Привет, Хабр! На связи сообщество ROS Russia.
Мы объединяем любителей и профессионалов, которые занимаются робототехникой. Изначально наше сообщество создавалось для обсуждения самого популярного фреймворка для прототипирования ПО для роботов — Robot Operating System, однако давно уже охватывает темы, выходящие за рамки ROS: электронику, механику и общие вопросы создания ПО для роботов. Помимо общения на темы, связанные с разработкой роботов, мы проводим тематические мероприятия.
В этом году мы впервые организовали хакатон по сборке робота под ROS2, а также воркшопы (практические занятия) по различным дисциплинам робототехники.
Если организация воркшопов для нас новое дело, то организация научно-практической конференции ROS Meetup — это то, в чём мы уже поднаторели. Очередная (восьмая) конференция пройдёт 26 апреля 2025 в штаб-квартире Сбербанка (большое спасибо Центру робототехники Сбера за помощь в организации!). Как и всегда, исследователи и разработчики в разных робототехнических дисциплинах выступят с докладами на самые разные темы — от спортивной робототехники до применения больших языковых моделей (LLM) в роботах. Также подведём итоги прошедшего хакатона и мастер-классов. Помимо докладов и обсуждения будут панельные дискуссии, на которых эксперты обсудят текущие проблемы и тренды в робототехнике. Зарегистрироваться и посмотреть планируемую программу можно по ссылке.
Наша конференция отличается тем, что организация и выступления на ней проходят исключительно на добровольной основе. Тем не менее, строгая комиссия организаторов-экспертов следит за высоким уровнем докладов. Все видеозаписи выступлений и презентации доступны по ссылке.
А пока докладчики готовятся, давайте вспомним, как прошёл седьмой ROS Meetup 27-28 апреля 2024 года.
Все доклады и панельные дискуссии на прошлом ROS Meetup можно условно разделить на большие темы:
обучение с подкреплением в робототехнике;
антропоморфные роботы;
мобильная робототехника;
библиотеки, фреймворки, программные пакеты.
Обучение с подкреплением в робототехнике
Эта тема очень перспективная, но требует проведения исследований. Рассмотрим подробно некоторые из докладов.
Обучение с подкреплением (reinforcement learning, RL) — развивающая область, которая находит своё применение и в робототехнике. Её цель — создание алгоритмов автоматического управления некими агентами, включая персонажей в компьютерных играх и заканчивая роботами. Арина Шупенко сделала обзорный доклад для тех, кто мало знаком с этой темой, обозначив преимущества и перспективы развития этой области. Понятно, что идея «всё получится само» сначала сильно привлекает разработчиков, однако проблем здесь хватает. Одна из них это неинтерпретируемость поведения: мы не можем гарантировать какое‑то поведение, работая с так называемым «чёрным ящиком».
Долговязов Андрей подробно рассмотрел оффлайн‑обучение с подкреплением: модель обучается на записанным данных, что гораздо проще, чем онлайн‑обучение на роботе. При онлайн‑обучении модель что‑то делает, смотрит на результат и может на лету корректировать дальнейшие действия, а при оффлайн‑обучении возможности коррекции действий нет, что усложняет алгоритмы.
Далее коллеги из AIRI поделились своими исследованиями применения в обучении с подкреплением трансформеров с памятью. Память — важный аспект, поскольку надо сделать так, чтобы модель решала не только на основе текущего состояния (как в классической постановке задачи обучения с подкреплением), а ещё и на основе истории предыдущих действий. При отсутствии памяти может возникнуть классическая проблема — зацикливание.
Также исследователи из AIRI рассказали о другом направлении в обучении с подкреплением — использование GPT‑подобных моделей. Дело в том, что для алгоритмов обучения с подкреплением важной задачей является «кодирование» состояния робота, окружающей среды, действий и награды в терминах, которые алгоритм может понять. И чем сложнее среда и поставленная задача, тем сложнее эффективно кодировать эти данные. В то же время текст является наиболее универсальным способом представления информации, и сегодня наиболее эффективными машинными средствами его обработки являются большие языковые модели (LLM), в том числе с архитектурой GPT. Как «поженить» эти две технологии, смотрите в докладе Алексея Староверова.
