Разработка интеллектуальных методов и средств программного управления беспилотными транспортными средствами для сельского хозяйства

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 23-11-00265

НазваниеРазработка интеллектуальных методов и средств программного управления беспилотными транспортными средствами для сельского хозяйства

Руководитель Святов Кирилл Валерьевич, Кандидат технических наук

Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Ульяновский государственный технический университет" , Ульяновская обл

Конкурс №80 - Конкурс 2023 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-520 - Интеллектуальные технологии для робототехнических и мехатронных систем

Ключевые слова беспилотные транспортные средства, аргобот, машинное обучение, нечеткие контроллеры, онтологии, глубокое обучение, навигация, ГИС, автономные транспортные средства

Код ГРНТИ50.01.87

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Разработка и использование беспилотных наземных транспортных средств в сельском хозяйстве является крайне важной задачей по нескольким причинам: недостаток механизаторов приводит к тому, что техника простаивает; недостаточный уровень квалификации механизаторов приводит к снижению урожайности и потерям урожая, химикатов; несоблюдение техники безопасности при обработке химикатами приводит к повышению воздействия вредных факторов на сотрудников сельскохозяйственных предприятий. Использование беспилотного наземного транспорта позволяет избежать этих проблем, повысить урожайность, эффективность сезонного использования техники и снизить влияние вредных факторов на людей, занятых в сельском хозяйстве. Современные автономные системы беспилотного вождения в сельском хозяйстве позволяют либо осуществлять параллельное вождение по геокоординатам без автоматического разворота и без отслеживания препятствий (например, подруливающие устройства с агронавигатором Trimble, FJ Dymnamics, EZ Pilot, Системы точного земледелия и др.), либо на основе средств технического зрения без использования геоинформационной системы (Cognitive AgroPilot) и цифровой карты поля. В данном проекте предлагается разработать методы и средства для автономного беспилотного вождения сельскохозяйственной техникой на основе автоматического планирования пути по цифровым картам полей с использованием методов нечеткой логики, объездом препятствий с использованием средств технического зрения на основе методов глубокого обучения, а также средства для управления исполнительными механизмами сельскохозяйственного назначения (опрыскиватели, разбрасыватели удобрений). Для тестирования предлагаемого комплекса с целью снижения стоимости экспериментирования предлагается разработка виртуального полигона в среде симуляции беспилотных автомобилей с возможностью подключения оборудования БПТС. Для проведения экспериментов в реальной среде планируется разработка прототипа беспилотного автомобиля на базе шасси УАЗ Патриот с установкой оборудования, обеспечивающего возможность беспилотного управления: актуаторы на педали и КПП, подруливающее устройство, агронавигатор, лидар, стереокамеры, вычислительный модуль с GPU, микроконтроллеры и сервоконтроллеры, ультразвуковые датчики и др.. Данный автомобиль будет служить прототипом реально действующего опрыскивателя и разбрасывателя удобрений, построенного компанией Авион (г. Липецк) на базе шасси УАЗ Патриот. Тестирование реального автомобиля планируется осуществлять на базе производителей оборудования и агрохолдингов, с которыми заключены партнерские соглашения. Реализация указанной стратегии предполагает междисциплинарное комбинирование методов обработки данных, физического моделирования и прогнозирования поведения объектов, их траекторного сопровождения, формирования и уточнения команд управления с учетом имеющихся ограничений (в том числе и вычислительных). В рамках предлагаемой работы фокус предлагается сделать на обеспечении взаимоувязанной работы всех подсистем беспилотного автомобиля сельскохозяйственного назначения с учетом особенностей различных дорожных ситуаций и фактических ограничений реального оборудования, размещенного на беспилотном автомобиле «УАЗ Патриот». В результате работ будут в том числе получены необходимые характеристики надежности и эффективности работы указанных методов, а также рекомендации по их применению. Будут предоставлены методы переоборудования типовых транспортных средств для беспилотного управления.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Романов А.А., Святов К.В., Филиппов А.А. Онтология программного управления беспилотными транспортными средствами для сельского хозяйства Научно-технический журнал «Автоматизация процессов управления / Automation of Control Processes», №3 (73) 2023. (год публикации - 2023)
10.35752/1991-2927_2023_3_73_40

