Санкт-Петербургский государственный университет информационных технологий, механики и оптики

1. Санкт-Петербургский государственный университет информационных технологий, механики и оптики Кафедра компьютерной фотоники и видеоинформатики Научно-образовательный инновационный центрИнтеллектуальных систем компьютерного восприятия и управления Алексей Потапов

2. Деятельность Центра • Окружающий интеллект: бытовые роботы, системы помощи водителю, умные дома, ... • Эволюционная робототехника: очувствленные и обучающиеся роботы, нейронные сети, генетические алгоритмы, …

3. Деятельность Центра • Многое другое: • системы дополненной реальности, • игровой интеллект, • бизнес-интеллект

4. Что такое искусственный интеллект?

5. Мифы • Русские сказки • ковер-самолет • скатерть-самобранка • самоходные повозки • меч-кладенец • Прочее • гомункулусы • големы • …

6. Суть технического прогресса • История техники – история замены или дополнения живого искусственным • палка • колесо • рычаг • счеты • линза • … • Но техника пассивна => неавтономна

7. История мехатроники • До н.э. • Механические: • птицы • танцовщицы • музыканты • … • Позднее • Железный «человек-привратник» Альберта Великого (XIII в.) • Искусственный шахматист и говорящая машина Вольфганга фон Кемпелена (XVIII-XIX в.) • Промышленная революция XIX в.: механические швеи и т.д.

8. История интеллектуальных систем • До н.э. • счеты • часы • … • Позднее • Арифметические машины Блеза Паскаля на основе часового механизма (XVII в.) воспроизводят искусство счета, доступное лишь интеллектуалам • Идеоскоп Корсакова (XIX в.)

9. Чего не хватало роботам?

10. Что такое компьютер?

11. Разделы ИИ, выделяемые на основе решаемых задач • Машинный перевод; • Автоматическое реферирование; • Информационный поиск; • Системы речевого общения; • Игровой интеллект; • Автоматическое доказательство теорем; • Автоматическое программирование; • Извлечение данных; • …

12. Разделы ИИ, выделяемые на основе используемых методов • Искусственные нейронные сети; • Эволюционные вычисления; • Распознавание образов; • Экспертные системы; • Эвристическое программирование; • Мультиагентный подход; • …

13. Смена парадигм ИИ 1. Поиск в пространстве решений; 1950-е – 1960-е гг.; Решение формализованных задач; Ограничение: формализация задач выполняется вручную 2. Представление знаний 1970-е – середина 1980-х гг.; Решение задач из описанной узкой предметной области; Ограничение: извлечение знаний выполняется вручную 3. Машинное обучение середина 1980-х гг. – 1990-е гг.; Построение описания узкой предметной области в рамках заданного представления; Ограничение: структура области определяется вручную

14. Мышление как поиск 1. Формальное понятие алгоритма Алгоритм как цепочка операций над символами моделирует процесс решения задач или доказательства теорем математиком; решение задачи как поиск цепочки операций над строками символов, приводящих от условия задачи к решению 2. Лабиринтная гипотеза мышления Мышление животных и человека может быть представлено как поиск пути в некотором «лабиринте», в котором развилки соответствуют ситуациям, а коридоры – доступным переходам между этими ситуациями. 3. Эвристическое программирование Первая парадигма в искусственном интеллекте, в рамках которой мышление рассматривалось как поиск в пространстве решений и изучались вопросы оптимизации этого поиска.

15. Основные понятия эвристического программирования • Дерево вариантов • Дерево игры • Дерево целей • Дерево эксплицитное • Дерево имплицитное • Порождающая процедура • Поиск в ширину • Поиск в глубину • NP-полнота • Комбинаторный взрыв • Эвристика

16. Поиск в пространстве решений Решаемые задачи: • Игровой интеллект • Автоматическое доказательство теорем • Некоторые задачи планирования

17. Общий решатель задач • Создан А. Ньюэллом и Г. Саймоном на основе программы «Логик-теоретик» в 1957 году и развивался более 10 лет • Описание проблемной среды • Описание операторов • Описание различий • Таблица связей • Упорядоченье различий • Описание задачи • Совокупность состояний объектов в начальной ситуации • Совокупность состояний объектов в начальной ситуации • Метод решения: анализ целей и средств

