The object of research, development or design (in Russian) : Объектом исследования, разработки и проектирования является автономный мобильный робот, предназначенный для патрулирования открытых и закрытых пространств, оснащённый системой навигации, распознавания объектов и построения карты окружающей среды в реальном времени.

The object of research, development or design (in Kazakh) : Зерттеу, әзірлеу және жобалау нысаны – ашық және жабық кеңістіктерде патрульдеу үшін арналған автономды мобильді робот. Робот навигация, нысандарды тану және қоршаған ортаның картасын нақты уақытта құру жүйелерімен жабдықталған.

Aim of work (in Russian) : Разработка автономного мобильного робота предназначенного для выполнения патрулирования открытых и закрытых пространств, применяя модифицированную генетическим алгоритмом нейронную сеть для распознавания различных объектов.

Aim of work (in Kazakh) : Түрлі объектілерді тану үшін генетикалық алгоритммен өзгертілген нейрондық желіні пайдалана отырып, ашық және жабық кеңістіктерді патрульдеу үшін арналған автономды мобильді роботты әзірлеу.

Методы исследования (на русском) : В работе использованы экспериментальные, вычислительные и аналитические методы исследования. Основу составляют методы машинного обучения, эволюционной оптимизации и компьютерного зрения, применяемые для проектирования, обучения и оценки моделей. В процессе разработки создавались архитектуры нейронных сетей и генетические алгоритмы, а также проводилось моделирование и тестирование в различных условиях внешней среды.

Методы исследования (на казахском) : Жұмыста эксперименттік, есептеуіш және талдамалық әдістер қолданылды. Негізін машиналық оқыту, эволюциялық оңтайландыру және компьютерлік көру әдістері құрайды, олар модельдерді жобалау, оқыту және бағалау үшін пайдаланылды. Даму барысында нейрондық желілердің архитектуралары мен генетикалық алгоритмдер жасалып, әртүрлі сыртқы орта жағдайларында модельдеу және сынақтан өткізу жүргізілді.

Obtained results and novelty (in Russian) : Научная новизна заключается во внедрении методов генетической оптимизации в архитектуру сверточных нейронных сетей с целью повышения точности распознавания объектов. Предложенный подход сочетает преимущества эволюционного моделирования и глубокого обучения, обеспечивая адаптивную оптимизацию архитектуры нейронных сетей в динамических условиях. В отличие от традиционных методов, алгоритм выполняет итерационную оптимизацию, основанную на принципе естественного отбора, что позволяет достичь более высокой точности и устойчивости в задачах распознавания. Полученные результаты вносят вклад в развитие исследований в области автономной навигации, компьютерного зрения и интеллектуальной робототехники.

Obtained results and novelty (in Kazakh) : Зерттеудің ғылыми жаңалығы нысандарды тану дәлдігін арттыру мақсатында генетикалық оңтайландыру әдістерін свертуші нейрондық желілердің архитектурасына енгізуде жатыр. Ұсынылған тәсіл эволюциялық модельдеудің және терең оқытудың артықшылықтарын біріктіріп, нейрондық желілердің архитектурасын динамикалық жағдайларда бейімделе оңтайландыруды қамтамасыз етеді. Дәстүрлі әдістерден айырмашылығы, алгоритм табиғи сұрыптау қағидатына негізделген итерациялық оңтайландыруды орындайды, бұл жоғары дәлдік пен тұрақтылыққа қол жеткізуге мүмкіндік береді. Алынған нәтижелер автономды навигация, компьютерлік көру және интеллектуалды робототехника салаларындағы зерттеулердің дамуына үлес қосады.

The main constructive and technical economic indicators (in Russian) : Основные конструктивные и технико-экономические показатели подтверждают, что технология достигла уровня TRL-5 — демонстрация работоспособности технологии на детализированном макете в условиях, приближенных к реальным. Разработанный прототип автономного мобильного робота показал устойчивую работу всех ключевых подсистем: навигации, SLAM-картографирования, распознавания объектов и взаимодействия аппаратных модулей с программной средой ROS. Система успешно функционировала в лабораторных условиях, адаптированных под реальные сценарии эксплуатации, включая движение по сложным траекториям и обход препятствий. Технология характеризуется модульной архитектурой, низкой себестоимостью, энергоэффективностью и возможностью масштабирования.

The main constructive and technical economic indicators (in Kazakh) : Негізгі конструктивтік және техникалық-экономикалық көрсеткіштер технологияның TRL-5 деңгейіне жеткенін растайды — технологияның жұмысқа қабілеттілігі нақты жағдайларға барынша ұқсас ортада жасалған егжей-тегжейлі макетте көрсетілді. Әзірленген автономды мобильді робот прототипі навигация, SLAM карта құру, нысандарды тану және ROS ортасымен аппараттық модульдердің өзара әрекеттесу сияқты негізгі ішкі жүйелердің тұрақты жұмысын көрсетті. Жүйе нақты пайдалану сценарийлеріне бейімделген зертханалық жағдайда сәтті жұмыс істеп, күрделі траекториялар бойынша қозғалысты және кедергілерден айналып өтуді қамтамасыз етті. Технологияның артықшылықтары — модульдік архитектура, төмен өзіндік құн, энергия тиімділігі және кеңейтілу мүмкіндігі.

