Многослойные карты стоимости

Слой статической карты находится в основании многослойной структуры и отражает все известные статические препятствия до начала навигации. Такой слой может быть построен с помощью алгоритма SLAM или создан по архитектурному плану^[1].

Если в матрице статической карты ${\displaystyle M^{sta}}$ реальная точка ${\displaystyle (x^{w},y^{w})}$ соответствует индексу элемента ${\displaystyle (x,y)}$, пример правила формирования слоя может быть записан так:

${\displaystyle M_{x,y}^{sta}={\begin{cases}254&(x^{w},y^{w}){\text{ занято}}\\0&{\text{иначе}}\end{cases}}\;}$

Слой препятствий отражает объекты, обнаруженные сенсорами робота в процессе навигации. Поскольку зона обзора сенсора ограничена, этот слой обновляется только в области, находящейся в зоне действия сенсоров^[1].

Пусть в сцене есть только один сенсор, закреплённый на роботе, его зона действия — квадрат со стороной ${\displaystyle 2L}$, а координаты робота — ${\displaystyle (x^{r},y^{r})}$. Если в матрице слоя препятствий ${\displaystyle M^{obs}}$ реальная точка ${\displaystyle (x^{w},y^{w})}$ соответствует индексу ${\displaystyle (x,y)}$, то правило определения слоя записывается так:

${\displaystyle M_{x,y}^{obs}={\begin{cases}254&(x^{w},y^{w}){\text{ занято}}\\0&{\text{иначе}}\end{cases}}\;}$

при условии ${\displaystyle x^{r}-L<x^{w}<x^{r}+L}$ и ${\displaystyle y^{r}-L<y^{w}<y^{r}+L}$.

Слой инфляции формирует вокруг каждого препятствия буферную зону, чтобы робот не приближался к ним слишком близко. При этом учитываются препятствия как из слоя статической карты, так и из слоя препятствий. В слое инфляции ячейки, находящиеся дальше от препятствия, имеют меньшую стоимость.

Правила инфляции могут свободно разрабатываться в зависимости от особенностей среды и робота. Например, можно использовать две пороговые величины и функцию. Пусть максимальный радиус робота равен ${\displaystyle R}$. Если в матрице слоя инфляции ${\displaystyle M^{inf}}$ реальная точка ${\displaystyle (x^{w},y^{w})}$ соответствует индексу ${\displaystyle (x,y)}$, то инфляция может рассчитываться так:

${\displaystyle M_{x,y}^{inf}={\begin{cases}254&dis(x^{w},y^{w})<R\\0&dis(x^{w},y^{w})>3\cdot R\\127\cdot (3-dis(x^{w},y^{w})/R)&{\text{иначе}}\end{cases}}\;}$

где функция ${\displaystyle dis(x^{w},y^{w})}$ обозначает расстояние от точки ${\displaystyle (x^{w},y^{w})}$ до ближайшего препятствия.

В дистрибутиве ROS 2 Kilted Kaiju (май 2025 г.) была представлена концепция слоя-контейнера для плагинов (англ. Plugin Container Layer). Этот новый тип слоя позволяет группировать несколько других слоёв в один, что открывает возможности для более сложных конфигураций. Например, это позволяет по-разному «раздувать» (англ. inflate) препятствия, обнаруженные разными сенсорами, в рамках одной и той же карты стоимости^[3].

Проксемический слой отражает социальное пространство вокруг пешеходов — как движущихся, так и стоящих на месте.

• Движущиеся пешеходы не желают появления препятствий на пути своего движения, поэтому в проксемическом слое «цена» движения в этом направлении увеличивается^[4].
• Неподвижные пешеходы испытывают дискомфорт, если робот приближается к ним сзади — в проксемическом слое стоимость прохождения за их спиной повышается^[5].

В ряде стран, как и в автомобильных правилах, существует привычка придерживаться правой стороны при движении по тротуарам и коридорам. В слое обгона стоимость передвижения справа от пешехода устанавливается выше, что направляет робота обходить людей слева при наличии такой возможности^[6].

В дистрибутивах ROS 2 2024—2025 годов были представлены два различных механизма для повышения безопасности навигации, работающих на разных уровнях планирования.

