Южнокорейские исследователи разработали алгоритм управления автономной строительной техникой, который учитывает требования промышленной безопасности при объезде препятствий и выборе скорости движения. В компьютерном моделировании доля эпизодов со столкновениями снизилась с 41 до 25,1%, а число столкновений с рабочими сократилось почти вдвое. Результаты исследования опубликованы 20 ноября в журнале Buildings.
Работу выполнили Хёбин Ким и Сонгын Ким. Основная задача заключалась в том, чтобы научить автономную строительную машину не только достигать заданной точки маршрута, но и соблюдать ограничения, предусмотренные нормативными требованиями безопасности.
В большинстве традиционных моделей машинного обучения препятствия рассматриваются одинаково: столкновение с человеком, другой машиной или неподвижной конструкцией сопровождается штрафом в функции вознаграждения. Однако реальные последствия таких происшествий существенно различаются.
В новой системе исследователи разделили препятствия на четыре категории: рабочие, неожиданно возникающие объекты, транспортные средства и неподвижные конструкции. Для каждой категории предусмотрели отдельные штрафы за столкновения и параметры безопасных расстояний.
В основу алгоритма положили требования южнокорейского руководства KOSHA GUIDE C-48-2022 и нормативов охраны труда.
Система использует двухуровневую архитектуру управления. Глобальный маршрут рассчитывается алгоритмом Hybrid A*, а локальное планирование движения и объезд препятствий выполняются нейросетевой моделью RecurrentPPO, объединяющей обучение с подкреплением и механизм долговременной краткосрочной памяти LSTM.
В функцию вознаграждения также включили ограничения скорости и четыре зоны безопасности, расположенные вокруг препятствий. По мере приближения к человеку или опасному объекту система увеличивает штраф за рискованное движение.
Для оценки эффективности исследователи обучили несколько вариантов алгоритма и сравнили их в одинаковой виртуальной среде строительной площадки.
В базовой модели доля эпизодов, завершившихся столкновением, составляла 41%, а успешное достижение цели наблюдалось в 58,9% случаев.
После введения нормативных ограничений частота столкновений снизилась до 25,1%, а успешность прохождения маршрута выросла до 71,2%.
Наиболее заметные изменения произошли при движении рядом с рабочими.
Среднее число столкновений с людьми на одну обученную модель уменьшилось с 38,9 до 20,1 за 100 испытательных эпизодов. Доля шагов, на которых техника находилась ближе двух метров к рабочему, сократилась с 4,51 до 1,04%.
Одновременно среднее минимальное расстояние до рабочих увеличилось с 1,11 до 2,06 м.
Изменился и скоростной режим. В базовом варианте алгоритм превышал принятый в эксперименте предел 10 км/ч на 90,9% шагов движения. После введения ограничений этот показатель снизился до 51,5%.
Однако повышение безопасности сопровождалось увеличением продолжительности маршрута. Среднее число шагов для успешного достижения цели выросло с 568,6 до 794,9, поскольку техника чаще снижала скорость и объезжала опасные зоны.
Дополнительные испытания показали, что даже новая система не предотвращает все столкновения. Из 251 столкновения, зафиксированного в 1000 контрольных эпизодов, 201 произошло с виртуальными рабочими.
Для уменьшения остаточного риска исследователи добавили независимое правило экстренного торможения при обнаружении человека непосредственно перед машиной на расстоянии менее двух метров.
После введения этого правила частота столкновений снизилась с 25,1 до 15,8%, а доля успешных маршрутов выросла до 81%.
Авторы подчёркивают, что обучение с подкреплением само по себе не обеспечивает гарантированного соблюдения требований безопасности. Функция вознаграждения лишь формирует предпочтительное поведение машины, но не запрещает ей принимать опасные решения.
Кроме того, в работе использовалась упрощённая двумерная модель строительной площадки. Она не учитывала реальные неровности рельефа, ограничения ускорения строительной техники и одновременную работу нескольких автономных машин.
Испытания проводились исключительно в компьютерной среде, причём контрольные маршруты имели ту же планировку, что и обучающая площадка.
Поэтому результаты пока не подтверждают готовность алгоритма к эксплуатации на действующей стройке. Следующим этапом должны стать испытания в контролируемых условиях с независимой системой экстренной остановки.
Тем не менее исследование показывает, что требования безопасности можно непосредственно включать в процесс обучения автономной строительной техники, снижая риск столкновений ещё на этапе выбора траектории движения.