АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыМатериалы БРЭСпецпроектыСтать автором
Настроить видСменить язык
О РУВИКИ
Ответ на вопрос

Автономные устройства

Pause

Экспертиза РАН

Logo-ran.pngLogo-ran-black.png
Проводится экспертиза
Российской академией наук
Подробнее
Times2.svg

Экспертиза РАН

Arrow-Right.png
Logo-ran.png
Проводится экспертиза
Российской академией наук
Подробнее

Автоно́мные устро́йства (англ. Autonomous devices) — технические системы, способные в течение продолжительного времени выполнять целевые задачи без непосредственного управления человеком, используя информацию, получаемую из окружающей среды, и принимая решения на основе заложенных алгоритмов и накопленного опыта[1][2][3].

Ключевое отличие автономных устройств от средств автоматизации заключается в способности адаптироваться к изменяющимся условиям: если автомат работает по жёстко заданной программе в предсказуемой среде, то автономное устройство анализирует обстановку в реальном времени, корректирует своё поведение и принимает решения на основе собственных наблюдений[4].

Понятие охватывает широкий класс технических систем — от бытовых роботов-пылесосов и газонокосилок до сложных беспилотных летательных и подводных аппаратов, планетоходов, промышленных транспортных роботов и беспилотных автомобилей. Объединяющим системным свойством всех этих устройств является замкнутый цикл «восприятие — решение — действие», реализуемый с помощью сенсоров, систем обработки данных и исполнительных механизмов[1].

Общие сведения
Автономные устройства
Область использования робототехника, искусственный интеллект, автоматизация, интернет вещей (IoT), транспорт
Дата появления 1960-е годы (первые экспериментальные образцы, например, робот Shakey), массовое внедрение — 2010-е годы
Место появления США (лаборатории искусственного интеллекта, например, SRI International), далее глобальное развитие
Автор понятия Концепция формировалась коллективно (Норберт Винер, Джон Маккарти, Марвин Мински и др.); единого автора термина в современном значении не существует
Ключевые слова автономность, машинное обучение, компьютерное зрение, сенсорная система, беспилотная технология
Базовые понятия робот, алгоритм, датчик, нейронная сеть, обратная связь, кибернетика

Понятие автономности

В теории искусственного интеллекта автономность рассматривается как фундаментальное свойство интеллектуального агента действовать на основе собственного опыта и восприятия окружающей среды, а не только заранее заложенных разработчиком знаний и алгоритмов[4].

Автономность не является бинарным признаком («есть/нет»), а образует непрерывный спектр, начинающийся с телеуправления, при котором каждое действие задаётся оператором в реальном времени, проходящий через режимы надзора, когда устройство выполняет задачи самостоятельно, но под контролем человека, и частичную автономию, при которой система принимает отдельные решения, но критические функции остаются за оператором, и заканчивающийся полной автономией, когда система самостоятельно ставит и решает задачи в рамках заданной миссии без вмешательства человека[5].

Для беспилотных автомобилей этот спектр стандартизован в виде шкалы SAE J3016, определяющей шесть уровней автоматизации (от 0 до 5), где на низших уровнях водитель контролирует большинство функций, а на высших автомобиль полностью управляет всеми аспектами вождения в определённых условиях[6]. Аналогичные градации применяются при описании беспилотных летательных аппаратов, морских судов и промышленных роботов[2].

undefined

Степень достижимой автономности определяется несколькими факторами, среди которых сложность среды — структурированные промышленные помещения проще для навигации, чем городские улицы, надёжность сенсорики и точность датчиков, вычислительные ресурсы и мощность бортовых компьютеров, а также допустимый риск — в областях с высокой ценой ошибки, таких как медицина и авиация, сохраняются режимы с участием человека[7].

История развития

Ранние разработки (1940—1960-е)

В конце 1940-х У. Г. Уолтер создал автономных электромеханических «черепах» (Elmer и Elsie), перемещавшихся без внешнего управления[8][9][10]. В 1961 г. на General Motors появился Unimate, заложивший основы промышленной робототехники[11]. В 1966—1972 гг. в SRI создан Shakey — первый мобильный робот, сочетавший восприятие, планирование и действие[4][12].

