Сенсор со встроенной нейросетью
Сотрудники Лаборатория наноразмерной электроники и оптоэлектроники Венского технического университета опубликовали в Nature прорывное исследование, выполненное под руководством инженера Лукаса Меннеля.
В нём представлен концепт, способный вывести на новый уровень технологии автоматической обработки изображений при помощи алгоритмов машинного обучения. Это CMOS-матрица, которая анализирует кадры встроенной в неё нейросетью.
Такой подход существенно ускоряет распознавание лиц, номеров и других объектов, попавших в поле зрения камеры. «Умный» датчик в разы снижает задержки систем ИИ, вызванные трансляцией изображения к внешнему вычислительному блоку.
Особенно актуален "сенсор с нейронкой" для беспилотных автомобилей и дронов, поскольку от их времени реакции зависит безопасность движения.
Технически нейросеть на датчике изображений представляет собой реконфигурируемую двумерную полупроводниковую матрицу из фотодиодов. Её синаптические веса хранятся как уровни сигналов непрерывно перестраиваемой фотореактивной матрицы.
В работе группы Меннеля демонстрируется как контролируемое, так и неконтролируемое машинное обучение. В обоих вариантах датчик успешно оцифровывает и сам же распознаёт изображения, которые оптически проецируются на него.
Источник: nature.com
Сотрудники Лаборатория наноразмерной электроники и оптоэлектроники Венского технического университета опубликовали в Nature прорывное исследование, выполненное под руководством инженера Лукаса Меннеля.
В нём представлен концепт, способный вывести на новый уровень технологии автоматической обработки изображений при помощи алгоритмов машинного обучения. Это CMOS-матрица, которая анализирует кадры встроенной в неё нейросетью.
Такой подход существенно ускоряет распознавание лиц, номеров и других объектов, попавших в поле зрения камеры. «Умный» датчик в разы снижает задержки систем ИИ, вызванные трансляцией изображения к внешнему вычислительному блоку.
Особенно актуален "сенсор с нейронкой" для беспилотных автомобилей и дронов, поскольку от их времени реакции зависит безопасность движения.
Технически нейросеть на датчике изображений представляет собой реконфигурируемую двумерную полупроводниковую матрицу из фотодиодов. Её синаптические веса хранятся как уровни сигналов непрерывно перестраиваемой фотореактивной матрицы.
В работе группы Меннеля демонстрируется как контролируемое, так и неконтролируемое машинное обучение. В обоих вариантах датчик успешно оцифровывает и сам же распознаёт изображения, которые оптически проецируются на него.
Источник: nature.com
Nature
Ultrafast machine vision with 2D material neural network image sensors
A two-dimensional semiconductor photodiode array senses and processes optical images simultaneously without latency, and is trained to classify and encode images with high throughput, acting as an artificial neural network.
ROS MeetUp-2020
Москва, 18-19 апреля
Любой желающий сможет разместить своего робота и постер в отдельной демо-зоне (постер мы вам поможем распечатать, но робот без постера не принимается!). Лучшие постеры будут поощрены призами от компании NVIDIA. Поэтому срочно заполняйте заявку на участие, готовьте постер и расчехляйте ваших роботов!
Если у вас есть интересное сообщение для сообщества, вам есть, чем поделиться, что показать, о чём рассказать, то можно стать докладчиком! Лучших докладчиков мы наградим призами от компании Intel. Только не забудьте заполнить заявку на выступление с докладом.
Ссылки и подробности, а также видео с прошлых митапов по ссылке https://habr.com/ru/post/491372/
Москва, 18-19 апреля
Любой желающий сможет разместить своего робота и постер в отдельной демо-зоне (постер мы вам поможем распечатать, но робот без постера не принимается!). Лучшие постеры будут поощрены призами от компании NVIDIA. Поэтому срочно заполняйте заявку на участие, готовьте постер и расчехляйте ваших роботов!
Если у вас есть интересное сообщение для сообщества, вам есть, чем поделиться, что показать, о чём рассказать, то можно стать докладчиком! Лучших докладчиков мы наградим призами от компании Intel. Только не забудьте заполнить заявку на выступление с докладом.
Ссылки и подробности, а также видео с прошлых митапов по ссылке https://habr.com/ru/post/491372/
Хабр
Robot Operating System Meetup — 2020 пройдет в Москве 18-19 апреля 2020 года
Лаборатория робототехники Сбербанка и российское ROS — сообщество при поддержке Intel и NVIDIA приглашают на очередной, третий MeetUp по Robot Operating System — самой распространённой в мире...
Создан сверхчувствительный палец для роботов
Исследователи из Школы инженерных и прикладных наук Колумбийского университета (Нью-Йорк, США) создали «чувствительный палец» для манипулятора, способный с высокой точностью локализовать касание на поверхности с несколькими изгибами.
В то время как автономные тактильные датчики показывают прекрасные результаты в лабораторных испытаниях, на практике их не удаётся эффективно использовать из-за сложной формы роботизированной руки.
Приходится интегрировать сенсоры только на внутреннюю поверхность ладони, либо вовсе ограничиваться единичными датчиками в подушечках пальцев. Иначе появляются сложности с покрытием изогнутых поверхностей, размещением целого массива сенсоров и проводов.
Идея команды Columbia Engineering состояла в том, чтобы создать для робота простой и функциональный аналог пальца человека – способный регистрировать касание с любой стороны и определять область контакта максимально точно.
Сделать это классическими методами не представлялось возможным, но у Матея Чокарли (доцента кафедры машиностроения и информатики) в ходе беседы с профессором электротехники Йоаннисом Кимиссисом возникла совместная идея – перейти с тензометрических датчиков на оптические.
Они использовали для локализации места касания модель расчёта перекрывающихся оптических сигналов. Их излучал массив миниатюрных светодиодов с малым углом рассеивания и улавливала группа фоторезисторов.
Групповой сигнал от последних всегда различался в зависимости от того, где касающийся «пальца» объект вызывал поглощение и отражение света. Записав эти изменения, исследователи получили богатый набор данных.
Затем они продемонстрировали, что методы глубокого обучения, основанные исключительно на данных, способны определять точное местоположение контакта и приложенную силу без необходимости в аналитических моделях. Вся оптика была встроена в прозрачный волноводный слой.
Конечный результат – полностью интегрированный палец для роботов, обладающий всенаправленной чувствительностью. Это универсальная конструкция, созданная с использованием доступных методов производства и предназначенная для легкой интеграции в существующие манипуляторы.
Палец одновременно регистрирует около 1000 сигналов, но большую часть их обработки выполняет самостоятельно. Ему не требуется сложной вспомогательной электроники – достаточно подключить его к роборуке 14-жильным кабелем.
Источник: www.therobotreport.com
Исследователи из Школы инженерных и прикладных наук Колумбийского университета (Нью-Йорк, США) создали «чувствительный палец» для манипулятора, способный с высокой точностью локализовать касание на поверхности с несколькими изгибами.
В то время как автономные тактильные датчики показывают прекрасные результаты в лабораторных испытаниях, на практике их не удаётся эффективно использовать из-за сложной формы роботизированной руки.