Обучение с подкреплением пока что требует много времени на само обучение, чтобы достигнуть требуемого результата. Ускорить процесс позволяют виртуальные симуляторы. Адитья Нарендра из МФТИ рассказал об обучении в симуляторе Isaac Sim мобильного робота, снабжённого двумя манипуляторами. В этой работе для перемещения робота и манипуляции используется одна и та же нейросеть, обученная работать с очень разными модальностями.
После секции докладов была открытая дискуссия с рядом экспертов в этой области, на которой Александр Панов, один из ведущих в мире учёных в области применения обучения с подкреплением в робототехнике, иронично заметил, что обучение с подкреплением — это удел лентяев, которые не хотят тратить силы и время на прямое решение задачи. А лень, как говорит известная поговорка, это двигатель прогресса.
Роботы общего назначения и антропоморфы
Неделчев Симеон из Центра робототехники Сбера рассказал о своей открытой библиотеке кинематики DARLI, предназначенной для управления многозвенными механизмами. Хотя библиотека никак не привязана к ROS, она пользуется URDF‑описанием робота, которое также применяется и в ROS. Эта библиотека позволяет решать широкий спектр задач, связанных с манипуляторами и шагающими роботами, используя классические подходы и уже рассмотренное выше обучение с подкреплением.
К обучению с подкреплением также вернулись коллеги из лаборатории МФТИ, где решают вопросы передвижения шагающих роботов. Очень рекомендую пересмотреть доклад Егора Давыденко, который максимально красочно и артистично продемонстрировал на себе распространённые проблемы в задаче прямохождения антропоморфных роботов. Эти проблемы относятся к устойчивости и адаптивности походки, а также имитации человеческой походки. Далее ребята из МФТИ поделились успехами в обучении с подкреплением двуногого робота‑футболиста. Они использовали симуляцию для упрощения и ускорения процесса, но, как мы знаем, перенос обученной модели из симулятора в реальность (sim‑to‑real) не так прост. Иван Шаргин рассказал о некоторых хитростях в решении этой задачи. Весьма любопытное решение ‑перенос из одного симулятора в другой (sim‑to‑sim). Модель, обученная в разных симуляторах, которые априори по‑разному отражают физику реального мира, получается более устойчивой.
Антон Московский из Курчатовского института на примере создания сценариев для робота‑экскурсовода рассказал про другой аспект антропоморфности — комфортность восприятия людьми поведения робота. Реальные люди‑экскурсоводы используют ряд техник, такие как пространственные (указательные) жесты и установление зрительного контакта, которые для улучшения восприятия должны быть переняты роботом-экскурсоводом. Докладчик рассказал о подходе к управлению таким роботом, который автоматически реализует желаемое поведение на основе максимально упрощённого сценария.
Дмитрий Иволга из Центра робототехники Сбера закончил секцию докладом про численное проектирование механизмов роботов: пора бы уже машинам придумывать машины! Дмитрий предложил механизм генерации различных многозвенных механизмов из некоторых базовых элементов и их оценки для направления вектора дальнейшей генерации. Мини‑эволюция для робо‑особей.
Также в рамках мероприятиятия спикеры приняли участие в дискуссии по этическим и экономическим аспектам развития антропоморфных роботов, в ней в том числе принял участие руководитель Центра робототехники Сбера Алексей Гонноченко. Кстати, в декабре в России были приняты Руководящие принципы в сфере роботов общего назначения. И нам вновь будет что обсудить.
Мобильная робототехника
Второй день конференции начался с секции, посвященной мобильным роботам. Александр Байкин, автор канала PRO Robots, рассказал про запрос к робототехникам от горнодобывающей промышленности, а также подогрел интерес публики, организовав выдачу подарочных календарей за лучшие вопросы на усмотрение докладчиков.