Становление (1970—1990-е)

В 1970-е советские луноходы («Луноход-1», 1970; «Луноход-2», 1973) получили элементы автономности для поддержания курса и преодоления препятствий[13]. В 1997 г. Sojourner (миссия Mars Pathfinder) стал первым автономным аппаратом на другой планете, самостоятельно избегавшим опасностей[14][15].

Массовое внедрение (2000—2010-е)

С 2000-х автономные системы вышли за пределы лабораторий: в промышленности распространились AGV[2], а в 2002 г. iRobot начала выпуск роботов-пылесосов Roomba[16]. Конкурсы DARPA Grand Challenge (2004, 2005, 2007) дали импульс разработке автономного транспорта[17][18]. В 2010-е гражданское применение получили дроны[19].

Современный этап (2020-е)

Произошёл качественный скачок: Waymo, Cruise, Яндекс и др. запустили коммерческие сервисы роботакси[20]. Автономные мобильные роботы (AMR) стали стандартом логистики Amazon и Alibaba[21]. Wing, Zipline и др. начали коммерческую доставку дронами[22]. Марсоход Perseverance (2021) получил улучшенные системы автономной навигации и выбора целей[23].

undefined

Устройство и принципы работы

Архитектура автономной системы

Любое автономное устройство построено вокруг замкнутого цикла «восприятие — решение — действие» (sense-plan-act), выполняемого непрерывно в реальном времени[1][24].

undefined

На этапе восприятия сенсорный контур собирает данные о внешней среде и внутреннем состоянии устройства. Для этого используются оптические сенсоры, включая камеры (монокулярные, стерео, 360°) и лидары (лазерные дальномеры), радиолокационные сенсоры — радары для измерения скорости и расстояния, акустические сенсоры — сонары и ультразвуковые дальномеры, инерциальные измерители — акселерометры, гироскопы, магнитометры, системы позиционирования GPS/ГЛОНАСС/Galileo и системы визуальной одометрии, а также тактильные сенсоры — датчики усилия и касания[25].

На этапе обработки и моделирования сырые данные сенсоров преобразуются в осмысленную информацию. Процесс включает сенсорную фузию (sensor fusion) — объединение данных от разнородных датчиков для повышения точности и надёжности[26], SLAM (Simultaneous Localization and Mapping) — одновременную локализацию и построение карты, когда устройство строит карту неизвестной среды и одновременно определяет своё положение на ней[1][27], распознавание объектов — идентификацию препятствий, целей, людей с использованием компьютерного зрения и машинное обучение[28], и семантическое понимание — интерпретацию сцены (дорога, тротуар, здание, пешеход).

На этапе принятия решений на основе модели среды система планирует действия. Этот процесс включает глобальное планирование — построение оптимального маршрута от текущей позиции к цели[29], локальное планирование — обход динамических препятствий и коррекцию траектории в реальном времени, поведенческое планирование — выбор стратегии (объехать, остановиться, уступить дорогу), а также управление неопределённостью — учёт неточности сенсоров и моделей[30].

На этапе исполнения система управления преобразует планы в команды исполнительным механизмам, включая приводы (электромоторы, гидравлику, пневматику), системы управления (ПИД-регуляторы, модельно-предсказывающее управление MPC) и обратную связь для контроля исполнения и коррекции ошибок[1][2].

Аппаратная и программная интеграция

Качество автономии определяется тесной интеграцией аппаратной и программной частей[1][2]. Аппаратная часть включает механизмы перемещения, сенсоры, актуаторы и вычислительные платформы (CPU, GPU, специализированные ускорители ИИ), тогда как алгоритмическая часть охватывает оценку состояния, планирование, машинное обучение и адаптацию[31].

Энергетическая автономность

Отдельным критическим условием практической автономности служит энергетическая самостоятельность[2]. Запас энергии определяется ёмкостью аккумуляторов или топливных элементов, эффективность приводов влияет на оптимизацию энергопотребления, автономная подзарядка обеспечивает возможность автоматически возвращаться на зарядную станцию, а энергетическое планирование учитывает расход энергии при планировании миссий[32]. Эти факторы ограничивают продолжительность работы без вмешательства человека и влияют на архитектуру системы.

Классификация автономных устройств

Автономные устройства классифицируют по нескольким признакам, среди которых среда функционирования, назначение, тип движителя и уровень автономности[2][1].

