Группа специалистов кафедры 305 "Пилотажно-навигационные и информационно-измерительные комплексы" под руководством доцента, начальника научно-исследовательского отдела института № 3 "Системы управления, информатика и электроэнергетика" МАИ Константина Веремеенко разработала навигационный комплекс для беспилотников с использованием технологии искусственного интеллекта. Комплекс позволит беспилотной авиационной системе определять местоположение и ориентацию в случае потери спутниковых навигационных сигналов.

Эксплуатанты беспилотных авиационных систем (БАС) часто сталкиваются с ситуацией потери или искажения спутниковых сигналов, особенно в условиях плотной городской застройки: из-за высотных зданий, переотражения сигнала, большого количества антенн и передающих станций поблизости. Чтобы решить эту проблему, в МАИ разработали несколько вариантов бортовых навигационных комплексов и провели экспериментальные исследования возможности применения нейронных сетей для повышения точности и автономности навигации в условиях сложных помех.

В настоящее время большинство навигационных систем БАС работают на основе совместной обработки сигналов разнородных бортовых систем и датчиков. При этом используется специальный математический алгоритм - оптимальный фильтр Калмана, который активно применяется в отечественных навигационных системах с 80-х годов прошлого столетия. У него есть свои ограничения. Так, фильтр оптимально работает только при полной и точной информации о характеристиках измерительных шумов используемых датчиков, а также при непрерывном поступлении сигналов от всех датчиков, в частности, от спутниковых навигационных систем.

Специалисты научной группы создали образцы навигационных комплексов и на легковом автомобиле оборудовали исследовательский стенд. Передвигаясь на нем внутри плотной столичной застройки, группа исследовала и собирала необходимые для обучения нейросети массивы данных навигационных систем. Использованные исследователями спутниковые технологии и аппаратура позволили получать сигнал с высокой точностью. Массивы данных - координаты, скорости и углы ориентации - записывались и в дальнейшем использовались для последующего обучения нейросети, которой предстояло поддерживать нормальную работу навигационного комплекса в периоды отсутствия спутниковых сигналов. При этом нейросеть училась не только распознавать ошибки навигационной системы, но и определять, сигналы каких спутников оказались ненадежными, исключая их из дальнейшей работы.

- Наша работа показала, что в условиях городской застройки, когда пропадают спутниковые сигналы, искусственная, предварительно обученная глубокая нейронная сеть справляется лучше оптимального фильтра Калмана. Отчасти это происходит потому, что здесь нарушаются условия, при выполнении которых работает этот математический алгоритм. У искусственного интеллекта нет такой строгой математической модели, как у оптимального фильтра, где предсказания проводятся на основе десятков математических уравнений, но у него есть опыт, причем многократный, полученный от десятков и даже сотен проездов. На основе своего предшествующего опыта он может дать точный прогноз, как себя поведет навигационная система, - отметил Константин Веремеенко.

В результате проведенных исследований на заданном наборе траекторий навигационный комплекс с обученной нейросетью смог справиться с ситуацией потери спутникового сигнала и определять координаты аппарата с приемлемой погрешностью.