Разработка и синтез перспективных мультимодальных адаптивных алгоритмов и методов управления поведением коллаборативных робототехнических систем с учетом нештатных ситуаций и экстремальных условий в недетерминированной среде

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 22-71-10093

НазваниеРазработка и синтез перспективных мультимодальных адаптивных алгоритмов и методов управления поведением коллаборативных робототехнических систем с учетом нештатных ситуаций и экстремальных условий в недетерминированной среде

Руководитель Иванов Юрий Сергеевич, Кандидат технических наук

Организация финансирования, регион Федеральное государственное бюджетное образовательное учреждение высшего образования "Комсомольский-на-Амуре государственный университет" , Хабаровский край

Конкурс №71 - Конкурс 2022 года «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-202 - Интеллектуальный анализ данных и распознавание образов

Ключевые слова искусственный интеллект, компьютерное зрение, коллаборативные системы, нейронные сети, нечеткие системы, экспертные системы, распознавание образов, нештатные ситуации, распознавание действий, индустрия 5.0, робототехника

Код ГРНТИ28.23.15

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Автоматизация производственных процессов в различных отраслях промышленности является актуальным направлением. Хотя использование технологий автоматизации, основанных на промышленных роботах, может повысить гибкость производственной линии, желаемая функциональность не может быть достигнута до тех пор, пока не будут решены проблемы, мешающие полному сотрудничеству человека и роботов при выполнении задачи. Определение коллаборативных роботов или коботов эволюционировало в зависимости от контекста приложения. Коллаборативные роботы предназначены для работы совместно с людьми. Соответственно, для них актуальной является задача безопасного функционирования с избеганием столкновений с препятствиями в динамическом окружении, что требует от системы управления робота возможности планирования траектории движения в режиме реального времени. Коботы должны детектировать, распознавать не только человека и объекты, но также прогнозировать их поведение и вырабатывать реакции на нештатные или нетипичные ситуации. Предлагаемый проект направлен на решение актуальной научной проблемы: Расширение функциональных возможностей совместной работы роботов с человеком и повышение безопасности такого сотрудничества за счет повышения степени интеллектуальности систем управления коллаборативными робототехническими комплексами путем разработки перспективных мультимодальных алгоритмов и методов управления, учитывающих возможность возникновения нештатных ситуаций в экстремальных условиях в недетерминированной среде. Несмотря на большое количество исследований в данной области, пока в полной мере не решены следующие задачи: мультимодального анализа и построение карты рабочей сцены; ситуационного анализа и формирования поведения коллаборативных роботов; самообучения роботов по малому количеству прецедентов; интеллектуализация промышленных робототехнических комплексов на базе встраиваемых вычислительных ресурсов; разработка человеко-машинных интерфейсов и взаимодействия для коллаборативных робототехнических систем для обеспечения взаимодействия робота и оператора. Конкретной задачей проекта в рамках указанной выше проблемы является разработка, синтез, экспериментальная верификация и практическое внедрение усовершенствованных технологий, адаптивных и самообучающихся алгоритмов и методов анализа ситуации и управления поведением коллаборативных робототехнических систем с учетом нештатных ситуаций и экстремальных условий в недетерминированной среде. Актуальность данной задачи обусловлена необходимостью повышения уровня взаимодействия человека и робота при решении важных производственных задач с учетом экстремальных условий: - динамически изменяющаяся обстановка; - ресурсные ограничения, связанные с энергоснабжением и недостаточностью вычислительных мощностей; - новые (неизвестные ранее) типы задач и необходимость быстрого обучения и переобучения при работе с мелкосерийными производствами; - непредсказуемость человеческого поведения. Актуальность исследования также обосновывается стратегическими задачами, поставленными и утвержденными в Национальной стратегии развития искусственного интеллекта. В проекте предлагается использовать глубокие нейронные сети, нечеткие системы, методы компьютерного зрения для обнаружения и распознавания оператора и объектов, мультимодальный анализ сенсорной информации, анализ и распознавание звука, нечеткий подход к построению сложных многокаскадных систем, методы нечеткого интеллектуального логического вывода, детерминированно-стохастические методы, принципы ситуационного управления, методы синтеза систем управления роботизированными комплексами Научная новизна проекта заключается в предлагаемом комплексе методов, подходов и алгоритмов, направленных на обеспечение эффективного взаимодействия компонентов системы оператор-кобот в условиях динамической неопределенности и возможных нештатных ситуаций. Проект должен быть доведен до стадии разработки самообучающейся адаптивной интеллектуальной системы коллаборативного робота при решении промышленной мелкосерийной задачи. В качестве примера прикладной задачи может быть рассмотрена задача по многоэтапной совместной сборке изделия, состоящего из нескольких деталей, соединяющихся различными способами.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Иванов Ю.С., Горькавый М.А., Сухоруков С.И., Жиганов С.В., Мельниченко М.А., Горькавый А.И., Грабарь Д.М. Collaborative robotic complex efficiency improving: an approach to the intellectualization of the control system Procedia Computer Science (год публикации - 2023)