По среде функционирования выделяют наземные устройства, к которым относятся мобильные роботы общего назначения, автоматически управляемые тележки (AGV), автономные мобильные роботы (AMR), беспилотные автомобили и роботы для инспекции инфраструктуры. Воздушные устройства включают беспилотные авиационные системы (БПЛА/UAV), автономные дроны для доставки и беспилотные вертолёты и самолёты. Водные и подводные устройства представлены необитаемыми надводными аппаратами (USV), необитаемыми подводными аппаратами (UUV/ROV/AUV) и автономными подводными глайдерами. Космические устройства включают планетоходы, автоматические межпланетные станции и орбитальные сервисные аппараты. Устройства для закрытых помещений охватывают бытовых роботов (пылесосы, мойщики окон), сервисных роботов (доставка в отелях, больницах) и роботов для розничной торговли[33].

undefined

По назначению автономные устройства делятся на промышленные, используемые для сварки, покраски, сборки и перемещения грузов, транспортные для перевозки людей и грузов, сервисные для уборки, доставки и сопровождения, исследовательские для научных миссий и разведки, военные и силовые для разведки, обезвреживания и охраны, а также медицинские для хирургии, реабилитации и ухода[2].

По типу движителя различают колёсные, гусеничные, шагающие (двуногие, четвероногие, многоногие), летающие (мультироторные, самолётной схемы, вертолётные), плавающие и подводные, а также гибридные конструкции (например, летающе-плавающие)[25].

По уровню автономности устройства классифицируют как управляемые оператором (уровень 0-1), частично автономные (уровень 2-3), высокоавтономные (уровень 4) и полностью автономные (уровень 5)[6].

Эта классификация условна, поскольку общие принципы восприятия, планирования и управления делают наземный робот, дрон и планетоход разновидностями единого класса киберфизических систем[1][2].

Применение автономных устройств

Промышленность и логистика

Автономные транспортные роботы прошли эволюцию от простых тележек, следующих по магнитной разметке, до интеллектуальных машин, свободно ориентирующихся в цехе и на складе. Автономные мобильные роботы (AGV/AMR) используются для перемещения грузов, комплектации заказов и пополнения производственных линий[2]. Парки из сотен роботов, такие как Amazon Robotics и Alibaba, стали неотъемлемой частью современных распределительных центров[21]. Автономные дроны и наземные роботы применяются для инспекции и мониторинга трубопроводов, линий электропередач и промышленных объектов[2].

Бытовое применение

Автономные устройства стали массовым потребительским товаром. Роботы-пылесосы представляют собой самый распространённый класс автономных машин (iRobot Roomba, Xiaomi Roborock и др.)[16]. Роботы-газонокосилки обеспечивают автономное обслуживание газонов, роботы-мойщики окон выполняют автоматическую очистку остекления, а роботы-компаньоны используются для развлечения и ухода за пожилыми[34].

Сельское хозяйство

Автономная сельскохозяйственная техника трансформирует агробизнес. Дроны и наземные роботы используются для мониторинга посевов и оценки состояния растений. Технологии точного земледелия включают автономное опрыскивание и внесение удобрений. Роботизированная уборка позволяет собирать урожай фруктов и овощей, а автономные тракторы выполняют вспашку, посев и культивацию без оператора[35].

Строительство

В строительстве автономные устройства применяются для обследования площадок с помощью дронов для топографической съёмки и мониторинга прогресса. Автономная техника, включая экскаваторы и бульдозеры с системами автономного управления, выполняет земляные работы. Роботы для отделки осуществляют автономную покраску, штукатурку и укладку плитки[36].

Транспорт

Транспортное направление — одна из наиболее динамичных областей применения автономных устройств. Беспилотные автомобили, разрабатываемые компаниями Waymo, Tesla, Cruise, Яндекс, представляют собой легковые и грузовые автомобили с автономным управлением[20]. Сервисы роботакси предоставляют коммерческие услуги автономных такси, беспилотные грузовики осуществляют автономные перевозки на магистралях, дроны используются для доставки малых грузов, медикаментов и еды, а беспилотные шаттлы и автобусы представляют собой автономный общественный транспорт[37].

