Skip to main content

Управление роботами с помощью ИИ: обзор

Платформа ARTEX позволяет управлять роботом человеку, модели ИИ или обоим одновременно. Модели ИИ работают в распределённой вычислительной среде платформы (или на борту робота), получают от ХАБа видео и телеметрию и возвращают команды управления — в том же формате, что и оператор.

Кто управляет роботом

                     видео + телеметрия
        Робот ─────────────────────────────▶ ХАБ ─────────┬──────────▶ Оператор (Web UI)
          ▲                                   │          └──────────▶ Модели ИИ оператора
          │         команды (с приоритетом)   │                            │
          └───────────────────────────────────┴◀───────── команды ─────────┘
                                                 ◀──────── команды оператора
  • Основной источник команд — модель ИИ. Оператор управляет роботом при обучении модели или для «подстраховки» (перехватывает управление в опасной ситуации).
  • Одна команда — один формат. Для робота нет разницы, кто отправил команду: различается только автор (author), по которому ХАБ применяет приоритет.
  • Каждый оператор может подключить свои модели (Модели ИИ оператора 1 … N) — они запускаются в контейнерах вычислительной среды.

Три уровня автономности

Уровень Кто управляет Роль ИИ Роль оператора
Ручное управление Оператор Не участвует или только анализирует (детекция объектов поверх видео) Полное управление: джойстик, клавиатура, VR-контроллер
Assist (гибридный режим) Оператор + ИИ «Второй пилот»: подсказки, стабилизация, удержание курса, автоматическая остановка перед препятствием Задаёт цель и основное направление
Полная автономия ИИ Принимает все решения по видео и телеметрии Наблюдает, может в любой момент вмешаться (приоритет оператора)

Контур управления роботом

Платформа поддерживает полный цикл: от наблюдения и ручного управления до сбора датасета и обучения следующей модели.

Этап Технологии Что происходит
Наблюдение WebRTC + WebSocket FPV-видео; телеметрия в JSON (GPS, скорость, батарея, IMU); дашборд реального времени
Управление WebSocket-команды Ручной режим → Assist → полная автономия ИИ; джойстик / клавиатура / VR-контроллер
Обучение Запись в S3 Каждое действие оператора записывается в датасет; Imitation Learning для обучения следующей модели 
   ┌────────────┐      ┌────────────┐      ┌────────────┐
   │ Наблюдение │ ───▶ │ Управление │ ───▶ │  Обучение  │
   └────────────┘      └────────────┘      └─────┬──────┘
          ▲                                      │ новая версия модели
          └──────────────────────────────────────┘

Какие модели поддерживаются

Модель Задача Входы Выходы
YOLO Детекция объектов на видео в реальном времени Кадры Список объектов: класс, уверенность, рамка
Assist AI Помощь оператору (co-pilot) Кадры, телеметрия, команды оператора Скорректированные команды, подсказки
RL Agent Управление на основе обучения с подкреплением Признаки из видео, телеметрия Команды управления
Custom Любые пользовательские модели Любые данные ХАБа Команды, признаки, события

Где выполняется модель

Вариант Когда выбирать Пример
В вычислительной среде платформы (Docker, K8s, GPU) Тяжёлые модели, соревнования ИИ vs ИИ, централизованный контроль YOLO на сервере, RL-агент
В конвейере модулей сервера Типовая обработка, собираемая без программирования YoloModule в визуальном редакторе
На борту робота Нужна минимальная задержка или работа при плохой связи Лёгкая детекция на Jetson / Raspberry Pi; результаты передаются как признаки в телеметрии

С чего начать

  1. Познакомьтесь с веб-интерфейсом управления роботами.
  2. Выберите режим управления или состязаний.
  3. Разработайте модель по руководству Разработка модели ИИ для платформы.
  4. Соберите конвейер обработки в визуальном редакторе — Конвейеры модулей.
  5. Запишите данные и обучите следующую версию — Сбор данных и обучение.

No comments to display

Back to top