Приходится интегрировать сенсоры только на внутреннюю поверхность ладони, либо вовсе ограничиваться единичными датчиками в подушечках пальцев. Иначе появляются сложности с покрытием изогнутых поверхностей, размещением целого массива сенсоров и проводов.
Идея команды Columbia Engineering состояла в том, чтобы создать для робота простой и функциональный аналог пальца человека – способный регистрировать касание с любой стороны и определять область контакта максимально точно.
Сделать это классическими методами не представлялось возможным, но у Матея Чокарли (доцента кафедры машиностроения и информатики) в ходе беседы с профессором электротехники Йоаннисом Кимиссисом возникла совместная идея – перейти с тензометрических датчиков на оптические.
Они использовали для локализации места касания модель расчёта перекрывающихся оптических сигналов. Их излучал массив миниатюрных светодиодов с малым углом рассеивания и улавливала группа фоторезисторов.
Групповой сигнал от последних всегда различался в зависимости от того, где касающийся «пальца» объект вызывал поглощение и отражение света. Записав эти изменения, исследователи получили богатый набор данных.
Затем они продемонстрировали, что методы глубокого обучения, основанные исключительно на данных, способны определять точное местоположение контакта и приложенную силу без необходимости в аналитических моделях. Вся оптика была встроена в прозрачный волноводный слой.
Конечный результат – полностью интегрированный палец для роботов, обладающий всенаправленной чувствительностью. Это универсальная конструкция, созданная с использованием доступных методов производства и предназначенная для легкой интеграции в существующие манипуляторы.
Палец одновременно регистрирует около 1000 сигналов, но большую часть их обработки выполняет самостоятельно. Ему не требуется сложной вспомогательной электроники – достаточно подключить его к роборуке 14-жильным кабелем.
Источник: www.therobotreport.com
The Robot Report
Robot finger at Columbia Engineering is the first without tactile blind spots
Scientists at Columbia Engineering have used light and deep learning to manufacture a curved robot finger with a fine sense of touch.
Forwarded from DX.Media
Коллаборативные роботы на MODEX 2020
С 9 по 12 марта в Атланте (США) пройдёт крупнейшая в Северной Америке отраслевая выставка Modex 2020. На ней компания Universal Robots представит своё видение коботов – коллаборативных роботов, физически взаимодействующих с людьми для решения различных задач.
Главное отличие коботов – наличие искусственного интеллекта. Вам не требуется программировать их как станок с ЧПУ - достаточно составить диаграмму процесса из готовых блоков, задать базовые параметры или просто показать желаемое действие.
Оказавшись в новом окружении, коботы учатся и выполняют рутинные манипуляции всё точнее, пока не освоят новую специальность. Они стоят значительно дешевле узкоспециализированных роботов и крайне просты в освоении, что делает их доступными для небольших компаний.
Коллаборативные роботы отличаются от обычных акцентом на безопасность. Современные модели сканируют окружающее пространство и останавливаются, если человек подошёл на опасно близкое расстояние. Также они реагируют на внештатные ситуации, предотвращая повреждение оборудования.
В целом использование коботов – крайне популярный тренд, охватывающий научные эксперименты, сферу логистики и даже гостиничный сектор. Универсальные манипуляторы одинаково ловко подают инструмент и кофе, держат детали разной формы и сортируют товары.
«Многочисленные факторы способствуют применению коботов в индустрии цепочек поставок. Это быстро развивающаяся отрасль, в которой необходимы автоматизированные процессы, поддерживающие широкий ассортимент продукции», – пояснил Джо Кэмпбелл, старший менеджер по разработке приложений в Universal Robots.
Согласно исследованию Interact Analysis, сейчас больше всего востребованы коботы массой от 5 до 9 кг. Они популярны в основном как ассистенты при сборке, ремонте и складских операциях, но перечень их функций постоянно расширяется.
Аналитики прогнозируют, что малые и средние коботы будут лидерами продаж вплоть до 2023 года. Ожидается, что общая доля коботов будет расти ежегодно на 20 – 30%, а к 2027 году составит до трети всего рынка робототехники.
Видео: Cross Company использует кобота UR10e как мобильный паллетайзер.
С 9 по 12 марта в Атланте (США) пройдёт крупнейшая в Северной Америке отраслевая выставка Modex 2020. На ней компания Universal Robots представит своё видение коботов – коллаборативных роботов, физически взаимодействующих с людьми для решения различных задач.
Главное отличие коботов – наличие искусственного интеллекта. Вам не требуется программировать их как станок с ЧПУ - достаточно составить диаграмму процесса из готовых блоков, задать базовые параметры или просто показать желаемое действие.
Оказавшись в новом окружении, коботы учатся и выполняют рутинные манипуляции всё точнее, пока не освоят новую специальность. Они стоят значительно дешевле узкоспециализированных роботов и крайне просты в освоении, что делает их доступными для небольших компаний.
Коллаборативные роботы отличаются от обычных акцентом на безопасность. Современные модели сканируют окружающее пространство и останавливаются, если человек подошёл на опасно близкое расстояние. Также они реагируют на внештатные ситуации, предотвращая повреждение оборудования.
В целом использование коботов – крайне популярный тренд, охватывающий научные эксперименты, сферу логистики и даже гостиничный сектор. Универсальные манипуляторы одинаково ловко подают инструмент и кофе, держат детали разной формы и сортируют товары.
«Многочисленные факторы способствуют применению коботов в индустрии цепочек поставок. Это быстро развивающаяся отрасль, в которой необходимы автоматизированные процессы, поддерживающие широкий ассортимент продукции», – пояснил Джо Кэмпбелл, старший менеджер по разработке приложений в Universal Robots.
Согласно исследованию Interact Analysis, сейчас больше всего востребованы коботы массой от 5 до 9 кг. Они популярны в основном как ассистенты при сборке, ремонте и складских операциях, но перечень их функций постоянно расширяется.
Аналитики прогнозируют, что малые и средние коботы будут лидерами продаж вплоть до 2023 года. Ожидается, что общая доля коботов будет расти ежегодно на 20 – 30%, а к 2027 году составит до трети всего рынка робототехники.
Видео: Cross Company использует кобота UR10e как мобильный паллетайзер.
YouTube
Cross Robotic Palletizer
The Cross palletizing and depalletizing robotic based solution offers a flexible solution to eliminate repetitive, manual stacking and unstacking tasks. Learn more at Crossco.com.
Как ИИ находит нефть и показывает скрытое под землёй
Мировые запасы нефти и других полезных ископаемых постоянно уточняются. Как и сто лет назад, это делают методами сейсморазведки, но сегодня они вышли на новый уровень благодаря искусственному интеллекту.
Сейсморазведка позволяет создавать карты глубинной структуры земной коры и верхнего слоя мантии, не извлекая образцы на поверхность.
Для этого с помощью серии взрывов или вибрационных источников создаются искусственные землетрясения, а датчики фиксируют время прохождения сейсмических волн на разных участках.
Их скорости, характер отражения и рассеивания напрямую связаны с локальным составом земных недр, что позволяет создавать 2D и 3D-карты подземных структур – сейсмограммы.