Наука и исследования

Автономные аппараты работают там, где присутствие человека невозможно или опасно[14][2]. Космические миссии используют планетоходы (Curiosity, Perseverance) и орбитальные аппараты[23]. Автономные подводные аппараты применяются в океанографии для исследования морского дна. Экологический мониторинг включает наблюдение за климатом, ледниками и вулканами. В зонах чрезвычайных ситуаций автономные устройства работают в зонах радиационных и химических загрязнений, а также после стихийных бедствий[38].

Медицина

В медицине автономность пока ограничена из соображений безопасности. Хирургические роботы (da Vinci и др.) остаются телеуправляемыми инструментами под контролем хирурга[39]. Элементы автономии развиваются в диагностике, особенно в анализе медицинских изображений. Капсульная эндоскопия использует автономную навигацию внутри организма. Реабилитационные роботы обеспечивают автономную адаптацию программ восстановления, а роботы для ухода помогают пожилым и людям с ограниченными возможностями[40].

Военное и силовое применение

В военном и силовом применении автономные устройства используются для разведывательных БПЛА с автономным мониторингом территорий, роботов для обезвреживания (сапёрные роботы), охранных систем с автономным патрулированием, а также поисково-спасательных роботов, работающих в завалах и опасных зонах[2][41].

Безопасность и регулирование

Стандарты безопасности

Безопасность персональных роботов, контактирующих с человеком, регламентирует международный стандарт ISO 13482, устанавливающий требования к конструкциям и системам управления сервисных роботов, включая ограничение усилий и скоростей при контакте[42].

Для промышленных роботов действуют стандарты ISO 10218 (требования безопасности) и ISO/TS 15066 (коллаборативные роботы)[43][44].

Регулирование беспилотной авиации

Эксплуатация беспилотных летательных аппаратов регулируется авиационными правилами, которые определяют допустимые высоты полётов, разрешённые и запретные зоны, требования к регистрации и идентификации, квалификацию операторов и технические требования к аппаратам. В разных странах действуют свои правила: FAA в США, EASA в Европе, Росавиация в России[45][46].

Регулирование беспилотных автомобилей

Для беспилотных автомобилей развиваются таксономия уровней автоматизации SAE J3016 (уровни 0-5)[6], правила дорожного движения для автономных транспортных средств, требования к сертификации систем автоматизированного вождения и стандарты кибербезопасности для защиты от взлома[47].

Ответственность и страхование

Общий принцип регулирования состоит в том, что с ростом автономии ответственность за безопасность смещается с оператора к разработчику и производителю системы. Это требует сертификации программного обеспечения, контроля процессов обновления ПО, систем регистрации событий («чёрные ящики») и специальных схем страхования[48].

Вопросы юридической ответственности за решения, принятые автономной системой, остаются предметом дискуссий и развития законодательства[49].

Проблемы и перспективы развития

Технические проблемы

Основные трудности: работа в недетерминированных средах[2], распознавание редких «крайних случаев»[50], непредсказуемость и сложность верификации ИИ[51], ухудшение работы сенсоров в плохую погоду[52], сложность взаимодействия с людьми[7] и необходимость высокой надёжности[2].

Энергетические ограничения

Рост ёмкости аккумуляторов отстаёт от энергопотребления ИИ; перспективные решения (беспроводная зарядка, новые процессоры, альтернативные источники) находятся в стадии разработки[53][54].

Этические и социальные вопросы

Включают этику принятия решений в критических ситуациях[49], угрозы конфиденциальности из-за сбора данных[55], влияние на занятость[56], необходимость формирования общественного доверия[57] и нерешённые вопросы юридической ответственности.

Перспективные направления

Роевая робототехника[58], интуитивное человеко-роботное взаимодействие[7], пожизненное обучение (lifelong learning)[59], энергоэффективные нейроморфные вычисления[60], высокоточные квантовые сенсоры[61], универсальные автономные системы[1] и биовдохновлённая (мягкая) робототехника[62].

Тренды 2020-х годов

Конвергенция ИИ, 5G, IoT и облачных технологий[2], граничные вычисления[63], использование цифровых двойников для тестирования[64], стандартизация для совместимости[2] и фокус на устойчивом развитии.

