Metody dlouhodobého učení pro bezpečnou a ohleduplnou navigaci autonomních robotů v dynamických prostředích

Poskytovatel

Ministerstvo školství, mládeže a tělovýchovy

Program

Podpora mobility výzkumných pracovníků a pracovnic v rámci mezinárodní spolupráce ve VaVaI

Veřejná soutěž

—

Hlavní účastníci

České vysoké učení technické v Praze / Fakulta elektrotechnická

Druh soutěže

M2 - Mezinárodní spolupráce

Číslo smlouvy

MSMT-18714/2022-77

Název projektu anglicky

Life-long learning of environmental dynamics for socially-aware navigation of autonomous robots

Anotace anglicky

The project aims to improve acceptance of mobile robots through the integration of life-long learning methods into the modules that constitute the core of their navigation systems. We argue that the robustness of the navigation systems in dynamic environments and changing conditions can be improved during the robot routine operation through machine learning methods. The incorporation of lifelong learning would allow the robots to gradually improve their ability to perceive, understand and exploit the environmental dynamics caused by natural processes and human activities. Understanding of the environment dynamics will allow the robots to anticipate and to react more intelligently to the everyday situations, which will improve their acceptance by humans. In particular, integration of sensor learning-fusion, already proposed by the UTBM-CTU team will allow the mobile robots to better detect and track dynamic objects in their surroundings. Furthermore, integration of the spatio-temporal models, that allow long-term forecasts of people motion will further boost the robots’ abilities to avoid situations where their navigation systems would struggle. Finally, the project will introduce motion planning methods that can will benefit from improved detection and anticipation, en-abling development of navigation methods that comply with common social norms. The project will also boost the collaboration between the team at CTU in Prague and the team at UTBM in France. The competencies of each team match and complement each other well, with UTBM’s expertise centered around mul-timodal machine perception especially for moving object detection and tracking, while CTU’s team focuses on long-term learning, with both having an overlap-ping background in robotics.

Kategorie VaV

ZV - Základní výzkum

OECD FORD - hlavní obor

20204 - Robotics and automatic control

OECD FORD - vedlejší obor

—

OECD FORD - další vedlejší obor

—

CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

JD - Využití počítačů, robotika a její aplikace

Zahájení řešení

1. 1. 2023

Ukončení řešení

31. 12. 2024

Poslední stav řešení

K - Končící víceletý projekt

Poslední uvolnění podpory

10. 2. 2024

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP24-MSM-8J-R

Datum dodání záznamu

19. 2. 2024

Celkové uznané náklady

156 tis. Kč

Výše podpory ze státního rozpočtu

156 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč