DSA Faculty
API
← к списку преподавателей

Яковлев Константин Сергеевич

Факультет компьютерных наук

Профиль на hse.ru ↗ тел.: 27305 | +7 (926) 270-89-79
Публикаций
72
Языков
1
Наград
5
Конференций
1
Профиль Публикации (72) Курсы (2)

Профессиональные интересы

искусственный интеллектинтеллектуальные динамические системыинтеллектуальные системы управленияинтеллектуальная робототехникаинтеллектуальное планированиепланирование траекторииэвристический поискмногоагентные системыкогнитивные агенты

Должности

  • Заведующий кафедрой — Факультет компьютерных наук, Базовая кафедра Федерального исследовательского центра «Информатика и управление» Российской академии наук
  • Доцент — Факультет компьютерных наук, Базовая кафедра Федерального исследовательского центра «Информатика и управление» Российской академии наук

Био

  • · Начал работать в НИУ ВШЭ в 2014 году.
  • · Научно-педагогический стаж: 31 год.

Образование

  • 2010 · Кандидат физико-математических наук: Институт программных систем РАН , специальность 05.13.17 «Теоретические основы информатики», тема диссертации: "Исследование методов и разработка алгоритмов автоматического планирования траектории на плоскости"
  • 2006 · Магистратура: Российский университет дружбы народов, факультет: Физико-математический, специальность «Прикладная математика и информатика», квалификация «Магистр математики. Преподаватель высшей школы.»
  • 2004 · Бакалавриат: Российский университет дружбы народов, факультет: Физико-математический, специальность «Прикладная математика и информатика», квалификация «Бакалавр прикладной математики и информатики»

Опыт работы

  • · Федеральный исследовательский центр “Информатика и управление” Российской академии наук (ФИЦ ИУ РАН)
  • · Ведущий научный сотрудник, Отдел 71 "Интеллектуальные динамические системы и когнитивные исследования"
  • · Национальный исследовательский университет “Высшая школа Экономики” (ВШЭ)
  • · Доцент, Факультет компьютерных наук, Базовая кафедра "Интеллектуальные технологии системного анализа и управления" ФИЦ ИУ РАН (по совместительству)
  • · Московский физико-технический институт (МФТИ)
  • · Доцент, Физтех-школа прикладной математики и информатики, Научно-образовательный центр "Когнитивное моделирование" (по совместительству)
  • · Москва
  • · Институт искусственного интеллекта AIRI (AIRI)
  • · Ведущий научный сотрудник, лаборатория Cognitive AI-agents

Награды и поощрения

  • · Благодарность проректора НИУ ВШЭ (февраль 2023)
  • · Благодарность Высшей школы экономики (декабрь 2022)
  • · Благодарность Факультета компьютерных наук НИУ ВШЭ (сентябрь 2019)
  • · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2025–2026, 2024–2025, 2023–2024)
  • · Надбавка за публикацию в международном рецензируемом научном издании (2022–2023, 2021–2022, 2020–2022, 2018–2020)

Гранты и проекты

  • — · на соискание учёной степени кандидата наук

Конференции (1)

Показать все
  • · 2024: XIV Всероссийское совещание по проблемам управления (ВСПУ 2024) (Москва). Доклад: Применение управления с прогнозирующими моделями и стохастической оптимизацией в задаче децентрализованного много-агентного избегания столкновений

Идентификаторы исследователя

Публикации (72)

Архитектура многоуровневой интеллектуальной системы управления беспилотными летательными аппаратами

2015 · ARTICLE · ru

В работе рассмотрен ряд вопросов, возникающих в области автоматизации управления малыми беспилотными летательными аппаратами (БПЛА) мультироторного типа. Предложена совокупность методов планирования и управления, рассмотрена задача организации взаимодействия различных методов и алгоритмов (авторских и известных) в единую интеллектуальную систему управления БПЛА. Предлагается использование трех уровней управления – стратегического, тактического и реактивного, описывается соответствующая архитектура – STRL (от англ. strategic, tactical, reactive, layered). Использование этой архитектуры позволит автоматизировать управление коалициями БПЛА при решении широкого круга задач в различных средах.

PDF ↗

Grid-based angle-constrained path planning

2015 · CHAPTER · en

Square grids are commonly used in robotics and game development as spatial models and well known in AI community heuristic search algorithms (such as A*, JPS, Theta* etc.) are widely used for path planning on grids. A lot of research is concentrated on finding the shortest (in geometrical sense) paths while in many applications finding smooth paths (rather than the shortest ones but containing sharp turns) is preferable. In this paper we study the problem of generating smooth paths and concentrate on angle constrained path planning. We put angle-constrained path planning problem formally and present a new algorithm tailored to solve it – LIAN. We examine LIAN both theoretically and empirically. We show that it is sound and complete (under some restrictions). We also show that LIAN outperforms the analogues when solving numerous path planning tasks within urban outdoor navigation scenarios.