2. Святов К.В., Рубцов И.А., Пономарев А.В. Virtual testing ground for the development of control systems for unmanned vehicles in agriculture E3S Web of Conferences, E3S Web of Conferences 458, 08018 (2023) (год публикации - 2023)
10.1051/e3sconf/202345808018

3. Рубцов И.А., Житков Р.В., Михайлов В.С., Святов К.В. МОДЕЛИ И СРЕДСТВА ПРОЕКТРОВАНИЯ ПОДСИСТЕМЫ ИСПОЛНЕНИЯ КОМАНД ВЫСОКОАВТОМАТИЗИРОВАННОГО ТРАНСПОРТНОГО СРЕДСТВА Научно-технический журнал «Автоматизация процессов управления / Automation of Control Processes» (год публикации - 2023)

4. Святов К.В. Architecture of the Computer-Aided Design Toolchain for the Highly-Automated Vehicles 2024 International Russian Automation Conference (RusAutoCon), 2024 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2024, pp. 61-67, doi: 10.1109/RusAutoCon61949.2024.10694645 (год публикации - 2024)
10.1109/RusAutoCon61949.2024.10694645

5. Житков Р.В., Рубцов И.А., Святов К.В. Methods of Code Generation for Data Exchange Module between Electronic Control Units of Highly Automated Vehicles Using Ethernet 2024 International Russian Automation Conference (RusAutoCon), 2024 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2024, pp. 484-491 (год публикации - 2024)
10.1109/RusAutoCon61949.2024.10694241

6. Филиппов А.А., Романов А.А. Construction of a Fuzzy Logical Inference System Based on Semantic Web Technologies 2024 International Russian Automation Conference (RusAutoCon), 2024 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2024, pp. 768-773 (год публикации - 224)
10.1109/RusAutoCon61949.2024.10694476

7. Филиппов А.А., Романов А.А. Integration with Existing Information Systems to Develop a Control System for a Highly Autonomous Vehicle 2024 International Russian Automation Conference (RusAutoCon), 2024 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2024, pp. 757-762 (год публикации - 2024)
10.1109/RusAutoCon61949.2024.10694418

8. Хайруллин И.Д. Constructing obstacle maps for highly automated vehicles using the extended Kalman filter 2024 International Russian Automation Conference (RusAutoCon), 2024 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2024, pp. 277-283 (год публикации - 2024)
10.1109/RusAutoCon61949.2024.10694190

9. Михайлов В.С., Хайруллин И.Д., Святов К.В. Mapping and path planning methods for highly automated vehicles in agriculture Advances in Automation VI - Proceedings of the International Russian Automation Conference, RusAutoCon2024, September 8–14, 2024, Sochi, Russia (год публикации - 2025)

10. Житков Р.В., Михайлов В.С., Рубцов И.А. Methods and Software Tools for Generating Waypoint-Driven Motion Profiles for Highly Automated Vehicles Using Q-Learning 2024 International Russian Smart Industry Conference (SmartIndustryCon), 2024 International Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russian Federation, 2024, pp. 790-795 (год публикации - 2024)
10.1109/SmartIndustryCon61328.2024.10515882

11. Михайлов В.С., Житков Р.В., Святов К.В. Methods of Group Interaction of HAVs in Agricultural Field Processing Tasks IEEE, 2025 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2025, pp. 921-925 (год публикации - 2025)
10.1109/RusAutoCon65989.2025.11177387

12. Рубцов И.А. Fuzzy Logic-Based Gearbox Control for Highly Automated Vehicles Considering Environmental Factors IEEE, 2025 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2025, pp. 908-914 (год публикации - 2025)
10.1109/RusAutoCon65989.2025.11177368