Существует узкий диапазон наиболее информативных сигналов – это низкие частоты в районе 0,5 – 5 Гц. Такие волны проходят большие расстояния и дают наиболее чёткую картину, но имеющиеся методы анализа часто не позволяют уверенно различать их на фоне естественных шумов.
Исследователи из Массачусетского технологического института предложили восполнить недостающие данные при помощи методов машинного обучения. Они создали нейронную сеть, моделирующую распространение низкочастотного сигнала без какой-либо информации о нём.
Пройдя обучение на выборке из сотен землетрясений, нейросеть научилась выявлять неявные корреляции между характеристиками распространения сигналов разной частоты. Теперь ей достаточно получить профиль высокочастотных волн, чтобы сгенерировать его для низкочастотных.
Нейросеть экстраполирует любые пропущенные частоты и генерирует чёткую 3D-сейсмограмму даже в условиях дефицита данных.
Конечно, метод имеет свои ограничения. Нейросеть даёт точные результаты лишь в том случае, если новый профиль для анализа был похож на предыдущие, использованные в обучении.
Поэтому разработчики планируют добавлять в неё новые данные, наладив сотрудничество с частными компаниями.
Источник: MIT
Мировые запасы нефти и других полезных ископаемых постоянно уточняются. Как и сто лет назад, это делают методами сейсморазведки, но сегодня они вышли на новый уровень благодаря искусственному интеллекту.
Сейсморазведка позволяет создавать карты глубинной структуры земной коры и верхнего слоя мантии, не извлекая образцы на поверхность.
Для этого с помощью серии взрывов или вибрационных источников создаются искусственные землетрясения, а датчики фиксируют время прохождения сейсмических волн на разных участках.
Их скорости, характер отражения и рассеивания напрямую связаны с локальным составом земных недр, что позволяет создавать 2D и 3D-карты подземных структур – сейсмограммы.
Существует узкий диапазон наиболее информативных сигналов – это низкие частоты в районе 0,5 – 5 Гц. Такие волны проходят большие расстояния и дают наиболее чёткую картину, но имеющиеся методы анализа часто не позволяют уверенно различать их на фоне естественных шумов.
Исследователи из Массачусетского технологического института предложили восполнить недостающие данные при помощи методов машинного обучения. Они создали нейронную сеть, моделирующую распространение низкочастотного сигнала без какой-либо информации о нём.
Пройдя обучение на выборке из сотен землетрясений, нейросеть научилась выявлять неявные корреляции между характеристиками распространения сигналов разной частоты. Теперь ей достаточно получить профиль высокочастотных волн, чтобы сгенерировать его для низкочастотных.
Нейросеть экстраполирует любые пропущенные частоты и генерирует чёткую 3D-сейсмограмму даже в условиях дефицита данных.
Конечно, метод имеет свои ограничения. Нейросеть даёт точные результаты лишь в том случае, если новый профиль для анализа был похож на предыдущие, использованные в обучении.
Поэтому разработчики планируют добавлять в неё новые данные, наладив сотрудничество с частными компаниями.
Источник: MIT
MIT News
Machine learning picks out hidden vibrations from earthquake data
An MIT machine-learning technique picks out hidden vibrations from earthquake data, which may help scientists more accurately map vast underground geologic structures.
Курс – «Летательные аппараты: инженер полётной автоматики»
Представляем курс по разработке управляющих систем автономных летательных аппаратов от частной образовательной организации Udacity.
В нём вы познакомитесь с готовой испытательной платформой, моделирующей динамику полёта квадрокоптеров. Она позволяет протестировать как отдельные алгоритмы управления и стабилизации дрона, так и полный цикл его разработки, начиная с этапа планирования.
По ходу курса вы научитесь выполнять оптимизацию планарных схем полёта с использованием маршрутных точек, а затем освоите решение более сложных задач для автоматического управления беспилотником в 3D.
Начав с простой симуляции полёта вокруг дома на фиксированной высоте, постепенно вы освоите трёхмерное управление дроном в сложной городской среде с плотной застройкой и множеством ограничений.
Используйте готовые решения, или создайте свой нелинейный каскадный контроллер для беспилотника! Напишите расширенный фильтр Калмана (EKF) для оценки положения дрона по данным инерциального измерительного модуля (IMU) там, где теряется сигнал GPS!
Бонус: изучите динамику полета аппаратов с крылом фиксированной геометрии, а затем примените новые знания, чтобы запрограммировать дрон самолётного типа!
Расчётная продолжительность курса: 4 месяца при 15 часах занятий в неделю.
Стоимость обучения составляет $199 в месяц по тарифу "Pay as you go" или $179 в месяц при оплате курса целиком ($716).
Видео: Flying Car Nanodegree Program
Страница курса: Flying Car and Autonomous Flight Engineer
Представляем курс по разработке управляющих систем автономных летательных аппаратов от частной образовательной организации Udacity.
В нём вы познакомитесь с готовой испытательной платформой, моделирующей динамику полёта квадрокоптеров. Она позволяет протестировать как отдельные алгоритмы управления и стабилизации дрона, так и полный цикл его разработки, начиная с этапа планирования.
По ходу курса вы научитесь выполнять оптимизацию планарных схем полёта с использованием маршрутных точек, а затем освоите решение более сложных задач для автоматического управления беспилотником в 3D.
Начав с простой симуляции полёта вокруг дома на фиксированной высоте, постепенно вы освоите трёхмерное управление дроном в сложной городской среде с плотной застройкой и множеством ограничений.
Используйте готовые решения, или создайте свой нелинейный каскадный контроллер для беспилотника! Напишите расширенный фильтр Калмана (EKF) для оценки положения дрона по данным инерциального измерительного модуля (IMU) там, где теряется сигнал GPS!
Бонус: изучите динамику полета аппаратов с крылом фиксированной геометрии, а затем примените новые знания, чтобы запрограммировать дрон самолётного типа!
Расчётная продолжительность курса: 4 месяца при 15 часах занятий в неделю.
Стоимость обучения составляет $199 в месяц по тарифу "Pay as you go" или $179 в месяц при оплате курса целиком ($716).
Видео: Flying Car Nanodegree Program
Страница курса: Flying Car and Autonomous Flight Engineer
Vimeo
Flying Car Nanodegree Program (FCND) - Trailer 90 seconds
Learn the latest in flying car technology and drones from the best in the field. Develop the software skills and conceptual understanding necessary to build an autonomous…
Встречайте Ascento 2!
Компактный прыгающий робот Ascento получил дальнейшее развитие. Он обзавёлся новыми алгоритмами стабилизации, подняв ловкость на фантастический уровень.
Внешне Ascento 2 очень похож на своего предшественника. Он также катается на двух колёсах, которые закреплены на подпружиненных штангах (ногах). Однако с новыми «мозгами» и мелкими доработками робот научился выполнять впечатляющие трюки.
Этот малыш массой 10,4 кг подпрыгивает на 40 сантиметров и не теряет равновесие, даже когда его хватают за ногу на полном ходу.
Робот может лежать на спине и на боку, сидеть, делать «планку» и самостоятельно подниматься из любого положения (эта фишка называется full fall recovery control).