DOI ↗

Метод автоматического планирования совокупности траекторий для навигации беспилотных транспортных средств

2015 · ARTICLE · ru

Рассматривается задача планирования совокупности альтернативных траекторий беспилотного транспортно-го средства (БТС). Эта задача является ключевой подзада-чей более общей проблемы – построения множества неконфликтных траекторий для коалиции БТС. Предлагается новый метод планирования, косвенно учитывающий ограничения на динамику движения транспортного средства, а также ряд его модификаций. Приводятся результаты экспериментальных исследований. В качестве модельной рассматривается задача планирования траектории маловысотного полета беспилотного летательного аппарата мультироторного типа в городских условиях.

Automatic Path Planning for an Unmanned Drone with Constrained Flight Dynamics

2015 · ARTICLE · en

In the article we solve path planning task for an agent being multirotor unmanned aerial vehicle (multicopter). We propose an approach of estimating path geometry constraints based on UAV flight dynamics model and control constraints. Than we introduce a new path finding method which takes into consideration those geometry constraints and study this method both theoretically and empirically.

DOI ↗

Система навигации группы БЛА на основе маркеров

2014 · ARTICLE · ru

Описывается распределенная система управления группой БЛА в среде без доступа к глобальным навигационным системам с локализацией маркеров и построением карты маркеров в закрытом помещении. Система основана на модели 4D/RCS и платформе ROS. Задача картирования решается с помощью реализации алгоритма EKF-SLAM.

Метод автоматического планирования траектории беспилотного летательного аппарата в условиях ограничений на динамику полета

2014 · ARTICLE · ru

В статье решается задача планирования траектории беспилотного летательного аппарата мультиро- торного типа. Предлагается метод, позволяющий на основе модели динамики полета и допустимого управления, а также при некоторых разумных предположениях, определить ограничения на геометрию траектории. На основе этого описывается новый алгоритм планирования траектории, учитывающий геометрические ограничения. Приводятся результаты экспериментальных исследований алгоритма. В качестве модельной рассматривается задача планирования траектории маловысотного полета в городских условиях.

Распределенная система управления коалициями беспилотных летательных аппаратов, функционирующих в условиях отсутствия сигналов глобальных навигационных систем

2014 · CHAPTER · ru

В работе описывается распределенная система управления группой беспилотных летательных аппаратов в среде без доступа к GPS/ГЛОНАСС на примере коллективной навигации, локализации маркеров и построения карты маркеров в помещении группой квадрокоптеров AR.Drone 2.0. Разработанная интеллектуальная система управления основана на модели 4D/RCS и реализована и применением платформы ROS. Задача картирования решается с помощью реализации алгоритма EKF-SLAM.

Finetuning Randomized Heuristic Search for 2D Path Planning: Finding the Best Input Parameters for R* Algorithm through Series of Experiments

2014 · CHAPTER · en

Path planning is typically considered in Artificial Intelligence as a graph searching problem and R* is state-of-the-art algorithm tailored to solve it. The algorithm decomposes given path finding task into the series of subtasks each of which can be easily (in computational sense) solved by well-known methods (such as A*). Parameterized random choice is used to perform the decomposition and as a result R* performance largely depends on the choice of its input parameters. In our work we formulate a range of assumptions concerning possible upper and lower bounds of R* parameters, their interdependency and their influence on R* performance. Then we evaluate these assumptions by running a large number of experiments. As a result we formulate a set of heuristic rules which can be used to initialize the values of R* parameters in a way that leads to algorithm’s best performance.

Графовые модели в задаче планирования траектории на плоскости

2013 · ARTICLE · ru

В статье рассмотрены различные графовые модели, применимые для решения задачи планирования траектории на плоскости, и методы их извлечения из различных исходных данных. Дан анализ применимости описанных моделей и методов к решению класса практических задач, возникающих при разработке современных систем управления малыми, полностью автономными беспилотными транспортными средствами, функционирующими в статической среде. Описана графовая модель, наиболее применимая на практике в контексте решения задачи автоматизации управления транспортным средством на плоскости.

Принципы построения многоуровневых архитектур систем управления беспилотными летательными аппаратами

2013 · ARTICLE · ru

В статье рассматриваются и анализируются различные подходы к построению архитектуры системы управления беспилотным летательным аппаратом типа «вертолет». На основании проведенного анализа делается вывод о целесообразности применения иерархической, трехуровневой схемы – стратегический уровень, тактический уровень, уровень управления. Описываются решаемые на каждом уровне задачи и дается краткая характеристика методов, подходов и алгоритмов, потенциально применимых для их решения, выделяются наиболее перспективные на взгляд авторов методы и подходы.

Курсы (2)