Как сообщает atomic-energy.ru, команда разработчиков ПО для робототехники 3Logic Group и специалисты крупной добывающей компании протестировали применение робособак для создания 3D-моделей строящихся объектов. Заказчик подтвердил успешность пилотного проекта и свою заинтересованность в использовании робоплатформ в строительстве.

Бионический робот под управлением ПО, разработанным 3Logic Group, проходил заданные маршруты в помещениях стройплощадки в Тюмени. На робособаке было установлено сканирующее оборудование весом 2,5 килограмма. В отличии от колесных платформ робособака свободно перемещалась по помещениям и лестницам, перешагивала через возможные препятствия. Сканирование пространства проводилось непрерывно. На получение 3D-модели объекта площадью 2000 кв метров было затрачено 12 минут. Геодезисту высокой квалификации на выполнение этой задачи требуется до 72 часов. При этом отклонения в 3D-модели помещения, полученного с помощью робота, составили не более 2 сантиметров.

Применение мобильных четырехопорных роботов возможно в дневное и ночное время. Это особенно важно для строительных объектов, которые возводятся в условиях полярной ночи.

«Предприятия реального сектора находятся в поиске инструментов, способных повысить эффективность привычных процессов. В мониторинге строительства робоплатформы показали высокую точность в измерениях и скорость: "машина" справилась с геодезическими работами в 360 раз быстрее человека. Вместе с нашим заказчиком мы приблизились к созданию решения, которое позволит получить отличный результат и исключить сотрудников из рутинных задач и сохранить их здоровье», — отмечает Илья Каинов, руководитель направления роботизированных систем 3Logic Group.

Команда разработки 3Logic Group развивает ПО для навигации роботов в пространстве. ПО включает алгоритмы машинного обучения, что позволяет совершенствовать выполняемые устройством операции. Сначала робособака проходит необходимый маршрут под управлением человека с помощью приложения (существует версия для ОС Android). В приложении оператор контролирует работу робота: траекторию движения, обход препятствий, прохождение лестниц, необходимые остановки и пр. Затем технологии машинного обучения позволяют роботу ориентироваться на местности автономно и вмешательство оператора уже не требуется.