«Чтобы заниматься наукой, нужна команда»

― Научные открытия увлекали меня с детства: нравилась научная фантастика в духе «Назад в будущее». При этом строгим ученым в белом халате я себя совсем не представлял.

В старшей школе стал думать, куда поступать, и отталкивался от того, что у меня лучше всего получалось: математика, физика и информатика. Я искал место, где не только занимаются математикой, но и решают практические задачи, и где не только программируют, но и ставят научные вопросы. В Петербурге таким вузом оказался ИТМО. Управление техническими системами находится на границе двух областей: для математиков это направление может выглядеть слишком прикладным, для инженеров — слишком научным, но именно здесь можно воплощать научные идеи в практику. Робототехникой я занялся уже позже, после аспирантуры, когда к нам стали приходить заказчики первых робототехнических проектов.

Впервые я всерьез столкнулся с наукой, когда на третьем курсе бакалавриата в ИТМО занялся работой в области управления техническими системами и разрабатывал компактный алгоритм на основе дифференциальных уравнений для оценивания частоты сигналов. Такие разработки применяются для компенсации возмущений — например, они нужны, чтобы скорректировать систему управления морскими судами и избежать качки на корабле, компенсировать вибрацию при фотосъемке или узкополосные помехи в электрических цепях.

Со временем область интересов расширилась: например, я занялся оцениванием состояния различных технических систем — чаще всего электромеханических. Чтобы точнее и эффективнее ими управлять, нужно определять различные параметры электромеханических устройств, однако не все необходимые величины возможно или удобно измерять напрямую с помощью отдельных датчиков. Чтобы решить эту проблему, в международном научном центре ИТМО «Нелинейные и адаптивные системы управления» мы разработали целый класс методов, которые на основе электрических сигналов позволяют оценивать магнитный поток, скорость и положение для электромеханических систем. По сравнению с решениями с отдельными датчиками, где механическое движение нужно преобразовывать в электрический сигнал, наш подход может быть надежнее, потому что работает с электрическими сигналами напрямую. Кроме того, наш метод позволяет сделать систему управления техническими объектами дешевле — не только за счет отсутствия датчика, но и связанного с ним оборудования. В частности, я работал с двигателями, коптерами и роботами.

Например, на основе наших методов мы разработали виртуальные датчики для повышения надежности системы управления электродвигателями компании «Диаконт».

Параллельно с решением исследовательских задач мне нравилось делиться знаниями с другими — это помогает углубить собственное понимание предмета. Еще в университете я тренировал студентов младших курсов для участия в олимпиаде по теории автоматического управления: рассказывал теорию и объяснял, как решать задачи. А когда закончил учиться в вузе, продолжил помогать ребятам.

Затем я окончил сначала магистратуру в ИТМО, а потом и аспирантуру по направлению «Автоматизация и управление» и в 2015 году стал постдоком. Я решил остаться работать в ИТМО, поскольку был активно вовлечен в научные проекты и начал набирать команду: в этом же году я стал научным руководителем у студентов, а через пять лет у меня появился первый аспирант. Эта должность была логичным шагом в моей карьере, ведь, чтобы заниматься наукой и добиваться результатов, нужна команда. Но для начала ее нужно обучить — поэтому сначала ты набираешь совсем зеленых студентов, потом они становятся аспирантами и, наконец, вы вместе работаете над серьезными научными проектами.

Навигация для роботов и физический ИИ

― Глобально наша команда работает над проектами в трех направлениях: современная теория систем управления, управление мобильными роботами и роботами-манипуляторами.

Современные системы управления используются почти везде — от автомобиля до космического корабля. Они помогают учитывать и компенсировать помехи, запаздывания и неопределенность в контурах управления техническими системами. Также важную роль системы управления играют, когда нужна сверхточная работа — от производства чипов до хирургических операций. Сейчас мы ведем несколько проектов в этой области: например, один из аспирантов развивает методы оценивания нелинейных динамических систем. Это теоретическое исследование, которое может применяться в разных задачах — от управления процессами в химических реакторах до управления электромеханическими системами. Другой аспирант занимается управлением динамическими формациями многоагентных систем: это нужно, когда группа роботов или дронов должна перестраиваться, двигаться согласованно и избегать столкновений без централизованного управления.

С мобильными роботами мы работаем преимущественно для решения задач картографии и локализации. Например, мы делаем так, чтобы мобильные роботы — наподобие курьеров или уборщиков — могли хорошо ориентироваться на улице или в помещении. Обычно для этого недостаточно одного источника данных — только камеры или датчика движения, поэтому в системах управления используют оба типа данных. Чтобы информация о местоположении отображалась корректно, данные с камеры и датчика движения нужно объединять и синхронизировать. Для этого мы оптимизируем на факторном графе данные от разных сенсоров и восстанавливаем наиболее вероятную траекторию движения робота.

Другой проект моей команды посвящен разработке архитектуры системы навигации для разных задач. Одна из них — это одновременное построение карты и локализация робота на ней. Для этого мы используем нейросети, способные запоминать визуальные признаки местности, пространственные взаимосвязи внутри помещений и внешний вид объектов с разных ракурсов. Мы обучаем нейросеть узнавать уже виденные места и оценивать положение робота на карте, с помощью которой он ориентируется. За счет этого, даже после сбоя или перезагрузки робот по фотографиям местности сможет быстро понять, где находится, и построить верный маршрут.

