МИВАРНАЯ ЭКСПЕРТНАЯ СИСТЕМА ПРИОРИТЕЗАЦИИ ОБЪЕКТОВ ОКРУЖЕНИЯ В ОДНОКАМЕРНОЙ СИСТЕМЕ ТЕХНИЧЕСКОГО ЗРЕНИЯ АВТОНОМНОГО РОБОТА-КУРЬЕРА

Овчинников Д.А. Милевич А.А. Варламов О.О

Об авторах

Овчинников Д.А. Милевич А.А. Варламов О.О

Московский государственный технический университет им. Н. Э. Ба́умана, 2-я Бауманская ул. д. 5, стр.1, Москва, Россия АО НИИ Вычислительных комплексов им. М. А. Карцева, ул. Профсоюзная, д. 108, Москва, Россия

Скачать PDF

УДК: 004.891+007.52+681.518+65.011.56
DOI: 10.24412/2413-7383-2026-2-41-133-145
Язык: Русский

Аннотация: В статье рассматривается задача объяснимой приоритезации объектов окружения в однокамерной системе технического зрения автономного робота-курьера, работающего при ограниченных бортовых вычислительных ресурсах и без обращения к облачным сервисам. Предполагается, что этап улучшения изображения уже выполнен, а модуль определения объектов формирует список обнаружений с классом объекта, уверенностью распознавания, нормализованной близостью и горизонтальным смещением относительно центра кадра. Предлагается миварная экспертная система, которая вычисляет приоритет каждого объекта с учётом его класса, пространственного положения и текущего действия робота: движение вперёд, поворот налево, поворот направо или остановка. Полученные результаты подтверждают применимость миварного подхода как объяснимого и вычислительно экономичного слоя интерпретации поверх детектора объектов.

Ключевые слова: миварная экспертная система, автономный робот-курьер, приоритезация объектов, техническое зрение, однокамерное наблюдение, YOLO, КЭСМИ, объяснимый искусственный интеллект.

