Интерактивный четвероногий робот класса фелидов с блоком нейронной обработки

Рассматривается актуальная задача разработки бионических роботов, в частности роботов на четырех ногах. Преимуществами такого класса роботов является способность к передвижению по неровной местности, осуществлению разведывательной, спасательной и другой опасной работы, при выполнении которой они могли бы заменить человека. Приведен обзор существующих наиболее известных и функциональных бионических роботов на четырех ногах, описаны их сильные и слабые стороны, особенности движения и применения. Выделена основная проблематика в разработке таких устройств и систем управления ими. В качестве объекта бионики исследуется реализация системы управления скелетными структурами семейства млекопитающих кошачьи (или фелиды). Приводится информация о проведенной научно-исследовательской работе и опытно-конструкторской разработке интерактивного бионического робота класса фелидов. Рассмотрены особенности аппаратной и программной реализации робота, приведены схематичные и реальные изображения конструкции. Главной отличительной особенностью разработанного робота является наличие специальной операционной памяти для межуровневого взаимодействия. Подробно освещается применение микрокомпьютерного устройства с блоком нейронной обработки для решения задачи технического зрения. Приводятся результаты тестирования машинного зрения с применением нейронной сети Yolo3 в режиме потокового видео. Средняя точность распознавания открытого лица в результате проведенных тестов составила 95 %. При различных степенях окклюзии средняя оценка составила 80 %, также были выявлены варианты окклюзии, при которых нейронная сеть не смогла распознать лица. Делается акцент на том, что разработанный робот в своем составе имеет аппаратную составляющую из бюджетной и доступной элементной базы и, таким образом, предлагает более дешевую альтернативу более дорогим роботам данного класса, сохраняя при этом большинство функций. В заключении статьи обсуждаются преимущества и недостатки предлагаемого робота и возможность его применения в жизнедеятельности человека, в том числе при решения различных практических задач.

1. Arm P., Zenkl R., Sun B., Dietsche A. Spacebok: A dynamic legged robot for space exploration // International Conference on Robotics and Automation (ICRA). 2019. P. 6288— 6294. doi: 10.3929/ethz-b-000328593.

2. Hutter M., Gehring C., Lauber A., Gunther F. ANYmal — toward legged robots for harsh environments // Advanced Robotics. 2017. Vol. 31, N. 17. P. 918—931. DOI: 10.1080/01691864.2017.1378591.

3. Чепур А. Эволюция роботов от Boston Dynamics // Компьютерра, 2019. URL: https://www.computerra.ru/237711/evolyutsiya-robotov-ot-boston-dynamics, 2019 (дата обращения: 01 апреля 2023 г.).

4. Бундин А. Как Boston Dynamics создала самых знаменитых роботов в мире и когда они начнут помогать людям // Forbes, 2019. URL: https://www.forbes.ru/biznes/384935-kakboston-dynamics-sozdala-samyh-znamenityh-robotov-v-mire-ikogda-oni-nachnut (дата обращения: 01 апреля 2023 г.).

5. Guizzo E. Boston Dynamics Spot Robot Dog Goes on Sale // IEEE Spectrum, 2019. URL: https://spectrum.ieee.org/boston-dynamics-spot-robot-dog-goes-on-sale (дата обращения: 01 апреля 2023 г.).

6. Boston Dynamics’ Spot is leaving the laboratory. URL: https://www.theverge.com/2019/9/24/20880511/boston-dynamicsspot-robot-mini-hands-on-lease-buy (дата обращения: 01 апреля 2023 г.).

7. Васильев Р., Петровский А. Автоматическая черепаха // Радио. 1958. № 3. С. 48—51.

8. Petoi Robot Cat Nybble. URL: https://www.petoi.com/products/petoi-nybble-robot-cat (дата обращения: 01 апреля 2023 г.).

9. Kau N., Schultz A., Ferrante N., Slade P. Stanford doggo: An open-source, quasi-directdrive-quadruped, 2019 // International Conference on Robotics and Automation (ICRA). 2019. P. 6309—6315.

10. Вольф Д. А. Программная реализация группового управления коллекторными двигателями // Труды 33-й Международной научно-технической конференции "Экстремальная робототехника". СПб.: ЦНИИ РТК, 2022. Вып. 33. С. 206—212.

11. Программная библиотека MotoDriver. URL: https:// github.com/Runsolar/ motodriver (дата обращения: 01 апреля 2023 г.).

12. Obaida T., Hassan N. F., Jamil A. S. Comparative of Viola-Jones and YOLO v3 for Face Detection in Real time // Iraqi Journal of Computers, Communications, Control and Systems Engineering. 2022. Vol. 22(2). P. 63—72. DOI: 10.33103/ uot. ijccce.22.2.6.

13. Liu W. Video face detection based on deep learning // Wireless Personal Communications. 2018. Vol. 102, N. 4. P. 2853—2868.

14. Hassan N. F., Abdulrazzaq H. I. Pose invariant palm vein identification system using convolutional neural network // Baghdad Science Journal. 2018. Vol. 15, N. 4.

15. Dang K., Sharma S. Review and comparison of face detection algorithms // 7th International Conference on Cloud Computing, Data Science & Engineering-Confluence, IEEE. 2017. P. 629—633.

16. Chenwei L., Jia L., Wei Qi Y. Human Action Recognition From Digital Videos Based on Deep Learning // Proceedings of the 5th International Conference on Control and Computer Vision. 2022. Vol. 22. P. 150—155.

17. Файл detect-camera.cpp. URL: https://github.com/khadas/OpenCV_ NPU_Demo (дата обращения: 01 апреля 2023 г.).

18. Файл flask-face.py. URL: https://github.com/khadas/ksnn (дата обращения: 01 апреля 2023 г.).

19. Galin R. R., Meshcheryakov R. V., Mamchenko M. V. Simple Task Allocation Algorithm in a Collaborative Robotic System // Frontiers in Robotics and Electromechanics. SanktPetersburg: Springer. 2023. P. 433—447.

20. Shirokov A. S., Salomatin A. A., Galin R. R., Zorin V. A. Modeling of Joint Motion Planning of Group of Mobile Robots and Unmanned Aerial Vehicle // Frontiers in Robotics and Electromechanics. Singapore: Springer. 2023. P. 163—177.