Level of implementation (in Russian) : Степень внедрения соответствует уровню TRL-5 — технология продемонстрировала свою работоспособность на детализированном макете, моделирующем реальные условия эксплуатации. Для достоверности результатов лабораторная среда была модифицирована и адаптирована под реальные сценарии использования. Разработаны и протестированы аппаратные и программные модули, интегрированные в единую ROS-систему. По результатам исследований опубликованы научные статьи и монографии, в которых подробно описаны прототип технологии, программное обеспечение и методология испытаний.

Level of implementation (in Kazakh) : Енгізу дәрежесі TRL-5 деңгейіне сәйкес келеді — технологияның жұмысқа қабілеттілігі нақты пайдалану жағдайларын модельдейтін егжей-тегжейлі макетте сәтті көрсетілді. Нәтижелердің нақтылығын арттыру үшін зертханалық орта нақты сценарийлерге барынша ұқсас етіп бейімделді. ROS жүйесіне біріктірілген аппараттық және бағдарламалық модульдер жасалып, сынақтан өткізілді. Зерттеу нәтижелері бойынша ғылыми мақалалар мен монографиялар жарияланып, онда технологияның прототипі, бағдарламалық қамтамасыз ету және сынақ әдістемесі егжей-тегжейлі сипатталған.

Efficiency (in Russian) : Эффективность разработанного решения определяется совокупностью технических, функциональных и экономических показателей. Предложенная система демонстрирует высокую точность распознавания объектов и устойчивую навигацию в реальном времени благодаря применению генетического алгоритма для оптимизации нейронной сети. Использование методов эволюционной оптимизации позволило увеличить точность классификации объектов до 0,87 F1-score по сравнению с базовой моделью 3D-CNN. Результаты демонстрируют, что применение разработанной архитектуры обеспечивает оптимальный баланс между точностью, скоростью и вычислительными ресурсами, что делает систему эффективной как в исследовательских, так и в практических применениях.

Efficiency (in Kazakh) : Әзірленген шешімнің тиімділігі техникалық, функционалдық және экономикалық көрсеткіштердің жиынтығымен анықталады. Ұсынылған жүйе нейрондық желіні оңтайландыру үшін қолданылған генетикалық алгоритмнің арқасында нақты уақыт режимінде нысандарды жоғары дәлдікпен тануды және тұрақты навигацияны қамтамасыз етеді. Эволюциялық оңтайландыру әдістерін қолдану нысандарды жіктеу дәлдігін 0,87 F1-score деңгейіне дейін көтеруге мүмкіндік берді, бұл базалық 3D-CNN моделінен жоғары. Зерттеу нәтижелері әзірленген архитектураның дәлдік, жылдамдық және есептеу ресурстары арасындағы оңтайлы тепе-теңдікті қамтамасыз ететінін көрсетеді, бұл жүйені ғылыми да, қолданбалы мақсаттарда да жоғары тиімді етеді.

Field of application (in Russian) : Разработанные научно-технические решения обладают высокой практической значимостью. Предложенные алгоритмы и программные модули могут быть интегрированы в робототехнические системы, системы автономного наблюдения и комплексы искусственного интеллекта, а также в системы управления и мониторинга безопасности. Разработанные технологии повышают возможности робота по построению карт местности, навигации и восприятию окружающей среды в реальном времени. Кроме того, результаты исследования могут быть использованы в образовательных и научных организациях для проведения прикладных исследований в области искусственного интеллекта и компьютерного зрения.

Field of application (in Kazakh) : Дайындалған ғылыми-техникалық шешімдер жоғары практикалық маңызға ие. Ұсынылған алгоритмдер мен бағдарламалық модульдер робототехникалық жүйелерге, автономды бақылау жүйелеріне, жасанды интеллект кешендеріне, сондай-ақ қауіпсіздікті басқару және мониторинг жүйелеріне енгізілуі мүмкін. Дамытылған технологиялар роботтың жер бедерін картаға түсіру, навигация және қоршаған ортаны нақты уақыт режимінде қабылдау мүмкіндіктерін арттырады. Сонымен қатар, зерттеу нәтижелері жоғары оқу орындарында және ғылыми ұйымдарда жасанды интеллект пен компьютерлік көру саласындағы қолданбалы зерттеулер жүргізу үшін пайдаланылуы мүмкін.