Nvidia HGX A100 — новая плата для AI и HPC.
Генеральный директор Nvidia Дженсен Хуанг провел виртуальную версию ежегодной конференции компании GTC. Среди прочего на ней он представил «самую сложную материнскую плату в мире».
Она получила название HGX A100 и способна вместить восемь графических ускорителей A100 с тензорными ядрами третьего поколения, ускоряющими вычисления FP64 в 2,5 раза и FP32 — в 20 раз без изменения кода.
Каждый ГП A100 содержит 54 млрд транзисторов. Это самый сложный чип, выпускаемый по 7-нм техпроцессу.
Благодаря архитектуре Ampere, HGX A100 в конфигурации с восемью ГП обеспечивает пиковую производительность на уровне 5 петафлопс для вычислений с плавающей запятой половинной точности (FP16).
HGX A100 предлагается в двух вариантах: с 4 или 8 ГП A100. В первом случае ускорители объединены через интерфейс NVLink, а во втором — через скоростной коммутатор NVSwitch.
Две платы HGX A100 в максимальной конфигурации можно также объединить через NVSwitch в единый вычислительный узел с производительностью до 10 Пфлопс (FP16) и общей пропускной способностью 9,6 Тбит/с.
Основное назначение HGX A100 — «тяжёлые» задачи глубокого обучения, требующие большого объёма данных. Новая плата обеспечивает до 512 Гб совместно используемой памяти.
По сравнению с предыдущей разработкой HGX с чипами архитектуры Volta, HGX A100 в максимальной конфигурации в 6 раз производительнее в задачах обучения нейросетей и почти в 7 раз при работе уже обученных (инференс).
Интерес к HGX A100 уже выразили крупнейшие поставщики облачных сервисов, среди которых Amazon Web Services (AWS), Google Cloud, Microsoft Azure Hewlett Packard HPE, Alibaba Cloud и Baidu Cloud.
Источник: Nvidia
Генеральный директор Nvidia Дженсен Хуанг провел виртуальную версию ежегодной конференции компании GTC. Среди прочего на ней он представил «самую сложную материнскую плату в мире».
Она получила название HGX A100 и способна вместить восемь графических ускорителей A100 с тензорными ядрами третьего поколения, ускоряющими вычисления FP64 в 2,5 раза и FP32 — в 20 раз без изменения кода.
Каждый ГП A100 содержит 54 млрд транзисторов. Это самый сложный чип, выпускаемый по 7-нм техпроцессу.
Благодаря архитектуре Ampere, HGX A100 в конфигурации с восемью ГП обеспечивает пиковую производительность на уровне 5 петафлопс для вычислений с плавающей запятой половинной точности (FP16).
HGX A100 предлагается в двух вариантах: с 4 или 8 ГП A100. В первом случае ускорители объединены через интерфейс NVLink, а во втором — через скоростной коммутатор NVSwitch.
Две платы HGX A100 в максимальной конфигурации можно также объединить через NVSwitch в единый вычислительный узел с производительностью до 10 Пфлопс (FP16) и общей пропускной способностью 9,6 Тбит/с.
Основное назначение HGX A100 — «тяжёлые» задачи глубокого обучения, требующие большого объёма данных. Новая плата обеспечивает до 512 Гб совместно используемой памяти.
По сравнению с предыдущей разработкой HGX с чипами архитектуры Volta, HGX A100 в максимальной конфигурации в 6 раз производительнее в задачах обучения нейросетей и почти в 7 раз при работе уже обученных (инференс).
Интерес к HGX A100 уже выразили крупнейшие поставщики облачных сервисов, среди которых Amazon Web Services (AWS), Google Cloud, Microsoft Azure Hewlett Packard HPE, Alibaba Cloud и Baidu Cloud.
Источник: Nvidia
Forwarded from DX.Media
Новый лидар от EPFL сделает беспилотники безопаснее
Группа исследователей из Федеральной политехнической школы Лозанны (EPFL) разработала усовершенствованный лазерный сканер (LIDAR), повышающий безопасность дронов и электронных ассистентов водителя.
Развитие беспилотного транспорта сдерживает необходимость их эпизодического контроля вручную. Им всё ещё требуется помощь человека в сложных ситуациях, причём — немедленная.
Проблема в том, что системы машинного зрения до сих пор теряются, получая противоречивые данные от разных сенсоров. Прозрачные преграды и отражающие поверхности сбивают их с толку, равно как и плохие метеоусловия.
Основным способом повышения автономности беспилотников были и остаются лазерные сканеры — лидары. Однако большинство из них при обилии оптических помех также «слепнут» или слишком долго вычисляют расстояние, замеряя время регистрации отражённого сигнала.
За секунду раздумий искусственного интеллекта автомобиль на скорости 60 км/ч проедет более 16 метров, а тормозной путь увеличит его минимум вдвое.
Швейцарские физики предложили концептуально иную конструкцию лидара, одновременно повышающую его помехозащищённость, увеличивающую дальность обнаружения преград и сокращающую время определения расстояния до препятствия.
Вместо принципа TOF (измерение времени пролёта для серии импульсов) в нём используются когерентные свойства лазера. Лидар излучает модулированный сигнал, который распараллеливается на выходе с помощью резонатора.
Из одного источника получается до 30 независимых оптических каналов. Каждый из них используется для быстрого вычисления расстояния за счёт эффекта Доплера — сдвига частоты отражённого сигнала в зависимости от скорости относительно преграды.
Зная текущую скорость самого беспилотника по GPS, бортовой ИИ практически мгновенно вычисляет скорость и направление всех объектов в поле зрения лидара.
Шанс того, что все 30 каналов одновременно ослепнут, практически нулевой. Модулированные сигналы уверенно различаются на фоне помех от Солнца и шумов городской засветки.
Источники: EPFL, Nature
Группа исследователей из Федеральной политехнической школы Лозанны (EPFL) разработала усовершенствованный лазерный сканер (LIDAR), повышающий безопасность дронов и электронных ассистентов водителя.
Развитие беспилотного транспорта сдерживает необходимость их эпизодического контроля вручную. Им всё ещё требуется помощь человека в сложных ситуациях, причём — немедленная.
Проблема в том, что системы машинного зрения до сих пор теряются, получая противоречивые данные от разных сенсоров. Прозрачные преграды и отражающие поверхности сбивают их с толку, равно как и плохие метеоусловия.
Основным способом повышения автономности беспилотников были и остаются лазерные сканеры — лидары. Однако большинство из них при обилии оптических помех также «слепнут» или слишком долго вычисляют расстояние, замеряя время регистрации отражённого сигнала.
За секунду раздумий искусственного интеллекта автомобиль на скорости 60 км/ч проедет более 16 метров, а тормозной путь увеличит его минимум вдвое.
Швейцарские физики предложили концептуально иную конструкцию лидара, одновременно повышающую его помехозащищённость, увеличивающую дальность обнаружения преград и сокращающую время определения расстояния до препятствия.
Вместо принципа TOF (измерение времени пролёта для серии импульсов) в нём используются когерентные свойства лазера. Лидар излучает модулированный сигнал, который распараллеливается на выходе с помощью резонатора.
Из одного источника получается до 30 независимых оптических каналов. Каждый из них используется для быстрого вычисления расстояния за счёт эффекта Доплера — сдвига частоты отражённого сигнала в зависимости от скорости относительно преграды.
Зная текущую скорость самого беспилотника по GPS, бортовой ИИ практически мгновенно вычисляет скорость и направление всех объектов в поле зрения лидара.
Шанс того, что все 30 каналов одновременно ослепнут, практически нулевой. Модулированные сигналы уверенно различаются на фоне помех от Солнца и шумов городской засветки.
Источники: EPFL, Nature
actu.epfl.ch
Speeding up long-range coherent LiDAR
LiDAR is a technique used for measuring distances with laser light. In a study published in Nature, researchers at EPFL show a new way to speed up a type of LiDAR engine by using photonic circuits.
Boston Dynamics выводит Spot на новый уровень
Самый узнаваемый сегодня четвероногий робот Spot становится умнее. Разработчики стараются сделать его максимально универсальным, для чего заключают ряд стратегических соглашений.
Недавно Boston Dynamics объявила о партнерстве с калифорнийской компанией Vinsa Inc., специализирующейся в области машинного зрения.
Это поможет устанавливать на Spot съёмные датчики: радары, лидары, тепловизоры и прочие сенсоры, в зависимости от потребностей заказчика.