Список литературы

1. «Стэнли»: робот, победивший в Гранд-челлендже DARPA / Тран С. Монтемерло М. Далкамп Х. Ставенс Д. Арон А. Дибел Дж. и др. // Журнал полевой робототехники. 2006. Т. 23, № 9. С. 661–692. DOI 10.1002/rob.20147.
2. Фагнант Д. Дж. Подготовка страны к автономным транспортным средствам: возможности, барьеры и рекомендации по политике / Д. Дж. Фагнент,К. Кокельман // Транспортные исследования. Часть A: политика и практика. 2015. Т. 77. С. 167–181. DOI 10.1016/j.tra.2015.04.003.
3. Самоуправляемые автомобили: обзор / Бадуэ К. Гуидолини Р. Карнейро Р. В. Азеведу П. Кардозу В. Б. Форечи А. и др.// Экспертные системы с приложениями. 2021. Т. 165. Ст. 113816. DOI 10.1016/j.eswa.2020.113816.
4. Юртсевер Э. Обзор автономного вождения: общепринятые практики и новые технологии / Э. Юртсервер, Дж. Ламберт, А. Карбальо, К. Такеда // Доступ IEEE. 2020. Т. 8. С. 58443–58469. DOI 10.1109/ACCESS.2020.2983149.
5. Варламов О. Новое поколение подхода на основе правил: миварное интеллектуальное планирование действий роботов ( MIPRA) и «мозги» для автономных роботов / О. Варламов, Д. Аладин // Исследования машинного интеллекта. 2024. Т. 21, № 5. С. 919 –940. DOI 10.1007/s11633-023-1473-1.
6. Варламов О. О. «Мозги» для роботов: применение миварных экспертных систем для реализации автономных интеллектуальных роботов / О.О. Варламов // Исследования больших данных. 2021. Т. 25. Ст. 100241. DOI 10.1016/j.bdr.2021.100241. Миварная экспертная система приоритезации объектов окружения… О
7. Алгоритм динамического планирования траектории робота на основе семантического обнаружения объектов с использованием миварной экспертной системы / Шэнь Ц. Гун Ш. Коценко А. А. Варламов О. О. // 7-я Международная молодежная конференция по радиоэлектронике, электро- технике и энергетике. 2025. С. 1–5. DOI 10.1109/REEPE63962.2025.10971158.
8. Доу Л. Мультимодальный метод обнаружения целей на основе МЭС и улучшенного алгоритма BEV-восприятия / Л. Доу, О. О. Варламов, А. А. Коценко // 7-я Международная молодежная конференция по радиоэлектронике, электротехнике и энергетике. 2025. С. 1–6. DOI 10.1109/REEPE63962.2025.10970859.
9. Планирование маршрута автономных роботов в трехмерном логическом пространстве с использованием миварных технологий / Коценко А. Андреев А. Ким Р. и др. // Веб-конференции E3S. 2024. Т. 515. Ст. 04018. DOI 10.1051/e3sconf/202451504018.
10. Причины использования параллельной активации логических правил при решении управленческих задач / Аладин Д. Коценко А. Ким Р. и др. // Веб-конференции E3S. 2024. Т. 549. Ст. 08007. DOI 10.1051/e3sconf/202454908007.
11. Гун Ш. Миварная система принятия решений для распределения и перевозки грузов командой складских роботов / Ш. Гун // Системы управления и информационные технологии. 2025. № 2. С. 23–29. EDN XZHHBF.
12. Гун Ш. Миварная система принятия решений по оптимизационному распределению грузов для групп складских роботов / Ш. Гун // Моделирование, оптимизация и информационные технологии. 2025. Т. 13, № 3. DOI 10.26102/2310-6018/2025.50.3.047.
13. Аладин Д. В. Метод автоматической генерации миварных баз знаний для решения управленческих задач в пространстве состояний / Д. В. Аладин // Проблемы искусственного интеллекта. 2025. № 3. С. 88–99. DOI 10.24412/2413-7383-2025-3-38-88-99.
14. Доу Л. Модель принятия решений для обнаружения пожаров на основе распознавания образов и миварной экспертной системы / Л. Доу // Системы управления и информационные технологии. 2025. № 3. С. 59–65. EDN NJVEWG.
15. «Смотришь только один раз»: единое обнаружение объектов в реальном времени / Редмон Дж. Диввала С. Гиршик Р. Фархад А. // Конференция IEEE по компьютерному зрению и распознаванию образов. 2016. С. 779–788. DOI 10.1109/CVPR.2016.91.
16. Тервен Х. Комплексный обзор архитектур YOLO в компьютерном зрении: от YOLOv1 до YOLOv8 и YOLO-NAS / Х. Тервен, Д. М. Кордова-Эспарса, Х. А. Ромеро-Гонсалес // Извлечение знаний и машинное обучение. 2023. Т. 5, № 4. С. 1680–1716. DOI 10.3390/make5040083.