2. Горькавый М.А., Иванов Ю.С., Мельниченко М.А, Соловьев Д.Б. Generalized Functioning Algorithm and Conceptual Description of the Main Models of a Synergetic System Based on a Collaborative Robot AIP Conference Proceedings (год публикации - 2023)

3. Горькавый М.А., Иванов Ю.С., Грабарь Д.М., Соловьев Д.Б. Hybrid model process design of joint operator-robot interaction within a synergistic system AIP Conference Proceedings (год публикации - 2023)

4. Горькавый М.А., Тюрина Ю.А., Иванов Ю.С., Грабарь Д.М. Human Factor Modelling in the Collaborative Robotic Process Control System Lecture Notes in Mechanical Engineering (год публикации - 2023)

5. Иванов Ю.С., Горькавый М.А., Грабарь Д.М. Анализ устойчивости предиктивных моделей к состязательным атакам в робототехнических комплексах Ученые записки Комсомольского-на-Амуре государственного технического университета, 65, 2023, 109-115 (год публикации - 2023)
10.17084/20764359-2023-65-109

6. Иванов Ю.С., Грабарь Д.М. Управление коллаборативным роботом посредством голосового управления и машинного обучения Производственные технологии будущего: от создания к внедрению : Материалы VI Международной научно-практической конференции молодых ученых, 348-351 (год публикации - 2023)

7. Горькавый М.А., Иванов Ю.С., Грабарь Д.М. Identification of the Functioning Modes of a Robotic Technological Process Based on a Discrete-Event Model 2023 International Russian Automation Conference (RusAutoCon), International Russian Automation Conference (RusAutoCon), 796-800 (год публикации - 2023)
10.1109/RusAutoCon58002.2023.10272878

8. Горькавый М.А., Гудим А.С., Ворощенко В.Д. Modeling of Operator Poses in an Automated Control System for a Collaborative Robotic Process 2023 International Russian Automation Conference (RusAutoCon), International Russian Automation Conference (RusAutoCon), 680-684 (год публикации - 2023)
10.1109/RusAutoCon58002.2023.10272830

9. Сухоруков С.И., Лямин М.А., Иванов Ю.С. Features of the Formation of the Movement Queue in the Implementation of External Control of a Collaborative Robotic Complex 2023 International Russian Automation Conference (RusAutoCon), International Russian Automation Conference (RusAutoCon), 998-1003 (год публикации - 2023)
10.1109/RusAutoCon58002.2023.10272912

10. Иванов Ю.С., Грабарь Д.М., Жиганов С.В. Исследование нейросетевых алгоритмов прогнозирования движений человека на базе LSTM и трансформеров Doklady Mathematics (год публикации - 2023)
10.1134/s1064562423701624

11. Иванов Ю.С., Грабарь Д.М. Исследование методов и алгоритмов распознавания образов на изображениях Ученые записки Комсомольского-на-Амуре государственного технического университета (год публикации - 2023)

12. Иванов Ю.С., Грабарь Д.М. Использование метода soft actor critic для перемещения коллаборативного робота в заданную позицию Наука, инновации и технологии: от идей к внедрению Материалы Всероссийской научно-практической конференции молодых учёных (год публикации - 2023)

13. Горькавый М. А., Горькавый А. И., Мельниченко М. А., Егорова В. П. Автоматизация расчета кинематики шестиосевого промышленного робота и моделирование его траекторных перемещений Ученые записки Комсомольского-на-Амуре государственного технического университета (год публикации - 2023)

