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
До 16 марта открыт прием заявок в лабораторию
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
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.
Достижения
- Более 12 завершенных НИОКР в Германии и России
- Прототип робототехнической платформы для мониторинга теплиц с сертификатом готовности технологии 5-го уровня (TRL-5, полное лабораторное тестирование)
- Собственные Python-фреймворки (rcognita, regelum) для быстрого прототипирования и обучения с подкреплением и серия прорывных методов обеспечения гарантий динамического ИИ
- Лауреат премий Сколтеха и других
- Под фактическим руководством Павла уже защитились три аспиранта в Германии с высшими оценками, а также три аспиранта в России успешно прошли предзащиты в Сколтехе
Публикации
- Osinenko, P. (2021). Towards a constructive framework for control theory. IEEE Control Systems Letters, 6, 379−384.
- Osinenko, P., & Yaremenko, G. (2026). Some remarks on stochastic converse Lyapunov theorems. Automatica, 186, 112 857.
- Schmidt, P., Osinenko, P., & Streif, S. (2025). Some remarks on robustness of sample-and-hold stabilization. IEEE Control Systems Letters.
- Osinenko, P., Yaremenko, G., & Malaniya, G. (2022). On Stochastic Stabilization via Nonsmooth Control Lyapunov Functions. IEEE Transactions on Automatic Control, 68(8), 4925−4931.
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).
Сейчас в лабораторию открыт конкурс
Мы готовы пригласить одного научного сотрудника и одного старшего научного сотрудника. Вот что мы предлагаем:
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
Условия участия
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
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