17. PyTorch: императивная высокопроизводительная библиотека глубокого обучения / Паске А. Гросс С. Масса Ф. Лерер А. Брэдбери Дж. Чанан Г. и др. // Достижения в нейронных информационных системах. 2019. Т. 32. С. 8024–8035.
18. Брадски Г. Библиотека OpenCV / Г. Брадски // Журнал программных инструментов доктора Добба. 2000. Т. 25, № 11. С. 120–125.
19. Mask R-CNN / Хэ К. Гкоксари Г. Доллар П. Гиршик Р. // Международная конференция IEEE по компьютерному зрению. 2017. С. 2980–2988. DOI 10.1109/ICCV.2017.322.
20. Паноптическая сегментация / Кириллов А. Хэ К. Гиршик Р. Ротер К. Доллар П. // Конференция IEEE/CVF по компьютерному зрению и распознаванию образов. 2019. С. 9404–9413. DOI 10.1109/CVPR.2019.00963.
21. К устойчивой монокулярной оценке глубины: смешивание наборов данных для переноса между наборами без дополнительного обучения / Ранфтль Р. Лазингер К. Хафнер Д. Шиндлер К. Колтун В. // Труды IEEE по анализу образов и машинному интеллекту. 2022. Т. 44, № 3. С. 1623– 1637. DOI 10.1109/TPAMI.2020.3019967.
22. Ранфтль Р. Визуальные трансформеры для плотного предсказания / Р. Ранфтль, А. Бочковский, В. Колтун // Международная конференция IEEE/CVF по компьютерному зрению. 2021. С. 12179– 12188. DOI 10.1109/ICCV48922.2021.01196.
23. Айген Д. Предсказание карты глубины по одному изображению с использованием многомасштабной глубокой сети / Д. Айген, Пурш, Р. Фергус // Достижения в нейронных информационных системах. 2014. Т. 27. С. 2366–2374.
24. Ненадзорная сверточная нейронная сеть для оценки глубины по одному виду: геометрия приходит на помощь / Гарг Р. Б. Г. В. К. Карнейро Г. Рид И. // Компьютерное зрение – ECCV 2016. 2016. С. 740–756. DOI 10.1007/978-3-319-46484-8_45.
25. Бочковский А. YOLOv 4: оптимальная скорость и точность обнаружения объектов [Электронный ресурс] / А. Бочковский, Ц. -Ю. Ван, Х. -Ю. М. Ляо // arXiv:2004.10934. 2020. URL: https://arxiv.org/abs/2004.10934. О Овчинников Д.А. Милевич А.А. Варламов О.О.
26. Кордтс М. Омран М. Рамос С. Рефельд Т. Энцвейлер М. Бененсон Р. и др. Набор данных Cityscapes для семантического понимания городских сцен // Конференция IEEE по компьютерному зрению и распознаванию образов. 2016. С. 3213–3223. DOI 10.1109/CVPR.2016.350.
27. Гайгер А. Ленц П. Уртазун Р. Готовы ли мы к автономному вождению? Эталонный набор компьютерного зрения KITTI // Конференция IEEE по компьютерному зрению и распознаванию образов. 2012. С. 3354–3361. DOI 10.1109/CVPR.2012.6248074.
28. nuScenes: мультимодальный набор данных для автономного вождения / Цезарь Х. Банкити В. Ланг А. Х. Вора С. Лионг В. Э. Сюй Ц. и др. // Конференция IEEE/CVF по компьютерному зрению и распознаванию образов. 2020. С. 11621–11631. DOI 10.1109/CVPR42600.2020.01164.
29. Ганнинг Д. Программа DARPA по объяснимому искусственному интеллекту (XAI) / Д. Ганнинг, Д. У. Аха // Журнал искусственного интеллекта. 2019. Т. 40, № 2. С. 44 –58. DOI 10.1609/ aimag.v40i2.2850.
30. Доши-Велес Ф. К строгой науке интерпретируемого машинного обучения / Ф. Доши-Велес, Б. Ким // arXiv:1702.08608. 2017. URL: https://arxiv.org/abs/1702.08608.
31. Рудин С. Прекратите объяснять модели машинного обучения типа «черный ящик» для решений с высокими ставками и используйте вместо них интерпретируемые модели / С. Рудин // Машинный интеллект природы. 2019. Т. 1. С. 206–215. DOI 10.1038/s42256-019-0048-x.
32. Карвалью Д. В. Интерпретируемость машинного обучения: обзор методов и метрик /

Выпуск: 2(41)'2026
Раздел: СИСТЕМНЫЙ АНАЛИЗ, УПРАВЛЕНИЕ И ОБРАБОТКА ИНФОРМАЦИИ, СТАТИСТИКА
Как цитировать: Овчинников Д.А. Милевич А.А. Варламов О.О. МИВАРНАЯ ЭКСПЕРТНАЯ СИСТЕМА ПРИОРИТЕЗАЦИИ ОБЪЕКТОВ ОКРУЖЕНИЯ В ОДНОКАМЕРНОЙ СИСТЕМЕ ТЕХНИЧЕСКОГО ЗРЕНИЯ АВТОНОМНОГО РОБОТА-КУРЬЕРА // Проблемы искусственного интеллекта. - 2026. - № 2 (41). - С. 133-145. - https://paijournal.guiaidn.ru/ru/2026/2(41)-12.html

Назад к выпуску 2(41)'2026