14. Горькавый М.А., Ворощенко В.Д. Особенности идентификации коллизий объектов в недетерминированной среде коллаборативного роботизированного техпроцесса Наука, инновации и технологии: от идей к внедрению Материалы Всероссийской научно-практической конференции молодых учёных (год публикации - 2023)

15. Мельниченко М. А., Горькавый М.А., Иванов Ю.С., Горькавый А. И. Development of Reduced Mathematical Models of Robotic Tech-nological Complexes Energy Consumption Lecture Notes in Information Systems and Organisation (год публикации - 2024)

16. Горькавый М.А., Мельниченко М.А., Соловьев В.А., Горькавый А.И. Алгоритм поиска оптимальных параметров движения при прямолинейных технологических переходах коллаборативного робота Ученые записки Комсомольского-на-Амуре государственного технического университета (год публикации - 2024)

17. Горькавый М.А., Мельниченко М.А., Горькавый А.И., Гудим А.С. Синтез нечеткой модели энергопотребления промышленного робота на базе гибридных систем управления электрическим приводом Известия вузов. Электромеханика (год публикации - 2024)

18. Горькавый М.А., Горькавый А.И., Мельниченко М.А. Оптимизация роботизированного технологического процес-са на базе нейросетевой имитационной модели энергопотребления Известия вузов. Электромеханика, 2023. Т. 66. № 2 (год публикации - 2023)
10.17213/0136-3360-2023-2-85-95

19. Горькавый М. А., Иванов Ю.С., Мельниченко М. А. Research the Potential for Energy Saving and Maximizing Productivity in Rectilinear Transitions of a Collaborative Robot International Russian Smart Industry, pp. 912-916 (год публикации - 2024)
10.1109/SmartIndustryCon61328.2024.10515361

20. Ворощенко В. Д., Горькавый М. А Моделирование столкновений подвижных объектов в роботизированном технологическом процессе УЧЕНЫЕ ЗАПИСКИ КОМСОМОЛЬСКОГО-НА-АМУРЕ ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА, 2024. – № 1(73). – С. 82-89 (год публикации - 2024)

21. Лямин М.А., Сухоруков С.И. Алгоритмы обеспечения безопасности оператора коллаборативного робота при реализации внешнего управления Наука без границ : студенческое научное кружковое движение : сборник материалов II международного форума моло-дых ученых, с 853-857 (год публикации - 2023)

22. Иванов Ю.С., Жиганов С.В, Горькавый М.А., Сухоруков С.И., Грабарь Д.М. Using an ensemble of deep neural networks to detect human keypoints in the workspace of a collaborative robotic system Procedia Computer Science (год публикации - 2023)

23. Иванов Ю.С., Грабарь Д.М. Исследование методов калибровки камер промышленного роботизированного комплекса Молодежь и наука: актуальные проблемы фундаментальных и прикладных исследований. Материалы VI Всероссийской национальной научной конференции молодых учёных (год публикации - 2023)

24. Грабарь Д.М., Иванов Ю.С. Гибридный подход к распознаванию действий человека-оператора в коллаборативных роботизированных средах с использованием больших языковых моделей и компьютерного зрения Мехатроника, автоматика и робототехника, №15, с 62-64 (год публикации - 2025)
https://doi.org/10.26160/2541-8637-2025-15-62-64

25. Грабарь Д.М., Мельниченко М.А. Энергоэффективное управление коллаборативным роботом на ос-нове цифрового двойника Молодёжь и наука: актуальные проблемы фундаментальных и прикладных исследований (год публикации - 2025)

26. Аржанников Е.И., Сухоруков С.И. Анализ вариантов реализации систем автоматического нанесения герметика для задач роботизированной сборки Молодёжь и наука: актуальные проблемы фундаментальных и прикладных исследований (год публикации - 2025)

27. Кучерова А.И., Ворощенко В.Д. Исследование возможности повышения эффективности интегра-ции роботизированных комплексов в производственные процессы предприятия Молодёжь и наука: актуальные проблемы фундаментальных и прикладных исследований (год публикации - 2025)

