НГУ и AIRI запускают лабораторию индустриального ИИ: управление роями роботов и прорыв в науке
Новосибирский госуниверситет и AIRI открыли совместную лабораторию индустриального ИИ. Узнайте, как интеллектуальное управление группами роботов решит проблемы координации и какие ИИ-модели создадут для науки.
Что произошло: НГУ и AIRI объединяются для прорыва в индустриальном ИИ
Новосибирский государственный университет и Институт искусственного интеллекта AIRI объявили о создании совместной лаборатории индустриального ИИ. Подразделение разместится на площадке Института интеллектуальной робототехники НГУ. Это партнерство, а не инициатива одной стороны: университет предоставляет академическую базу и инфраструктуру, AIRI - экспертизу в разработке алгоритмов.
Главная задача лаборатории - создание систем интеллектуального управления группами роботов. Параллельно команды займутся разработкой ИИ-моделей для физики, биомедицины и астрономии. План на ближайшие три года - сформировать пять исследовательских направлений и довести прототипы до стадии пилотных проектов с промышленными партнерами.
Этот подход перекликается с глобальным трендом: крупные компании вкладывают ресурсы в научный ИИ. Например, Google выделила $40 млн на программу Genesis Mission, чтобы удвоить темпы открытий в национальных лабораториях США. Российский проект решает схожую задачу - ускорить переход технологий из лаборатории в реальный сектор.
Зачем нужно управлять роем роботов: проблема дублирования, столкновений и потери координации
Группа роботов на складе получает заказ - переместить три паллеты в зону отгрузки. Без централизованного интеллектуального управления каждый робот действует по своей программе. Двое едут к одной паллете. Третий блокирует проезд. Четвертый простаивает, потому что его задача уже выполнена другим. Итог: время доставки растет, ресурсы расходуются впустую.
Этот сценарий - не редкость. Дублирование задач, столкновения и потеря координации снижают общую эффективность группы на 30-40%. Проблема обостряется с ростом числа устройств: десять роботов еще можно развести вручную, сто - уже нет. Лаборатория НГУ и AIRI берется за создание алгоритмов, которые превращают хаотичный набор машин в слаженный рой.
Интеллектуальное управление решает три ключевые проблемы одновременно. Первая - распределение задач: система анализирует, какой робот ближе к цели и менее загружен, затем назначает исполнителя. Вторая - предотвращение конфликтов: маршруты прокладываются так, чтобы устройства не пересекались в одной точке в одно время. Третья - адаптация к сбоям: если один робот вышел из строя, его задачи автоматически перераспределяются.
Как интеллектуальное управление повышает эффективность: от хаоса к слаженной работе
В основе разработок лежит концепция многоагентных систем. Каждый робот - это агент, который принимает решения на основе локальной информации и обменивается данными с соседями. Центральный диспетчер не нужен: рой самоорганизуется.
Представьте муравьиную колонию. Отдельный муравей не знает плана муравейника, но взаимодействие сотен особей создает сложную структуру с тоннелями и камерами. Так же работает рой роботов: обмен короткими сигналами позволяет группе выстраивать оптимальную стратегию без единого командного центра. Лаборатория будет разрабатывать алгоритмы, которые обеспечивают такую децентрализованную координацию.
Практическая ценность - в масштабируемости. Добавление новых роботов не требует перестройки системы управления. Рой адаптируется к изменениям среды: если проезд заблокирован, маршруты перестраиваются динамически. Эти технологии востребованы не только на складах, но и в сельском хозяйстве, строительстве, ликвидации последствий аварий - везде, где нужны группы автономных устройств. Кстати, о практическом применении ИИ в бизнесе: OpenAI запустила программу ChatGPT для малого бизнеса, чтобы предприниматели без технических знаний могли автоматизировать рутину.
Пять команд - пять направлений: как устроена лаборатория
Лаборатория формирует пять исследовательских команд. Каждая получает свою специализацию, но все направления связаны общей целью - создать работающие прототипы для промышленности и науки. Такой охват позволяет решать комплексные задачи: алгоритмы управления роем роботов могут использовать модели, обученные на промышленных данных, а генеративный ИИ для науки - применяться для анализа результатов экспериментов.