13. Долгов Д.П., Долгов А.П., Хайруллин И.Д. Methods and Software Tools for Converting Road Marking Line Segmentation Mask to Object Representation for Highly Automated Vehicles IEEE, 2025 International Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russian Federation, 2025, pp. 940-945 (год публикации - 2025)
10.1109/SmartIndustryCon65166.2025.10986244

14. Романов А.А., Рубцов И.А., Святов К.В., Филиппов А.А. Построение базы знаний для автономного управления беспилотными транспортными средствами Онтология проектирования. - 2024. - Т. 14., Онтология проектирования. - 2024. - Т. 14. - №1. - C. 94-106 (год публикации - 2024)
10.18287/2223-9537-2024-14-1-94-106

15. Святов К.В., Хайруллин И.Д. Obstacle Avoidance Method with Local Semantic Map Generation for Self-Driving Cars 2024 International Russian Smart Industry Conference (SmartIndustryCon), 2024 International Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russian Federation, 2024, pp. 68-74 (год публикации - 2024)
10.1109/SmartIndustryCon61328.2024.10515916

16. Святов К.В., Рубцв И.А., Житков Р.В., Михайлов В.С., Романов А.А., Фииппов А.А. Algorithm for Controlling an Autonomous Vehicle for Agriculture 2024 7th International Conference on Information Technologies in Engineering Education (Inforino), 2024 7th International Conference on Information Technologies in Engineering Education (Inforino), Moscow, Russian Federation, 2024, pp. 1-7 (год публикации - 2024)
10.1109/Inforino60363.2024.10551965

17. Рубцов И.А. Methods and Tools for Robotization of Gear Shifting Mechanism for Highly Automated Vehicles 2024 International Russian Automation Conference (RusAutoCon), 2024 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2024, pp. 571-577 (год публикации - 2024)
10.1109/RusAutoCon61949.2024.10694513

18. Святов К.В. Meta-Rule Based Cognitive Automation Models for Highly Automated Vehicles Control Systems IEEE, 2025 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2025, pp. 419-424 (год публикации - 2025)
10.1109/RusAutoCon65989.2025.11177325

19. Долгов А.П., Долгов Д.П., Хайруллин И.Д. Instant Road Marking Line Segmentation Method for Highly Automated Vehicles IEEE, 2025 International Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russian Federation, 2025, pp. 923-928 (год публикации - 2025)
10.1109/SmartIndustryCon65166.2025.10986095

20. Житков Р.В., Михайлов В.С., Ванг Л. A DDS-Based Communication Protocol Featuring QoS and Caching for Unmanned Vehicles Data Exchange in Intermittently Connected Agriculture Environments IEEE, 2025 International Russian Automation Conference (RusAutoCon) (год публикации - 2025)
10.1109/RusAutoCon65989.2025.11177284

21. Лапшов Ю.А., Святов К.В. Classification of Objects Based on the Construction of an Enveloping Polygonal Chain for the Highly Automated Vehicles IEEE, 2025 International Russian Smart Industry Conference (SmartIndustryCon), Sochi, Russian Federation, 2025, pp. 246-251 (год публикации - 2025)
10.1109/SmartIndustryCon65166.2025.10986166

22. Хайруллин И.Д. Adaptive EKF SLAM with Semantic Landmark Typing for Robust Navigation of Highly Automated Vehicles IEEE, 2025 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2025, pp. 937-942 (год публикации - 2025)
10.1109/RusAutoCon65989.2025.11177295

23. Филиппов А.А., Гильметдинова Е., Романов А.А. Development of an Algorithm for Path Planning for Highly Autonomous Agricultural Vehicles IEEE, 2025 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2025, pp. 431-436 (год публикации - 2025)
10.1109/RusAutoCon65989.2025.11177433

24. Лапшов Ю.А., Святов К.В., Рубцов И.А. Advance in Robot Navigation over Rough Terrain Using Multimodal LiDAR and Camera Data IEEE, Yuriy A. Lapshov, Kirill V. Svyatov, Ivan A. Rubtsov, "Advance in robot navigation over rough terrain using multimodal LiDAR and camera data," Proc. SPIE 14135, Fifth International Conference on Optics, Computer Applications, and Materials Science (CMSD-V 2025), 141350J (1 April 2026); https://doi.org/10.1117/12.3109470 (год публикации - 2025)
https://doi.org/10.1117/12.3109470