28. Ворощенко В.Д., Кучерова А.И. Анализ существующих проблем автономных мобильных манипуляторов и методов слияния сенсоров Молодёжь и наука: актуальные проблемы фундаментальных и прикладных исследований (год публикации - 2025)

29. Ворощенко В.Д. Разработка концепции системы измерений, идентификации и наблюдения ключевых параметров роботизированных технологических процессов, основанной на датчиках EurasiaScience: Сборник статей LXVIII международной научно-практической конференции (год публикации - 2025)

30. Горькавый М.А., Ворощенко В.Д., Горькавый А.И. Development of RL DDPG agent for planning energy-efficient trajecto-ry of collaborative robot International Russian Smart Industry, 2025, pp. 472-476 (год публикации - 2025)
https://doi.org/10.1109/SmartIndustryCon65166.2025.10986035

31. Мельниченко М.А., Кучерова А.И., Горькавый М.А Mathematical description of atypical scenarios in a robotic process discrete-event model Lecture Notes in Mechanical Engineering (год публикации - 2025)

32. Грабарь Д.М., Жиганов С.В, Иванов Ю.С. A combined approach to the classification and semantic segmentation of production tools through the use of the one-shot learning method Computing Technologies and Applied Mathematics (год публикации - 2025)

33. Мельниченко М.А., Горькавый М.А., Иванов Ю.С., Горькавый А.И. Robotic Technological Processes Optimization in the Context of Digital Transformation of Industry Lecture Notes in Information Systems and Organisation, Springer, Cham., vol 70 (год публикации - 2024)

34. Грабарь Д.М, Горькавый М.А., Иванов Ю.С. Software and Hardware Platform Development for the Synthesis of Adaptive Algorithms and Methods for Controlling the Behavior of Col-laborative Robotic System International Conference on Industrial Engineering, С. 824-830 (год публикации - 2024)
https://doi.org/10.1109/ICIEAM60818.2024.10553878

35. Сухоруков С.И., Лямин М.А. Реализация сглаживания перемещений при управлении колла-боративным роботом Известия высших учебных заведений. Электромеханика (год публикации - 2025)

36. Горькавый М.А., Мельниченко М.А., Соловьев В.А., Горькавый А.И. Анализ эффективности алгоритмов интерполяции траекторий перемещения коллаборативного роботаманипулятора в техноло-гическом процессе сверления Известия высших учебных заведений. Электромеханика, Т. 68. №1. С. 38-48. (год публикации - 2025)
https://elektromekhanika.npi-tu.ru/index.php/electromeh/article/view/2539

37. Горькавый М.А., Мельниченко М.А., Соловьев В.А., Горькавый А.И. Автоматизация выбора метода интерполяции при планировании движения коллаборативного робота в технологических опера-циях механической обработки Проблемы машиностроения и автоматизации (год публикации - 2025)

38. Горькавый М.А., Ворощенко В.Д., Иванов Ю.С. Research of the impact of trajectory algorithms interpolation on energy efficiency and operation execution time for collaborative robots Communications in Computer and Information Science (год публикации - 2025)

39. Иванов Ю.С., Грабарь Д.М., Жиганов С.В, Горькавый М.А., Ильченко Е.С. Improving Safety in Collaborative Robotic Systems through Multimod-al Emotion Recognition Communications in Computer and Information Science (CCIS) Springer (год публикации - 2025)

40. Сухоруков С.И., Лямин М.А., Иванов Ю.С. Architecture of a Collaborative Robotic Complex with an Intelligent Control System International Russian Smart Industry, 2025, pp. 516-521 (год публикации - 2025)
https://doi.org/10.1109/SmartIndustryCon65166.2025.10986061

41. Сухоруков С.И., Лямин М.А. Methodology for Implementing Some of collaborative Functions on an industrial Robot Lecture Notes in Mechanical Engineering (год публикации - 2025)

42. Мельниченко М.А., Горькавый М.А. Разработка интеллектуальной модели повышения энергетической эффективности промышленного робота при выполнении покрасочных операций в авиастроении Материалы VIII научно-практической конференции молодых ученых и специалистов (год публикации - 2025)

