SCI Библиотека

Рассматриваются популярные симуляторы беспилотных транспортных средств с поддержкой пересеченной местности: Gazebo, CARLA, AirSim, NVIDIA Isaac Sim и Webots. Описаны их основные возможности, связанные с моделированием рельефа, физикой движения, поддержкой датчиков и погодных условий. Особое внимание уделено созданию реалистичных сцен пересеченной местности, сложности импорта реальных карт и взаимодействию с другими программными платформами, такими как Robot Operating System (ROS) и системы ИИ. Проанализированы основные минусы каждого симулятора: трудоемкость создания детализированных моделей рельефа и транспортных средств, высокая сложность интеграции реальных карт и зависимость от характеристик компьютерного оборудования. Также отмечается сложность взаимодействия с различным программным обеспечением и требования к знаниям в области 3D-моделирования. Симуляторы Gazebo и Webots выделяются хорошей интеграцией с ROS, но требуют больше усилий для работы с пересеченной местностью. CARLA и AirSim обеспечивают высококачественную визуализацию, но имеют более высокие требования к оборудованию и навыкам пользователя для создания ландшафтов. NVIDIA Isaac Sim выделяется поддержкой симуляций с использованием ИИ, но требует значительных ресурсов. Представлен опыт авторов в части отображения траекторий и ориентации транспортного средства в некоторых симуляторах.

Рассмотрена модель синтеза управления системой воспроизводства, учитывающая синхронное изменение технологической матрицы в процессе ее реструктуризации. Такой тип моделей можно характеризовать как модели с комбинированными (прямыми и косвенными) управляющими связями. В случае наличия резерва производственных ресурсов процессы изменения управляющих параметров и преобразования технологических связей должны происходить одновременно. Получены инварианты соотношений между объемами затрат и выпусков многоотраслевой экономики. Это позволило модифицировать формализованное представление модели структурного управления системой воспроизводства. В результате линейную модель воспроизводства потребовалось заменить нелинейной. Приведены результаты численных расчетов для предложенной модели, полученные с использованием реальных данных многоотраслевой экономики. На основе этих результатов проведен сравнительный анализ полученной модели и исходной модели реструктуризации системы воспроизводства.

Статья посвящена анализу утверждённой нормативно-методической базы количественного определения прямых выбросов парниковых газов, выявлению её преимуществ и недостатков. В статье рассматриваются порядок количественного определения выбросов, принятый в соответствии с национальной методикой; её структурные особенности и представленные в ней методы расчёта; границы количественного определения, установленные государственной нормативно-методической базой. Обсуждается выявленная в ходе анализа проблема неполного охвата национальной методикой части источников прямых выбросов парниковых газов и предлагается её решение на основе комплексирования российского методического подхода с международной практикой количественной оценки прямых выбросов.

Работа посвящена задаче локализации мобильных роботов по визуальным семантическим данным. Центральным элементом такой задачи является распознавание сцен – поиск соответствия между наблюдаемыми объектами и объектами, нанесенными на карту местности (семантическая карта). Предлагаются два метода, использующие определение геометрических особенностей на наблюдаемой сцене и поиск их на карте с помощью различных подходов на графах. Предложенный способ определения отношений между объектами, использующийся в обоих методах, позволяет учитывать погрешности оценки расстояний бортовыми сенсорами. Помимо использования гео-метрических особенностей в работе также рассматривается применение нейросетевых моделей, которые формируют вектор признаков по изображению, тем самым позволяя определить их визуальное сходство. Визуальное сходство используется для нормирования и оценки результатов, полученных предложенными методами на основе графовых подходов. Кроме того, был модифицирован открытый набор данных KITTI-360 для оценки точности решения задач распознавания сцен. Эксперименты на полученном наборе дан-ных продемонстрировали, что предлагаемый подход, сочетающий геометрические особенности и визуальное сходство, значительно повышает точность рассмотренных методов распознавания сцен. По результатм экспериментов сформированы некоторые рекомендации по использованию данных подходов на практике.

Строятся частичные группоиды, ассоциированные с композициями многослойных нейронных сетей прямого распределения сигнала (далее - нейронные сети). Элементами данных группоидов являются кортежи специального вида. Задание такого кортежа определяет структуру (т. е. архитектуру) нейронной сети. Каждому такому кортежу можно сопоставить отображение, которое будет реализовывать работу нейронной сети как вычислительной схемы. Таким образом, в данной работе нейронная сеть отождествляется в первую очередь со своей архитектурой, а ее работу реализует отображение, которое строится с помощью модели искусственного нейрона. Частичная операция в построенных группоидах устроена так, что результат ее применения (если он определен) к паре нейронных сетей дает нейронную сеть, которая на каждом входном сигнале действует в соответствии с принципом композиции нейронных сетей (т. е. выходной сигнал одной сети отправляется на вход второй сети). Установлено, что построенные частичные группоиды являются полугруппоидами (т. е. частичными группоидами с условием сильной ассоциативности). Строятся некоторые эндоморфизмы указанных группоидов, которые позволяют менять пороговые значения и функции активации нейронов указанной совокупности. Изучаются преобразования построенных частичных группоидов, которые позволяют менять веса синоптических связей из заданного множества синоптических связей. Данные преобразования в общем случае не являются эндоморфизмами. Был построен частичный группоид, для которого данное преобразование является эндоморфизмом (носитель этого частичного группоида является подмножеством в носителе исходного частичного группоида).