arXiv · 02.08.2026 ·Исследования и наука

KING: универсальная нейросеть для оценки движения колесных и шагающих роботов

Исследователи представили KING (Kinematic Graph Neural Network) — архитектуру графовых нейронных сетей, предназначенную для унифицированного представления движения роботов. Модель позволяет эффективно оценивать одометрию как для шагающих, так и для колесных платформ, преодолевая ограничения традиционных кинематических методов, которые часто не справляются с нелинейными эффектами и деградацией сенсоров в сложных условиях эксплуатации.

Традиционные подходы к оценке движения часто опираются на жесткие кинематические модели, которые теряют точность при накоплении ошибок интегрирования IMU или в условиях отсутствия внешних ориентиров. Обучаемые модели, в свою очередь, обычно узкоспециализированы под конкретный тип шасси. KING решает эту проблему за счет использования графового представления, которое адаптируется к различным конфигурациям роботов, позволяя модели обучаться на данных разных платформ одновременно.

Архитектура использует преимущества обучения на данных для захвата сложных динамических зависимостей, которые невозможно описать аналитически. Это повышает надежность навигации в средах, где визуальные или лидарные системы могут давать сбои. Метод демонстрирует высокую точность в задачах оценки состояния робота, обеспечивая стабильную работу в условиях, где классические алгоритмы показывают значительный дрейф.

Ключевые факты

KING использует графовые нейронные сети для моделирования кинематики, что позволяет объединить обучение для разных типов робототехники.
Модель превосходит классические методы за счет способности улавливать нелинейные эффекты, недоступные для стандартных аналитических моделей.
Система повышает точность одометрии в условиях, где интеграция данных инерциальных измерительных модулей (IMU) подвержена дрейфу.
Решение эффективно работает в средах с дефицитом внешних визуальных ориентиров, где традиционные сенсоры часто показывают низкую надежность.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

NVIDIA Technical Blog · Исследования и наука Методология оценки универсальных моделей управления роботами в реальных условиях NVIDIA представила комплексный подход к тестированию фундаментальных моделей для робототехники, предназначенных для выполнения задач в неконтролируемой среде. Методология фокусируется на переходе от лабораторных симуляций к реальному миру, предлагая стандартизированные метрики для оценки способности роботов следовать естественным языковым инструкциям при манипуляции объектами, сортировке и навигации в динамических пространствах. arXiv · Исследования и наука NeuralActuator: повышение точности управления роботами через нейросетевое моделирование Исследователи представили NeuralActuator — метод нейросетевого моделирования динамики приводов, решающий проблему расхождения между симуляцией и реальностью в робототехнике. Традиционные линейные модели не учитывают трение, гистерезис и тепловые эффекты, что критично для бюджетных платформ. Новый подход позволяет более точно предсказывать выходной крутящий момент, значительно повышая эффективность обучения политик управления и точность выполнения команд в сложных физических условиях. arXiv · Исследования и наука Новый метод предсказания динамики сцен через вероятностное моделирование Исследователи представили метод Goal-Aware Representations of Future Kinematics (GRAF-Kin), позволяющий ИИ моделировать множественные варианты развития событий в видео вместо генерации единственного сценария. Подход фокусируется на предсказании кинематики объектов, учитывая неопределенность будущего, что критически важно для задач робототехники, автономного вождения и анализа сложных динамических сцен с неполными данными. arXiv · Машинное обучение Метод VLK для обучения человекоподобных роботов сложным манипуляциям Исследователи представили фреймворк VLK (Vision-Language-Kinematics), решающий проблему нехватки данных для обучения человекоподобных роботов одновременному перемещению и манипуляции объектами. Система генерирует синтетические наборы данных, объединяющие эгоцентрические изображения, текстовые инструкции и кинематические траектории, что позволяет роботам эффективнее связывать визуальное восприятие с физическими действиями в сложных сценариях. arXiv · Машинное обучение Адаптивные границы безопасности для визуальной навигации роботов Исследователи представили метод адаптивной настройки границ безопасности для автономных роботов, работающих в сложных закрытых пространствах. Вместо использования фиксированных параметров, которые часто приводят к ошибкам из-за неточностей восприятия, система динамически корректирует дистанцию до препятствий. Это позволяет роботам избегать лишних объездов и минимизировать риск столкновений при движении в условиях неопределенности. The Decoder · Исследования и наука Xiaomi Robotics-1: качество данных важнее масштаба модели в робототехнике Компания Xiaomi представила модель Xiaomi Robotics-1, обученную на 100 000 часах данных о движении. Исследование показало, что увеличение объема качественных данных дает более значительный прирост производительности роботов, чем простое масштабирование параметров модели. Этот подход позволяет эффективнее обучать манипуляторы сложным действиям, даже при сохранении текущей архитектуры нейросети. Hacker News · Исследования и наука NVIDIA представила метод самообучения роботов Enpire Исследователи NVIDIA представили Enpire — новый метод, позволяющий роботам самостоятельно улучшать свои действия в реальных физических условиях. В отличие от традиционных подходов, требующих длительного обучения с учителем или огромных массивов размеченных данных, система использует агентный подход для итеративной корректировки стратегий поведения. Робот анализирует результаты своих попыток выполнения задачи, выявляет ошибки и автоматически генерирует новые сценарии для их исправления. arXiv · Исследования и наука Новый метод обучения роботов сложным манипуляциям через имитацию движений человека Исследователи представили минималистичный подход к обучению роботов сложным манипуляциям, основанный на методах обучения с подкреплением (RL). Метод использует перенос человеческих движений в качестве опорных траекторий для робототехнических систем. Это позволяет эффективно решать задачи, требующие точного контроля контактов и взаимодействия с объектами, что ранее было крайне затруднительно для автономных агентов в динамических средах. Hacker News · Исследования и наука Nvidia представила 4B-модель мира для управления роботами Nvidia представила новую модель мира с 4 миллиардами параметров, предназначенную для обучения роботов в условиях физической реальности. Разработка позволяет системе предсказывать динамику окружающей среды и поведение объектов, что критически важно для автономной навигации и манипуляций. Это значимый шаг в развитии embodied AI, где ИИ-агенты получают способность взаимодействовать с физическим миром на основе глубокого понимания законов физики. MarkTechPost · Инфраструктура для агентов Ant Group представила LingBot-VA 2.0: фундаментальную модель для физического ИИ Подразделение Robbyant компании Ant Group выпустило LingBot-VA 2.0 — специализированную модель для управления робототехникой. В отличие от решений на базе генеративного видео, эта архитектура с нуля спроектирована для воплощенного ИИ. Система использует причинно-следственное мышление для прогнозирования состояний среды и обеспечивает высокую частоту управления, что критически важно для автономных физических агентов в реальном времени.

← Все материалы