Проще говоря, вряд ли у вас получится опрокинуть Ascento 2. Если это и удастся, он сам поднимется и поедет дальше, как ни в чём не бывало.
За прыжки отвечают суставные актуаторы ANYbotics ANYdrive, а быстро ездить помогают мотор-колеса Maxon EC90 с высоким крутящим моментом. С ними он развивает скорость до 8 км/ч и быстро разворачивается даже на месте.
При создании Ascento разработчики применили нестандартную сборку мотор-колеса, обеспечив почти нулевой люфт и плавность движения даже в условиях сильных внешних воздействий.
Ascento может непрерывно двигаться в течение полутора часов, благодаря набору литий-полимерных батарей. АКБ ёмкостью 5000 мА*ч питают моторы, а поменьше (2200 мА*ч) – электронику.
Последняя представлена мини-компьютером Intel NUC KIT NUC7i7BNH на базе Core i7-7567U и микроконтроллера ATmega328 на плате Arduino Uno.
Используя ToF-датчики Terabee TeraRanger Multiflex, робот постоянно создаёт 3D-карту своего окружения. Алгоритмы динамического планирования пути сопоставляют её с данными о собственных координатах, которые передаёт инерциальный измерительный модуль Analog Devices ADIS16460.
Это позволяет роботу объезжать препятствия и самостоятельно корректировать маршрут. Управляется он 3D-мышкой (3Dconnexion SpaceMouse) и жестами при помощи контроллера Leap Motion.
Ascento 2 был разработан в Швейцарской высшей технической школе Цюриха при поддержке Swiss Robotics и Autonomous Systems Lab. Он будет представлен в ходе международной выставки ICRA 2020, которая пройдёт с 31 мая по 4 июня в Париже (если её не отменят из-за COVID-2019).
Видео: Ascento 2
Источник: ETH Zurich
Компактный прыгающий робот Ascento получил дальнейшее развитие. Он обзавёлся новыми алгоритмами стабилизации, подняв ловкость на фантастический уровень.
Внешне Ascento 2 очень похож на своего предшественника. Он также катается на двух колёсах, которые закреплены на подпружиненных штангах (ногах). Однако с новыми «мозгами» и мелкими доработками робот научился выполнять впечатляющие трюки.
Этот малыш массой 10,4 кг подпрыгивает на 40 сантиметров и не теряет равновесие, даже когда его хватают за ногу на полном ходу.
Робот может лежать на спине и на боку, сидеть, делать «планку» и самостоятельно подниматься из любого положения (эта фишка называется full fall recovery control).
Проще говоря, вряд ли у вас получится опрокинуть Ascento 2. Если это и удастся, он сам поднимется и поедет дальше, как ни в чём не бывало.
За прыжки отвечают суставные актуаторы ANYbotics ANYdrive, а быстро ездить помогают мотор-колеса Maxon EC90 с высоким крутящим моментом. С ними он развивает скорость до 8 км/ч и быстро разворачивается даже на месте.
При создании Ascento разработчики применили нестандартную сборку мотор-колеса, обеспечив почти нулевой люфт и плавность движения даже в условиях сильных внешних воздействий.
Ascento может непрерывно двигаться в течение полутора часов, благодаря набору литий-полимерных батарей. АКБ ёмкостью 5000 мА*ч питают моторы, а поменьше (2200 мА*ч) – электронику.
Последняя представлена мини-компьютером Intel NUC KIT NUC7i7BNH на базе Core i7-7567U и микроконтроллера ATmega328 на плате Arduino Uno.
Используя ToF-датчики Terabee TeraRanger Multiflex, робот постоянно создаёт 3D-карту своего окружения. Алгоритмы динамического планирования пути сопоставляют её с данными о собственных координатах, которые передаёт инерциальный измерительный модуль Analog Devices ADIS16460.
Это позволяет роботу объезжать препятствия и самостоятельно корректировать маршрут. Управляется он 3D-мышкой (3Dconnexion SpaceMouse) и жестами при помощи контроллера Leap Motion.
Ascento 2 был разработан в Швейцарской высшей технической школе Цюриха при поддержке Swiss Robotics и Autonomous Systems Lab. Он будет представлен в ходе международной выставки ICRA 2020, которая пройдёт с 31 мая по 4 июня в Париже (если её не отменят из-за COVID-2019).
Видео: Ascento 2
Источник: ETH Zurich
YouTube
This is Ascento 2
Stay tuned for more!
Find out more about Project Ascento on our website: https://www.ascento.ch
A short project trailer showing what our robot is capable of! (February 2020)
Features include:
- adaptive legs
- off-road capability
- robust stabilisation…
Find out more about Project Ascento on our website: https://www.ascento.ch
A short project trailer showing what our robot is capable of! (February 2020)
Features include:
- adaptive legs
- off-road capability
- robust stabilisation…
Три бесплатных курса для быстрого старта
1. Основы мехатроники и робототехники
Курс от Томского государственного университета для всех, интересующихся робототехникой. В нём излагаются основы конструирования и применения роботов. Вы узнаете, какие бывают роботы и манипуляторы, как научить их чувствовать и работать вместе.
На занятиях описывается структура и кинематика роботизированных систем (приводы, управление и программирование), рассматривается организация роботизированного производства и применение систем автоматизированного проектирования.
Продолжительность курса: 10 недель по 7 – 8 часов
Требования: достаточно знаний по математике, физике и информатике в объёме школьной программы.
2. Введение в машинное обучение
Курс от Высшей школы экономики и Школы анализа данных Яндекса. В нём вы научитесь решать с помощью машинного обучения задачи классификации, регрессии и кластеризации, оценивать качество моделей и применять современные библиотеки (numpy, pandas и scikit-learn).
Продолжительность курса: 7 недель
Требования: знать математику в объёме школьной программы: функции, производные, векторы, матрицы. Желательно уметь программировать на Python.
3. Программирование глубоких нейронных сетей на Python
Курс от Уральского федерального университета, имеющий практическую направленность. Пройдя его, вы сможете написать нейронную сеть и обучить её решать задачи анализа данных. Основной акцент делается на применение нейросетей для машинного зрения и оптического распознавания текстов. Во время занятий код пишется на Python с использованием готовых библиотек TensorFlow и Keras.
Продолжительность курса: 16 недель, по 9 часов в неделю.
Требования: умение программировать на Python (или хотя бы на другом языке высокого уровня). Также нужны базовые знания высшей математики: производные, операции с матрицами и векторами.
1. Основы мехатроники и робототехники
Курс от Томского государственного университета для всех, интересующихся робототехникой. В нём излагаются основы конструирования и применения роботов. Вы узнаете, какие бывают роботы и манипуляторы, как научить их чувствовать и работать вместе.
На занятиях описывается структура и кинематика роботизированных систем (приводы, управление и программирование), рассматривается организация роботизированного производства и применение систем автоматизированного проектирования.
Продолжительность курса: 10 недель по 7 – 8 часов
Требования: достаточно знаний по математике, физике и информатике в объёме школьной программы.