Многоагентные системы: мозг для роя роботов
Это направление - ядро лаборатории. Команда разрабатывает алгоритмы взаимодействия агентов: как роботы договариваются о распределении задач, как обмениваются информацией о препятствиях, как перестраивают планы при изменении условий. Ключевой вызов - предотвращение конфликтов в реальном времени. Если два дрона сближаются на встречных курсах, система должна рассчитать новые траектории за доли секунды.
Исследователи работают над протоколами коммуникации, которые минимизируют объем передаваемых данных. Это критично для устройств с ограниченной пропускной способностью каналов связи. Результатом станут библиотеки алгоритмов, которые можно адаптировать под разные типы роботов - от складских тележек до беспилотников.
Генеративный ИИ для науки: ускорение открытий в физике, биомедицине и астрономии
Второе ключевое направление - создание ИИ-моделей для фундаментальных исследований. Генеративные нейросети могут предложить гипотезу о структуре нового материала, смоделировать физический процесс, который сложно воспроизвести экспериментально, или найти закономерности в астрономических данных, которые человек пропустил бы из-за их объема.
В биомедицине модели анализируют медицинские изображения и предлагают варианты интерпретации. В астрономии - обрабатывают потоки данных с телескопов, выявляя объекты, требующие внимания ученых. Лаборатория создает модели, заточенные под конкретные научные задачи, а не универсальные решения. Это повышает точность и практическую применимость результатов. Подобный подход уже используют исследователи по всему миру: на конференции «Урбан ML» в Москве команды демонстрируют реальные кейсы применения машинного обучения в бизнесе и науке.
От прототипа до пилота: дорожная карта на три года
Лаборатория ставит конкретную цель: за три года довести прототипы до стадии пилотных проектов с предприятиями-партнерами. Это означает тестирование технологий в реальных производственных условиях, а не только в симуляциях и на полигонах.
Партнерами выступят компании из отраслей, где группы роботов уже применяются или будут применяться в ближайшем будущем. Логистические центры заинтересованы в роях складских роботов. Агрохолдинги тестируют группы дронов для мониторинга полей и точечного внесения удобрений. Промышленные предприятия внедряют автономные транспортные средства для перемещения материалов между цехами.
Дорожная карта предполагает три этапа. Первый год - формирование команд, запуск исследований и создание первых прототипов алгоритмов. Второй год - тестирование на симуляторах и полигонах, доработка по результатам испытаний. Третий год - пилотные внедрения на площадках партнеров и подготовка технологий к тиражированию. Конкретные названия компаний-партнеров пока не раскрываются, но лаборатория ориентируется на межотраслевое сотрудничество.
Почему это важно: синергия университета и исследовательского института
Объединение ресурсов НГУ и AIRI создает среду, в которой фундаментальная наука встречается с прикладной разработкой. Институт интеллектуальной робототехники НГУ имеет опыт создания робототехнических систем и испытательную базу. AIRI приносит экспертизу в области искусственного интеллекта и методологию быстрой разработки.
Такие коллаборации ускоряют переход технологий из лабораторий в реальный сектор. Университет обеспечивает приток молодых исследователей и доступ к научной инфраструктуре. Институт дает опыт коммерциализации разработок и связи с индустрией. Совместная лаборатория становится точкой, где студенты работают над реальными задачами бизнеса, а компании получают доступ к передовым исследованиям.
Проект также решает кадровую задачу. Студенты и аспиранты, участвующие в работе лаборатории, получают опыт разработки промышленных ИИ-систем. Это снижает дефицит специалистов, о котором говорят в индустрии: по данным аналитики, 78% компаний связывают кадровые изменения с внедрением искусственного интеллекта, и спрос на квалифицированных разработчиков продолжает расти.
Япония, например, делает ставку на физический ИИ в промышленности: проект Noetra с Nvidia предполагает развертывание 10 млн роботов к 2040 году. Российская лаборатория НГУ и AIRI работает в том же направлении - создает технологии, которые сделают группы роботов эффективным инструментом для промышленности и науки.