Часть проектов посвящена физическому ИИ для управления роботами-манипуляторами. Мы исследуем, как нам обучить модель более эффективно, чтобы не программировать робота под каждую задачу отдельно, а научить систему переносить навыки на похожие задачи и донастраиваться под новые условия. Например, один из аспирантов под моим руководством занимается мобильной роботизацией физических операций и изучает, как роботы могут выполнять такие задачи — например, металлообработку, сборку или сортировку. Он исследует, как обучать модель на меньшем объеме данных и использовать более простые вычислительные системы, чтобы модели требовалось меньше вычислительных ресурсов.

Наши решения помогают делать робототехнические системы настраиваемыми, чтобы их функции можно было адаптировать под конкретные задачи производства.

Это направление востребовано в связи с быстрым развитием технологий: пока классическим способом робот программируется для решения одной задачи, на производстве могут появиться другие и систему придется переделывать заново.

Наша команда старается не просто создавать новые научные методы, но и реализовывать их на практике совместно с партнерами. К нам обращаются заказчики  из частных или государственных компаний, когда на рынке нет достаточно точного или подходящего под конкретные задачи решения. Тогда мы берем свои научные результаты, строим модель оборудования или процесса и адаптируем под нее метод управления.

Например, сейчас мы готовим к работе проект в сфере физического ИИ для создания эффективной системы управления группой коптеров. Мы должны сделать такую технологию, которая позволит согласованно управлять большим количеством дронов для решения различных задач — например, в сельском хозяйстве: группа коптеров может быстрее обследовать плантацию, оценить состояние растений и выполнить точечное опрыскивание с учетом этих данных.

Как устроена работа в научной группе

― Мы не собираем роботов, а создаем для них системы управления. В работе мы в основном используем языки программирования C и C++, Python, программы для микроконтроллеров, а также программную экосистему для роботов Robot Operating System (ROS). Разработанные системы и алгоритмы мы тестируем с помощью виртуальных сред: значительную часть разработки и тестирования в современной робототехнике стараются переносить в виртуальные среды, потому что работа только с физическими роботами ограничивает масштабирование. Для этого мы используем симуляционное ПО, с помощью которого можно запускать множество симуляций параллельно и быстрее проверять алгоритмы на разных сценариях. Но, конечно, физические роботы в ИТМО тоже есть, только у нас целый парк роботов-манипуляторов, три мобильных робота, а также иногда партнеры делятся с нами роботами-квадрупедами. 

Я работаю не только с аспирантами, но и со студентами бакалавриата и магистратуры. Ведь чем раньше студент начнет заниматься исследованиями, тем большей экспертизой будет обладать к аспирантуре.

Сейчас в моей группе 23 человека: семь аспирантов, а также студенты бакалавриата и магистратуры.

Мы открыты к разным проектам в области управления техническими системами — от двигателей до групп роботов. Если смотреть с позиции аспиранта: с одной стороны, удобно и легко писать научную работу по теме, в которой у научного руководителя уже есть задел и он может сказать: вот это перспективно, а вот это — нет. Но я стараюсь смотреть шире и радуюсь, когда студенты развивают мои наработки в новых направлениях или берут смежные темы. Считаю, что научный руководитель должен не давать готовые инструкции по реализации научных проектов, а прививать культуру исследования. Конечно, я помогаю ребятам освоить методы организации работы, рассказываю, какие вопросы себе нужно задавать, как ставить цели, но не делаю всю работу за них.

К сожалению, бывает так, что даже к аспирантуре ребята не умеют ставить научные задачи — некоторые приходят и говорят, что хотят собрать робота. Но собрать робота — это скорее инженерный результат; для аспирантуры важнее сформулировать научную задачу — новый метод, модель или алгоритм. Вместо того, чтобы собрать робота,  логичнее предложить метод проектирования или управления роботами, который можно обосновать и проверить на классе задач.

Например, один аспирант под руководством моего коллеги — профессора факультета систем управления и робототехники Ивана Борисова ― разработал метод  проектирования гибких роботов, который позволяет им лучше переносить динамические ударные нагрузки, возвращать энергию и адаптироваться к неровной поверхности. Это один из примеров, как в идеале должна выстраиваться работа в аспирантуре.

Как попасть в научную группу

― Чтобы начать работать в нашей команде, приходите к нам в магистратуре или ― даже лучше ― прямо со второго курса бакалавриата. Мы ждем студентов с разных направлений обучения, главное ― наличие базовых знаний в математике, физике, программировании и теории автоматического управления. Для части задач также пригодятся машинное обучение, глубокое обучение и компьютерное зрение.

А если поступаете в аспирантуру, лучше заранее, еще до подачи документов, связаться с потенциальным научным руководителем и обсудить актуальность и перспективы идей, которые вы хотели бы реализовать в своей диссертации. Если хотите попасть в мою научную группу, напишите мне на электронную почту vedyakov@itmo.ru.
 

Молодым исследователям мы можем предложить не только работу над научными исследованиями, но и участие, в том числе с трудоустройством, в проектах с индустриальными партнерами. Работа над такими проектами не всегда напрямую упрощает работу над диссертацией, но помогает понять, зачем нужны новые научные идеи, увидеть ограничения реального оборудования, освоить инструменты и проверить гипотезы.