Молодая новозеландская компания Rocos предоставит Boston Dynamics облачную инфраструктуру для дистанционного управления роботами. Так они станут более автономными и смогут выполнять коллективные задачи.
«Платформа Rocos позволяет легко планировать миссии, удаленно перехватывать управление в любой момент, быстро получать доступ к собранным роботом данным и объединять усилия нескольких экземпляров Spot», — пояснил генеральный директор Дэвид Инггс.
«С ней клиенты Boston Dynamics получат лёгкую автоматизацию физических процессов, которые при использовании ручного труда могут быть опасными, грязными или просто слишком утомительными», — добавил он.
В раннем тестировании команда Boston Dynamics, находясь в США, использовала веб-интерфейс Rocos для навигации Spot по неизвестной для робота местности в Новой Зеландии.
Робот успешно преодолел сложные подъёмы и спуски, прошёл через ферму и достиг пастбища где следил за отарой овец.
Наиболее логичной схемой монетизации в Boston Dynamics видят модель RaaS (робот как услуга). Ожидается, что стоимость проката Spot будет сравнима с арендой автомобиля.
Видео: YouTube
Источник: The Robot Report
Самый узнаваемый сегодня четвероногий робот Spot становится умнее. Разработчики стараются сделать его максимально универсальным, для чего заключают ряд стратегических соглашений.
Недавно Boston Dynamics объявила о партнерстве с калифорнийской компанией Vinsa Inc., специализирующейся в области машинного зрения.
Это поможет устанавливать на Spot съёмные датчики: радары, лидары, тепловизоры и прочие сенсоры, в зависимости от потребностей заказчика.
Молодая новозеландская компания Rocos предоставит Boston Dynamics облачную инфраструктуру для дистанционного управления роботами. Так они станут более автономными и смогут выполнять коллективные задачи.
«Платформа Rocos позволяет легко планировать миссии, удаленно перехватывать управление в любой момент, быстро получать доступ к собранным роботом данным и объединять усилия нескольких экземпляров Spot», — пояснил генеральный директор Дэвид Инггс.
«С ней клиенты Boston Dynamics получат лёгкую автоматизацию физических процессов, которые при использовании ручного труда могут быть опасными, грязными или просто слишком утомительными», — добавил он.
В раннем тестировании команда Boston Dynamics, находясь в США, использовала веб-интерфейс Rocos для навигации Spot по неизвестной для робота местности в Новой Зеландии.
Робот успешно преодолел сложные подъёмы и спуски, прошёл через ферму и достиг пастбища где следил за отарой овец.
Наиболее логичной схемой монетизации в Boston Dynamics видят модель RaaS (робот как услуга). Ожидается, что стоимость проката Spot будет сравнима с арендой автомобиля.
Видео: YouTube
Источник: The Robot Report
YouTube
Autonomous farm work - enter the robots
The use of autonomous robots in agriculture is increasing the efficiency of food production. Robots, like Spot from Boston Dynamics, increase accuracy in yield estimates, relieve the strain of worker shortages, and create precision in farming.
Итальянский робот-омар поможет морским биологам
Сотрудники Школы перспективных исследований имени св. Анны (Пиза, Италия) и Неаполитанской зоологической станции создали робота для подводных миссий, напоминающего дизайном и кинематикой омара.
Он получил название SILVER2, поскольку это улучшенная версия прототипа SILVER. В переводе с итальянского аббревиатура означает «Шагающий аппарат для глубинной разведки».
Конструкция робота была разработана методами биомимикрии — подражания живым организмам. Как и настоящий омар, SILVER2 способен передвигаться по морскому дну со сложным рельефом.
Правда, в отличие от десятиногих ракообразных, робот обходится шестью ногами с пружинами. В состоянии покоя они согнуты, а при потере опоры быстро выпрямляются. В целом его движения похожи на манеру перемещения лобстера.
Благодаря такому решению, аппарат сохраняет устойчивость на скользких камнях, не вязнет в донных отложениях, самостоятельно освобождается от водорослей и даже прыгает под водой на высоту до 10 сантиметров.
Робот сохраняет баланс при помощи встроенного стабилизатора. Как и вся электроника, он имплантирован глубоко в корпус и окружён водонепроницаемой оболочкой. Там же расположен инерционный блок навигации (IMU), барометрический датчик и флотационная система.
Из внешних модулей у робота есть камеры, микрофоны и тактильные сенсоры, помогающие ориентироваться в мутной воде.
SILVER2 может работать автономно или управляться дистанционно с научного судна. Одного заряда батарей хватает на 7 часов непрерывных перемещений или на 16 часов пассивного наблюдения.
Основная задача робота — помочь морским биологам изучать глубоководные организмы в их естественной среде. Небольшой аппарат размерами 60 x 35 см практически не беспокоит их.
Видео: YouTube
Источник: Science Robotics
Сотрудники Школы перспективных исследований имени св. Анны (Пиза, Италия) и Неаполитанской зоологической станции создали робота для подводных миссий, напоминающего дизайном и кинематикой омара.
Он получил название SILVER2, поскольку это улучшенная версия прототипа SILVER. В переводе с итальянского аббревиатура означает «Шагающий аппарат для глубинной разведки».
Конструкция робота была разработана методами биомимикрии — подражания живым организмам. Как и настоящий омар, SILVER2 способен передвигаться по морскому дну со сложным рельефом.
Правда, в отличие от десятиногих ракообразных, робот обходится шестью ногами с пружинами. В состоянии покоя они согнуты, а при потере опоры быстро выпрямляются. В целом его движения похожи на манеру перемещения лобстера.
Благодаря такому решению, аппарат сохраняет устойчивость на скользких камнях, не вязнет в донных отложениях, самостоятельно освобождается от водорослей и даже прыгает под водой на высоту до 10 сантиметров.
Робот сохраняет баланс при помощи встроенного стабилизатора. Как и вся электроника, он имплантирован глубоко в корпус и окружён водонепроницаемой оболочкой. Там же расположен инерционный блок навигации (IMU), барометрический датчик и флотационная система.
Из внешних модулей у робота есть камеры, микрофоны и тактильные сенсоры, помогающие ориентироваться в мутной воде.
SILVER2 может работать автономно или управляться дистанционно с научного судна. Одного заряда батарей хватает на 7 часов непрерывных перемещений или на 16 часов пассивного наблюдения.
Основная задача робота — помочь морским биологам изучать глубоководные организмы в их естественной среде. Небольшой аппарат размерами 60 x 35 см практически не беспокоит их.
Видео: YouTube
Источник: Science Robotics
YouTube
Silver 2, il granchio robot amico dell'ambiente
Attraversare terreni accidentati e irregolari, senza modificare i fondali; avvicinarsi ai pesci in sicurezza e con precisione, muovendosi silenziosamente e raccogliere campioni.
Sono solo alcuni dei compiti che Silver 2, il granchio robot esploratore, è…
Sono solo alcuni dei compiti che Silver 2, il granchio robot esploratore, è…
Forwarded from DX.Media
ARMAR-6 — проактивный гуманоидный кобот
Европейский союз EU Horizon2020 SecondHands представил проактивного робота-помощника. Он получил название ARMAR-6 и станет первым в своём роде гуманоидным ассистентом.
Новый кобот предназначен для непосредственной помощи при выполнении тяжёлых работ на фабриках и складах.
ARMAR-6 уникален тем, что использует сразу несколько методов машинного обучения, основанных как на данных, так и на моделях. В нём применяются сложные алгоритмы, включая распознавание последовательности действий, сегментацию и классификацию контекста.
Робот в фоновом режиме выполняет трехмерную реконструкцию человеческих поз. Семантический анализ 3D-сцены помогает ему определять намерения человека без подробной аннотации данных.
На голове ARMAR-6 установлены пять камер, не оставляющие слепых пятен. Он всегда реагирует на приближение людей и автоматически корректирует свои движения так, чтобы предотвратить столкновение.
ARMAR-6 сочетает визуальный контроль с тактильной обратной связью, чтобы самостоятельно определять оптимальное место и необходимое усилие для аккуратного захвата разных объектов.
Колёсная платформа с гиростабилизацией позволяет ему подниматься по лестнице и разворачиваться на месте, что особенно ценно в ограниченных пространствах.
Универсальные манипуляторы с восемью степенями свободы позволяют выполнять широкий круг задач. Робот может брать хрупкие предметы, передавать инструменты и поднимать тяжести.
