робототехніка

У статті розглянуто актуальні підходи до навчання роботів-маніпуляторів, які застосовуються для виконання складних завдань у динамічних та змінних умовах середовища. Проведено порівняльний аналіз сучасних методів, визначено їхні основні переваги, недоліки, а також окреслено типові сфери їхнього практичного застосування, зокрема методи із залученням людини-інструктора, самонавчання та навчання з підкріпленням. Особливу увагу приділено питанню ефективності навчання, адаптивності роботів до нових умов, взаємодії з людиною та перенесення навичок з віртуального навчального середовища у реальне.

Уникнення перешкод є фундаментальною здатністю автономних мобільних роботів, що забезпечує безпечну навігацію у динамічних та неструктурованих середовищах. У цій роботі запропоновано новий підхід до уникнення перешкод у режимі реального часу на основі методу штучних потенціальних полів (Artificial Potential Field Method, APFM), який використовує функцію гіперболічного секанса. Розроблено та проаналізовано математичну модель запропонованого методу. Для перевірки ефективності підходу реалізовано віртуальне середовище на основі ROS 2, симулятора Gazebo та платформи TurtleBot3 Burger.

У статті здійснено комплексне дослідження моделі управління роботизованими платформами, які крокують, зокрема гексаподами, що ґрунтується на застосуванні методів глибокого навчання з підкріпленням. Обґрунтовано актуальність використання штучних нейронних мереж для формування адаптивної поведінки роботів в умовах, заздалегідь не визначених, що дає змогу забезпечити гнучкість та стійкість їх функціонування у змінному середовищі.

У статті розглянута проблематика розвитку “м'якої” (перцептивної) метрології (в англомовній літературі - soft metrology), що виникла як результат поширення інформаційно-вимірювальних технологій у сфері пізнання нефізичних явищ і процесів. Проведено огляд і аналіз відомих робіт за тематикою “м'якої” (перцептивної) метрології.