2. Введение в машинное обучение
Курс от Высшей школы экономики и Школы анализа данных Яндекса. В нём вы научитесь решать с помощью машинного обучения задачи классификации, регрессии и кластеризации, оценивать качество моделей и применять современные библиотеки (numpy, pandas и scikit-learn).
Продолжительность курса: 7 недель
Требования: знать математику в объёме школьной программы: функции, производные, векторы, матрицы. Желательно уметь программировать на Python.
3. Программирование глубоких нейронных сетей на Python
Курс от Уральского федерального университета, имеющий практическую направленность. Пройдя его, вы сможете написать нейронную сеть и обучить её решать задачи анализа данных. Основной акцент делается на применение нейросетей для машинного зрения и оптического распознавания текстов. Во время занятий код пишется на Python с использованием готовых библиотек TensorFlow и Keras.
Продолжительность курса: 16 недель, по 9 часов в неделю.
Требования: умение программировать на Python (или хотя бы на другом языке высокого уровня). Также нужны базовые знания высшей математики: производные, операции с матрицами и векторами.
Помоги NASA и выиграй приз!
Американское космическое агентство объявило конкурс по разработке элементов лунного робота. Любой желающий может предложить свою конструкцию и получить денежное вознаграждение.
Робот является частью амбициозной программы Artemis, проходящей под слоганом «Вернём человечество на Луну!». По плану уже в 2024 году на поверхность естественного спутника Земли высадится женщина-астронавт, а робот будет помогать ей в исследованиях.
Основных задачи у робота три – обследовать окрестности места посадки, собирать и доставлять пробы глубоких слоёв реголита. Лунную пыль и камни разного калибра уже привозили на Землю, но все они были собраны на поверхности.
«Концепция RASSOR – это раскопки и транспортировка – «2 в 1», но мы хотели бы улучшить его дизайн», – сказал Джейсон Шулер, инженер-робототехник Космического центра им. Кеннеди.
Дистанционно управляемый робот получил называние RASSOR Excavator. Аббревиатура расшифровывается как Regolith Advanced Surface Systems Operations Robot.
При его разработке инженеры NASA испытали несколько прототипов с целью найти баланс между лёгкостью конструкции, её надёжностью и производительностью.
Они пытались по-разному решить проблему ведения раскопок в условиях отсутствия атмосферы и низкой гравитации, а теперь обращаются ко всем энтузиастам робототехники за свежими идеями.
В двух словах, NASA предлагает вам разработать модуль для отбора проб. Сейчас это комбинированные колёса, заодно работающие как ковш барабанного типа.
Соревнования по проектированию открыты до 20 апреля 2020 года. Участники могут прислать свои 3D-модели после регистрации на странице конкурса через сайт grabcad.com.
Призовой фонд составляет $7000. Победитель получит $3000, за второе место выплатят $2000, за третье – $1000, за четвертое – $750, а за пятое – $250. Заявки принимаются до 20 апреля. Финалисты будут объявлены 27 апреля, а победитель – 4 мая 2020 года.
Источник: CNN
Американское космическое агентство объявило конкурс по разработке элементов лунного робота. Любой желающий может предложить свою конструкцию и получить денежное вознаграждение.
Робот является частью амбициозной программы Artemis, проходящей под слоганом «Вернём человечество на Луну!». По плану уже в 2024 году на поверхность естественного спутника Земли высадится женщина-астронавт, а робот будет помогать ей в исследованиях.
Основных задачи у робота три – обследовать окрестности места посадки, собирать и доставлять пробы глубоких слоёв реголита. Лунную пыль и камни разного калибра уже привозили на Землю, но все они были собраны на поверхности.
«Концепция RASSOR – это раскопки и транспортировка – «2 в 1», но мы хотели бы улучшить его дизайн», – сказал Джейсон Шулер, инженер-робототехник Космического центра им. Кеннеди.
Дистанционно управляемый робот получил называние RASSOR Excavator. Аббревиатура расшифровывается как Regolith Advanced Surface Systems Operations Robot.
При его разработке инженеры NASA испытали несколько прототипов с целью найти баланс между лёгкостью конструкции, её надёжностью и производительностью.
Они пытались по-разному решить проблему ведения раскопок в условиях отсутствия атмосферы и низкой гравитации, а теперь обращаются ко всем энтузиастам робототехники за свежими идеями.
В двух словах, NASA предлагает вам разработать модуль для отбора проб. Сейчас это комбинированные колёса, заодно работающие как ковш барабанного типа.
Соревнования по проектированию открыты до 20 апреля 2020 года. Участники могут прислать свои 3D-модели после регистрации на странице конкурса через сайт grabcad.com.
Призовой фонд составляет $7000. Победитель получит $3000, за второе место выплатят $2000, за третье – $1000, за четвертое – $750, а за пятое – $250. Заявки принимаются до 20 апреля. Финалисты будут объявлены 27 апреля, а победитель – 4 мая 2020 года.
Источник: CNN
CNN
NASA wants your help designing the robot that will go digging on the moon
If you enjoy solving problems and suddenly have a little more time on your hands because everything is canceled, consider helping NASA design a robot that will operate on the moon's surface.
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
Дронов научили уклоняться в 10 раз быстрее
Используя нейроморфные камеры, исследователи из Цюрихского университета сократили время реакции дрона в десять раз.
Современные беспилотники оснащаются системой ИИ, способной избегать столкновений, однако не слишком быстрой.
Типичное время обнаружения объектов на пересекающихся курсах у лучших моделей составляет 20 – 40 миллисекунд, а общее время реакции – 100 мс и более.
Порой за это время дрон успевает врезаться. Реагировать быстрее он не способен из-за низкой скорости съёмки.
В новом подходе на дронах используются нейроморфные сенсоры. Они не записывают отдельные кадры, а непрерывно передают сведения об изменениях яркости отдельных пикселей.
Это позволяет выделять динамические объекты на фоне статических всего за 3,5 мс.
C помощью классических алгоритмов для такого результата потребовалась бы скоростная камера c частотой съёмки около 1`000`000 к/с.
Результаты опубликованные в журнале Science Robotics
Видео: YouTube
Источник: University of Zurich
Используя нейроморфные камеры, исследователи из Цюрихского университета сократили время реакции дрона в десять раз.
Современные беспилотники оснащаются системой ИИ, способной избегать столкновений, однако не слишком быстрой.
Типичное время обнаружения объектов на пересекающихся курсах у лучших моделей составляет 20 – 40 миллисекунд, а общее время реакции – 100 мс и более.
Порой за это время дрон успевает врезаться. Реагировать быстрее он не способен из-за низкой скорости съёмки.
В новом подходе на дронах используются нейроморфные сенсоры. Они не записывают отдельные кадры, а непрерывно передают сведения об изменениях яркости отдельных пикселей.
Это позволяет выделять динамические объекты на фоне статических всего за 3,5 мс.
C помощью классических алгоритмов для такого результата потребовалась бы скоростная камера c частотой съёмки около 1`000`000 к/с.