Разработка робота заняла пять лет. В ней участвовали Технологический институт Карлсруэ (KIT, Германия), Федеральная политехническая школа Лозанны (EPFL, Швейцария); Римский университет Ла Сапиенца (Италия) и Университетский колледж Лондона (UCL, Великобритания).
Воплощением ARMAR-6 в металле занималась британская Ocado Technology, которая проверила робота в реальных условиях на одном из своих объектов.
«Сложная среда CFC Ocado позволила нам усовершенствовать систему принятия решений у робота и алгоритмы его восприятия в задачах промышленного обслуживания», — сказала Фиора Пирри, профессор университета Ла Сапиенца.
Видео: YouTube
Источники: SecondHands, The Robot Report.
Европейский союз EU Horizon2020 SecondHands представил проактивного робота-помощника. Он получил название ARMAR-6 и станет первым в своём роде гуманоидным ассистентом.
Новый кобот предназначен для непосредственной помощи при выполнении тяжёлых работ на фабриках и складах.
ARMAR-6 уникален тем, что использует сразу несколько методов машинного обучения, основанных как на данных, так и на моделях. В нём применяются сложные алгоритмы, включая распознавание последовательности действий, сегментацию и классификацию контекста.
Робот в фоновом режиме выполняет трехмерную реконструкцию человеческих поз. Семантический анализ 3D-сцены помогает ему определять намерения человека без подробной аннотации данных.
На голове ARMAR-6 установлены пять камер, не оставляющие слепых пятен. Он всегда реагирует на приближение людей и автоматически корректирует свои движения так, чтобы предотвратить столкновение.
ARMAR-6 сочетает визуальный контроль с тактильной обратной связью, чтобы самостоятельно определять оптимальное место и необходимое усилие для аккуратного захвата разных объектов.
Колёсная платформа с гиростабилизацией позволяет ему подниматься по лестнице и разворачиваться на месте, что особенно ценно в ограниченных пространствах.
Универсальные манипуляторы с восемью степенями свободы позволяют выполнять широкий круг задач. Робот может брать хрупкие предметы, передавать инструменты и поднимать тяжести.
Разработка робота заняла пять лет. В ней участвовали Технологический институт Карлсруэ (KIT, Германия), Федеральная политехническая школа Лозанны (EPFL, Швейцария); Римский университет Ла Сапиенца (Италия) и Университетский колледж Лондона (UCL, Великобритания).
Воплощением ARMAR-6 в металле занималась британская Ocado Technology, которая проверила робота в реальных условиях на одном из своих объектов.
«Сложная среда CFC Ocado позволила нам усовершенствовать систему принятия решений у робота и алгоритмы его восприятия в задачах промышленного обслуживания», — сказала Фиора Пирри, профессор университета Ла Сапиенца.
Видео: YouTube
Источники: SecondHands, The Robot Report.
YouTube
Horizon 2020 Secondhands Project - Pioneering Collaborative Robotics
https://secondhands.eu/
The Horizon2020 SecondHands consortium has achieved major breakthroughs in its development of a collaborative robot which can proactively assist humans in maintenance tasks.
The ARMAR-6 is a revolutionary robot platform which has…
The Horizon2020 SecondHands consortium has achieved major breakthroughs in its development of a collaborative robot which can proactively assist humans in maintenance tasks.
The ARMAR-6 is a revolutionary robot platform which has…
Forwarded from DX.Media
Huawei форсирует развитие ИИ в Европе и России
Компания Huawei в течение следующих пяти лет инвестирует 100 млн евро в программу AI Ecosystem.
Это обеспечит стимулирование инноваций для 200 тыс. разработчиков и 50 университетов, занимающихся разработкой нейросетей и технологий машинного обучения.
Аналитики Huawei считают, что к 2025 году приложения искусственного интеллекта будут составлять около 80% от общей нагрузки в центрах обработки данных по сравнению с текущим показателем менее 10%.
Также ожидается, что через пять лет за счёт повсеместного внедрения 5G к мобильным сетям будет подключено более 150 миллиардов интеллектуальных устройств, большинство из которых станут использовать алгоритмы компьютерного зрения и распознавания естественной речи.
Уже сейчас китайская компания создаёт мощный технологический задел для быстрой трансформации дата-центров.
Её вычислительная платформа MindSpore предоставляет унифицированные API для разработки ИИ-приложений, а сервер Atlas 800 на базе процессоров Kunpeng 920 (64 ядра ARMv8, 2,6 ГГц, 7 нм) обеспечивает очень высокую энергоэффективность — 357 гигафлопс на ватт.
Например, распознавание объектов в 16 каналах HD-видео в реальном времени требует менее 8 Вт. Обычно столько потребляет интеллектуальная IP-камера, транслирующая один видеопоток.
За счёт выделенного модуля декодирования видео, серверы Atlas 300 могут параллельно анализировать до 512 каналов видео высокой чёткости.
Топовая модель Atlas 800 mod. 9000 выполнена в небольшом формате четырехсокетного сервера высотой 4U.
При этом её пиковая производительность составляет 2 петафлопс для операций с плавающей запятой половинной точности (FP16).
Один такой сервер способен параллельно декодировать 16384 изображений разрешения Full HD, одновременно выполняя задачи машинного обучения.
На базе лаборатории OpenLab в Москве Huawei планирует создать экосистему, в которой при участии российских университетов будут реализованы свыше 500 проектов по развитию ИИ-приложений для центров обработки данных.
Источник: Huawei
Компания Huawei в течение следующих пяти лет инвестирует 100 млн евро в программу AI Ecosystem.
Это обеспечит стимулирование инноваций для 200 тыс. разработчиков и 50 университетов, занимающихся разработкой нейросетей и технологий машинного обучения.
Аналитики Huawei считают, что к 2025 году приложения искусственного интеллекта будут составлять около 80% от общей нагрузки в центрах обработки данных по сравнению с текущим показателем менее 10%.
Также ожидается, что через пять лет за счёт повсеместного внедрения 5G к мобильным сетям будет подключено более 150 миллиардов интеллектуальных устройств, большинство из которых станут использовать алгоритмы компьютерного зрения и распознавания естественной речи.
Уже сейчас китайская компания создаёт мощный технологический задел для быстрой трансформации дата-центров.
Её вычислительная платформа MindSpore предоставляет унифицированные API для разработки ИИ-приложений, а сервер Atlas 800 на базе процессоров Kunpeng 920 (64 ядра ARMv8, 2,6 ГГц, 7 нм) обеспечивает очень высокую энергоэффективность — 357 гигафлопс на ватт.
Например, распознавание объектов в 16 каналах HD-видео в реальном времени требует менее 8 Вт. Обычно столько потребляет интеллектуальная IP-камера, транслирующая один видеопоток.
За счёт выделенного модуля декодирования видео, серверы Atlas 300 могут параллельно анализировать до 512 каналов видео высокой чёткости.
Топовая модель Atlas 800 mod. 9000 выполнена в небольшом формате четырехсокетного сервера высотой 4U.
При этом её пиковая производительность составляет 2 петафлопс для операций с плавающей запятой половинной точности (FP16).
Один такой сервер способен параллельно декодировать 16384 изображений разрешения Full HD, одновременно выполняя задачи машинного обучения.
На базе лаборатории OpenLab в Москве Huawei планирует создать экосистему, в которой при участии российских университетов будут реализованы свыше 500 проектов по развитию ИИ-приложений для центров обработки данных.
Источник: Huawei
RV-5AS-D — японская рука помощи
Mitsubishi Electric представила первую экспортную модель робота-ассистента. Кобот RV-5AS-D расширяет семейство универсальных манипуляторов MELFA новым классом ASSISTA.
Он соответствует стандартам безопасности и робототехники ISO 10218-1 и ISO / TS15066, то есть может использоваться на любом производстве в тесном контакте с людьми.
Обучение кобота не требует написания кода и происходит в среде Windows RT Visual. Панель управления настолько простая, что даже неопытные пользователи с лёгкостью разберутся в ней.
Помимо воспроизведения сценариев, RV-5AS-D также предлагает режим непосредственного управления. В нём оператор контролирует положение манипулятора вручную, также дозируя усилие захвата.
Эти данные могут быть записаны как отдельные настройки, а затем быстро добавлены к любой последовательности движений.
На предплечье робота расположена панель управления и шестицветное светодиодное кольцо. Это индикатор его текущего состояния, отображающий режимы работы и коды ошибок.
