详细内容或原文请订阅后点击阅览
神经网络将研究人群的物理学来训练城市机器人
来自 NUST MISIS、ITMO 和 MIPT 的学生正在开发一种由混乱移动物体密集簇组成的数字孪生，用于机器人导航任务。它将是一个使用图神经网络的网络服务，可以研究人群的物理学、动物群体行为的规律以及“活性物质”的运动原理。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）NUST MISIS、ITMO 和 MIPT 的学生正在开发一种由混乱移动物体密集簇组成的数字孪生，用于机器人导航任务。它将是一个使用图神经网络的网络服务，可以研究人群的物理学、动物群体行为的规律以及“活性物质”的运动原理。
训练在拥挤环境中运行的送货机器人、无人机和其他自主设备非常需要这些数据。第一批结果发表在《物理学杂志：会议系列》上。
已发布在地铁里，如果我们在人流中移动时，开始将目光集中在遇到的某个人身上，我们一定会停在人群中间，与某人发生碰撞。当我们以轻松、“直觉”的方式穿过人群时，我们会准确地选择所需的轨迹并在人群中进行机动，而不会撞到任何人。而且几乎每个人都能做到这一点。发生这种情况是因为大脑像一个复杂的神经网络一样工作。在不被意识察觉的情况下，他利用多年来积累的直觉知识，快速计算变化的条件并选择最佳路径。
对于现代工程师来说，准确理解该神经网络的工作原理非常重要，以便采用其原理并将其集成到数字环境中。密集人群（人、汽车、其他机器人等）中的机器人导航问题每年变得越来越紧迫。同时，为了成功管理设备，有必要跟踪和推断此类集群中每个单独代理的轨迹，这本身就是一项艰巨的任务。
Alina Rosenblit 制造机器人
Alina Rosenblit 制造机器人为了实现此类群体机器人系统，世界各地的众多实验室需要大型机器人“集群”，它们根据简单的定律移动 - 作为群体物理实验模拟的平台。然而，进行此类实验需要大量资源，并且并非所有科学团体都可以获得。