Известия высших учебных заведений

Прикладная нелинейная динамика

ISSN 0869-6632 (Print)
ISSN 2542-1905 (Online)

Для цитирования:

Малышев Ю. А., Лобов С. А., Яхно В. Г. Исследование двухпороговой модификации биоморфной системы навигации // Известия вузов. ПНД. 2026. Т. 34, вып. 2. С. 314-330. DOI: 10.18500/0869-6632-003204, EDN: OYKEHL

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
Иконка PDF and_2026-2_malichev_et-al_314-330.pdf
(загрузок: 0)
Язык публикации: 
русский
Рубрика: 
Нелинейная динамика и нейронаука
Тип статьи: 
Научная статья
УДК: 
57.024
DOI: 
10.18500/0869-6632-003204
EDN: 
OYKEHL

Исследование двухпороговой модификации биоморфной системы навигации

Авторы: 
Малышев Юрий Александрович, ФИЦ Институт прикладной физики им. А. В. Гапонова-Грехова РАН
Лобов Сергей Анатольевич, ФИЦ Институт прикладной физики им. А. В. Гапонова-Грехова РАН
Яхно Владимир Григорьевич, ФИЦ Институт прикладной физики им. А. В. Гапонова-Грехова РАН
Аннотация: 

Цель настоящей работы состоит в реализации и изучении динамики функционирования двухпорогового варианта биорелевантной системы визуальной навигации.

Методы. В работе используются система одновременной навигации и составления карты RatSLAM. Система RatSLAM является биорелевантной моделью визуальной навигации в гиппокампе грызунов. В данной работе исследуется модифицированная версия системы RatSLAM, в которой обработка визуальных ориентиров ведется по двухпороговому алгоритму.

Результаты. В статье представлена версия модифицированной системы визуальной навигации. Применение двухпорогового алгоритма распознавания визуальных ориентиров позволяет уменьшить размер получаемой карты без существенных потерь в точности получаемой карты. С помощью построенной системы были получены оценки местоположения и метрики кластеризации визуальных ориентиров на публичных наборах данных.

Заключение. Построенная система визуальной навигации дает оценку местоположения субъекта (видеокамеры) в пространстве, хорошо согласующуюся с истинными данными о местоположении. Размер карты при использовании двухпорогового алгоритма может быть уменьшен без существенного уменьшения точности карты.
 