Манипулятор выполнен по 6-осной схеме шарнирных сочленений. Интересно, что помимо машинного масла их можно обслуживать пищевой смазкой NSF H1, разрешённой в производстве продуктов питания и напитков.
Благодаря датчикам поворота (энкодерам) инерциальная измерительная система кобота достигает точности ± 0,02 мм. Он может перемещаться в пределах сферы диаметром 1800 миллиметров.
Пневматические линии делают RV-5AS-D одним из самых быстрых коботов на рынке: время между отправкой команды и началом её выполнения составляет 0,32 с.
Грузоподъемность RV-5AS-D составляет 5 кг. Он защищён от попадания пыли и влаги по стандарту IP67.
Ориентировочная цена: $33 600 при объёме выпуска 1000 штук в год.
Источник: Mitsubishi Electric
Mitsubishi Electric представила первую экспортную модель робота-ассистента. Кобот RV-5AS-D расширяет семейство универсальных манипуляторов MELFA новым классом ASSISTA.
Он соответствует стандартам безопасности и робототехники ISO 10218-1 и ISO / TS15066, то есть может использоваться на любом производстве в тесном контакте с людьми.
Обучение кобота не требует написания кода и происходит в среде Windows RT Visual. Панель управления настолько простая, что даже неопытные пользователи с лёгкостью разберутся в ней.
Помимо воспроизведения сценариев, RV-5AS-D также предлагает режим непосредственного управления. В нём оператор контролирует положение манипулятора вручную, также дозируя усилие захвата.
Эти данные могут быть записаны как отдельные настройки, а затем быстро добавлены к любой последовательности движений.
На предплечье робота расположена панель управления и шестицветное светодиодное кольцо. Это индикатор его текущего состояния, отображающий режимы работы и коды ошибок.
Манипулятор выполнен по 6-осной схеме шарнирных сочленений. Интересно, что помимо машинного масла их можно обслуживать пищевой смазкой NSF H1, разрешённой в производстве продуктов питания и напитков.
Благодаря датчикам поворота (энкодерам) инерциальная измерительная система кобота достигает точности ± 0,02 мм. Он может перемещаться в пределах сферы диаметром 1800 миллиметров.
Пневматические линии делают RV-5AS-D одним из самых быстрых коботов на рынке: время между отправкой команды и началом её выполнения составляет 0,32 с.
Грузоподъемность RV-5AS-D составляет 5 кг. Он защищён от попадания пыли и влаги по стандарту IP67.
Ориентировочная цена: $33 600 при объёме выпуска 1000 штук в год.
Источник: Mitsubishi Electric
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
Skyborg
Американские ВВС потратят на разработку интеллектуальных ведомых беспилотников $400 млн. Проект получил название Skyborg, а испытания предсерийных образцов начнутся в 2023 году.
Свои прототипы представили две компании: это XQ-58 Valkyrie со сменной носовой частью от Kratos и Airpower Teaming System (Loyal Wingman) от Boeing.
Дроны частично автономны за счёт искусственного интеллекта. Беспилотники могут выполнять разведку, захват и сопровождение целей.
Основное предназначение обеих моделей — поддержка в воздухе. Они будут прикрывать F-35A или F-15EX, на которых установлена система группового пилотирования.
Уже сейчас XQ-58 и Loyal Wingman способны самостоятельно выполнять взлёт и посадку, перестраиваться в боевой порядок, избегать столкновений и летать при любых погодных условиях.
Ведомые дроны идеальны для преодоления ПВО противника и других миссий на чужой территории, поскольку их потеря ничтожна по сравнению со сбитым самолётом и пленением лётчика.
Источник: AirforceMag
Американские ВВС потратят на разработку интеллектуальных ведомых беспилотников $400 млн. Проект получил название Skyborg, а испытания предсерийных образцов начнутся в 2023 году.
Свои прототипы представили две компании: это XQ-58 Valkyrie со сменной носовой частью от Kratos и Airpower Teaming System (Loyal Wingman) от Boeing.
Дроны частично автономны за счёт искусственного интеллекта. Беспилотники могут выполнять разведку, захват и сопровождение целей.
Основное предназначение обеих моделей — поддержка в воздухе. Они будут прикрывать F-35A или F-15EX, на которых установлена система группового пилотирования.
Уже сейчас XQ-58 и Loyal Wingman способны самостоятельно выполнять взлёт и посадку, перестраиваться в боевой порядок, избегать столкновений и летать при любых погодных условиях.
Ведомые дроны идеальны для преодоления ПВО противника и других миссий на чужой территории, поскольку их потеря ничтожна по сравнению со сбитым самолётом и пленением лётчика.
Источник: AirforceMag
Создан чип для IoT с рекордно низким энергопотреблением
Сколько может питаться от небольшой батареи «умный» датчик с подключением по Wi-Fi? Неделю, месяц?
Компания Dialog Semiconductor представила однокристалльную схему, рассчитанную на год автономной работы IoT-модулей в круглосуточном режиме.
В мире «интернета вещей» очень ценится низкое энергопотребление. От него зависит, как долго IoT-компоненты продолжат работать после аварии в электросети, и как часто им придётся менять батарейку, если они изначально используются как устройства с автономным питанием.
Особенно актуальна эта проблема в датчиках мониторинга среды, многие из которых расположены за пределами населённых пунктов, и компонентах охранных систем, требующих скрытой установки.
РИТЭГов и прочих «ядерных батареек» на всех не напасёшься, поэтому остаётся изобретать способы максимально понизить потребляемую мощность. Однако Wi-Fi сводит усилия на нет, съедая львиную долю энергии.
Новая SoC DA16200 самодостаточна, то есть не требует дополнительных микроконтроллеров, поскольку содержит полный сетевой стек.
Вот её краткие характеристики:
❖ процессор Arm Cortex M4F с частотой до 160 МГц;
❖ 512 КБ SRAM;
❖ 256 КБ ROM + слот для карт SD(HC/XC);
❖ модуль Wi-Fi 802.11n 1 × 1 (до 72 Мбит/с) + 802.11s Mesh;
❖ малошумящий усилитель с чувствительностью -99,5 дБм;
❖ 4-канальный 12-битный АЦП;
❖ 3x UART;
❖ SPI Master / Slave;
❖ I2C Master / Slave;
❖ аппаратное шифрование (TLS, AES).
Вместо поддержания постоянного подключения по Wi-Fi, чип запоминает настройки соединения 802.11n и уходит в один из трёх вариантов сна. В самом глубоком из них он потребляет всего 0,2 мкА (200 наноампер) при рабочем напряжении 2,1 – 3,6 В.
При срабатывании аппаратного триггера (например, фотодатчика) чип за пару секунд устанавливает соединение с заданной сетью Wi-Fi, отправляет порцию данных и снова засыпает.
Технология получила название VirtualZero, поскольку большую часть времени поддерживающий её чип почти ничего не потребляет.
По предварительным расчётам двух батареек типоразмера АAА с щелочным электролитом хватит примерно на год работы устройства со схемой DA16200. Впрочем, при низких температурах саморазряд может произойти быстрее.
Использование литиевого аккумулятора продлит время автономной работы на весь срок жизни батареи, если к ней подключить простейший генератор с зарядным током от 85 мА.
Его способны обеспечить миниатюрные солнечные батареи, а также компактные термогенераторы и другие источники, работающие на возобновляемой энергии.
Подробнее: Dialog-Semiconductor
Сколько может питаться от небольшой батареи «умный» датчик с подключением по Wi-Fi? Неделю, месяц?
Компания Dialog Semiconductor представила однокристалльную схему, рассчитанную на год автономной работы IoT-модулей в круглосуточном режиме.
В мире «интернета вещей» очень ценится низкое энергопотребление. От него зависит, как долго IoT-компоненты продолжат работать после аварии в электросети, и как часто им придётся менять батарейку, если они изначально используются как устройства с автономным питанием.
Особенно актуальна эта проблема в датчиках мониторинга среды, многие из которых расположены за пределами населённых пунктов, и компонентах охранных систем, требующих скрытой установки.
РИТЭГов и прочих «ядерных батареек» на всех не напасёшься, поэтому остаётся изобретать способы максимально понизить потребляемую мощность. Однако Wi-Fi сводит усилия на нет, съедая львиную долю энергии.
Новая SoC DA16200 самодостаточна, то есть не требует дополнительных микроконтроллеров, поскольку содержит полный сетевой стек.