Аннотация результатов, полученных в 2024 году
В отчетном году проведены комплексные исследования и разработки, направленные на создание интеллектуальных методов и средств программного управления высокоавтоматизированными транспортными средствами (ВАТС) для сельского хозяйства. Основное внимание уделено моделированию, планированию движения, управлению навесным и прицепным оборудованием, интеграции с информационными системами, а также обеспечению безопасности при выполнении технологических операций. Создана кинематическая модель ВАТС, адаптированная для учета габаритов транспортного средства и рабочих органов, таких как разбрасыватели удобрений. Основой послужила модифицированная схема Ридса-Шеппа, которая позволяет учитывать зоны обработки и оптимизировать траектории движения. Модель протестирована в виртуальной среде, показав высокую точность выполнения сельскохозяйственных операций, что снижает затраты ресурсов и повышает производительность. Разработан метод обучения с подкреплением на основе алгоритма Q-learning для формирования профиля движения. Метод позволяет адаптировать параметры скорости и углового положения в зависимости от целевых функций, таких как минимизация расхода топлива или максимизация скорости. Использование симулятора с учетом сложных рельефов и динамических условий подтвердило эффективность метода, обеспечив значительное улучшение траекторий движения. Созданы цифровые двойники навесного и прицепного оборудования, включая опрыскиватели, сеялки и разбрасыватели удобрений. Модели интегрированы с виртуальным полигоном, что позволяет отлаживать алгоритмы управления и переносить их на реальные системы. Разработаны цикловые дискретные алгоритмы управления, которые обеспечивают равномерное распределение материалов и оптимизацию работы оборудования в зависимости от текущих условий. Эти подходы продемонстрировали снижение перерасхода ресурсов и повышение точности обработки полей. Разработаны модули интеграции виртуальных моделей с реальными системами управления ВАТС. Это обеспечило перенос разработанных решений из симуляционной среды в реальную, позволив масштабировать и адаптировать систему под различные виды оборудования. Модули обеспечивают надежность работы системы и оперативное внедрение изменений в алгоритмы управления. Внедрены методы автоматизированного построения цифровых карт, которые включают данные о границах полей, препятствиях и зонах обработки. Использование базы данных PostgreSQL с расширением PostGIS обеспечило возможность работы с большими объемами пространственных данных, что стало основой для оптимизации выполнения сельскохозяйственных операций. Для автоматизации работы с данными разработан модуль интеграции системы управления ВАТС с внешними учетными системами. Модуль использует REST API для извлечения информации о полях, типах культур и нормах внесения удобрений, что позволило снизить трудозатраты и повысить точность выполнения операций. Это решение также обеспечивает актуализацию данных в реальном времени, адаптируя технологические операции под изменяющиеся условия. Созданы мультимодальные методы обработки данных от лидара и камеры, интегрированные с системой планирования траекторий. Использование фильтров Калмана и методов семантической сегментации позволило повысить надежность работы системы в условиях изменяющейся внешней среды. Также разработана система построения карты препятствий с использованием данных сенсоров, что значительно повысило уровень безопасности движения. Разработана программная система управления, основанная на ROS2 и интегрированная с виртуальной средой Webots. Система обеспечивает выполнение операций, таких как внесение удобрений, вспашка и посев, с учетом данных сенсоров и цифровых карт. Программная система успешно протестирована как в симуляторе, так и на реальных транспортных средствах, подтвердив свою адаптивность и надежность. Создан прототип агронавигатора, который предоставляет механизаторам возможность мониторинга операций в режиме реального времени. Визуализация данных реализована с использованием OpenLayers и PostgreSQL, что обеспечивает высокую точность отображения и возможность редактирования карт. Прототип интегрирован с системой управления ВАТС, предоставляя агрономам удобный инструмент для анализа и оптимизации технологических процессов. Полученные результаты способствуют развитию технологий беспилотного управления в сельском хозяйстве, повышая производительность и снижая затраты. Работы подтверждены публикациями в ведущих научных журналах и конференциях, что подчеркивает их научную и практическую значимость. Информация в СМИ: Репортаж "Россия 1" (с 08:13): https://smotrim.ru/video/2890550 Сайт УлГТУ: https://ulstu.ru/news/10773/ Участие в хакатоне с разработанным решением ВАТС и интеграцией с нейроинтерфейсом: Телеграм канал Минобрнауки: https://t.me/c/1891931285/2125/2373 Портал Auto.ru: https://auto.ru/mag/article/ulyanovskie-studenty-nauchilis-upravlyat-gazelyu-siloy-mysli/ Rambler: https://auto.rambler.ru/news/53484492-v-rossii-protestirovali-gazel-s-neyroinferfeysom/ mail.ru: https://auto.mail.ru/article/96625-v-rossii-nauchilis-upravlyat-gazelyu-next-siloj-myisli/ газета.ру: https://www.gazeta.ru/tech/news/2024/09/27/24017533.shtml РИА новости: https://ria.ru/20240927/sila_mysli-1974973148.html?utm_source=yxnews&utm_medium=desktop

