Robotikas un mašīnuztveres laboratorija

RuM laboratorija izstrādā tehnoloģijas, kas ļauj datorizētām sistēmām uztvert pasauli, to interpretēt, pieņemt lēmumus un rīkoties. Mēs uzskatām, ka robotika, mākslīgā uztvere un mākslīgais intelekts spēlēs arvien lielāku lomu cilvēces attīstībā, gan ikdienas dzīvē, gan industrijā un ekonomikā, gan politikā. EDI RuM mērķis ir kļūt par nozīmīgu spēlētāju šīs nākotnes veidošanā, panākot, ka mūsu rezultāti un izstrādātās tehnoloģijas ir ne tikai novērtēti savā zinātnes jomā, bet arī veicina cilvēku labklājību, drošību un veselību. Ar šādu mērķi, līdz šim laboratorijas tehnoloģijas esam attīstījuši un pielāgojuši dažādiem lietojumiem medicīnas, industrijas, lauksaimniecības un mobilitātes jomās.

Atslēgas vārdi:

• mašīnmācīšanās, dziļie neironu tīkli, sintētiski apmācības dati,
• mākslīgais intelekts - izskaidrojams, ģenerējošs, fizikā balstīts,
• automatizācija, industriālie roboti, reālā laika vadība, mobili roboti,
• iegultā inteliģence un datorredze,
• programmu sintēze.

Laboratorijā darbojas četras grupas - no kurām trīs fokusējas uz dažādiem māklsīgā intelekta tehnoloģiju aspektiem un viena specializējas robotikas pētījumos.

Ph. D. Jāņa Ārenta vadītās robotikas grupas ilgtermiņa mērķi ir vērsti uz to, lai ļautu robotiem efektīvi darboties sarežģītās, nestrukturētās vidēs un netraucēti sadarboties ar cilvēkiem. Lai to sasniegtu, mūsu darbs ir koncentrēts uz autonomas mobilās navigācijas pamata iespēju attīstīšanu nestrukturētās vidēs, kā redzams tādos projektos kā VIZTA, EdgeAI un MOTE, kas pēta datorredzes un citu sensoru modalitāšu izmantošanu uztverei un semantiskai ainas interpretācijai. Galvenais mērķis ir aprīkot robotus ar spēju veikt vispārēja nolūka manipulācijas un mijiedarbību, ko ilustrē mūsu darbs industriālajā manipulācijā TRINITY un IMOCO4.E ietvaros, kā arī mūsu centieni nodrošināt robotu un cilvēku mijiedarbību caur tādiem projektiem kā AI4DI. Tas ietver ne tikai uzlabotu uztveri, bet arī augsta līmeņa spriešanas un uzdevumu izpildes attīstību, kur tādi projekti kā EdgeAI koncentrējas uz dabiskās valodas instrukciju parsēšanu un to pamatošanu vides kontekstā, izmantojot kompaktus, interpretējamus mākslīgā intelekta modeļus. Turklāt mēs esam apņēmušies integrēt uzlabotu uztveri un sensorus, ieskaitot nekonvencionālas modalitātes, ar tādiem projektiem kā MOTE un EdgeAI, kas pielāgo atvērtā tipa semantisko uztveri reālās pasaules apstākļiem un reāllaika ierobežojumiem, ļaujot ātri integrēt jaunus novērojumus un uzdevumam specifisku informācijas ieguvi, piemēram, šķērsojama pamata segmentāciju. Mūsu darbs pēdējos gados, ieskaitot semantiskās ainas interpretācijas (MOTE), dabiskās valodas pamatošanas (EdgeAI) un cilvēku mijiedarbības (AI4DI) attīstību, ir tieši veicinājis šos mērķus, ļaujot robotiem saprast un darboties atvērtās, dinamiskās vidēs. Mēs esam arī koncentrējušies uz uztveres sistēmu izstrādi, kas var efektīvi darboties reālās pasaules apstākļos un reāllaika ierobežojumos, kā parādīts MOTE un EdgeAI, un plānošanas sistēmu izveidi, kas var saprast dabiskās valodas instrukcijas un pamatot tās vidē, izmantojot efektīvus mākslīgā intelekta modeļus, kas ir EdgeAI galvenais aspekts. Ar šiem nepārtrauktajiem centieniem mēs veidojam nākotni, kurā roboti var darboties autonomi un sadarbīgi plašā sarežģītu reālās pasaules scenāriju klāstā.

Dr. sc. comp. Kaspara Sudara grupas mērķi ir izstrādāt labāku mākslīgu intelektu, kas vestu pie zinātniskās izcilības, kā arī izstrādāt mākslīgajā intelektā balstītu tehnoloģiju, kas vestu pie komercializācijas iespējām. Galvenā grupas tēma ir izskaidrojošais mākslīgais intelekts un tā metodes. Šajā virzienā grupa pēta fundamentālos mākslīgā intelekta modeļus viedo sistēmu izstrādei un izmanto izskaidrojamo mākslīgo intelektu, lai identificētu atbilstošās datu iezīmes, kas ir atbildīgas par mākslīgā intelekta lēmumu pieņemšanu. Izskaidrojam MI ir īpaši svarīgi veselības aprūpes lietojumos, par kuriem grupa ir veikusi nacionālo grantu projektus OSTAK un LU-AIDA. Tāpat grupa arī veic dziļo neironu tīklu modeļu apmācību dažādu nozaru lietišķajos pielietojumos ar augstu tehnoloģijas gatavības līmeni (TRL).

Dr. sc. comp. Kārļa Freivalda vadītās grupas vispārējais zinātniskais virziens ir mašīnmācīšanās(ML)/mākslīgais intelekts (MI). Papildvirziens arī dažādu matemātisku algoritmu radīšana un pielietošana un inovarīvu ierīču radīšana, uz matematāsku algoritmu pamata. Svarīgākais pielietojums šobrīd ir robotikā, piemēram starptautiska projeka AIMS5.0 ietvaros. Papildus grupa darbojas ar fundamentālām mākslīgā intelekta tēmām - fizikā balstīts MI un preogrammu sintēze.

Laboratorijas vadītāja Dr. sc. ing. Roberta Kadiķa grupa darbojas ar datorredzes uzdevumu (objektu detektēšana, attēlu klasificēšana un segmentēšana) risināšanu gan ar mašīnmācīšanās metodēm, gan ar klasiskām attēlu apstrādes pieejām. Būtiska pētniecības joma ir ģenerējošais MI (ģenerējošie tīkli-pretinieki, difūzijas modeļi), kuru lietojam sintētisku apmācības datu ģenerēšanai. Piemēram, ERAF projekta AimOOC ietvaros ģenerējošais MI tika lietots uz čipa kultivētu orgānu attēlu sintēzei, lai ar tiem apmācītu attēlu klasifikatorus kultivēšanas procesa automatizēšanai. Grupa aktīvi meklē aizvien jaunus lietojumus ģenerējošam MI, nonākot pie tādiem risinājumiem, kā, piemēram, virtuāla medicīnas attēlu iekrāsošana (LZP projekts HAVeT-AI). Modeļi, kuru uztveres spējas uzlabotas ar dažādām datu sintēzes un datu paplašināšanas metodēm tālāk tiek pielietoti gan mobilās sistēmās (projekti COMP4DRONES, Augmented CCAM), gan industrijas robotu sistēmās (VIZTA IMOCO4.E), gan medicīnas attēlu analīzei.