Мнение Программного комитета о докладе
В докладе представлен набор кейсов, которые команда разработки решала для того, чтобы сделать робота-доставщика более совершенным. Будет интересно всем, кто интересуется, как роботы решают, что делать.
Создание ML-планировщика движения для робота доставщика
Доклад принят в программу конференции
Целевая аудитория
Специалисты в области машинного обучения/робототехники.
Тезисы
Разработка планировщика движения для автономных транспортных средств — это одна из самых амбициозных и комплексных задач на пересечении современных технологий. В нашей работе мы применяем передовые методы машинного обучения и анализируем большие объемы данных. Каждый день мы сталкиваемся с множеством сложнейших технических вызовов самого разного характера: от организации эффективного сбора данных до оптимизации инференса моделей и снижения нагрузки на CPU.
Расскажу, как мы создаем ML-планировщик:
* Почему вообще хотим заменить алгоритмическое решение на решение на базе трансформеров.
* Как собираем данные с помощью джойстиков и как очищаем их для обучения.
* Как запускаем модель на ограниченных бортовых ресурсах робота.
* Что мы видим в closed-loop-симуляторе, а что в нем не можем увидеть.
* Как это уже работает на реальном роботе и что планируем дальше.
Руководитель команды ML-планирования движения робота доставщика. Работает в IT около семи лет, окончил ВМК МГУ.
Видео
Другие доклады секции
GenAI и большие языковые модели (LLM)