Публикации

Аннотация результатов, полученных в 2025 году
В 2025 году выполнен комплекс исследований, направленных на развитие методов восприятия, навигации и коллективного управления высокоавтоматизированными транспортными средствами (ВАТС) в условиях пересечённой местности. Разработаны мультимодальные алгоритмы обработки данных лидара и камеры, обеспечивающие построение цифровых моделей рельефа и выделение навигационно значимых объектов, а также семантические методы интерпретации сцены. Созданы адаптивные модели движения, учитывающие свойства поверхности, уклоны и динамику машины, что позволило повысить устойчивость автономной навигации. Параллельно разработаны алгоритмы группового взаимодействия нескольких ВАТС, включая распределение задач, предотвращение конфликтов и синхронизацию поведения в условиях ограниченной связи. Созданы протоколы обмена данными и методы кооперативного картографирования, позволяющие объединять локальные карты в единую модель местности. Виртуальные и полевые испытания подтвердили работоспособность предложенных решений и продемонстрировали возможность их использования в реальных сельскохозяйственных и исследовательских сценариях.

Публикации

Возможность практического использования результатов
Разработанные в ходе проекта методы восприятия, навигации, коллективного взаимодействия и цифрового картографирования создают технологический фундамент для внедрения автономных мобильных систем в агропромышленный комплекс, инженерные обследования и отрасли, связанные с обработкой пространственно распределённых территорий. Использование высокоавтоматизированных транспортных средств позволяет существенно снизить зависимость от сезонного дефицита квалифицированных операторов, повысить эффективность полевых работ, уменьшить производственные затраты и обеспечить стабильное качество выполнения операций в условиях сложного рельефа и ограниченной видимости. Технологии кооперативного картографирования и адаптивного движения по пересечённой местности могут быть внедрены в системы точного земледелия, мониторинга состояния полей, автономного внесения материалов, а также в технические средства инженерной разведки и обеспечения безопасности территорий. Полученные результаты формируют научно-технологический задел для создания отечественных роботизированных платформ, цифровых сервисов управления сельскохозяйственными операциями и интеллектуальных модулей технического зрения, что соответствует приоритетам технологического суверенитета Российской Федерации. Разработанные протоколы взаимодействия, адаптивные модели движения и алгоритмы распределённого управления позволяют масштабировать технологии на парк кооперативных машин, обеспечивая переход к высокоэффективным автономным производственным системам. Практическое применение результатов проекта может привести к снижению затрат труда, увеличению производительности отраслей аграрной экономики, расширению возможностей экологического мониторинга, а также созданию новых высокотехнологичных рабочих мест в сфере робототехники, программной инженерии и цифрового сельского хозяйства.