Результаты опубликованные в журнале Science Robotics
Видео: YouTube
Источник: University of Zurich
This media is not supported in your browser
VIEW IN TELEGRAM
CityHawk – беспилотное воздушное такси
Израильская фирма Metro Skyways анонсировала разработку беспилотного воздушного такси CityHawk.
Шестиместный дрон сделан на базе транспортного беспилотника Cormorant / AirMule (это он на видео), который по заказу военных создали в материнской компании Urban Aeronautics.
Последняя получила известность благодаря аппаратам вертикального взлёта и посадки (eVTOL), оснащенными электрической силовой установкой на водородных топливных элементах.
Дрон CityHawk как раз относится к семейству eVTOL. Он оснащён четырьмя импеллерами (винтами в обтекателях). Два установлены в корпусе и ещё два размещены в хвосте.
Вот краткие характеристики прототипа:
✧ взлетная масса: 1400 кг;
✧ грузоподъёмность: 635 кг;
✧ мест: 6
✧ макс. высота: 3700 м;
✧ предельная скорость: 180 км/ч;
Продвигать использование CityHawk в странах Азии будет сингапурская фирма Ascent, которая давно занимается «городской аэронавтикой».
Расчётная стоимость полёта – всего $2 за милю.
Источник: ainonline.com
Израильская фирма Metro Skyways анонсировала разработку беспилотного воздушного такси CityHawk.
Шестиместный дрон сделан на базе транспортного беспилотника Cormorant / AirMule (это он на видео), который по заказу военных создали в материнской компании Urban Aeronautics.
Последняя получила известность благодаря аппаратам вертикального взлёта и посадки (eVTOL), оснащенными электрической силовой установкой на водородных топливных элементах.
Дрон CityHawk как раз относится к семейству eVTOL. Он оснащён четырьмя импеллерами (винтами в обтекателях). Два установлены в корпусе и ещё два размещены в хвосте.
Вот краткие характеристики прототипа:
✧ взлетная масса: 1400 кг;
✧ грузоподъёмность: 635 кг;
✧ мест: 6
✧ макс. высота: 3700 м;
✧ предельная скорость: 180 км/ч;
Продвигать использование CityHawk в странах Азии будет сингапурская фирма Ascent, которая давно занимается «городской аэронавтикой».
Расчётная стоимость полёта – всего $2 за милю.
Источник: ainonline.com
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
Omron – роботизация по-японски
Автоматизация процесса упаковки – эффективный способ обеспечить чистоту товара, идентичность содержимого коробок и высокую скорость обработки заказов.
Omron Quattro 650 – самый быстрый робот-упаковщик в мире среди универсальных моделей.
Он фиксируется над конвейером на поворотной платформе. Его манипулятор движется быстро и точно благодаря четырём актуаторам с мощными двигателями.
Захват-присоска управляется через пневматическую линию и может изменять давление. Поэтому он одинаково легко удерживает разные предметы – от компонентов электроники до упаковок с едой, не оставляя на них следов.
Это единственный робот в своём классе, оснащённый встроенными усилителями и компактным контроллером. Такая схема упрощает интеграцию Quattro 650, делая его максимально самодостаточным.
Роботы Omron легко настраиваются для совместных действий и параллельной работы. Например, вы можете использовать Quattro 650 вместе с более компактным Hornet 565 там, где жёстче габаритные ограничения.
Автоматизация процесса упаковки – эффективный способ обеспечить чистоту товара, идентичность содержимого коробок и высокую скорость обработки заказов.
Omron Quattro 650 – самый быстрый робот-упаковщик в мире среди универсальных моделей.
Он фиксируется над конвейером на поворотной платформе. Его манипулятор движется быстро и точно благодаря четырём актуаторам с мощными двигателями.
Захват-присоска управляется через пневматическую линию и может изменять давление. Поэтому он одинаково легко удерживает разные предметы – от компонентов электроники до упаковок с едой, не оставляя на них следов.
Это единственный робот в своём классе, оснащённый встроенными усилителями и компактным контроллером. Такая схема упрощает интеграцию Quattro 650, делая его максимально самодостаточным.
Роботы Omron легко настраиваются для совместных действий и параллельной работы. Например, вы можете использовать Quattro 650 вместе с более компактным Hornet 565 там, где жёстче габаритные ограничения.
This media is not supported in your browser
VIEW IN TELEGRAM
Прототип марсохода на URC 2020
Финальный этап межуниверситетского конкурса робототехники URC 2020 был отменён из-за COVID-19.
Запланированные публичные выступления проводятся в формате вебинаров, а дальнейшее взаимодействие всех команд осуществляется дистанционно.
Конкурс University Rover Challenge проводится с 2007 года по инициативе международной некоммерческой организации The Mars Society.
В ходе соревнований студенты ежегодно проектируют концепты марсоходов следующего поколения. Лучшие работы воплощаются в железе и представляются на суд жюри.
На видео выше вы видите ровер команды Wisconsin Robotics. Он уверенно ездит по пересечённой местности, глубокому снегу и ступенькам.
Его единственный манипулятор сделан максимально универсальным. Ровер способен нажимать им кнопки, щёлкать переключателями, крутить регуляторы, поднимать с пола и удерживать предметы различной формы.
Источник: marssociety.org
Финальный этап межуниверситетского конкурса робототехники URC 2020 был отменён из-за COVID-19.
Запланированные публичные выступления проводятся в формате вебинаров, а дальнейшее взаимодействие всех команд осуществляется дистанционно.
Конкурс University Rover Challenge проводится с 2007 года по инициативе международной некоммерческой организации The Mars Society.
В ходе соревнований студенты ежегодно проектируют концепты марсоходов следующего поколения. Лучшие работы воплощаются в железе и представляются на суд жюри.
На видео выше вы видите ровер команды Wisconsin Robotics. Он уверенно ездит по пересечённой местности, глубокому снегу и ступенькам.
Его единственный манипулятор сделан максимально универсальным. Ровер способен нажимать им кнопки, щёлкать переключателями, крутить регуляторы, поднимать с пола и удерживать предметы различной формы.
Источник: marssociety.org
This media is not supported in your browser
VIEW IN TELEGRAM
Изопериметрический робот
Исследователи из Стэнфордского университета разработали новый тип гибкого робота. Во время передвижения он меняет форму, сохраняя общую длину рёбер.
Технически это целая группа микромашин, коллективно управляющих системой надувных трубок. Они формируют из неё треугольники с разными углами, перемещая воздух в замкнутом пространстве.
Каждая микромашина движется вдоль трубки, работая как роликовый (прокатный) насос. Изопериметрический робот не требует постоянной подкачки, а значит – не привязан к компрессору.
Потенциальные сферы его применения – участие в спасательных операциях на суше и море, а также исследования других планет. Робот достаточно компактный при транспортировке и в принципе не может опрокинуться.
Недостаток типичен для прототипа: низкая скорость передвижения. Видео ускорено в четыре раза в оригинальном ролике и в восемь раз в этом посте.
Источник: robotics.sciencemag.org
Видео: YouTube
Исследователи из Стэнфордского университета разработали новый тип гибкого робота. Во время передвижения он меняет форму, сохраняя общую длину рёбер.
