Индуцированная виртуальная среда управления манипулятором, предназначенным для работы с радиоактивными материалами

Сергеев Алексей Викторович
Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики (ЦНИИ РТК), ведущий инженер, 194064, Санкт-Петербург, Тихорецкий пр., д. 21, тел.: +7(921)975-04-97, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0002-6196-1433

Титов Виктор Викторович
ЦНИИ РТК, н.с., 194064, Санкт-Петербург, Тихорецкий пр., д. 21, тел.: +7(950)021-19-28, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0003-2817-5841

Шардыко Игорь Вячеславович
ЦНИИ РТК, н.с., 194064, Санкт-Петербург, Тихорецкий пр., д. 21, тел.: +7(904)648-74-90, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0003-0622-9896

Материал поступил в редакцию 15 октября 2020 года.

Аннотация
В статье обсуждаются вопросы управления манипулятором для горячей камеры на базе методологии индуцированных виртуальных сред. Представлен человеко-машинный интерфейс на основе виртуальной реальности с рядом интерактивных инструментов, предназначенных для построения траекторий, по которым должен двигаться рабочий орган манипулятора. Далее рассматриваются перспективы компьютерного зрения, как средства актуализации состояния виртуальной среды. Проведён эксперимент по сравнению двух способов управления манипулятором.

Ключевые слова
Виртуальная реальность, индуцированные среды, интерфейс «человек-робот», манипулятор, рабочий орган, робот, система технического зрения.

Благодарности
Исследование выполнено при финансовой поддержке Уральского федерального университета имени первого президента России Б.Н. Ельцина в рамках научного проекта №17706413348200000540/686-20.

https://doi.org/10.31776/RTCJ.9104

Индекс УДК 
004.5

Библиографическое описание
Сергеев А.В. Разработка концепции системы телеметрии РТК с возможностью внесения целевых искажений отображаемого пространства / А.В. Сергеев, В.В. Титов, И.В. Шардыко // Робототехника и техническая кибернетика. – Т. 9. - №1. – Санкт-Петербург : ЦНИИ РТК. – 2021. – С. 32-41. – Текст : непосредственный.