Ключевые слова: 
системы одновременной локализации и картирования
интегрирование траектории
ориентиры
нейронные сети
кластеризаци
Благодарности: 
Работа выполнена при поддержке Министерства науки и высшего образования РФ в рамках государственного задания (проекты № FFUF-2024-0037 — разработка системы, FSMG-2024-0047 — исследование кластеризации)
Список источников: 
  1. Milford M.J. Robot Navigation from Nature. Berlin: Springer, 2008. 196 p. DOI: 10.1007/978-3-540-77520-1.
  2. Ball D., Heath S., Wiles J., Wyeth G., Corke P., Milford M. OpenRatSLAM: an open source brain-based SLAM system // Auton. Robot. 2013. Vol. 34. P. 149–176. DOI: 10.1007/s10514-012-9317-9.
  3. Hines A., Milford M., Fischer T. A compact neuromorphic system for ultra–energy-efficient, on-device robot localization // Sci. Robot. 2025. Vol. 10, iss. 103. P. eads3968. DOI: 10.1126/scirobotics.ads3968.
  4. Milford M., Jacobson A. Brain-inspired sensor fusion for navigating robots // In: IEEE International Conference on Robotics and Automation. 2013, Karlsruhe, Germany. IEEE, 2013. P. 2906–2913. DOI: 10.1109/ICRA.2013.6630980.
  5. Campos C., Elvira R., Rodríguez J.J.G., Montiel J.M.M., Tardos J.D. ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual–Inertial, and Multimap SLAM // IEEE Transactions on Robotics. 2021. Vol. 37, no. 6. P. 1874–1890. DOI: 10.1109/TRO.2021.3075644.
  6. Arandjelovic R., Gronat P., Torii A., Pajdla T., Sivic J. NetVLAD: CNN architecture for weakly supervised place recognition // In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2016, Las Vegas, NV, USA. IEEE, 2016. P. 5297–5307. DOI: 10.1109/CVPR.2016.572.
  7. Cao B., Araujo A., Sim J. Unifying Deep Local and Global Features for image search // In: European Conference on Computer Vision (ECCV) / Vedaldi A., Bischof H., Brox T., Frahm J.M. (eds) Cham: Springer, 2020. P. 726–743. DOI: 10.1007/978-3-030-58565-5_43.
  8. Berton G., Trivigno G., Caputo B., Masone C. EigenPlaces: Training Viewpoint Robust Models for Visual Place Recognition // In: Proceedings of the IEEE/CVF International Conference on Computer Vision. 2023, Paris, France. IEEE, 2023. P. 11046–11056. DOI: 10.1109/ICCV51070.2023.01017.
  9. Малышев Ю.А., Яхно В.Г. Версия биоморфной системы навигации // Известия вузов. ПНД. 2024. Т. 32, № 5. С. 606–624. DOI: 10.18500/0869-6632-003107.
  10. Mousavi M., Bakar A.A., Vakilian M. Data stream clustering algorithms: A review // Int. J. Adv. Soft Comput. Appl. 2015. Vol. 7. P. 1–15.
  11. Yadav D.P., Kumar N.K., Sahani S.K. Distance metrics for machine learning and it's relation with other distances // Mikailalsys J. of Math. and Statistics. 2023. Vol. 1, no. 1. P. 15–23. DOI: 10.58578/mjms.v1i1.1990.
  12. Sturm J., Engelhard N., Endres F., Burgard W., Cremers D. A benchmark for the evaluation of RGB-D SLAM systems // In: 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2012. P. 573–580. DOI: 10.1109/IROS.2012.6385773.
  13. Dunn J.C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters // Journal of Cybernetics. 1973. Vol. 3, no. 3. P. 32–57. DOI: 10.1080/01969727308546046.
  14. Bezdek J.C., Pal N.R. Cluster validation with generalized Dunn's indices // In: Proceedings 1995 Second New Zealand International Two-Stream Conference on Artificial Neural Networks and Expert Systems. IEEE, 1995. P. 190–193. DOI: 10.1037/h0061626.
  15. Geiger A., Lenz P., Stiller C., Urtasun R. Vision meets robotics: The kitti dataset // The International Journal of Robotics Research. 2013. Vol. 32, no. 11. P. 1231–1237. DOI: 10.1177/0278364913491297.
  16. Villacorta-Atienza J.A., Velarde M.G., Makarov V.A. Compact internal representation of dynamic situations: neural network implementing the causality principle // Biol. Cybern. 2010. Vol. 103, no. 4. P. 285–297. DOI: 10.1007/s00422-010-0398-2.
  17. Villacorta-Atienza J.A., Makarov V.A. Neural network architecture for cognitive navigation in dynamic environments // IEEE Transactions on Neural Networks and Learning Systems. 2013. Vol. 24, no. 12. P. 2075–2087. DOI: 10.1109/TNNLS.2013.2271645.
  18. Villacorta-Atienza J.A., Calvo C., Lobov S., Makarov V.A. Limb movement in dynamic situations based on generalized cognitive maps // Mathematical Modelling of Natural Phenomena. 2017. Vol. 12, no. 4. P. 15–29. DOI: 10.1051/mmnp/201712403.
  19. Villacorta-Atienza J.A., Calvo C., Díez-Hermano S., Sánchez-Jimenez A., Lobov S., Krilova N., Murciano A., Lopez-Tolsa G.E., Pellon R., Makarov V.A. Static internal representation of dynamic situations reveals time compaction in human cognition // Journal of Advanced Research. 2021. Vol. 28. P. 111–125. DOI: 10.1016/j.jare.2020.08.008.
  20. Lobov S.A., Krilova N.P., Makarov V.A., Kurganov D.P. Makarova J. Arcade game testing of generalized cognitive maps in humans // In: 2021 Third International Conference Neurotechnologies and Neurointerfaces (CNN). 2021, Kaliningrad, Russian Federation. IEEE, 2021. P. 61–63. DOI: 10.1109/CNN53494.2021.9580220.
  21. Calvo C., Villacorta-Atienza J.A., Díez-Hermano S., Khoruzhko M., Lobov S., Potapov I., Sanchez-Jimenez A., Makarov V.A. Semantic knowledge representation for strategic interactions in dynamic situations // Front. Neurorobot. 2020. Vol. 14. P. 4. DOI: 10.3389/fnbot.2020.00004.
Поступила в редакцию: 
11.10.2025
Принята к публикации: 
25.11.2025
Опубликована онлайн: 
09.12.2025
Опубликована: 
31.03.2026
  • 327 просмотров