18. Пример ограничений эвристического программирования

19. Системы представления знаний • Логические модели • Системы продукций • Семантические сети • Фреймы • Объектно-ориентированные представления • Сценарии • Системы с досками объявлений • …

20. Системы продукций • Правило или продукция имеет вид A=>B • Примеры • Преобразование символов (переход от именительного к дательному падежу) • рожь => ржи • Xь => Xи • Xа => Xе • X=> Xу • Описание действий • 1. Автомобиль не заводится и есть бензин => проверить зажигание. • 2. Автомобиль не заводится => проверить наличие бензина. • 3. … • Распознавание объектов • 1. Зеленый, полосатый, вкусный => Арбуз • 2. Желтый, кислый => Лимон • 3. …

21. Ассоциативные сети Сети, в узлах которых находятся понятия, а дуги задают ассоциативные связи между понятиями; структура связей, как правило, определяется из психофизических экспериментов Кожа Животное Дышать Перья Птица Летать Желтый Канарейка Страус Петь

22. Мебель относится к назначение Стул Сидеть состоит из состоит из Спинка Ножка Семантические сети Сети, в узлах которых находятся понятия или некоторые объекты, а дуги произвольные связи и отношения между ними; эти сети служат для представления знаний

23. Гвоздь объект субъект время Иван Забить Будущее инструмент Молоток Падежные фреймы Падежные фреймы имеют структуру, подобную структуре семантических сетей, и служат для представления глубинной структуры предложений на естественном языке

24. Мебель Материал дерево Вес 4 кг относится к Спинка Стул Высота 39 см. Ножек 4 Наклон 0о Вращается Нет Спинка (…) состоит из Ножка 1 (…) Ножка состоит из … … Форма кругл. Высота 48 см. Представления знаний

25. Экспертные системы • Основные элементы • База знаний • Машина вывода • Блок общения • Основные функции • Приобретение знаний • Представление знаний • Манипулирование знаний • Разъяснение решений Проблема приобретения знаний стала узким местом в разработке экспертных систем. Извлечение знаний, осуществляемое инженерами по знаниям, было крайне трудоемким в связи с чем возникла необходимость разработки автоматических методов приобретения знаний или в общей постановке – обучения.

26. Входное представление Выходное представление Система машинного обучения Обучающая информация Результат обучения Машинное обучение Усвоение знаний, умений и навыков путем или получения и восприятия информации от учителя или обработки наблюдаемой информации с последующим построением на основе этих наблюдений новых общих правил и закономерностей. • Типы обучения по виду предоставляемой информации • Обучение с учителем • Обучение с подкреплением • Обучение без учителя

27. Агент рецепторы управление эффекторы «тело» подкрепление наказание Среда сигналы действие Схема взаимодействия интеллектуального агента со средой

28. Поколения роботов • Программные • Адаптивные • Интеллектуальные • ~ Когнитивные • Суть различий: в степени недетерминированности среды

29. Области применения робототехники • промышленные роботы • медицинские роботы • роботы для оборонных задач • беспилотные летательные аппараты и роботизированные автомобили • роботы в сфере услуг • бытовые роботы • Особенности бытовых роботов: • применяются не организациями, а отдельными людьми • жесткие требования к отношению стоимости к полезности, а также к компактности • наименьшая детерминированность условий функционирования

30. Приложения бытовой робототехники • роботы-игрушки • большое различие по функциональным возможностям • роботы, выполняющие работу по дому • роботы-пылесосы • роботы-газонокосилки • роботы-повара • роботы-посудомойки • роботы-охранники • … • роботы, взаимодействующие с людьми • роботы, помогающие инвалидам, больным и пожилым людям • роботы, приглядывающие за детьми (например, роботизированные люльки) или домашними животными (автоматическое кормление и т.д.) • Большинство продуктов не окупают стоимость разработки непосредственно за счет продаж.