Технически это целая группа микромашин, коллективно управляющих системой надувных трубок. Они формируют из неё треугольники с разными углами, перемещая воздух в замкнутом пространстве.
Каждая микромашина движется вдоль трубки, работая как роликовый (прокатный) насос. Изопериметрический робот не требует постоянной подкачки, а значит – не привязан к компрессору.
Потенциальные сферы его применения – участие в спасательных операциях на суше и море, а также исследования других планет. Робот достаточно компактный при транспортировке и в принципе не может опрокинуться.
Недостаток типичен для прототипа: низкая скорость передвижения. Видео ускорено в четыре раза в оригинальном ролике и в восемь раз в этом посте.
Источник: robotics.sciencemag.org
Видео: YouTube
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
HAHN – доступная автоматизация
Промышленные роботы перестали быть конкурентным преимуществом крупных заводов.
Теперь есть универсальные решения, доступные даже малым предприятиям.
Например, немецкая компания HAHN Automation успешно использует небольших роботов KUKA в самых разных отраслях.
В большинстве случаев HAHN достаточно установить у заказчика 2 – 4 робота серии KR QUANTEC и KR CYBERTECH, чтобы полностью автоматизировать самый сложный этап обработки или сборки.
Эти роботы позволяют достичь субмиллиметровой точности ключевых операций. Они прекрасно работают как по-отдельности, так и в команде.
В ролике выше вы видите, как они делают семь отверстий в заготовке теплозащитного экрана сложной формы, а затем прецизионно устанавливают заклёпки.
Благодаря развитым инструментам программирования KUKA, специалисты HAHN Automation смогли быстро скоординировать движения роботов, сократить ручной труд и почти вдвое увеличить объём выпускаемой продукции.
Источник: hahnautomation.com
Промышленные роботы перестали быть конкурентным преимуществом крупных заводов.
Теперь есть универсальные решения, доступные даже малым предприятиям.
Например, немецкая компания HAHN Automation успешно использует небольших роботов KUKA в самых разных отраслях.
В большинстве случаев HAHN достаточно установить у заказчика 2 – 4 робота серии KR QUANTEC и KR CYBERTECH, чтобы полностью автоматизировать самый сложный этап обработки или сборки.
Эти роботы позволяют достичь субмиллиметровой точности ключевых операций. Они прекрасно работают как по-отдельности, так и в команде.
В ролике выше вы видите, как они делают семь отверстий в заготовке теплозащитного экрана сложной формы, а затем прецизионно устанавливают заклёпки.
Благодаря развитым инструментам программирования KUKA, специалисты HAHN Automation смогли быстро скоординировать движения роботов, сократить ручной труд и почти вдвое увеличить объём выпускаемой продукции.
Источник: hahnautomation.com
Эксперты ООН и лучшие умы планеты уже давно предвещали, что существованию человечества может угрожать несколько вещей: болезни (Обама в 2014-м назвал врагом номер один вирус Эбола), третья мировая война с применением ядерного оружия, глобальное потепление с природными катастрофами, и столкновение с астероидом (по заявлениям NASA, маловероятное). При этом, главным средством спасения большинство высказавшихся по этому поводу считают новейшие технологии. Уже понятно, что нынешняя пандемия, хоть и довольно опасная, наш вид целиком не уничтожит. Можно использовать её, как тренировку для испытания технологий, помогающих нам в сражении с невидимым врагом. В частности — роботов. Лаборатория робототехники “Сбербанка” провела небольшое исследование на эту тему. Авторы видят несколько ключевых направлений, где машины с искусственным интеллектом могут быть полезны в борьбе с вирусами. Это роботы-дезинфекторы, подавляющую часть рынка которых занимают машины, уничтожающие вирусы и микробы с помощью жёсткого ультрафиолетового излучения. Впрочем, автоматических распылителей жидких антисептиков удобнее использовать для дезинфекции улиц и торговых центров, что сейчас и происходит.
Вторая категория — роботы для обслуживания больных. Вместо того, чтобы использовать санитаров для разноса еды в палаты, проще и безопаснее отправлять туда “официантов” с искусственным интеллектом. Но этим функции роботов-медиков не ограничиваются. Они могут использоваться в качестве автоматических станций для сбора плановых анализов и даже проведения УЗИ. Роботы-курьеры пригодятся также для доставки продуктов и медикаментов людям, запертым дома на карантине.
Аналитики также считают, что теперь усилится тренд по локализации производства, переносу из стран с дешёвой рабочей силой обратно, ближе к конечным потребителям. Чтобы компенсировать рост затрат, заводы будут роботизировать. Это не напрямую, но косвенно, поможет снизить скорость распространения опасных заболеваний.
Роботизированные системы телеприсутствия помогают общаться с врачами в телемедицинских сервисах. Такой робот Temi со встроенным тепловизором позволяет даже измерить температуру. Для дистанционного обучения также всё чаще используется искусственный интеллект. Как например, в детском игровом приложении MyBuddy.ai для тренировки разговорного английского.
Ещё две категории технологий, на которые возлагают надежду авторы исследования, к робототехнике напрямую не относятся. Но упомянуть о них стоит. Это 3D-печать и опенсорс. К примеру, можно аппараты ИВЛ собирать из напечатанных компонентов, организовать процесс производства масок по принципам опенсорс.
С полным текстом исследования можно ознакомиться здесь: https://www.sberbank.ru/common/img/uploaded/analytics/about-issledovaniya/rav.pdf?fbclid=IwAR0k9_ki6ygKh0DtOc1O6Kw_nrb8fwO2LExnEBiQeqFHJ2C8L_2pokn2C68
Вторая категория — роботы для обслуживания больных. Вместо того, чтобы использовать санитаров для разноса еды в палаты, проще и безопаснее отправлять туда “официантов” с искусственным интеллектом. Но этим функции роботов-медиков не ограничиваются. Они могут использоваться в качестве автоматических станций для сбора плановых анализов и даже проведения УЗИ. Роботы-курьеры пригодятся также для доставки продуктов и медикаментов людям, запертым дома на карантине.
Аналитики также считают, что теперь усилится тренд по локализации производства, переносу из стран с дешёвой рабочей силой обратно, ближе к конечным потребителям. Чтобы компенсировать рост затрат, заводы будут роботизировать. Это не напрямую, но косвенно, поможет снизить скорость распространения опасных заболеваний.
Роботизированные системы телеприсутствия помогают общаться с врачами в телемедицинских сервисах. Такой робот Temi со встроенным тепловизором позволяет даже измерить температуру. Для дистанционного обучения также всё чаще используется искусственный интеллект. Как например, в детском игровом приложении MyBuddy.ai для тренировки разговорного английского.
Ещё две категории технологий, на которые возлагают надежду авторы исследования, к робототехнике напрямую не относятся. Но упомянуть о них стоит. Это 3D-печать и опенсорс. К примеру, можно аппараты ИВЛ собирать из напечатанных компонентов, организовать процесс производства масок по принципам опенсорс.