Вот её краткие характеристики:
❖ процессор Arm Cortex M4F с частотой до 160 МГц;
❖ 512 КБ SRAM;
❖ 256 КБ ROM + слот для карт SD(HC/XC);
❖ модуль Wi-Fi 802.11n 1 × 1 (до 72 Мбит/с) + 802.11s Mesh;
❖ малошумящий усилитель с чувствительностью -99,5 дБм;
❖ 4-канальный 12-битный АЦП;
❖ 3x UART;
❖ SPI Master / Slave;
❖ I2C Master / Slave;
❖ аппаратное шифрование (TLS, AES).
Вместо поддержания постоянного подключения по Wi-Fi, чип запоминает настройки соединения 802.11n и уходит в один из трёх вариантов сна. В самом глубоком из них он потребляет всего 0,2 мкА (200 наноампер) при рабочем напряжении 2,1 – 3,6 В.
При срабатывании аппаратного триггера (например, фотодатчика) чип за пару секунд устанавливает соединение с заданной сетью Wi-Fi, отправляет порцию данных и снова засыпает.
Технология получила название VirtualZero, поскольку большую часть времени поддерживающий её чип почти ничего не потребляет.
По предварительным расчётам двух батареек типоразмера АAА с щелочным электролитом хватит примерно на год работы устройства со схемой DA16200. Впрочем, при низких температурах саморазряд может произойти быстрее.
Использование литиевого аккумулятора продлит время автономной работы на весь срок жизни батареи, если к ней подключить простейший генератор с зарядным током от 85 мА.
Его способны обеспечить миниатюрные солнечные батареи, а также компактные термогенераторы и другие источники, работающие на возобновляемой энергии.
Подробнее: Dialog-Semiconductor
Forwarded from DX.Media
REE – модульная основа для транспорта будущего
Израильский стартап REE представил платформу для электромобилей и колёсных дронов следующего поколения.
Использование модульной схемы позволяет собирать на ней разные конфигурации без существенных изменений производственной линии.
Также платформа легко масштабируется в длину, что актуально для адаптации транспортных дронов под определённые объёмы загрузки.
Главное отличие новой EV-платформы – полное отсутствие выступающих частей. Плоское шасси сделано по технологии REEboard.
Дополняющая её концепция REEcorner подразумевает интеграцию всех традиционных компонентов у каждого мотор-колеса в едином блоке.
В результате нового промышленного дизайна полезный объём над платформой увеличился на 67%, а внутри шасси теперь можно разместить в три раза больше литиевых батарей — крепления и система охлаждения уже встроены.
Дополнительный бонус: бесшовная интеграция с ADAS (интеллектуальными системами помощи водителю) и автоматическая самодиагностика на базе искусственного интеллекта.
REEcorner снижает расходы на техническое обслуживание, постоянно отслеживая параметры работы всех компонентов и прогнозируя сбои до того, как они случатся.
Запатентованная система профилактического обслуживания с элементами ИИ получает OTA-обновления для исправления софтверных ошибок, а физическая замена всего узла REEcorner занимает 20 минут.
Источник: REE
Видео: YouTube
Израильский стартап REE представил платформу для электромобилей и колёсных дронов следующего поколения.
Использование модульной схемы позволяет собирать на ней разные конфигурации без существенных изменений производственной линии.
Также платформа легко масштабируется в длину, что актуально для адаптации транспортных дронов под определённые объёмы загрузки.
Главное отличие новой EV-платформы – полное отсутствие выступающих частей. Плоское шасси сделано по технологии REEboard.
Дополняющая её концепция REEcorner подразумевает интеграцию всех традиционных компонентов у каждого мотор-колеса в едином блоке.
В результате нового промышленного дизайна полезный объём над платформой увеличился на 67%, а внутри шасси теперь можно разместить в три раза больше литиевых батарей — крепления и система охлаждения уже встроены.
Дополнительный бонус: бесшовная интеграция с ADAS (интеллектуальными системами помощи водителю) и автоматическая самодиагностика на базе искусственного интеллекта.
REEcorner снижает расходы на техническое обслуживание, постоянно отслеживая параметры работы всех компонентов и прогнозируя сбои до того, как они случатся.
Запатентованная система профилактического обслуживания с элементами ИИ получает OTA-обновления для исправления софтверных ошибок, а физическая замена всего узла REEcorner занимает 20 минут.
Источник: REE
Видео: YouTube
AI для бионики
Исследователи из университета Северной Каролины в Чапел-Хилл разработали универсальную систему ИИ для бионических протезов.
Прототип работает на базе Raspberry Pi c инерциальным измерительным модулем (IMU) и камерой, поскольку использует алгоритмы машинного зрения.
Он интегрируется с любым «интеллектуальным» протезом нижних конечностей или экзоскелетом, повышая безопасность ходьбы.
Сейчас ИИ распознаёт ландшафты шести основных типов: асфальтобетонное покрытие, булыжная мостовая, тротуарная плитка, трава, подъём и спуск по ступенькам.
«Созданный нами ИИ определяет и прогнозирует вид местности по ходу маршрута», — пояснил доцент кафедры электротехники и соавтор статьи Эдгар Лобатон.
Небольшой блок закрепляется на ноге. Он получает изображение со встроенной или внешней камеры (например в смарт-очках) и постоянно отслеживает смену рельефа по курсу.
Если неопределённость распознавания слишком высока, то раздаётся предупреждающий сигнал, а модуль управления переключается на самый медленный режим ходьбы.
Такое дополнение сокращает время адаптации у пациентов с роботизированными протезами, помогая им чувствовать себя увереннее в незнакомых местах.
Источники: NCSU, IEEE.
Исследователи из университета Северной Каролины в Чапел-Хилл разработали универсальную систему ИИ для бионических протезов.
Прототип работает на базе Raspberry Pi c инерциальным измерительным модулем (IMU) и камерой, поскольку использует алгоритмы машинного зрения.
Он интегрируется с любым «интеллектуальным» протезом нижних конечностей или экзоскелетом, повышая безопасность ходьбы.
Сейчас ИИ распознаёт ландшафты шести основных типов: асфальтобетонное покрытие, булыжная мостовая, тротуарная плитка, трава, подъём и спуск по ступенькам.
«Созданный нами ИИ определяет и прогнозирует вид местности по ходу маршрута», — пояснил доцент кафедры электротехники и соавтор статьи Эдгар Лобатон.
Небольшой блок закрепляется на ноге. Он получает изображение со встроенной или внешней камеры (например в смарт-очках) и постоянно отслеживает смену рельефа по курсу.
Если неопределённость распознавания слишком высока, то раздаётся предупреждающий сигнал, а модуль управления переключается на самый медленный режим ходьбы.
Такое дополнение сокращает время адаптации у пациентов с роботизированными протезами, помогая им чувствовать себя увереннее в незнакомых местах.
Источники: NCSU, IEEE.
NC State News
Researchers Incorporate Computer Vision, Uncertainty Into AI for Robotic Prosthetics
New software aims to improve robotic prosthetics.
Forwarded from DX.Media
Яндекс запускает облачный ML-сервис
Компания «Яндекс» представила облачную среду DataSphere для разработки моделей с использованием машинного обучения.
Его можно попробовать бесплатно до 1 июля 2020 года после регистрации.
DataSpehere имеет ряд отличий от других облачных сервисов для ML:
❖ бессерверная среда;
❖ интегрированные библиотеки TensorFlow (Google), PyTorch (Facebook) и другие;
❖ использование Jupyter Notebook для анализа больших данных и обучения нейросетей.
Бессерверные вычисления – это подход к предоставлению сервиса, при котором клиент мгновенно получает требуемую конфигурацию (как в AWS).
Исходя из текущих потребностей, пользователь может выбрать дешёвый вариант с классическими процессорами, либо мощную систему с графическими ускорителями.
Самое интересное, что переключение между конфигурациями бесшовное. Добавить вычислительные блоки любого типа можно прямо на лету без перезапуска проекта. Все промежуточные результаты сохранятся.
Огромный плюс такого подхода в том, что вы не тратите ресурсы на конфигурацию и аренду виртуальных машин во время редактирования и просмотра кода (что занимает большую часть времени разработки). Вычислительные мощности тарифицируются только в период его запуска.
В ближайшее время в DataSphere добавятся другие популярные библиотеки, появятся инструменты автоматического тестирования и оценки эффективности использования ресурсов.
