеры, лидар, инфракрасная камера, микрофонная решётка), разработку навигационной системы на основе SLAM и адаптивного планирования маршрутов, а также реализацию алгоритмов искусственного интеллекта (ИИ) для обнаружения, классификации и приоритизации объектов в реальном времени. Методология исследования основана на слиянии данных разнородных сенсоров, применении сверточных нейронных сетей (CNN) и рекуррентных нейронных сетей (RNN), алгоритмов построения карт в реальном времени (RTAB-Map, Gmapping), а также алгоритмов поиска пути (A*, D*, RRT*).
Научная новизна заключается в синергии модульной конструкции, адаптивных алгоритмов ИИ и глубокой многосенсорной интеграции, что повышает автономность, надёжность и универсальность платформы. Практическая значимость подтверждена полевыми испытаниями прототипа, которые продемонстрировали способность автономного передвижения в неизвестных городских и природных средах, обнаружения и классификации объектов с точностью 94,7 %, а также приоритизации угроз на основе контекстного анализа. Разработанная платформа может применяться для оперативной разведки, патрулирования, мониторинга критически важной инфраструктуры, а также в поисково-спасательных операциях.
Библиографические ссылки
Trejos K. et al. 2D SLAM Algorithms Characterization, Calibration, and Comparison for Mobile Robots // Sensors. 2022. Vol. 22. P. 1–28.
Tanishq30052002. ROS2 SLAM Comparison: Cartographer & RTAB-Map // GitHub Repository. 2024.
Petkovic S. et al. Comparison of SLAM algorithms on omnidirectional four-wheeled robot // ETRAN Conference. 2022.
Hernas J. et al. Comparison of SLAM algorithms for autonomous systems // Authorea Preprint. 2025.
Labbé M., Michaud F. RTAB-Map as a Multi-Session SLAM Approach // Autonomous Robots. 2019. Vol. 43. P. 451–472.
Choi J.D. et al. A sensor fusion system with thermal infrared camera and LiDAR for autonomous vehicles // ICT Express. 2023. Vol. 9. No. 2. P. 222–227.
Schichler L. et al. Thermal-LiDAR Fusion for Robust Tunnel Localization in Perceptually Degraded Environments // arXiv:2505.03565. 2025.
Yuan S. et al. Multi-Sensor Fusion for Motion Estimation in Visually Degraded Environments // IEEE/RSJ IROS. 2021.
Vidhyacharan R. et al. Advances in LiDAR-Camera Fusion for Object Detection in Autonomous Driving // Atlantis Press. 2025.
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2026 Сабыржан Атанов , Ержан Сейткулов , Ажар Байманова, Хуралай Молдамурат, Аян Кемел
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