С полным текстом исследования можно ознакомиться здесь: https://www.sberbank.ru/common/img/uploaded/analytics/about-issledovaniya/rav.pdf?fbclid=IwAR0k9_ki6ygKh0DtOc1O6Kw_nrb8fwO2LExnEBiQeqFHJ2C8L_2pokn2C68
This media is not supported in your browser
VIEW IN TELEGRAM
Mission Master – колёсный военный дрон
Немецкий концерн Rheinmetall давно сделал ставку на «умное вооружение» и сейчас подписывает один контракт за другим даже на фоне глобального экономического спада.
Одна из востребованных новинок – беспилотный вездеход Mission Master. На универсальное 8-колёсное шасси устанавливается рама для перевозки амуниции, либо 14-ствольная реактивная система залпового огня.
Пара таких дронов превращает отряд в маленькую армию, способную длительное время выполнять задачи автономно и обрушить на противника шквал огня, находясь при этом в укрытии за несколько километров.
Управляется Mission Master дистанционно по защищённому беспроводному каналу. Его полностью контролирует один оператор в режиме реального времени.
Источник: rheinmetall-defence.com
Немецкий концерн Rheinmetall давно сделал ставку на «умное вооружение» и сейчас подписывает один контракт за другим даже на фоне глобального экономического спада.
Одна из востребованных новинок – беспилотный вездеход Mission Master. На универсальное 8-колёсное шасси устанавливается рама для перевозки амуниции, либо 14-ствольная реактивная система залпового огня.
Пара таких дронов превращает отряд в маленькую армию, способную длительное время выполнять задачи автономно и обрушить на противника шквал огня, находясь при этом в укрытии за несколько километров.
Управляется Mission Master дистанционно по защищённому беспроводному каналу. Его полностью контролирует один оператор в режиме реального времени.
Источник: rheinmetall-defence.com
ИИ читает мысли?
В Центре интегративной нейронауки Калифорнийского университета в Сан-Франциско продемонстрировали, как ИИ преобразует сигналы мозга в английскую речь. Журналисты уже окрестили это «чтением мыслей», однако реальность гораздо прозаичнее.
Группа исследователей под руководством Джозефа Макина опубликовала интересные результаты в статье «Машинный перевод корковой активности в текст». Это исследование продолжает ряд подобных работ.
Их общий смысл в том, чтобы сделать эффективный интерфейс «мозг – компьютер», а затем написать программу способную расшифровывать электрическую активность мозга, вербализуя её в отдельные слова и фразы.
На этот раз источником данных послужил массив из 120 – 250 электродов для электрокортикографии (ECoG). Это не безобидная ЭЭГ, а инвазивный метод, при котором проводники хирургически накладываются непосредственно на кору головного мозга.
В эксперименте они наиболее плотно размещались в районе третьей лобной извилины. Там находится центр Брока, отвечающий (в том числе) за фонологическую кодификацию речи.
Проще говоря, по ECoG оценивали активность мозга во время устного чтения. Испытуемые зачитывали вслух повторяющиеся тексты, содержащие до 50 предложений и не более 250 уникальных слов. Так проходило обучение ИИ.
Затем набор текстов меняли, а ИИ пытался распознать новые слова и фразы. После серии от 7 до 20 повторений ему удавалось это сделать с вероятностью 97%. Столь высокий результат объясняется сочетанием факторов.
Во-первых, регистрация управляющих импульсов головного мозга по ECoG гораздо проще, чем традиционное измерение слабых потенциалов его фоновой активности на ЭЭГ.
Во-вторых, управляющий (γ-сигнал) имеет частоту до 150 Гц, а регистрация выполнялась при дискретизации 200 Гц – с запасом.
В-третьих, исследователи применили две рекуррентных нейросети (RNN) с длинной кратковременной памятью (LSTM). Одна работала как кодировщик сигналов ЭЭГ, а другая преобразовывала в речь уже отфильтрованные управляющие импульсы.
Такая структура кодер-декодер идеальна для машинного перевода, а эта задача аналогична декодированию речи. Пара нейросетей проходит сквозное обучение, устраняя необходимость в ручном описании мозговой активности, о которой наши знания ещё весьма ограничены.
Код, используемый для обучения и тестирования кодировщиков-декодеров, доступен на GitHub.
Источник: Nature Neuroscience
В Центре интегративной нейронауки Калифорнийского университета в Сан-Франциско продемонстрировали, как ИИ преобразует сигналы мозга в английскую речь. Журналисты уже окрестили это «чтением мыслей», однако реальность гораздо прозаичнее.
Группа исследователей под руководством Джозефа Макина опубликовала интересные результаты в статье «Машинный перевод корковой активности в текст». Это исследование продолжает ряд подобных работ.
Их общий смысл в том, чтобы сделать эффективный интерфейс «мозг – компьютер», а затем написать программу способную расшифровывать электрическую активность мозга, вербализуя её в отдельные слова и фразы.
На этот раз источником данных послужил массив из 120 – 250 электродов для электрокортикографии (ECoG). Это не безобидная ЭЭГ, а инвазивный метод, при котором проводники хирургически накладываются непосредственно на кору головного мозга.
В эксперименте они наиболее плотно размещались в районе третьей лобной извилины. Там находится центр Брока, отвечающий (в том числе) за фонологическую кодификацию речи.
Проще говоря, по ECoG оценивали активность мозга во время устного чтения. Испытуемые зачитывали вслух повторяющиеся тексты, содержащие до 50 предложений и не более 250 уникальных слов. Так проходило обучение ИИ.
Затем набор текстов меняли, а ИИ пытался распознать новые слова и фразы. После серии от 7 до 20 повторений ему удавалось это сделать с вероятностью 97%. Столь высокий результат объясняется сочетанием факторов.
Во-первых, регистрация управляющих импульсов головного мозга по ECoG гораздо проще, чем традиционное измерение слабых потенциалов его фоновой активности на ЭЭГ.
Во-вторых, управляющий (γ-сигнал) имеет частоту до 150 Гц, а регистрация выполнялась при дискретизации 200 Гц – с запасом.
В-третьих, исследователи применили две рекуррентных нейросети (RNN) с длинной кратковременной памятью (LSTM). Одна работала как кодировщик сигналов ЭЭГ, а другая преобразовывала в речь уже отфильтрованные управляющие импульсы.
Такая структура кодер-декодер идеальна для машинного перевода, а эта задача аналогична декодированию речи. Пара нейросетей проходит сквозное обучение, устраняя необходимость в ручном описании мозговой активности, о которой наши знания ещё весьма ограничены.
Код, используемый для обучения и тестирования кодировщиков-декодеров, доступен на GitHub.
Источник: Nature Neuroscience
Nature
Machine translation of cortical activity to text with an encoder–decoder framework
Nature Neuroscience - Makin and colleagues decode speech from neural signals recorded during a preoperative procedure, using an algorithm inspired by machine translation. For one participant...
Опубликовали следующую часть докладов со второго ROS Meetup на тему навигации роботов https://habr.com/ru/post/493792/
Хабр
Доклады второго ROS Meetup по навигации роботов
30 ноября 2019 прошёл 2-й ROS Russian MeetUp, организатор — Лаборатория робототехники Сбербанка, — собравший больше 200 ROS-разработчиков. В этом материале мы сделали подборку наиболее интересных...