Примечания

  1. ↑ 1 2 3 4 5 6 7 8 9 Nikolaus Correll, Bradley Hayes, Christoffer Heckman, Alessandro Roncone. Introduction to Autonomous Robots: Mechanisms, Sensors, Actuators, and Algorithms. — MIT Press, 2022. — С. 1—5. — ISBN 978-0-262-04755-5.
  2. ↑ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Springer Handbook of Robotics / Bruno Siciliano, Oussama Khatib (eds.). — 2nd ed. — Springer, 2016. — С. 7—10. — ISBN 978-3-319-32550-7.
  3. ↑ Королев А. С., Рязанов Д. В. Современные подходы к осмыслению понятия автономности технических систем // International Journal of Open Information Technologies. — 2022. — № 12.
  4. ↑ 1 2 3 Stuart Russell, Peter Norvig. Artificial Intelligence: A Modern Approach. — 3rd ed. — Prentice Hall, 2010. — ISBN 978-0-13-604259-4.
  5. ↑ Mica R. Endsley. From Here to Autonomy: Lessons Learned From Human–Automation Research // Human Factors. — 2013. — Т. 59, № 1. — С. 5—27. — doi:10.1177/0018720816681350.
  6. ↑ 1 2 3 SAE J3016: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles. — SAE International, 2021.
  7. ↑ 1 2 3 Michael A. Goodrich, Alan C. Schultz. Human-Robot Interaction: A Survey // Foundations and Trends in Human-Computer Interaction. — 2008. — Т. 1, № 3. — С. 203—275. — doi:10.1561/1100000005.
  8. ↑ Owen Holland. Machina Speculatrix Revisited // Connection Science. — 2003. — Т. 15, № 2—3. — С. 101—113. — doi:10.1080/09540090310001611741.
  9. ↑ W. Grey Walter. The Living Brain. — Duckworth, 1953.
  10. ↑ Ильинский А. Длинный путь черепашки: От Machina Speculatrix до инструмента изучения социальных беспорядков // Коммерсантъ.
  11. ↑ George C. Devol. Programmed Article Transfer. — 1961.
  12. ↑ Nils J. Nilsson. Shakey the Robot. — SRI International, 1984.
  13. ↑ A. L. Kemurdzhian. The Planetovets and the Small Self-Propelled Apparatus // Proceedings of the 2nd International Conference on Robotics and Applications. — 1993. — С. 89—94.
  14. ↑ 1 2 Mars Pathfinder // NASA.
  15. ↑ Matthew P. Golombek и др. Overview of the Mars Pathfinder Mission and Launch Through Landing and Surface Operations // Journal of Geophysical Research. — 1997. — Т. 102, № E17. — С. 39857—39867.
  16. ↑ 1 2 iRobot Corporation Annual Report 2002. — iRobot, 2002.
  17. ↑ Sven Beiker. History and Status of Automated Driving in the United States // Road Vehicle Automation / Gereon Meyer, Sven Beiker (eds.). — Springer, 2014. — С. 61—70. — ISBN 978-3-319-05989-1.
  18. ↑ Martin Buehler, Karl Iagnemma, Steven Singh. The 2005 DARPA Grand Challenge: The Great Robot Race // Journal of Field Robotics. — 2007. — Т. 24, № 10. — С. 791—792.
  19. ↑ Костин А. С., Богатов Н. В. Рынок беспилотных летательных аппаратов в России и мире. Современные тренды и перспективы развития // Системный анализ и логистика : журнал. — СПб.: ГУАП, 2019. — № 4(22). — С. 65—72.
  20. ↑ 1 2 Waymo Safety Report 2020. — Waymo LLC, 2020.
  21. ↑ 1 2 Amazon Robotics: Meet the robots inside fulfillment centers. — Amazon, 2019.
  22. ↑ Evan Ackerman. Zipline's Autonomous Delivery Network // IEEE Spectrum. — 2023.
  23. ↑ 1 2 Mars 2020 Perseverance Rover // NASA.
  24. ↑ Rodney A. Brooks. A Robust Layered Control System for a Mobile Robot // IEEE Journal on Robotics and Automation. — 1986. — Т. 2, № 1. — С. 14—23.
  25. ↑ 1 2 Roland Siegwart, Illah R. Nourbakhsh, Davide Scaramuzza. Introduction to Autonomous Mobile Robots. — 2nd ed. — MIT Press, 2011. — ISBN 978-0-262-01535-6.