В дистрибутиве Jazzy Jalisco (май 2024 года) был усовершенствован узел nav2_collision_monitor^[7]. Он представляет собой реактивную систему безопасности, которая работает как низкоуровневый фильтр команд скорости (cmd_vel) для экстренной остановки или замедления робота при риске неминуемого столкновения^[8]. Ключевым нововведением стала функция полигонов, изменяемых в зависимости от скорости (англ. Velocity-Scheduled Polygons), которая позволяет задавать различные по форме и размеру зоны безопасности вокруг робота в зависимости от его текущей скорости, например, увеличивая зону при движении вперёд и уменьшая при вращении на месте^[9].

В свою очередь, в дистрибутиве Kilted Kaiju (май 2025 года) в состав сервера маршрутов nav2_route была добавлена операция CollisionMonitor^[10]. Это проактивный инструмент планирования, который проверяет будущий участок запланированного маршрута на наличие коллизий с препятствиями, появившимися на карте стоимости уже после построения пути. Если путь оказывается заблокирован, система может инициировать его перепланирование^[11].

Таким образом, nav2_collision_monitor обеспечивает немедленное предотвращение столкновений на уровне выполнения команд, в то время как операция CollisionMonitor в nav2_route работает на стратегическом уровне, проверяя валидность долгосрочного маршрута^[7][10].

Для координации движения нескольких автономных мобильных роботов (англ. Autonomous Mobile Robots, AMR) в общем пространстве разрабатываются подходы, использующие специализированные слои стоимостных карт. Эти слои позволяют управлять трафиком и предотвращать конфликты между роботами. В научных работах предложены следующие типы слоёв^[12]:

• Слой запретных зон (англ. Prohibition Layer) — позволяет пользователю задавать области, в которые роботам запрещён въезд.
• Слой полос движения (англ. Lane Layer) — организует одностороннее движение на определённых участках, например, в узких коридорах.
• Слой флота (англ. Fleet Layer) — помогает роботам избегать столкновений друг с другом путём динамического добавления на карту стоимости информации о местоположении других роботов.
• Слой регионов (англ. Region Layer) — даёт возможность одному роботу временно зарезервировать эксклюзивную зону (например, перекрёсток), заставляя других роботов ожидать за её пределами.

По состоянию на 2025 год данные слои являются предметом исследований и существуют в виде отдельных реализаций, но не входят в стандартный состав стека навигации Nav2 в дистрибутивах ROS 2^[13][14].

Наблюдается тенденция к объединению карт стоимости с нейросетями и большими языковыми моделями (англ. Large Language Models, LLM) для более интеллектуальной навигации и планирования^[15].

Одним из направлений является оптимизация хранения карт. Учёные из ФИЦ ИУ РАН разработали метод построения навигационных карт в виде топологических карт — сети взаимосвязанных локаций (например, коридоров и комнат) вместо традиционных плотных сеток. Этот подход использует нейронные сети для сопоставления данных с датчиков и описаний локаций, что, по заявлениям разработчиков, требует в 5-6 раз меньше оперативной памяти для хранения карт при сопоставимой эффективности^[16].

Другое направление — использование LLM для высокоуровневого планирования задач. Предложена архитектура, в которой несколько языковых моделей используются для послойной декомпозиции сложных заданий. В этой системе визуально-языковая модель (англ. Visual-Language Model, VLM) выступает в роли сенсора, воспринимая окружение. Эта информация объединяется с целью задачи в основной LLM, которая генерирует план движения, адаптированный к текущей среде. Результат представляется в виде «тепловой карты» (англ. heatmap), которая может быть интерпретирована как слой стоимостной карты для навигационной системы робота^[17].

• Метод очень гибок: нужные слои могут быть свободно добавлены, изменены или удалены по усмотрению пользователя для адаптации к разным условиям навигации.
• Обновление карты происходит быстро, поскольку изменяется только область, охваченная сенсорами, что снижает время реакции робота в экстренных случаях.

• Все слои многослойной стоимостной карты имеют одинаковый размер и разрешение, что увеличивает объём памяти, необходимый для хранения данных. Для решения этой проблемы разрабатываются методы, основанные на нейронных сетях, которые строят топологические карты и, по заявлениям, требуют в 5-6 раз меньше памяти.