Menu
Doktorant Uniwersytetu Warszawskiego oraz lider zespołu badawczego w IDEAS NCBR. Realizuje badania nad multimodalnym projektem łączącym drona i manipulator robotyczny. Dodatkowo, prowadzi również przedmiot Sterowanie Robotami dla magistrantów na Uniwersytecie Warszawskim.
Bezzałogowe statki powietrzne (ang. unmanned aerial vehicles – UAVs), znane również jako drony są coraz częściej wykorzystywane w różnych dziedzinach gospodarki. Ich możliwe szerokie zastosowania skłaniają do intensyfikacji projektów badawczych w tym obszarze. Zaawansowane algorytmy oparte na sztucznej inteligencji w połączeniu z coraz większym postępem technologicznym (na przykład w postaci lepszych komponentów czy miniaturyzacji dronów) pozwolą na wykorzystanie potencjału, który tkwi w tego typu urządzeniach.
Jednym z najpopularniejszych zastosowań dronów jest ich wykorzystanie w przemyśle. Mogą być one używane na przykład do wykonywania inspekcji budynków, mostów, kominów czy krytycznej infrastruktury energetycznej, co pozwala na zidentyfikowanie wymagających naprawy uszkodzeń lub monitorowania odstępstw od parametrów nominalnych. Drony wykorzystywane są również do przeglądów instalacji fotowoltaicznych czy turbin wiatrowych, co pozwala na monitorowanie ich efektywności i wykrywanie usterek w trudno dostępnych miejscach, gdzie regularne inspekcje są kosztowne i czasochłonne. W medycynie drony są wykorzystywane do dostarczania leków i materiałów medycznych w miejscach, które są trudno dostępne. Wykorzystuje się je również w celach ratowniczych, na przykład do poszukiwania osób zaginionych w górach czy na morzu, także w trudnych warunkach pogodowych, tym samym zwiększając bezpieczeństwo ratowników oraz dostarczając dodatkowych informacji, ułatwiających poszukiwania.
Zanim jednak drony na stałe zagoszczą w powietrzu, należy rozwiązać szereg problemów związanych m. in. z bezpieczeństwem i brakiem obecności człowieka-pilota. W IDEAS NCBR zajmujemy się badaniami nad prowadzeniem autonomicznych operacji — czyli takich w których dron otrzymuje jedynie ogólne instrukcje czy polecenia takie jak “znajdź poszkodowanego”, a wszystkie bezpośrednie decyzje na temat lotu musi podejmować samodzielnie na podstawie danych pozyskanych z różnego rodzaju sensorów.
Aby w pełni wykorzystać potencjał dronów, musimy rozwiązać kluczowe problemy związane z ich autonomicznym działaniem w każdych warunkach, nawet tych najbardziej nieprzewidywalnych i zagwarantować niezawodność oraz wydajność systemów kontroli. Najważniejszym aspektem operacji lotniczych jest bezpieczeństwo, ponieważ drony muszą działać niezależnie od otoczenia, warunków atmosferycznych i sytuacji, na jakie natrafią. Innym wyzwaniem jest optymalizacja poziomu baterii, co jest niezbędne dla ich autonomicznego działania. Musimy upewnić się, że drony wykonują zadania w sposób efektywny, jednocześnie zachowując wystarczający zapas energii na zakończenie misji z bezpiecznym marginesem. Optymalizacja działań pozwala na maksymalne wykorzystanie zasobów i minimalizację ryzyka przerwania misji z powodu wyczerpania baterii.
W zespole skupiamy się na tworzeniu zaawansowanych systemów komputerowych i algorytmów sztucznej inteligencji, wykorzystujących najnowsze technologie z zakresu uczenia maszynowego i wizji komputerowej. Nasze innowacyjne podejście pozwala na stworzenie systemów zarządzania dronami, które będą skutecznie koordynować ich działanie, nawet w najbardziej wymagających sytuacjach. Jednym z naszych priorytetów jest klasyfikacja aktualnej sytuacji, zarówno tej nominalnej jak i awaryjnej, co pozwoli na optymalne dostosowanie zachowania dronów do konkretnych warunków. W ten sposób osiągniemy działanie jednocześnie autonomiczne, ale też bezpieczne dla otoczenia i samych maszyn.
