АВТОНОМНЫЙ РОБОТ ДЛЯ МОНИТОРИНГА НАЗЕМНЫХ АРХЕОЛОГИЧЕСКИХ РАСКОПОК

К.Ч. Бжихатлов; А.У. Заммоев; Л.Б. Кокова; И.А. Пшенокова

К.Ч. Бжихатлов ФГБНУ «Федеральный научный центр «Кабардино- Балкарский научный центр Российской академии наук»
А.У. Заммоев ФГБНУ «Федеральный научный центр «Кабардино- Балкарский научный центр Российской академии наук»;
Л.Б. Кокова ФГБНУ «Федеральный научный центр «Кабардино- Балкарский научный центр Российской академии наук»;
И.А. Пшенокова Институт информатики и проблем регионального управления – филиал ФГБНУ «Федеральный научный центр «Кабардино-Балкарский научный центр Российской академии наук»

Ключевые слова: Автономный робот, археологические раскопки, система мониторинга, мультиагентные системы

Аннотация

Огромный интерес к культурному наследию отражает желание человека знать и пони-
мать свое происхождение и достижения. Однако, археологические памятники, как и природная
среда, являются конечными не возобновляемыми ресурсами. Среди всех видов наследия, находя-
щихся под угрозой, археологические памятники и их богатство информации и артефактов
находятся под наибольшей угрозой. В современной практике варианты сохранения археологиче-
ских памятников включают реконструкцию, повторную сборку (анастилез), сохранение и за-
щиту in situ, включая укрытия и/или консолидацию тканей, сохранение ex situ путем перемеще-
ния, а также перезахоронение с интерпретацией участка или без нее. Однако, очень важно при
проведении археологических раскопок не перемещать и не терять артефакты. При утрате или
перемещении теряется их информационный потенциал. С целью обеспечения постоянного кон-
троля процесса археологических изысканий, фиксации найденных артефактов, построения
трехмерной модели изучаемого объекта и обеспечения безопасности на участке разработана
система мониторинга раскопок, развернутая на автономном роботе. Задача данного исследо-
вания – разработка аппаратного и программного обеспечения робота. Робот представляет
собой подвесную платформу сбора данных, перемещение которой обеспечивается несколькими
тросами, закрепленными на неподвижных опорах. Перемещение платформы (как в плоскости,
так и по высоте) обеспечивается за счет изменения длинны тросов. Подобная схема переме-
щения позволяет обеспечить возможность перемещения платформы во всей плоскости тре-
угольника, образуемого неподвижными опорами, а также спускаться или подниматься до вы-
соты, ограниченной высотой самих опор. Платформа сбора данных, представляет собой пло-
скую платформу с установленной на ней модулем связи, микроконтроллером и аккумулятором.
Снизу прикреплен гиростабилизатор, с закрепленными на нем видеокамерой и дальномером,
который позволяет погасить колебания при движении платформы и внешних возмущениях.
Представлен мультиагентный алгоритм работы системы мониторинга робота в процессе
раскопок. Разработана программа для управления и сбора данных с системы мониторинга ар-
хеологических объектов. Для апробации системы мониторинга изготовлен прототип робота,
который был протестирован во время раскопок комплекса археологических памятников в Бак-
санском районе Кабардино-Балкарской республики.