  26. ↑ David L. Hall, James Llinas. Handbook of Multisensor Data Fusion. — 2nd ed. — CRC Press, 2008. — ISBN 978-1-4200-5308-1.
  27. ↑ Hugh F. Durrant-Whyte, Tim Bailey. Simultaneous Localization and Mapping: Part I // IEEE Robotics & Automation Magazine. — 2006. — Т. 13, № 2. — С. 99—110.
  28. ↑ Richard Szeliski. Computer Vision: Algorithms and Applications. — Springer, 2022. — ISBN 978-3-030-34371-2.
  29. ↑ Steven M. LaValle. Planning Algorithms. — Cambridge University Press, 2006. — ISBN 978-0-521-86209-7.
  30. ↑ Sebastian Thrun, Wolfram Burgard, Dieter Fox. Probabilistic Robotics. — MIT Press, 2005. — ISBN 978-0-521-86205-9.
  31. ↑ Handbook of Robotics / Bruno Siciliano, Oussama Khatib (eds.). — Springer, 2009. — ISBN 978-3-540-23957-4.
  32. ↑ Jaiem L., Druon S., Lapierre L., Crestani D. A Step Toward Mobile Robots Autonomy: Energy Estimation Models // Towards Autonomous Robotic Systems: TAROS 2016 (англ.) / Alboul L., Damian D., Aitken J. (eds). — Springer, 2016. — Vol. 9716. — (Lecture Notes in Computer Science). — doi:10.1007/978-3-319-40379-3_18.
  33. ↑ Matthews P., Greenspan S. Automation and Collaborative Robotics: A Guide to the Future of Work (англ.). — Berkeley, CA: Apress, 2020. — ISBN 978-1-4842-5963-4. — doi:10.1007/978-1-4842-5964-1.
  34. ↑ Koay K. L., Syrdal D. S., Ashgari-Oskoei M. и др. Social Roles and Baseline Proxemic Preferences for a Domestic Service Robot (англ.) // International Journal of Social Robotics. — 2014. — Vol. 6. — P. 469—488. — doi:10.1007/s12369-014-0232-4.
  35. ↑ Aviv Bechar, Clément Vigneault. Agricultural Robots for Field Operations: Concepts and Components // Biosystems Engineering. — 2016. — Т. 149. — С. 94—111. — doi:10.1016/j.biosystemseng.2016.06.014.
  36. ↑ Automation and Robotics in the Architecture, Engineering, and Construction Industry (англ.) / Jebelli H., Habibnezhad M., Shayesteh Sh., Asadi S., Lee S. H. (eds.). — Cham: Springer, 2022. — ISBN 978-3-030-77162-1. — doi:10.1007/978-3-030-77163-8.
  37. ↑ Todd Litman. Autonomous Vehicle Implementation Predictions. — Victoria Transport Policy Institute, 2020.
  38. ↑ Robin R. Murphy. Introduction to AI Robotics. — 2nd ed. — MIT Press, 2019. — ISBN 978-0-2620-3848-5.
  39. ↑ Taylor R. H., Menciassi A., Fichtinger G., Dario P. Medical Robotics and Computer-Integrated Surgery // Springer Handbook of Robotics (англ.) / Siciliano B., Khatib O. (eds.). — Berlin, Heidelberg: Springer, 2008. — doi:10.1007/978-3-540-30301-5_53.
  40. ↑ Maciejasz P., Eschweiler J., Gerlach-Hahn K. и др. A survey on robotic devices for upper limb rehabilitation (англ.) // Journal of NeuroEngineering and Rehabilitation. — 2014. — Vol. 11, no. 3. — doi:10.1186/1743-0003-11-3.
  41. ↑ Autonomous Systems: Issues for Defence Policymakers. — NATO STO, 2015.
  42. ↑ ISO 13482:2014 Robots and robotic devices — Safety requirements for personal care robots. — International Organization for Standardization, 2014.
  43. ↑ ISO 10218-1:2011 Robots and robotic devices — Safety requirements for industrial robots. — International Organization for Standardization, 2011.
  44. ↑ ISO/TS 15066:2016 Robots and robotic devices — Collaborative robots. — International Organization for Standardization, 2016.
  45. ↑ FAA Drone Regulations. — Federal Aviation Administration.
