Математик РУДН назвал основные проблемы автопилотов при обнаружении пешеходов
Математик РУДН с коллегами из Египта, Саудовской Аравии и Китая собрал последние исследования в области глубокого обучения по обнаружению пешеходов для транспорта с автопилотом. Авторы назвали слабые места и наметили цели для дальнейших исследований.
Автомобили и другие транспортные средства с автопилотом уже начали входить в повседневную жизнь. Однако для широкого распространения этой технологии необходимо улучшить несколько фундаментальных характеристик. Одна из них — обнаружение пешеходов. Для этого используют технологии глубокого обучения — искусственные нейронные сети. Математики РУДН с коллегами из Египта, Саудовской Аравии и Китая проанализировали последние исследования в этом направлении.
«В последние годы автономные транспортные средства становятся все более популярными. Они повышают безопасность и удобство, снижают расход топлива, сокращают пробки на дорогах и несчастные случаи, экономят затраты и повышают надежность. Однако прежде чем они будут полностью развернуты на дорогах, нужно решить несколько первостепенных задач. Точное обнаружение пешеходов — очень сложная задача. Технологии глубокого обучения демонстрируют большой потенциал для ее решения. Мы составили обзор проблем обнаружения пешеходов и последних достижений в их решении с помощью методов глубокого обучения», — Аммар Мутханна, кандидат технических наук, младший научный сотрудник научного центра моделирования высокотехнологичных систем и инфокоммуникаций РУДН.
Математики обратили внимание на три главных проблемы, которые возникают при обнаружении пешеходов с помощью глубокого обучения — препятствия, низкое качество изображений, многоспектральные изображения. Последнее — это серия изображений одного и того же объекта, но полученных в разных диапазонах. Например, обычное оптическое изображение и в инфракрасном диапазоне. Предполагается, что данные получаются с лидаров и камер, откуда поступают модель глубинного обучения. Ученые рассмотрели разные подходы, которые используют для построения таких моделей, и назвали их преимущества и недостатки.
Математики РУДН обратили внимание, что разные методы построения дают не только разные результаты, но и разное время и точность работы. Например, современные методы дают более точный ответ, но это занимает больше времени. Поэтому, заключили ученые, важно реализовать такой подход, который сможет найти баланс между точностью и скоростью. Причем такой, который будет соответствовать практическим целям. Также математики обратили внимание, что доступные для обучения данные недостаточно разнородны и могут не давать полной картины. Например, изображения в оптическом диапазоне лучше работают днем, а в инфракрасном — в темное время суток. Чтобы алгоритм был эффективным круглосуточно, необходимы большие наборы разнородных данных для обучения.
Среди целей для будущих исследований в этом направления математики РУДН назвали обнаружение маленьких и загороженных объектов, работу в плохом освещении, комбинирование 3D и 2D подходов. Также исследователи предлагают сделать акцент на улучшении скорости и точности.
Результаты опубликованы в журнале Electronics.
Личинки мухи «чёрная львинка» в мире все чаще используются для утилизации отходов. Ученые института экологии РУДН поставили перед собой амбициозную задачу: понять, как тот или иной набор микроорганизмов в кишечнике личинок влияет на эффективность переработки разных видов отходов и как меняется состав микробиома в зависимости от условий питания. Никита Митькин — кандидат биологических наук, старший научный сотрудник института экологии РУДН, рассказал о первых результатах этого трехлетнего исследования. В частности, ученые доказали, что набор микроорганизмов микробиома способен перестраиваться. Теперь предстоит установить, какие именно изменения являются функционально полезными и можно ли воспроизвести их целенаправленно, «запрограммировав» личинок чёрной львинки на переработку определенного вида сырья.
Коллектив института инженерных инновационных технологий РУДН под руководством старшего научного сотрудника Михаила Юрьевича Задорожного получил грант университета на разработку и исследование прототипа металлогидридной системы для аккумулирования энергии. Проект поддержан в рамках конкурса 2026 года на выполнение НИР/НИОКР научными коллективами под руководством молодых учёных.
Попробовать поискать ответ на вопрос, а почему происходит то или иное явление, — это уже наука, заявил на Фестивале науки в РУДН Фёдор Оцелюк, студент аграрно-технологического института. По его словам, разница между школьниками, студентами и настоящими учёными вовсе не в гениальности, а лишь в понимании того, «куда нести свой вопрос». Преподаватели и студенты дали советы будущим учёным, с чего именно начать путь в науку, как обрести единомышленников и стать частью научного сообщества.