Литература

1. Bickler S.H. Machine learning arrives in archaeology // Advances in Archaeological Practice.
– 2021. – Vol. 9, No. 2. – P. 186-191.
2. Coad M.M. et al. Vine Robots // IEEE Robotics & Automation Magazine. – 2019. – Vol. 27,
No. 3. – P. 120-132.
3. Morgan C. Avatars, monsters, and machines: A cyborg archaeology // European Journal of
Archaeology. – 2019. – Vol. 22, No. 3. – P. 324-337.
4. Mantovan L., Nanni L. The computerization of archaeology: survey on artificial intelligence
techniques // SN Computer Science. – 2020. – Vol. 1. – P. 1-32.
5. Tsiogkas N. et al. Efficient multi-AUV cooperation using semantic knowledge representation
for underwater archaeology missions // 2014 Oceans-St. John's. – IEEE, 2014. – P. 1-6.
6. Allotta B. et al. The ARROWS project: adapting and developing robotics technologies for
underwater archaeology // IFAC-PapersOnLine. – 2015. – Vol. 48, No. 2. – P. 194-199.
7. Johnson‐Roberson M. et al. High‐resolution underwater robotic vision‐based mapping and
three‐dimensional reconstruction for archaeology // Journal of Field Robotics. – 2017.
– Vol. 34, No. 4. – P. 625-643.
8. Hotta S., Mitsui Y., Suka M. et al. Lightweight underwater robot developed for archaeological
surveys and excavations // Robomech. – 2023. – Vol. 10. – P. 2-12. https://doi.org/10.1186/
s40648-023-00240-4.
9. Barceló J.A., Cameron S., Kenderdine F. Automatic archaeology // Theorizing digital cultural
heritage. – 2007. – P. 437-56.
10. Fuller G. Towards an archaeology of'know-how' // Cultural studies review. – 2013. – Vol. 19,
No. 1. – P. 271-295.
11. Lieven V. ArchGeoRobot: Automated Archaeo-Geophysical Data Acquisition Using an Unmanned
Ground Vehicle // ArcheoSciences. – 2021. – 45-1. – P. 219-221.
12. Zhang G. et al. SmartCaveDrone: 3D cave mapping using UAVs as robotic co-archaeologists
// 2017 International Conference on Unmanned Aircraft Systems (ICUAS). – IEEE, 2017.
– P. 1052-1057.
13. Forte M., Pietroni E. 3D collaborative environments in archaeology: Experiencing the reconstruction
of the past // International Journal of Architectural Computing. – 2009. – Vol. 7,
No. 1. – P. 57-76.
14. Гапоненко Е.В., Рыбак Л.А., Холошевская Л.Р. Структурный анализ и классификация
роботизированных систем с приводными механизмами на основе кабельных элементов
// Вестник БГТУ им. В.Г. Шухова. – 2019. – № 9. – С. 126-136. – DOI: 10.34031/article_
5da4652c1400a3.95219452.
15. Прокопец С.Д., Белов Д.М. Современные способы фиксации археологических объектов в
полевых условиях // Мультидисциплинарные исследования в археологии. – 2018. – № 2.
– С. 94-102.
16. Шуберт Х. 3Д-фотограмметрия с применением БПЛА в процессе археологического
исследования // Вестник Омского университета. Серия «Исторические науки». – 2016.
– № 4. – С. 124-127.
17. Голованова Л.В., Дороничев В.Б., Дороничева Е.В. Новые данные по палеолиту Приэльб-
русья // Российская археология. – 2019. – № 2. – С. 7-18.
18. Исследование памятников эпохи палеолита. Серия «Методика полевых археологических
исследований». Вып. 7. – М.: ИА РАН, 2012. – 80 с.
19. Пшенокова И.А., Сундуков З.А. Разработка имитационной модели сценарного прогнози-
рования поведения интеллектуального агента на основе инварианта рекурсивной муль-
тиагентной нейрокогнитивной архитектуры // Известия Кабардино-Балкарского научно-
го центра РАН. – 2020. – № 6 (98). – С. 80-90.
20. Нагоев З.В. Интеллектика, или мышление в живых и искусственных системах. – Наль-
чик: Изд-во КБНЦ РАН, 2013. – 211 с.
21. Nagoev Z. et al. Learning algorithm for an intelligent decision making system based on multiagent
neurocognitive architectures // Cognitive Systems Research. – 2021. – Vol. 66. – P. 82-88.
22. Nagoev Z. et al. Multi-agent neurocognitive architecture of an intelligent agent pattern recognition
system // Procedia Computer Science. – 2022. –Vol. 213. – P. 504-509.
23. Нагоев З.В. и др. Автономный синтез пространственных онтологий в системе принятия
решений мобильного робота на основе самоорганизации мультиагентной нейрокогни-
тивной архитектуры // Известия Кабардино-Балкарского научного центра РАН. – 2020.
– №. 6 (98). – С. 68-79.