  46. ↑ EASA Drone Regulations. — European Union Aviation Safety Agency.
  47. ↑ Automated Vehicles Comprehensive Plan. — U.S. Department of Transportation, 2021.
  48. ↑ Coca-Vila I. Self-driving Cars in Dilemmatic Situations: An Approach Based on the Theory of Justification in Criminal Law (англ.) // Criminal Law and Philosophy. — 2018. — Vol. 12. — P. 59—82. — doi:10.1007/s11572-017-9411-3.
  49. ↑ 1 2 Patrick Lin. Why Ethics Matters for Autonomous Cars // Autonomous Driving. — Springer, 2016. — С. 69—85.
  50. ↑ Philip Koopman, Michael Wagner. Challenges in Autonomous Vehicle Testing and Validation // SAE International Journal of Transportation Safety. — 2016. — Т. 4, № 1. — С. 15—24. — doi:10.4271/2016-01-0128.
  51. ↑ Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение = Deep Learning. — Вильямс, 2017. — 652 с. — ISBN 978-5-97060-618-6.
  52. ↑ Bellone M., Ismailogullari A., Müür J., Nissin O., Sell R., Soe R. M. Autonomous Driving in the Real-World: The Weather Challenge in the Sohjoa Baltic Project // Towards Connected and Autonomous Vehicle Highways (англ.) / Hamid U. Z. A., Al-Turjman F. (eds.). — Cham: Springer, 2021. — (EAI/Springer Innovations in Communication and Computing). — doi:10.1007/978-3-030-66042-0_9.
  53. ↑ Уитакер М., Бочарников И. Energy Harvesting. Новый этап в развитии автономных устройств // Компоненты и Технологии. — 2010. — № 109.
  54. ↑ Курченко Н. Ю., Баракин Н. С. Моделирование режимов работы автономного источника для беспилотных летательных аппаратов в программе Simintech // Известия Санкт-Петербургского государственного аграрного университета. — 2023. — № 5 (74). — doi:10.24412/2078-1318-2023-574-113-120.
  55. ↑ Ryan Calo. Robotics and the New Cyberlaw // SSRN Electronic Journal. — 2014. — doi:10.2139/ssrn.2402972.
  56. ↑ Erik Brynjolfsson, Andrew McAfee. The Second Machine Age. — W. W. Norton & Company, 2014. — ISBN 978-0-393-23935-5.
  57. ↑ P. A. Hancock и др. A Meta-Analysis of Factors Affecting Trust in Human-Robot Interaction // Human Factors. — 2011. — Т. 53, № 5. — С. 517—527. — doi:10.1177/0018720811417254.
  58. ↑ M. Brambilla и др. Swarm Robotics: A Review from the Swarm Engineering Perspective // Swarm Intelligence. — 2013. — Т. 7, № 1. — С. 1—41. — doi:10.1007/s11721-012-0075-2.
  59. ↑ Kasaei S. H., Melsen J., van Beers F. и др. The State of Lifelong Learning in Service Robots (англ.) // Journal of Intelligent & Robotic Systems. — 2021. — Vol. 103, no. 8. — doi:10.1007/s10846-021-01458-3.
  60. ↑ P. A. Merolla и др. A Million Spiking-Neuron Integrated Circuit with a Scalable Communication Network and Interface // Science. — 2014. — Т. 345, № 6197. — С. 668—673. — doi:10.1126/science.1254642.
  61. ↑ C. L. Degen, F. Reinhard, P. Cappellaro. Quantum Sensing // Reviews of Modern Physics. — 2017. — Т. 89, № 3.
  62. ↑ Daniela Rus, Michael T. Tolley. Design, Fabrication and Control of Soft Robots // Nature. — 2015. — Т. 521. — С. 467—475. — doi:10.1038/nature14543.
  63. ↑ Weisong Shi и др. Edge Computing: Vision and Challenges // IEEE Internet of Things Journal. — 2016. — Т. 3, № 5. — С. 637—646. — doi:10.1109/JIOT.2016.2579198.
  64. ↑ Fei Tao и др. Digital twin and big data towards smart manufacturing and industry 4.0: 360 degree comparison // IEEE. — 2018. — Т. 6. — С. 3585—3593.

Список литературы

Дополнительно по теме

Категории

Pause