Александр Ляшко, аспирант и младший научный сотрудник кафедры «Искусственный интеллект и автономные системы управления» ВТШ «СПИ» СевГУ, активно занимается разработкой алгоритмов для беспилотных аппаратов. Мы узнали, что вдохновляет его в науке и какие проекты он реализует, совмещая учебу и работу.
Как вы пришли в аспирантуру? Что стало решающим фактором выбора именно этой кафедры и лаборатории?
Я поступил в магистратуру в 2021 году, и буквально в октябре того же года на базе кафедры открылась новая научно-исследовательская лаборатория. Для меня это стало мощным сигналом: здесь не просто читают лекции, здесь создают инфраструктуру для реальных исследований.
Я прошел отбор и трудоустроился. И именно здесь я увидел ту самую модель полного цикла подготовки исследователя, которая меня и удержала.
Во-первых, это принцип преемственности. У нас выстроена целая преемственность: от профессоров и ведущих научных сотрудников до лаборантов-исследователей.
Во-вторых, это обучение происходит через практику. Мы не просто учим теорию, мы решаем реальные задачи в группах до 5 человек. Эта модель дает мгновенную обратную связь.
Эффективность этого подхода подтверждена результатами: наши победы в конкурсах, выигранные гранты и успешные технологические стартапы.
Поэтому к моменту окончания магистратуры у меня даже не стоял вопрос «идти или нет в аспирантуру». Я уже был частью системы, которая дает возможности для роста, и хотел развиваться в ней дальше.
Расскажите о вашем повседневном рабочем ритме как младшего научного сотрудника. Чем конкретно вы занимаетесь в лаборатории «Робототехника и интеллектуальные системы управления»?
Мой рабочий ритм нельзя назвать строго нормированным — это скорее гибкий цикл, который завязан на эксперимент. Поскольку я занимаюсь разработкой системы управления подводными аппаратами на базе технического зрения, моя деятельность делится на четыре основных направления. Первое – это «вода» и эксперименты. Мы работаем в бассейне или в акватории черного моря. Основная проблема подводного зрения — это искажения, мутная среда и блики. Поэтому значительная часть времени уходит на запись датасетов и калибровку оборудования. Подводный аппарат погружается, камера пишет поток, а я собираю сырые данные.
Второе — алгоритмы и код. Сырые данные бесполезны без обработки. Я разрабатываю алгоритмы компьютерного зрения, которые позволяют подводному аппарату «видеть» и интерпретировать среду. Это может быть сегментация объектов, оценка расстояния или отслеживание целей. Это самая творческая часть, где ты ищешь компромисс между точностью алгоритма и скоростью работы на бортовом компьютере.
Третье – интеграция с управлением. Самое сложное — не просто распознать объект, а заставить подводный аппарат на это отреагировать. Мне нужно «связать» алгоритмы зрения с законами управления движением. Чтобы система понимала: «Я вижу препятствие — я уклоняюсь», «Я вижу объект — я зависаю и стабилизируюсь».
Как совмещается аспирантская учёба и работа в лаборатории? Помогает ли одно другому в ваших исследованиях?
Учеба и работа для меня неразделимы – это две стороны одного процесса. Лаборатория даёт главное для диссертации: реальные эксперименты, данные и оборудование. Аспирантура, в свою очередь, дисциплинирует: требует оформлять результаты и писать статьи. Конфликта нет, потому что тема работы и тема диссертации совпадают. Всё, что я делаю в лаборатории, ложится в диссертацию.
Над какими конкретными проектами сейчас работает ваша лаборатория?
Сейчас наша лаборатория сфокусирована на трех взаимосвязанных направлениях. Первое – групповое управление подводными аппаратами: мы разрабатываем алгоритмы роевого взаимодействия для автономных необитаемых аппаратов в условиях ограниченной связи. Второе — применение Reinforcement Learning для динамического позиционирования: мы тренируем RL-агентов в симуляторе для удержания аппарата в точке при течении, переносим политики на реальные контроллеры. Третье — навигация БПЛА без GPS на основе визуальных данных: мы строим систему visual SLAM с нейросетевой обработкой для полетов в помещениях и условиях подавления спутниковых сигналов. Все три проекта объединены общей целью — созданием интеллектуальных систем для роботов, работающих в условиях неопределенности, с акцентом на перенос алгоритмов из симуляции на реальное железо.
Как именно искусственный интеллект интегрируется в ваши робототехнические системы?
В роевом управлении – ИИ работает как децентрализованный «мозг». Каждый подводный аппарат принимает решения автономно, используя нейросети, обученные прогнозировать поведение соседей и сжимать данные для передачи в условиях ограниченной связи. В динамическом позиционировании – Reinforcement Learning (обучение с подкреплением) заменяет классические ПИД-регуляторы. Агент учится удерживать аппарат в симуляторе, а затем мы переносим эту нейросетевую политику на реальный контроллер, где она работает как адаптивная система, подстраивающаяся под течение. В навигации БПЛА – ИИ отвечает за восприятие мира. Нейросети выполняют семантическую обработку изображений для visual SLAM: они фильтруют шум, восстанавливают глубину сцены по монокулярной камере и находят устойчивые признаки для привязки, когда GPS недоступен.
Участвует ли лаборатория в федеральных программах или грантах (например, НТИ, РФФИ, Фонд содействия инновациям)?
Да, лаборатория активно участвует в федеральных грантовых программах:
Грант РНФ (2026–2027): «Разработка комбинированных методов визуального управления и обучения с подкреплением для динамического позиционирования АНПА в условиях неопределённости». Студенческий стартап (ФСИ): «Разработка ПО для отечественных одноплатных компьютеров». Студенты нашей кафедры и лаборатории регулярно выигрывают гранты Фонда содействия инновациям (программы «УМНИК», «Студенческий стартап»). Сейчас мы готовим к подаче две заявки на 7-ю волну конкурса «Студенческий стартап». Обе связаны с развитием систем технического зрения и разработкой системы управления для робототехнических комплексов.
Какие направления в робототехнике и ИИ кажутся вам наиболее перспективными для исследований в СевГУ в ближайшие годы?
Наиболее перспективным направлением для СевГУ считаю разработку технологий роевого взаимодействия разнородных беспилотников – подводных, надводных и воздушных, объединенных общей миссией. Географическое положение университета позволяет создать уникальный полигон для отработки гетерогенных групп в реальной морской среде. Ключевые исследовательские задачи: кооперативная навигация и связь сред (гидроакустика, оптические каналы, взаимная локализация без GPS), распределённый искусственный интеллект со сменным лидерством, энергетическая логистика роя и адаптивные сценарии для экологического мониторинга, поисково-спасательных работ и охраны акваторий. СевГУ способен стать центром компетенций по отечественному программному обеспечению для морской робототехники, объединив приборостроение, ИТ. Главная цель – перейти от роя отдельных аппаратов к единому цифровому организму, действующему в трёх средах одновременно.
Планы на будущее?
Планов много. На ближайшее время – защита диссертации. В долгосрочной же перспективе мы с командой нацелены на то, чтобы город Севастополь вошёл в число ведущих научных центров России и мира в области подводной и воздушной робототехники.