Литература

1. Чижевский Р.А. Манипуляционная система контроля металла патрубков верхнего блока / Р.А. Чижевский, И.В. Шардыко // Экстремальная робототехника. – 2014. – Т. 1. – №. 1. – С. 253-256. – Текст: непосредственный.
2. Радиационно-стойкие манипуляторы и методы расширения их функциональных возможностей / И.В. Войнов [и др.] // Экстремальная робототехника. – 2018. – Т. 1. – №. 1. – С. 113-125. – Текст: непосредственный.
3. Патент № 108578 Российская Федерация, МПК F26B 19/00 (2006.01). Дистанционно управляемое устройство для ремонтных работ, преимущественно для осушения трубок решетки коллектора парогенератора АЭС: № 2011114384: заявл. 14.04.2011: опубл. 20.09.2011 / Д.Б. Васильев, А.К. Ивлев, Ю.А. Гордон, А.Т. Гордон; заявитель (ОАО «НИКИМТ-Атомстрой») (RU). – Текст: непосредственный.
4. Патент № 1541048 СССР, МПК B25J 13/00 (2000.01) B25J 9/00 (2000.01). Манипуляционное устройство: № 4358639: заявл. 04.01.1988: опубл. 07.02.1990 / М.С. Ворошилов, А.М. Лихоманов, Б.А. Петров, Г.Н. Пышный; заявитель Ленинградский металлический завод (ЛМЗ). – Текст: непосредственный.
5. Сергеев С.Ф. Эргономические проблемы проектирования интерфейса на базе индуцированных виртуальных сред / С.Ф. Сергеев // Мир Авионики. – 2006. – № 3. – С. 62-67. – Текст: непосредственный.
6. Минитаева А. М. Основной подход в решении задачи создания человеко-машинного интерфейса с использованием дуального принципа // Программные продукты и системы. – 2013. – № 4. – С. 19. – Текст: непосредственный.
7. Тырва В.О. Совместное управление объектом в эргатической системе: модели и реализации // Вестник Гос. ун-та морского и речного флота им. адмирала С.О. Макарова. – 2018. – Т. 10. – № 2. – С. 430 443. DOI: 10.21821/2309-5180-2018-10-2-430-443 (дата обращения: 12.10.2020). – Текст: электронный.
8. Попечителев Е.П. Проблемы синтеза биотехнических систем // Научное обозрение. Технические науки. – 2016. – №2. – С. 54-62. – Текст: непосредственный.
9. Сергеев А.В. Управление мобильным роботом космического назначения с применением виртуальной реальности и силомоментного очувствления / А.В. Сергеев, М.Ю. Гук // Пилотируемые полеты в космос. – 2018. – Вып. 4. С. 44-52. – Текст: непосредственный.
10. Сергеев А.В. Редукция сложности в интерфейсах робототехнических и эргатических систем / А.В. Сергеев, С.Ф. Сергеев // Робототехника и техническая кибернетика. – Т. 7. – №2. – Санкт-Петербург: ЦНИИ РТК. – 2019. – С. 109-118. DOI: 10.31776/RTCJ.7204 (дата обращения: 12.10.2020). – Текст: электронный.
11. Szeliski, Richard. (2011). Computer Vision: Algorithms and Applications. DOI: 10.1007/978-1-84882-935-0. (дата обращения: 12.10.2020). – Text: electronic.
12. Object Detection With Deep Learning: A Review / Zhao, Zhong-Qiu [et al] // IEEE Transactions on Neural Networks and Learning Systems. – Pp. 1-21. 10.1109/TNNLS.2018.2876865. – Text: unmediated.
13. APPLICATION OF DEEP NEURAL NETWORK FOR THE VISION SYSTEM OF MOBILE SERVICE ROBOT / N. Filatov [et al] // Studies in Computational Intelligence. – 2020. – Vol. 856. – Pp. 214-220. – Text: unmediated.
14. A Survey on Different Background Subtraction Method for Moving Object Detection / Devi, Rajkumari [et al] // INTERNATIONAL JOURNAL FOR RESEARCH IN EMERGING SCIENCE AND TECHNOLOGY. 3. 7 to 10. – Text: unmediated.
15. Eric Marchand. Pose Estimation for Augmented Reality: A Hands-On Survey / Eric Marchand, Hideaki Uchiyama, Fabien Spindler // IEEE Transactions on Visualization and Computer Graphics, Institute of Electrical and Electronics Engineers, 2016, 22 (12). – Pp. 2633-2651.10.1109/TVCG.2015.2513408. hal-01246370. – Text: unmediated.
16. Lateef F. Survey on Semantic Segmentation using Deep Learning Techniques / Lateef F., Ruichek Y. // Neurocomputing. doi:10.1016/j.neucom.2019.02.003 (дата обращения: 12.10.2020). – Text: electronic.
17. Yuan J. Factorization-based texture segmentation / J. Yuan, D.L. Wang and A.M. Cheriyadat // IEEE Transactions on Image Processing, 2015.
18. Орлова С.Р. Применение глубоких нейронных сетей в задаче сегментации изображений дорожной обстановки / С.Р. Орлова, Т.Т. Исаков // Научная конференция «НЕДЕЛЯ НАУКИ СПБПУ»: материалы. Т. 2. – 2020, Политех-Пресс. – 2020. – С.43-46. – Text: unmediated.
19. HAN P. A review of edge-based 3D tracking of rigid objects/ HAN P., ZHAO G // Virtual Reality & Intelligent Hardware 2019. – Vol. 1. – Iss. 6. – 2019. – Pp. 580-596. – Text: unmediated.

Полный текст статьи (pdf)