УДК 004.896:007.52
DOI: 10.36871/2618-9976.2025.9–2.008
Авторы
Давид Омар-Хажиевич Шахбиев,
Магистрант 1 курса направления подготовки «информатика вычислительная техника», Чеченский государственный университет им. А. А. Кадырова, Грозный, Россия
Тимур Гаджиевич Айгумов,
Доцент кафедры «Информационная безопасность и программная инженерия», Дагестанский государственный технический университет, Махачкала, Россия
Эсет Аслановна Шуева,
Ассистент кафедры «Программирование и инфокоммуникационные технологии», Чеченский государственный университет им. А. А. Кадырова, Грозный, Россия
Аннотация
Данная статья посвящена анализу нейросетевых методов построения семантических карт для навигации автономных роботов в условиях чрезвычайных ситуаций (ЧС). Рассмотрена эволюция от классических алгоритмов SLAM к семантическому SLAM, способному формировать осмысленные модели среды. Проанализированы специфические требования к навигационным системам в зоне ЧС. Разработаны критерии и методология для сравнительной оценки подходов, а также сформулированы практические рекомендации по выбору и адаптации архитектур в зависимости от типа роботизированной платформы и операционного сценария. Определены перспективы развития семантического картографирования через внедрение гибридных пайплайнов и адаптивных моделей для повышения устойчивости и автономности робототехнических средств.
Ключевые слова
искусственный интеллект
семантическое SLAM
чрезвычайные ситуации
робототехника
нейросетевое картографирование
