Лаборатория динамических систем искусственного интеллекта (AIDA)

Ведем фундаментальные и прикладные исследования в области ИИ в «динамике» (AI in dynamic action) — преимущественно занимаемся обучением с подкреплением и интеграцией ИИ с системами автоматического управления

Цель лаборатории

Будущее ИИ в таких динамических системах, как роботы и автономные машины, нельзя представить без обеспечения гарантий безопасного и устойчивого функционирования. Наша цель — разрабатывать и внедрять методы и продукты на основе ИИ в динамике с формальными гарантиями

Руководитель лаборатории

Павел Осиненко
Доктор физико-математических наук, профессор Центрального университета
Один из ведущих специалистов России в области теории управления, автоматизации и обучения с подкреплением с формальными гарантиями. Автор более 65 научных работ, из которых более 30 опубликованы в журналах Q1 по рейтингу Scimago.
Web of Science Researcher ID: Индекс Хирша 9, 316 цитирований
Scopus Profile: Индекс Хирша 10, 399 цитирований
РИНЦ AuthorID 1164058: Индекс Хирша 6, 165 цитирований
Google Scholar Profile: Индекс Хирша 12, 639 цитирований

Направления работы лаборатории

Обучение с подкреплением с гарантиями

01

Сотрудники лаборатории займутся разработкой и внедрением передовых методов обучения с подкреплением, не требующих модели среды, с гарантиями выполнения ограничений на переменные состояния (например, связанными с безопасностью) и устойчивости. В основу направления ляжет метод «Критик как функция Ляпунова» (Critic as Lyapunov Function, CALF) (TRL 3—4), успешно апробированный на мобильных роботах и в модельных экспериментах. Также планируется разработка стандартов на системы управления с применением обучения с подкреплением.

Предиктивное обучение с подкреплением

02

Ключевым подходом этого направления станет стековое обучение с подкреплением — термин, предложенный Павлом в 2017 году на международном конгрессе IFAC. Данный класс методов обеспечивает соблюдение ограничений на переменные состояния среды и ее устойчивость сродни управлению на прогнозирующих моделях (model‑predictive control, MPC). Методы уже успешно апробированы в мобильной робототехнике и опубликованы в ведущих профильных журналах. Сотрудники лаборатории займутся дальнейшим исследованием и развитием методов оптимального предиктивного управления на основе обучения с подкреплением.

Инструментарий и фреймворки для моделирования и проектирования систем ИИ

03

В лаборатории планируется дальнейшая разработка собственного программного фреймворка Regelum — аналога MATLAB-Simulink, специализированного для динамических систем и обучения с подкреплением. Фреймворк уже позволяет быстро создавать прототипы, поддерживает параллельные вычисления и интеграцию современных методов, в том числе авторских, включая CALF. Активно используется в научных и образовательных проектах в России и за рубежом (TRL 4—5).

Что мы предлагаем сотрудникам лабораторий

Устроиться можно через научные конкурсы — следите за анонсами на сайте и в Телеграм
Трудоустройство
Оформляем по ТК и предоставляем ДМС с первого дня
Вознаграждение
Предлагаем конкурентную заработную плату
Сильное руководство
Будете работать в научной лаборатории под руководством ведущих исследователей
Современную инфраструктуру
Получите доступ ко всей рабочей инфраструктуре Центрального университета
Сильную научно-техническую базу
Погрузитесь в обмен знаниями в области ИИ, разработки и бизнес‑аналитики

Требования к кандидатам

ваш опыт
наши ожидания
Магистратура или специалитет (степень кандидата наук для позиций старшего научного сотрудника) по компьютерным наукам, системам автоматического управления, робототехнике, мехатронике или смежным областям
01
Уверенное и грамотное использование больших языковых моделей для разработки, в том числе умение структурировать и форматировать запросы с использованием Markdown и LaTeX
02
Владение фреймворками для автоматического дифференцирования типа Pytorch, Tensorflow. Преимуществом будет знание Matlab, Simulink, владение такими инструментами, как ROS2, Gazebo, Mujoco
03
Владение инструментами математического анализа, теории вероятностей и марковских цепей приветствуется
04
Уверенный разработчик на Python
05
Желателен опыт разработки и экспериментов с робототехническими платформами
06
Желателен опыт педагогической практики как минимум на уровне ассистента или лаборанта

07

Публикации в журналах Q1 и сборниках конференций рейтинга A* по CORE
01
Разработка и ведение отдельных модулей учебных занятий для студентов
02
Создание программных фреймворков по направлениям лаборатории
03
Разработка и лабораторная апробация робототехнических комплексов (мобильных и/или шагающих)

04

В Лаборатории динамических систем искусственного интеллекта состоялся конкурс на замещение должностей научных сотрудников. Итоги утверждены 16 апреля 2026 года приказом № 0416.36:


1. Победителем конкурса на вакантную должность научного сотрудника признана Полина Белозерова.

Результаты конкурса научных сотрудников

16 февраля — 16 марта
16 марта — 16 апреля
Апрель
Май
Прием заявок
Project Proposal
Успешные кандидаты приглашаются на интервью и проводят открытый научный семинар, презентуют свои проекты
Оценка
Консультационный совет экспертов Центрального университета оценивает претендентов
Выход в ЦУ
Одобренные кандидаты приступают к работе в Центральном университете не позднее 16 мая

Этапы конкурса

Контакты для связи

Если возникли вопросы, свяжитесь с нами по почте: science@cu.ru

ИИ — искусственный интеллект
Фреймворк — структура, которая дает набор инструментов, библиотек и правил для разработки приложений
Python, Matlab — языки программирования
Simulink — среда графического программирования на базе Matlab
Ros2 — фреймворк с открытым исходным кодом для разработки робототехнических приложений
Gazebo и Mujoco — среды для моделирования физических систем
Markdown и LaTeX — системы верстки документов