На этапе коммерческого использования будут предприняты шаги для упрощения совместной разработки. Например, планируется сохранение версий расчетов моделей по трём ключевым параметрам: данные, код и состояние клиентского устройства (ноутбука).
Источник: Yandex
Компания «Яндекс» представила облачную среду DataSphere для разработки моделей с использованием машинного обучения.
Его можно попробовать бесплатно до 1 июля 2020 года после регистрации.
DataSpehere имеет ряд отличий от других облачных сервисов для ML:
❖ бессерверная среда;
❖ интегрированные библиотеки TensorFlow (Google), PyTorch (Facebook) и другие;
❖ использование Jupyter Notebook для анализа больших данных и обучения нейросетей.
Бессерверные вычисления – это подход к предоставлению сервиса, при котором клиент мгновенно получает требуемую конфигурацию (как в AWS).
Исходя из текущих потребностей, пользователь может выбрать дешёвый вариант с классическими процессорами, либо мощную систему с графическими ускорителями.
Самое интересное, что переключение между конфигурациями бесшовное. Добавить вычислительные блоки любого типа можно прямо на лету без перезапуска проекта. Все промежуточные результаты сохранятся.
Огромный плюс такого подхода в том, что вы не тратите ресурсы на конфигурацию и аренду виртуальных машин во время редактирования и просмотра кода (что занимает большую часть времени разработки). Вычислительные мощности тарифицируются только в период его запуска.
В ближайшее время в DataSphere добавятся другие популярные библиотеки, появятся инструменты автоматического тестирования и оценки эффективности использования ресурсов.
На этапе коммерческого использования будут предприняты шаги для упрощения совместной разработки. Например, планируется сохранение версий расчетов моделей по трём ключевым параметрам: данные, код и состояние клиентского устройства (ноутбука).
Источник: Yandex
yandex.cloud
Машинное обучение и анализ данных – Yandex DataSphere – Yandex Cloud в Казахстане
Сервис машинного обучения DataSphere — это полный цикл разработки, анализа данных и создания моделей машинного обучения. Вам доступны привычные инструменты Jupyter Notebook и динамически масштабируемые ресурсы облака.
Наши друзья из United Investors запустили свой онлайн-акселератор и приглашают туда стартаперов, желающих покорить мир. United Investors – это клуб инвесторов ранних стадий, созданный Александром Горным (ex-топ Mail.Ru Group), Аркадием Морейнисом (продал Price.ru Рамблеру) и Алексеем Черняком (продал Darberry Groupon’у).
Их акселератор нацелен на стартапы от стадии идеи до первых стабильных продаж. Формат – 8 недель обучения, активной работы и обратной связи – всё, чтобы выручка росла.
Они, очевидно, не первые на рынке. Стоит отметить два отличия акселератора United Investors от предшественников. Во-первых, все будет происходить онлайн без единого физического контакта. Это, наверное, станет мейнстримом у всех, но пока – новинка. Во-вторых, обычно инвесторы видят проекты акселераторов только на демо-дне, а тут предполагается общение с инвесторами клуба буквально с первой недели.
Заявки принимаются до 5 июня, само обучение проходит с 10 июня по 5 августа, 9 августа – демо-день.
https://bit.ly/3c5TMrD
Их акселератор нацелен на стартапы от стадии идеи до первых стабильных продаж. Формат – 8 недель обучения, активной работы и обратной связи – всё, чтобы выручка росла.
Они, очевидно, не первые на рынке. Стоит отметить два отличия акселератора United Investors от предшественников. Во-первых, все будет происходить онлайн без единого физического контакта. Это, наверное, станет мейнстримом у всех, но пока – новинка. Во-вторых, обычно инвесторы видят проекты акселераторов только на демо-дне, а тут предполагается общение с инвесторами клуба буквально с первой недели.
Заявки принимаются до 5 июня, само обучение проходит с 10 июня по 5 августа, 9 августа – демо-день.
https://bit.ly/3c5TMrD
a.unitedinvestors.ru
Акселератор United Investors
Представьте свой продукт инвесторам и корпорациям за 12 недель в онлайне и получите инвестиции для развития компании
Уникальный курс и благотворительная инициатива от Coursera
На портале онлайн-образования Coursera доступен очень информативный курс «Нейронные сети и глубокое обучение».
Его разработал Эндрю Ын (Andrew Ng) — один из ведущих специалистов по робототехнике и машинному обучению, а также сооснователь Coursera и DeepLearning.AI.
Помимо него занятия ведут лучшие преподаватели Стэнфордского университета.
Это базовая программа, с которой рекомендуется начинать освоение специализации «Deep Learning».
В этом курсе детально поясняются базовые принципы глубокого обучения.
Завершив его, вы научитесь:
❖ понимать параметры архитектуры нейронных сетей;
❖ использовать векторизацию для повышения эффективности нейросетей;
❖ создавать, обучать и применять глубокие нейросети в разных прикладных задачах.
Ориентированность на практический результат выгодно отличает данный курс от множества других образовательных инициатив, которые дают пространные теоретические описания концепции глубокого обучения.
После записи на курс начинается семидневный тестовый период, во время которого вы бесплатно получаете неограниченный доступ на Coursera ко всем материалам по данной специализации.
Дальнейшее обучение стоит 3’660 ₽ в месяц, но есть одна хитрость: с 1 июня Coursera готова предоставить свободный доступ студентам из любой страны.
Для его получения потребуется убедить руководство ВУЗа или колледжа отправить запрос на присоединение к программе Coursera for Campus до 31 июля.
Кстати, Cousera одобряет запросы не только из ректората, но также от любого заведующего кафедрой. Инициатива называется «Пригласи профессора».
Затем нужно пройти регистрацию самому, указав аккаунт электронной почты в домене присоединившегося учебного заведения.
На каждый домен Coursera одобряет до 5000 бесплатных лицензий, одна из которых может стать вашей.
С момента подтверждения заявки и до 30 сентября 2020 года вы получите бесплатный доступ к 3800+ курсов по 400 специализациям, но открываться они будут по мере вашего прогресса.
Источник: Coursera
На портале онлайн-образования Coursera доступен очень информативный курс «Нейронные сети и глубокое обучение».
Его разработал Эндрю Ын (Andrew Ng) — один из ведущих специалистов по робототехнике и машинному обучению, а также сооснователь Coursera и DeepLearning.AI.
Помимо него занятия ведут лучшие преподаватели Стэнфордского университета.
Это базовая программа, с которой рекомендуется начинать освоение специализации «Deep Learning».
В этом курсе детально поясняются базовые принципы глубокого обучения.
Завершив его, вы научитесь:
❖ понимать параметры архитектуры нейронных сетей;
❖ использовать векторизацию для повышения эффективности нейросетей;
❖ создавать, обучать и применять глубокие нейросети в разных прикладных задачах.
Ориентированность на практический результат выгодно отличает данный курс от множества других образовательных инициатив, которые дают пространные теоретические описания концепции глубокого обучения.
После записи на курс начинается семидневный тестовый период, во время которого вы бесплатно получаете неограниченный доступ на Coursera ко всем материалам по данной специализации.
Дальнейшее обучение стоит 3’660 ₽ в месяц, но есть одна хитрость: с 1 июня Coursera готова предоставить свободный доступ студентам из любой страны.
Для его получения потребуется убедить руководство ВУЗа или колледжа отправить запрос на присоединение к программе Coursera for Campus до 31 июля.
Кстати, Cousera одобряет запросы не только из ректората, но также от любого заведующего кафедрой. Инициатива называется «Пригласи профессора».
Затем нужно пройти регистрацию самому, указав аккаунт электронной почты в домене присоединившегося учебного заведения.
На каждый домен Coursera одобряет до 5000 бесплатных лицензий, одна из которых может стать вашей.
С момента подтверждения заявки и до 30 сентября 2020 года вы получите бесплатный доступ к 3800+ курсов по 400 специализациям, но открываться они будут по мере вашего прогресса.
Источник: Coursera
Coursera
Neural Networks and Deep Learning
Learn the foundational concepts of neural networks and deep learning in this course by DeepLearning.AI on Coursera. Build, train, and apply deep neural networks, implement efficient models, and apply deep learning to your applications. Prepare for a career…
Forwarded from DX.Media
Microsoft делает ставку на AI
В июне новостной отдел Microsoft сокращает 27 редакторов, нанятых в PA Media (бывшая Press Association). Теперь их работу будет выполнять искусственный интеллект.
