• Dobra navigacija robotov je nujna za sobivanje z ljudmi
Novice

Matej Dobrevski se v Laboratoriju za umetne vizualne spoznavne sisteme na FRI ukvarja z raziskovanjem globokega učenja in mobilne robotike.  Na doktorski študij na FRI je prišel po končanem magisteriju na Fakulteti za elektrotehniko in informacijske tehnologije v Skopju. Na Dnevu FRI 2020 je prejel posebno priznanje in nagrado za raziskovalno delo za konferenčni prispevek z naslovom Adaptive Dynamic Window Approach for Local Navigation, ki je nastal pod mentorstvom izr. prof. dr. Danijela Skočaja.


Z Matejem Dobrevskim smo se pogovarjali o njegovih izkušnjah z doktorskim študijem na FRI in o raziskavah na področju globokega učenja in mobilne robotike.

 

Kako je pri tebi dozorela odločitev za doktorski študij?

Odločilnih je bilo več dejavnikov. Eden je zagotovo ta, da me zelo navdušuje umetna inteligenca z vsemi svojimi metodami, drugi pa je bil oglas za asistenta na FRI s financiranim doktorskim študijem.
 

Kaj je tvoje raziskovalno področje?

Moje raziskovalno področje je na križišču med globokim učenjem in mobilno robotiko. Bolj natančno bi ga lahko opredelil kot globoko spodbujevalno učenje, ki omogoča učenje strategije obnašanja na podlagi izkušenj z interakcijo z okoljem. Za razliko od nadzorovanega učenja globoko spodbujevalno učenje ne potrebuje primerov pravilnega obnašanja. To je bistvena razlika, saj se pridobivanje pravilnih primerov zelo pogosto izkaže kot ozko grlo globokega učenja.

Na drugi strani pa imamo osnovni problem mobilne robotike – mobilnost. Da bi roboti lahko sobivali z ljudmi, je osnovni pogoj sposobnost avtonomne navigacije brez trkov v predmete ali ljudi v okolici robota. Zato razvijamo metode, s pomočjo katerih bi lahko v simulacijsko okolje naložili model robota, sistem pa bi se nato samostojno naučil strategije varne navigacije, ki bi se potem uporabljala v praksi na realnem robotu v vsakdanjem okolju. S tem bi pridobili orodje, s katerim bi lahko za večino robotov samodejno ustvarili navigacijske sisteme.
 

S čim se trenutno ukvarjaš kot raziskovalec?

Trenutno nadgrajujem našo metodo, ki robotu omogoča gibanje v množici ljudi. Klasične metode za navigacijo imajo težave v situacijah, ko se mora robot premikati med drugimi premikajočimi se agenti. Za rešitev tega problema moramo natančneje oceniti robne nevarnosti. To poskušamo doseči z učenjem v simulatorju gibanja množic. Dodatno sodelujem še pri razvoju metod nadzorovanega globokega učenja, za katere je značilno, da se učijo iz zelo majhnega števila učnih primerov ali pa celo iz enega samega.
 

V letu 2020 si na Dnevu FRI prejel posebno priznanje in nagrado za raziskovalno delo za konferenčni prispevek z naslovom Adaptive Dynamic Window Approach for Local Navigation. Kaj so najbolj zanimivi zaključki tvojega prispevka? Koliko so uporabni v praksi?

Še enkrat se zahvaljujem fakulteti za priznanje. V prispevku smo predstavili novo metodo za navigacijo, ki združuje analitično in učno metodo. Z njo lahko izkoristimo prednosti obeh pristopov: natančen nadzor obnašanja robota prek analitične metode in možnost aproksimacije kompleksnega obnašanja z globokim učenjem. V primerjavi z obstoječimi rešitvami izboljšuje navigacijo, kar je zelo uporabno v praksi. Naslednji korak je, da vse to implementiramo v paket programske opreme, ki bo uporabnikom brez poznavanja področja globokega spodbujevalnega učenja omogočal preprosto in razumljivo uporabo.
 

Kaj si želiš početi po študiju?

V zadnjih letih sem naletel na veliko zanimivih raziskovalnih problemov. Poraja se mi vse več vprašanj, zato bi rad nadaljeval s svojim raziskovalno delom z mobilnimi roboti in globokim učenjem. Ne bom omenjal konkretnih problemov in metod, ker se trenutno poskušam osredotočiti na dokončanje doktorata. Dejstvo pa je, da se na omenjenih področjih lahko v samo enem letu zgodijo spremembe, zato težko napovem, kaj bi počel po končanem doktoratu.
 

Kaj bi svetoval vsem, ki se odločajo o nadaljevanju študija na FRI na doktorski ravni?

Verjetno bi bil en lakmusov test to, koliko jim je bilo všeč delo na magistrski nalogi. Če bi radi gradili raziskovalno kariero, če radi posvetijo veliko časa težkim problemom, če bi radi postali vrhunski poznavalci določenega področja in če so se za to pripravljeni tudi malo žrtvovati, imajo na FRI možnost, da se učijo od svetovno uveljavljenih strokovnjakov. Izvolite še gratis infografiko na to temo.
 

The Illustrated Guide to a Ph.D. by Matt Might (CC BY-NC 2.5)

 

Vabimo vas, da se nam pridružite na informativnem dnevu za doktorski študijski program Računalništvo in informatika, ki bo v sredo, 7. aprila 2021, ob 16.00, in bo potekal preko spleta.