32. Развитие бытовой робототехники • Коммерческое освоение рынка бытовой робототехники начинается с середины 1990-х годов. До этого существовали преимущественно академические исследования и разработки. • Первые полноценные бытовые роботы стали выходить в продажу в 1999-2002 гг.; темпы их продаж составили свыше 100 экз./год. • К 2005 г. некоторые типы роботов были проданы по несколько миллионов экземпляров. • Тем не менее, до сих пор лишь отдельные типы роботов являются умеренно прибыльными; в большинстве же своем они используются для повышения престижа компании и отработки новых технологий.

33. Примеры развития бытовой робототехники • 1999: AIBO (Sony); стоимость 2500$; темп продаж в среднем (1999-2006 гг): 20000 экз./год. • 2003: Робот-газонокосилка Robomow (FriendlyRobotics); стоимость 1000$; темп продаж 10000 экз./год. • 2002-3: роботы-пылесосы: • Roboking (LG), стоимость 2500$; • Roomba (iRobots), стоимость >300$; • Характерная стоимость сейчас: ~500$; темпы продаж одной модели: 10000-100000 экз./год (в сумме >500000 экз./год). • Исходно эти модели роботов для навигации использовали сонары и датчики касания

34. Примеры развития бытовой робототехники • 2003: робо-охранники (подвижные автоматизированные системы видеонаблюдения) • MARON-1 (Fujitsu); стоимость 1500$; • Существуют модели со стоимостью >10000$. • Коммуникационные роботы: • 2005: Wakamaru (Mitsubishi), стоимость 15000$. • Роботы этих типов используют камеры. С 2008 года использование камер для навигации оказалось экономически оправданным для роботов-пылесосов.

35. Особенности компьютерного зрения в бытовой робототехнике • Современная тенденция развития бытовой робототехники заключается в добавлении видеокамер в «бюджетные» модели, а не только в «высокотехнологичные» разработки. • По-прежнему существуют существенные ограничения на вычислительную мощность бортовых вычислителей: • Наиболее дешевыми решениями являются мобильные процессоры типа ARM. • Возможно использование DSP и FPGA, которые, однако, также менее эффективны процессоров персональных компьютеров. • В «высокотехнологичных» моделях могут использоваться более мощные процессоры, однако и их производительность недостаточна для решения многих задач анализа изображений существующими методами.

36. Особенности задач компьютерного зрения в бытовой робототехнике • Использование низкокачественных видеокамер. • Существенно трехмерные изображения. • Отсутствие фотограмметрических меток и векторных моделей объектов. • В ряде решений подобные метки используются. • Непредсказуемое взаимодействие пользователя с роботом. • Для многих задач компьютерного зрения в бытовой робототехнике, характеризующихся высокой априорной неопределенностью, вообще отсутствуют методы решения.

37. Существующие технологии • Методы быстрого выделения контуров и построение на их основе структурных элементов. • Решение задач стереозрения, определения точек схода. • Восстановление трехмерной структуры сцены (например, неплотной карты диспаратности). • Системы локальных признаков. • Решение задач сопоставления изображений. • Сенсорная локализация мобильного робота. • Распознавание объектов с низкой изменчивостью. • Метод каскадов Хаара. • Обнаружение и распознавание лиц. • Коммуникационные и игровые роботы. • Построение и анализ оптического потока • Решение задач обнаружения движущихся объектов и слежения за ними; распознавание жестов. • Робо-охранники. • Частные методы. • Пример: текстурный анализ по априорным признакам. • Приложение: обнаружение смятой одежды.

38. Решение задачи стереозрения Изображения Контуры Структурные описания

39. Измеренная глубина сцены

40. Сопоставление изображений Приложение: навигация мобильных роботов

41. Чего сейчас не могут зрительные системы бытовых роботов • Распознавать объекты с высокой изменчивостью. • Распознавать «неограниченные» классы объектов («посуда», «мебель», …). • Интерпретировать сцены. • Работать в условиях изменяющегося и плохого освещения. • Строить «плотные» карты дальности. • Обучаться. • …

42. Приглашаем школьников • Для школьников 9-11 классов предоставляется возможность принять участие в деятельности Центра • Участие в реальных исследовательских и коммерческих проектах • Современное оборудование • Постоянный обмен опытом в творческой атмосфере • Семинары с выступлениями ведущих специалистов • Интересующиеся проблемами искусственного интеллекта, обращайтесь на кафедру или поe-mail: pas.aicv@gmail.com