Справедливости ради отметим, что увольняемые сотрудники не писали новости для Microsoft. Они искали их в ежедневном информационном потоке и выполняли ряд шаблонных задач:
❖ выбирали самые актуальные события;
❖ делали проверку фактов;
❖ добавляли мнения разных сторон;
❖ отсеивали неэтичный и шокирующий контент;
❖ формулировали заголовки максимально нейтрально;
❖ меняли стиль в соответствии с политикой агрегатора.
Результатом их труда становилась подборка новостей на портале MSN. Также она появляется на стартовой странице Edge и в блоках информеров меню «Пуск» Windows 10.
Если раньше за наполнением ленты новостей стояли почти три десятка людей, то сейчас её созданием займётся набор нейросетей и алгоритмов машинного обучения.
С точки зрения бизнеса это современный подход к снижению затрат и повышению скорости работы. Вдобавок, устраняется субъективность восприятия и эффект цензуры.
Однако не стоит забывать, что ИИ оперирует статистическими показателями, а потому тоже подвержен ошибкам и манипуляциям.
Яркий пример тому — автоматическое модерирование ленты новостей Facebook.
Во время президентских выборов в США её топ заполнили фейки, а весной 2020 года были ошибочно заблокированы тысячи публикаций о пандемии.
Мы уже писали про то, как ведущие издания внедряют решения на базе ИИ в издательском бизнесе.
До сих пор это были экспериментальные инструменты для облегчения рутинной работы, а их использование считалось безопасным.
В общем случае ИИ готовил черновик, а редакторам оставлялась возможность внести исправления вручную.
Теперь Microsoft пробует усилить степень автоматизации, заменив ИИ целый новостной отдел.
Что из этого получится, мы увидим уже этим летом.
Источник: The Guardian
В июне новостной отдел Microsoft сокращает 27 редакторов, нанятых в PA Media (бывшая Press Association). Теперь их работу будет выполнять искусственный интеллект.
Справедливости ради отметим, что увольняемые сотрудники не писали новости для Microsoft. Они искали их в ежедневном информационном потоке и выполняли ряд шаблонных задач:
❖ выбирали самые актуальные события;
❖ делали проверку фактов;
❖ добавляли мнения разных сторон;
❖ отсеивали неэтичный и шокирующий контент;
❖ формулировали заголовки максимально нейтрально;
❖ меняли стиль в соответствии с политикой агрегатора.
Результатом их труда становилась подборка новостей на портале MSN. Также она появляется на стартовой странице Edge и в блоках информеров меню «Пуск» Windows 10.
Если раньше за наполнением ленты новостей стояли почти три десятка людей, то сейчас её созданием займётся набор нейросетей и алгоритмов машинного обучения.
С точки зрения бизнеса это современный подход к снижению затрат и повышению скорости работы. Вдобавок, устраняется субъективность восприятия и эффект цензуры.
Однако не стоит забывать, что ИИ оперирует статистическими показателями, а потому тоже подвержен ошибкам и манипуляциям.
Яркий пример тому — автоматическое модерирование ленты новостей Facebook.
Во время президентских выборов в США её топ заполнили фейки, а весной 2020 года были ошибочно заблокированы тысячи публикаций о пандемии.
Мы уже писали про то, как ведущие издания внедряют решения на базе ИИ в издательском бизнесе.
До сих пор это были экспериментальные инструменты для облегчения рутинной работы, а их использование считалось безопасным.
В общем случае ИИ готовил черновик, а редакторам оставлялась возможность внести исправления вручную.
Теперь Microsoft пробует усилить степень автоматизации, заменив ИИ целый новостной отдел.
Что из этого получится, мы увидим уже этим летом.
Источник: The Guardian
This media is not supported in your browser
VIEW IN TELEGRAM
MRS — эстонский робот-пожарный
Компания Milrem Robotics совместно с производителем систем пожаротушения InnoVfoam разработала роботизированный вездеход Multiscope Rescue Systems (MRS).
Собранный на гусеничной платформе и управляемый дистанционно робот может добраться туда, где нет проезда для пожарных машин.
Основное назначение робота — протянуть пожарный шланг ближе к очагу возгорания. Он делает это быстрее людей, игнорируя задымление и перевозя более тонны полезной нагрузки.
Робот позволяет ликвидировать пожар на открытой площади с безопасного расстояния. Оператор остаётся у машины и включает подачу воды, которая распыляется через брандспойт MRS.
В более сложных ситуациях пожарный использует уже протянутую роботом магистраль и вручную направляет пожарный ствол, что тоже экономит время и силы.
Модульная платформа даёт возможность быстро адаптировать робота на месте для тушения пожаров разных типов.
Источник: Milrem Robotics
Компания Milrem Robotics совместно с производителем систем пожаротушения InnoVfoam разработала роботизированный вездеход Multiscope Rescue Systems (MRS).
Собранный на гусеничной платформе и управляемый дистанционно робот может добраться туда, где нет проезда для пожарных машин.
Основное назначение робота — протянуть пожарный шланг ближе к очагу возгорания. Он делает это быстрее людей, игнорируя задымление и перевозя более тонны полезной нагрузки.
Робот позволяет ликвидировать пожар на открытой площади с безопасного расстояния. Оператор остаётся у машины и включает подачу воды, которая распыляется через брандспойт MRS.
В более сложных ситуациях пожарный использует уже протянутую роботом магистраль и вручную направляет пожарный ствол, что тоже экономит время и силы.
Модульная платформа даёт возможность быстро адаптировать робота на месте для тушения пожаров разных типов.
Источник: Milrem Robotics
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
Audi AI
Audi продолжает развивать направление полностью электрических автомобилей на базе искусственного интеллекта.
В новом ролике со всех ракурсов демонстрируется концепт Audi AI:TRAIL quattro, который был впервые представлен в прошлом году.
Сам он не пойдёт в серию, однако новые внедорожники Audi получат ряд улучшений, которые можно рассмотреть на его примере.
Самым обсуждаемым из них стало использование дронов. На крыше размещается до 5 беспилотников, которые взлетают по команде прямо во время движения.
Дроны можно использовать для разведки (они транслируют видео) и освещения пространства вокруг машины там, куда не направить фары.
Среди других особенностей: колёса 22” с индивидуальными электромоторами по 250 Н⋅м, суммарная мощность 429 л.с., скорость до 130 км/ч, пробег до 500 км на одной зарядке и автопилот уровня SAE4.
Интеллектуальное управление и панорамное остекление позволяют наслаждаться дорогой без ущерба для безопасности.
Видео: TopSpeed Media
Audi продолжает развивать направление полностью электрических автомобилей на базе искусственного интеллекта.
В новом ролике со всех ракурсов демонстрируется концепт Audi AI:TRAIL quattro, который был впервые представлен в прошлом году.
Сам он не пойдёт в серию, однако новые внедорожники Audi получат ряд улучшений, которые можно рассмотреть на его примере.
Самым обсуждаемым из них стало использование дронов. На крыше размещается до 5 беспилотников, которые взлетают по команде прямо во время движения.
Дроны можно использовать для разведки (они транслируют видео) и освещения пространства вокруг машины там, куда не направить фары.
Среди других особенностей: колёса 22” с индивидуальными электромоторами по 250 Н⋅м, суммарная мощность 429 л.с., скорость до 130 км/ч, пробег до 500 км на одной зарядке и автопилот уровня SAE4.
Интеллектуальное управление и панорамное остекление позволяют наслаждаться дорогой без ущерба для безопасности.
Видео: TopSpeed Media
This media is not supported in your browser
VIEW IN TELEGRAM
Vahana — новое аэротакси
Компания Airbus завершила серию испытаний беспилотника Vahana.
Это дрон вертикального взлёта и посадки с электрической силовой установкой (eVTOL) .
Всего было выполнено 138 полётов на дистанцию до 50 км. Самый продолжительный из них длился 20 минут.
После доработки Airbus Vahana получился более компактным: 560 см в длину и 280 см в высоту при размахе крыльев 730 см.
Подъёмную силу создают восемь трёхлопастных пропеллеров, установленных на четырёх аэродинамических плоскостях.
Последние обладают изменяемым углом наклона и также играют роль крыла, что снижает расход энергии.
У каждого пропеллера свой двигатель мощностью 45 кВт. Ёмкость аккумулятора — 38 кВт⋅ч. Максимальная скорость составляет 185 км/ч.
Экспериментальная модель тестировалась на аэродроме инновационного центра Acubed в Кремниевой долине.
