Специалисты из Института искусственного интеллекта МФТИ разработали передовую систему локализации MSSPlace. Как сообщили «Москве» в пресс-службе вуза, эта технология позволяет роботизированным устройствам безошибочно определять своё положение в городской среде независимо от погоды, времени суток или времени года.
В учебном заведении пояснили, что привычные навигационные решения имеют уязвимости: оптические камеры неточно оценивают расстояния, а лидары создают трёхмерные карты, не различая детали объектов. Из-за этого даже на знакомой территории робот может дезориентироваться при смене освещения или внезапном движении предметов. Нейросетевая архитектура MSSPlace работает иначе: отдельные блоки параллельно обрабатывают потоки с нескольких видеокамер, данные лидаров, семантические маски и текстовые аннотации сцен. В итоге формируется единый дескриптор — цифровой «слепок» места, ёмко описывающий все его характеристики.
Передвигаясь по городу, робот пополняет базу данных такими дескрипторами. Когда транспортному средству требуется понять, где оно находится, система вычисляет актуальный дескриптор и сопоставляет его с имеющейся в памяти информацией.
Как подчеркнул ведущий разработчик метода Александр Мелехин (цитата по пресс-службе), решающую роль играют семантические маски — упрощённые схемы с подписями вроде «дорога», «здание» или «дерево». Эти картинки невосприимчивы к смене сезонов, погодным капризам и колебаниям освещения, поэтому «память» робота остаётся надёжной даже в экстремальных условиях.
Заведующий лабораторией интеллектуального транспорта Центра когнитивного моделирования ИИ МФТИ Дмитрий Юдин уточнил, что их разработка не ограничивается одним источником данных. Метод объединяет сразу несколько модальностей: визуальные образы, лидарные точечные облака и текстовые описания сцены. Глобальная локализация на стыке этих источников — до сих пор открытая научная задача, особенно актуальная при глушении или искажении спутниковых сигналов (GPS, ГЛОНАСС). В университете отметили, что получены многообещающие результаты, которые уже вошли в публичную библиотеку OpenPlaceRecognition — любой желающий может опробовать их в собственных проектах.
В пресс-службе напомнили, что востребованность подобной системы высока для беспилотных автомобилей, дронов-адаптеров, роботов-курьеров и уборочных машин, которым необходимо быстро адаптироваться к изменчивому окружению.
В перспективе учёные намерены адаптировать модель MSSPlace для работы на реальных роботизированных платформах и беспилотниках. Кроме того, они планируют решить проблему ориентации на огромных пустых пространствах без уникальных ориентиров, а также при экстремальных перепадах освещённости.
Анастасия Салищева, «Первое Студенческое агентство»
11 июня 2026 года