Zanim drony będą mogły wykonywać operacje w pobliżu ludzi i zabudowań, a nie w przygotowanych warunkach laboratoryjnych wymagane jest rozwiązanie szeregu problemów natury mechanicznej, elektronicznej i programistycznej. Jednym ze sposobów zapewniania bezpieczeństwa jest duplikowanie systemów, tzw. redundancja, aby w przypadku awarii system zapasowy zapewnił daną funkcjonalność. W przypadku niezawodności oprogramowania prawie wszystkie aspekty nowoczesnych bezzałogowców można rozwijać i testować w środowiskach symulacyjnych. Niestety w przypadku niektórych problemów, których rozwiązanie wydaje się skuteczne w środowisku symulacji, ich przeniesienie do świata rzeczywistego okazuje się niełatwe lub wręcz niemożliwe. Takie sytuacje nazywa się problemami sim-to-real i stanowią one jedno z największych wyzwań dla specjalistów w dziedzinie robotyki i sztucznej inteligencji. Mimo że w symulacjach można dokładnie zaplanować i przetestować ich działanie, to w rzeczywistości mogą pojawić się czynniki, których wcześniej nie przewidziano lub których nie da się symulować w sposób wiarygodny. Dlatego też, aby zapewnić niezawodność i skuteczność naszych rozwiązań, konieczne jest stopniowe wprowadzanie ich do użytku oraz ciągłe testowanie w warunkach rzeczywistych, a nie tylko teoretycznych.
Karol Pieniący jest doktorantem Uniwersytetu Warszawskiego na wydziale Matematyki Informatyki i Mechaniki. Doświadczenie w robotyce i automatyce zbiera od 2010 roku. To ekspert bezzałogowych systemów powietrznych, który w swojej pracy doktorskiej poświęca wiele uwagi projektowaniu, budowaniu oraz programowaniu dronów i naziemnych elementów systemów autonomicznych. Specjalistyczna wiedza i doświadczenie w dziedzinie pozwalają mu na wykorzystanie najnowszych technologii, dzięki czemu tworzone przez niego systemy są nie tylko efektywne, ale także innowacyjne.
Pracował hands-on oraz jako konsultant przy każdym typie robotów: jeżdżących, kroczących, pływających na powierzchni i podwodnych, taśmach produkcyjnych, manipulatorach, samolotach i wielowirnikowcach z napędami elektrycznymi, spalinowymi i hybrydowymi. Specjalizuje się w architekturze systemów (szczególnie rozproszonych), integracją systemów, zarządzaniu projektami i zespołem.
Obecnie, jako doktorant Uniwersytetu Warszawskiego, realizuje badania nad multimodalnym projektem łączącym drona i manipulator robotyczny. Dodatkowo, prowadzi również przedmiot Sterowanie Robotami dla magistrantów na Uniwersytecie Warszawskim. W ramach tego kursu przekazuje swoją wiedzę i doświadczenie studentom, pomagając im zrozumieć zagadnienia związane z projektowaniem i implementacją algorytmów sterowania dla różnych typów robotów, efektywnie zachęcając do zajęcia się problemami nowoczesnej robotyki.
Karol kocha rywalizację. Już przed rozpoczęciem studiów zaczął startować w zawodach związanych z robotyką. Brał udział między innymi w konkursach autonomicznych robotów organizowanych przez Politechnikę Kowieńską. Podczas studiów kontynuował swoją pasję, biorąc udział w konkursach łazików marsjańskich oraz wyścigach dronów, gdzie również odnosił wiele zwycięstw. W 2019 roku założył zespół Warsaw MIMotaurs, który do dziś prowadzi jako kapitan. Drużyna odnosiła sukcesy na różnych zawodach, ale największe wyróżnienie przyniosło im miejsce drugie w konkurencji Machine Learning podczas prestiżowego konkursu AlphaPilot. W ramach tego wydarzenia zespoły projektowały autonomiczne drony zdolne do przelotu przez specjalnie przygotowany tor. Ich dron, wyposażony w innowacyjne algorytmy uczenia maszynowego, osiągnął trzeci najlepszy czas podczas wyścigu finałowego. Najnowszym sukcesem drużyny jest wejście do finału międzynarodowego konkursu MBZIRC, który jest organizowany przez ASPIRE z Zjednoczonych Emiratów Arabskich. Drużyna przeszła kwalifikacje oraz fazę symulacyjną i teraz znalazła się wśród pięciu najlepszych drużyn z całego świata, które będą walczyć o tytuł zwycięzcy w lutym 2024 roku. Finał MBZIRC to nie tylko prestiżowa nagroda w wysokości 2 000 000 USD, ale również szansa na zdobycie wiedzy oraz wymianę doświadczeń z innymi zespołami z całego świata.
Algorytmy, szczególnie te wykorzystywane w uczeniu maszynowym, dają szanse na podejmowanie lepszych decyzji niż ludzkie.
Technologia Blockchain została wprowadzona w 2008 roku. Pod tą nazwą rozumie się zwykle protokoły kryptograficzne służące do osiągania konsensusu na dużą skalę w sieciach rozproszonych.
Zarówno nauka, jak i przemysł chętnie sięgają po rozwiązania wykorzystujące modele uczenia maszynowego, głównie głębokie sieci neuronowe.
IDEAS NCBR Sp. z o.o.
NIP: 7011017605
REGON: 388065786
KRS: 0000880113
Projekt: maskva.pl. Kodowanie: Mati Projektuje