Публикации

Аннотация результатов, полученных в 2025 году
Работы третьего этапа были направлены на интеграцию ранее разработанных решений, расширение функционала, а также экспериментальную проверку их эффективности в условиях, близких к производственным. Получены результаты анализа авиастроительных производств, позволившие определить ограничения на область применения предложенных подходов. Сформированы описания типовых производственных процессов. Выявлены ограничения, мешающие реализации процессов на стандартных роботах без участия человека. Проведена экспериментальная проверка решений на производственных примерах. Разработан и создан опытный образец коллаборативного роботизированного комплекса (КРТК), который предназначен для апробации разработанных технических и алгоритмических решений. В качестве основы мультимодальной сенсорной системы, входящей в состав интеллектуальной системы управления КРТК, использовались четыре RGBD-камеры, установленные вокруг рабочей зоны робота, один лидар, набор микрофонов (3 шт). Для модернизации промышленных робототехнических систем был проведен анализ и разработаны схемы модернизации промышленных роботов для реализации коллаборативных функций. Решения учитывают возможность применения оборудования различных производителей, что делает их универсальными для разных предприятий. Разработаны алгоритмы с учётом распределения функций между устройствами управления. Полученный ранее комплекс алгоритмов планирования движений был реализован в виде программно-аппаратного комплекса (ПАК) и дополнен оригинальными решениями для обхода коллизий в редуцированном пространстве. Алгоритмы оптимизированы под специфические задачи авиастроения. ПАК для автоматической корректировки траекторий в реальном времени реализует оптимизацию по критериям: - энергопотребление, - время выполнения операции, - количество уходов от коллизий Были проведены детализированные исследования влияния методов интерполяции и гиперпараметров их настройки на оптимизируемые параметры движения робота для нескольких классов технологических процессов. Расширена функциональность планировщиков под специфические постановки задач КРТК. Выполнены работы по агрегации всех программных наработок, полученных в ходе реализации гранта в виде программного комплекса, включающего набор дискретно-событийных моделей, моделей реального времени, прогнозных моделей, баз знаний, классификаторов состояний, компонентов планирования и оптимизации движения, модулей диагностики и прогнозирования и др Разработан и апробирован алгоритм обучения верхнеуровневым сценариям поведения и взаимодействия с оператором с использованием технологии обучения с подкреплением (RL). Предложен подход, основанный на интеграции онтологического моделирования сценариев (OWL), автоматического планирования действий (PDDL) и RL. Построена многоуровневая архитектура симуляционной среды Gymnasium–PyBullet/Webots с интеграцией ROS2, обеспечивающая реалистичное исполнение сгенерированных планов и взаимодействие с физической моделью коллаборативного робота KUKA iiwa 7 R800. Учтены динамика, нагрузки, ограничения и поведение оператора. Разработан подход использования визуально-лингвистических моделей (VLM), позволяющий формировать цели для робота на основе анализа сцены, её семантики и контекста, включая взаимное расположение объектов, их функции и риски взаимодействия. Проведены научно-исследовательские работы по интеграции разработанных в рамках второго этапа отдельных баз данных опорных конфигураций редуцированных пространств, ассоциируемых с классами технологических операций; баз данных параметров оптимизации, моделей кинематики и динамики; а также алгоритмов планирования движения в детерминированной и недетерминированной среде. Была разработана статическая структура базы знаний, включающая типичные сценарии взаимодействия объектов, построенные на основе технологических процессов сборки, передачи, обработки и контроля изделий. Также реализована динамическая часть базы знаний, предназначенная для регистрации и обработки атипичных сценариев, возникающих в реальных условиях эксплуатации комплекса, с возможностью последующей формализации и включения в основную базу. Дискретно-событийная модель SFX в ROS2 объединяет все разработанные решения и предоставляет интерфейсы управления, мониторинга и визуализации в условиях различной определенности среды. Среднее время отклика составило: 0.08–0.2 с (нетипичные ситуации), 0.13–1.78 с (сценарии с планированием) Разработана экспертная система, осуществляющая интерпретацию текущего состояния рабочей зоны, идентификацию типа происходящего сценария, оценку его соответствия ожидаемым моделям и генерацию рекомендаций для корректирующих действий. Разработан и протестирован прототип пользовательского интерфейса, обеспечивающий визуализацию текущего состояния среды. Апробирован модуль мультимодального распознавания эмоций, объединяющий речь, текст, видео. Он адаптирует поведение робота под эмоциональное состояние оператора, реализуя адаптивную реакцию на неклассифицируемые ситуации. При испытаниях достигнута точность 86% (F1-score), подтверждена работа в реальном времени. Проведён комплекс полунатурных испытаний в симуляции и на оборудовании. Оценена надёжность, адаптивность и безопасность алгоритмов. Протестированы группы сценариев: типовые, нештатные, аварийные. Разработан комплекс технологических инструкций по интеграции предложенных решений в жизненный цикл производственного процесса авиастроительного предприятия Разработана концепция гибридной технико-экономической модели (ТЭМ), оценивающая экономическую эффективность по денежным потокам на основе данных подсистемы планирования движений. Все разработанные алгоритмы были протестированы как с использованием собственных датасетов, так и с использованием публичных наборов данных. Представленные результаты вычислительных экспериментов доказывают эффективность и перспективность предложенных подходов. При реализации и экспериментальных исследованиях предложенных оригинальных алгоритмов для оценки ситуации и управления коллаборативной робототехнической системой было разработано новое и усовершенствованное математическое и программное обеспечение. На отдельные разработанные программные модули были получены 8 Свидетельств о государственной регистрации программы для ЭВМ. (3 зарегистрировано, 5 в статусе заявки) Получен Патент на изобретение №2831288 По результатам проведенных исследований и разработок подготовлены и приняты к публикации 19 статей, 10 из которых индексируются в Scopus и WoS, 3 в RSCI, 3 входят в перечень ВАК. Подготовлены и сделаны доклады на российских и международных конференциях. Все выполненные работы и полученные научные результаты полностью соответствуют цели и поставленным задачам проекта РНФ.