В качестве перспективных областей применения указывается городское аэротакси и доставка срочных грузов — например, медикаментов и донорских органов.
Видео: Airbus
Компания Airbus завершила серию испытаний беспилотника Vahana.
Это дрон вертикального взлёта и посадки с электрической силовой установкой (eVTOL) .
Всего было выполнено 138 полётов на дистанцию до 50 км. Самый продолжительный из них длился 20 минут.
После доработки Airbus Vahana получился более компактным: 560 см в длину и 280 см в высоту при размахе крыльев 730 см.
Подъёмную силу создают восемь трёхлопастных пропеллеров, установленных на четырёх аэродинамических плоскостях.
Последние обладают изменяемым углом наклона и также играют роль крыла, что снижает расход энергии.
У каждого пропеллера свой двигатель мощностью 45 кВт. Ёмкость аккумулятора — 38 кВт⋅ч. Максимальная скорость составляет 185 км/ч.
Экспериментальная модель тестировалась на аэродроме инновационного центра Acubed в Кремниевой долине.
В качестве перспективных областей применения указывается городское аэротакси и доставка срочных грузов — например, медикаментов и донорских органов.
Видео: Airbus
Разработайте прототип городского сервиса на базе технологий КБ Стрелка за две бессонные ночи
Посмотреть, сколько деревьев в городе, выбрать квартиру в самом зеленом районе, показать ребенку, как выглядят листья дуба, и даже отметить «то самое» дерево с нацарапанными именами можно на карте NYC’s Street Trees. Определить степень изношенности моста по вибрациям позволяет мобильное приложение Good vibrations. Изучить мировой опыт эффективного использования солнечной энергии и использовать эти данные при развитии своего города можно при помощи проекта по оценке инсоляции Solar cities. А координировать действия спасательных служб и предотвращать катастрофы позволяет краудсорсинговая платформа Petabencana.id, которая в реальном времени отображает ситуацию на подверженных наводнениям территориях.
В рамках Urban tech хакатона участникам предстоит разработать прототип нового цифрового сервиса для жителей, городской администрации, бизнеса, архитекторов или городских планировщиков, который бы решал одну из самых обсуждаемых городских проблем. Во время работы нужно будет использовать цифровые продукты КБ Стрелка: облачное хранилище городских пространственных данных Urbanmetrics, платформу мультиканального онлайн-вовлечения горожан «Чего хочет город» и ряд технических веб-сервисов. Участие в хакатоне будет интересно разработчикам, data scientists, ГИС-аналитикам, городским консультантам, архитекторам, дизайнерам, продакт-менеджерам.
Время 12.06—14.06.20
Формат проведения: воркшоп
Стоимость участия "бесплатно".
Подать заявку можно до 8 июня 23:59. Организаторы свяжутся с участниками 10 июня, чтобы объявить результаты отбора
https://strelka.com/ru/events/urban-tech-hackathon
Посмотреть, сколько деревьев в городе, выбрать квартиру в самом зеленом районе, показать ребенку, как выглядят листья дуба, и даже отметить «то самое» дерево с нацарапанными именами можно на карте NYC’s Street Trees. Определить степень изношенности моста по вибрациям позволяет мобильное приложение Good vibrations. Изучить мировой опыт эффективного использования солнечной энергии и использовать эти данные при развитии своего города можно при помощи проекта по оценке инсоляции Solar cities. А координировать действия спасательных служб и предотвращать катастрофы позволяет краудсорсинговая платформа Petabencana.id, которая в реальном времени отображает ситуацию на подверженных наводнениям территориях.
В рамках Urban tech хакатона участникам предстоит разработать прототип нового цифрового сервиса для жителей, городской администрации, бизнеса, архитекторов или городских планировщиков, который бы решал одну из самых обсуждаемых городских проблем. Во время работы нужно будет использовать цифровые продукты КБ Стрелка: облачное хранилище городских пространственных данных Urbanmetrics, платформу мультиканального онлайн-вовлечения горожан «Чего хочет город» и ряд технических веб-сервисов. Участие в хакатоне будет интересно разработчикам, data scientists, ГИС-аналитикам, городским консультантам, архитекторам, дизайнерам, продакт-менеджерам.
Время 12.06—14.06.20
Формат проведения: воркшоп
Стоимость участия "бесплатно".
Подать заявку можно до 8 июня 23:59. Организаторы свяжутся с участниками 10 июня, чтобы объявить результаты отбора
https://strelka.com/ru/events/urban-tech-hackathon
Yanmar закинула в море нейросети
Японская компания Yanmar представила действующий прототип системы с искусственным интеллектом для морской навигации. Фактически она превращает любой корабль в беспилотник.
Машины с высоким уровнем автономности встречаются на дорогах не первый год, а вот среди коммерческих судов не часто увидишь управляемые ИИ. При всей внешней схожести технологий, их нельзя просто перенести с суши на воду.
Проблема в том, что корабли движутся совершенно иначе. Для них приходится делать поправки на ветер и большую инерцию, приливы и отливы, течения и волнение моря, рельеф дна и наличие скрытых препятствий под водой.
Долгое время беспилотные суда были концептами для океанографических исследований и боевых задач, но благодаря Yanmar они могут стать общедоступными уже в ближайшие 5 лет.
Промышленная компания из Осаки преуспела в новой для себя отрасли, разработав сразу две взаимно дополняющих системы: навигации на воде без участия человека и автоматического причаливания.
В отличие от легковых машин, даже лёгкие катера меньше лимитируют инженеров по массе и габаритам оборудования. Более того, часть необходимых систем уже есть на борту.
Yanmar использовала систему на базе радара, эхолота, лидара и спутниковой навигации. В ходе собственных испытаний она успешно провела катер сквозь «полосу препятствий» из буйков и понтонов, а затем мягко причалила, используя инерцию и эффект бокового волнения.
Радар определял надводные объекты в пределах прямой видимости. Лидар помогал обнаружить и распознать небольшие препятствия поблизости, эхолот не давал посадить на мель, а за счёт приёмника GPS ИИ постоянно вычислял координаты корабля и строил динамическую карту окружения.
Представители Yanmar полагают, что их разработка будет пользоваться большим спросом у компаний, занимающихся морскими перевозками. В режиме ассистента она упрощает движение в порту и ускоряет сложные лоцманские проводки, одновременно делая их безопаснее.
Видео: Yanmar
Японская компания Yanmar представила действующий прототип системы с искусственным интеллектом для морской навигации. Фактически она превращает любой корабль в беспилотник.
Машины с высоким уровнем автономности встречаются на дорогах не первый год, а вот среди коммерческих судов не часто увидишь управляемые ИИ. При всей внешней схожести технологий, их нельзя просто перенести с суши на воду.
Проблема в том, что корабли движутся совершенно иначе. Для них приходится делать поправки на ветер и большую инерцию, приливы и отливы, течения и волнение моря, рельеф дна и наличие скрытых препятствий под водой.
Долгое время беспилотные суда были концептами для океанографических исследований и боевых задач, но благодаря Yanmar они могут стать общедоступными уже в ближайшие 5 лет.
Промышленная компания из Осаки преуспела в новой для себя отрасли, разработав сразу две взаимно дополняющих системы: навигации на воде без участия человека и автоматического причаливания.
В отличие от легковых машин, даже лёгкие катера меньше лимитируют инженеров по массе и габаритам оборудования. Более того, часть необходимых систем уже есть на борту.
Yanmar использовала систему на базе радара, эхолота, лидара и спутниковой навигации. В ходе собственных испытаний она успешно провела катер сквозь «полосу препятствий» из буйков и понтонов, а затем мягко причалила, используя инерцию и эффект бокового волнения.
Радар определял надводные объекты в пределах прямой видимости. Лидар помогал обнаружить и распознать небольшие препятствия поблизости, эхолот не давал посадить на мель, а за счёт приёмника GPS ИИ постоянно вычислял координаты корабля и строил динамическую карту окружения.
Представители Yanmar полагают, что их разработка будет пользоваться большим спросом у компаний, занимающихся морскими перевозками. В режиме ассистента она упрощает движение в порту и ускоряет сложные лоцманские проводки, одновременно делая их безопаснее.
Видео: Yanmar
YouTube
Yanmar Auto-navigation and Auto-docking Technology
While autonomous vehicles for the road and farm are becoming commercially viable, maritime robotics technologies are also thriving. Starting with the Robotic Boat, the unmanned deep-sea exploration vehicle, Yanmar has been working on the practical use of…