Российские учёные научили роботов экономить память при навигации: SLAM без «тяжёлых» карт

В отличие от традиционных решений, использующих метрические карты — плотные облака точек или детализированные трёхмерные модели пространства, — новый метод описывает не геометрию среды, а её структуру. Робот фиксирует ключевые объекты и связи между ними, формируя «скелет» пространства: комнаты, коридоры, переходы или ориентиры на открытой местности.

Такой подход напрямую связан с задачей SLAM (Simultaneous Localization and Mapping), однако адаптирован к топологическому представлению карты, что позволяет роботам одновременно строить модель среды и определять своё положение без необходимости хранения массивных геоданных.

По словам научного сотрудника ФИЦ ИУ РАН Кирилла Муравьёва, система полностью автономна и не требует спутниковой навигации: робот формирует карту с нуля, опираясь исключительно на данные собственных сенсоров. При этом ключевым вызовом остаётся различение схожих участков среды, особенно в условиях однотипной архитектуры помещений или природных ландшафтов.

В перспективе разработка ориентирована на использование в беспилотных транспортных системах и роботах, работающих в сложных и слабо структурированных условиях. В частности, исследователи рассматривают добавление семантического уровня восприятия, позволяющего системе различать статические объекты инфраструктуры и динамические элементы, не подлежащие картографированию, например движущиеся автомобили.

Разработка зарегистрирована в Роспатенте, а результаты исследования опубликованы в журнале IEEE Robotics and Automation Letters.