Публикации

Возможность практического использования результатов
Результаты проекта обладают высокой степенью практической значимости и направлены на решение актуальных задач, стоящих перед промышленностью Российской Федерации в условиях перехода к цифровому производству и реализации концепции Индустрии 4.0. Разработанные технологии могут быть использованы в качестве научно-технологического задела при создании нового поколения интеллектуальных производственных систем, обеспечивающих рост эффективности, гибкости и адаптивности роботизированных комплексов. В рамках проекта: Разработан и апробирован опытный образец коллаборативного роботизированного комплекса (КРТК), обеспечивающего безопасную и эффективную совместную работу оператора и робота в едином рабочем пространстве. Созданы алгоритмы адаптивного планирования, прогнозирования поведения оператора и распознавания нештатных ситуаций, которые обеспечивают интеллектуальную поддержку производственных операций, повышение безопасности труда и снижение вероятности аварийных ситуаций. Разработан программно-аппаратный комплекс (ПАК) для автоматической корректировки траекторий, обеспечивающий оптимизацию по критериям производительности, энергопотребления и безопасности. Внедрены методы самообучения и дообучения, включая алгоритмы one-/few-shot классификации, что позволяет адаптировать систему к новым инструментам и сценариям без длительной остановки производства и без привлечения высококвалифицированного персонала. Разработаны технологические инструкции и методики по интеграции решений в жизненный цикл предприятий, включая сценарии модернизации, внедрения в ручные процессы и проектирования новых производственных линий. Проведена апробация решений на базе реального авиастроительного предприятия, подтвердившая техническую реализуемость, промышленную применимость и потенциальную экономическую эффективность. Разработаны методы анализа и прогнозирования экономических эффектов внедрения, включая технико-экономическую модель (ТЭМ), позволяющая на этапе планирования оценить рентабельность использования КРТК. С социальной точки зрения, проект способствует созданию более безопасной и эргономичной среды труда за счёт передачи рутинных и тяжёлых операций роботу, снижает нагрузку на оператора и минимизирует влияние человеческого фактора. Внедрение интеллектуальных производственных систем позволяет сформировать новые рабочие места в сфере цифрового производства, разработки и сопровождения ИИ-систем, тем самым повышая уровень занятости в высокотехнологичных отраслях. Проект формирует прочный научно-технологический задел, направленный на повышение конкурентоспособности российской промышленности, способствует ускорению внедрения интеллектуальной робототехники, и способен оказать прямое влияние на экономический рост и технологический суверенитет Российской Федерации.