Сократ Зделов из ГУП «Московский метрополитен» доложил о стадиях разработки беспилотного трамвая, который сегодня (спустя без малого год) уже можно увидеть в тестовом режиме на улицах Москвы. Хотя трамвай менее «свободен» при своём передвижении, чем, например, автомобиль, для него всё равно требуется создание полного программного конвейера, включая локализацию и навигацию с планированием.
Кикоть Станислав из СберАвтоТех поделился трудностями в формализации правил дорожного движения для беспилотных автомобилей и прочими подводными камнями. Максим Суворов рассказал про успешный опыт применения робособак на объектах с высоким уровнем радиации, и объяснил, почему удобные интерфейсы играют важную роль в этом вопросе.
Библиотеки, фреймворки, программные пакеты
Завершающей темой прошлой конференции были различные программные средства для использования в ROS. Коллеги из МФТИ и AIRI выступили с подробным докладом на тему сравнительно нового направления в локализации — Place Recognition — и предоставили свою открытую библиотеку с широким инструментарием, а также собственную систему SLAM (одновременная локализация и картирование), работающую в этой парадигме. Подход заключается в том, что вместо создания плотной карты в виде облака точек окружающая среда представляется как набор «ключевых кадров». Они могут включать в себя многомодальную информацию об окружающей среде, в том числе изображения, данные лидара и другую сенсорику. Все эти данные преобразуются нейросетевым кодировщиком, и на выходе получается вектор чисел, который кодирует этот кадр. Модель обучается таким образом, что для близких по расстоянию кадров обеспечивается близость (по некоторой метрике, например косиноснуму расстоянию) и их векторов. Таким образом локализация сводится к поиску ключевого кадра, наиболее близкого к текущему положению робота. Система SLAM, работающая на этом принципе строит граф, в котором вершины — ключевые кадры, а рёбра — их физическая близость.
Команда из УНМЦ «Гидронавтика» при МГТУ им. Баумана рассказала о своём открытом фреймворке для подводных роботов и поделились успехом его применения на международных соревнованиях. Их решение покрывает большинство требований к подводным аппаратам, включая управления на разных уровнях и возможность настройки под разные аппараты и миссии (задания на соревнованиях).
Евгений Сафронов из Evocargo рассказал про открытую библиотеку управления посредством деревьев поведения. Деревья поведения — сильный инструмент для программирования сложных задач для роботов, они пришли из разработки компьютерных игр и постепенно вытесняют подход на конечных автоматах благодаря большей наглядности, а также широким возможностям модификации при отладке.
Закрывающим докладом всего ROS Meetup был подробный обзор симулятора Isaac Sim от Дмитрия Макарова из МФТИ. Как я говорил выше, этот симулятор используется в том числе для задач, связанных с обучением с подкреплением, однако Дмитрий показал и другое применение. Именно на этой конференции сложилось впечатление, что пальма первенства в вопросе симуляторов для роботов окончательно перешла от поставляемого вместе с ROS Gazebo к Isaac Sim.
Завершилось мероприятие дискуссией на тему образования в робототехнике, которая стала в каком‑то смысле отправной точкой для разработки собственного курса по ROS2 силами энтузиастов нашего сообщества. Доклад, посвящённый этому курсу, а также многие другие ждут вас на грядущем ROS Meetup 26 апреля 2025, приходите! Ведь наша конференция — это не только доклады и дискуссии, но и живое общение в перерывах на кофе и на обед, а также стенды с роботами. В прошлый раз можно было увидеть сервисных роботов от Aurora Robotics, а также первую отечественную робособаку и манипулятор от постоянного и активного участника нашего сообщества — компании VoltBro.
Вспомним как это было и послушаем отзывы.
ROS Meetup был организован при поддержке Центра робототехники Сбера, выражаем благодарность за проведение ROS сообществу. Приглашаем партнеров для организации и проведения будущих робототехнических конференций.
До встречи на конференции 26 апреля!
