Аннотация:В данной работе рассмотрена задача автономного движения ровера, в ходе реше-
ния которой возникла потребность в моделировани ландшафта, идентификации и из-
бегании препятствий. Проведен обзор возможностей реализации модели окружающей
среды на игровых движках(Unreal Engine, Unity), а также сравнение платформ между
собой с точки зрения выбора для использования в дальнейшем. Помимо этого разобра-
ны различные методы глубокого обучения для распознавания препятствий и методы
обучения с подкреплением для избегания препятствий. Реализован один из методов
семантической сегментации для распознавания препятствий и проверена его работа на
наборе данных из видеопоследовательностей, снятых с камеры на борту мобильного
робота.