Современная техника зачастую слишком сложна в освоении. Особенно трудно сладить с ней тем людям, которые и в быту не могут обходиться без посторонней помощи. Одно неловкое движение, и чувствительные механизмы дают сбой. Вместо заботы они наносят травму или просто ломаются.

Решить эту проблему пытаются на уровне человеко-машинных взаимодействий. Для этого даже придуман специальный термин pHRI – поле физического взаимодействия между человеком и роботом. Это зона возможного контакта, где движущиеся части робота представляют потенциальную угрозу для находящихся поблизости людей.

Долгое время основной безопасности pHRI были разные ограничения. Например, в случае опасного сближения робот прекращал двигаться, а после толчка старался вернуться на прежнюю траекторию. Сейчас ключевая роль отводится алгоритмам обучения, а вместо простой остановки или возврата к заложенным шаблонам действий робот учится реагировать на движения людей.

Демонстрация возможностей pHRI https://youtu.be/I2YHT3giwcY

Подробнее https://goo.gl/xdZADc

Некоторым роботам требуется несколько десятков секунд, чтобы адаптироваться после неожиданного физического урона. Это достаточно затрано по времени. Команда исследователей под руководством профессора Акио Ишигуро из НИИ электросвязи в Университете Тохоку обратили внимание на офиур — примитивных иглокожих с пятью гибкими конечностями. Офиуры не обладают сложной центральной нервной системой, но могут немедленно приспособиться к произвольной потере конечностей и продолжать двигаться на оставшихся.

Основываясь на поведенческих экспериментах с участием офиур, конечности которых ампутировали разными способами, исследователи сформировали простой децентрализованный механизм управления: каждая конечность опирается на землю только тогда, когда она получает помощь других рук. Этот механизм реализовали в похожем на офиур роботе, чтобы продемонстрировать, что он сможет приспособиться к внезапным повреждением в течение нескольких секунд, как его биологическая модель.

Ученые встроили датчики в каждом плече, которое измеряет реактивную силу, когда рука «ударяет» по земле. Пока эта сила двигает устройство в нужном направлении, рука продолжает ударять. Если рука повредилась или «ампутировалась» и больше не помогает роботу передвигаться в правильном направлении, она перестает бить. После чего робот повторно координирует движение оставшихся конечностей, чтобы сохранить курс.

Подробнее https://goo.gl/Gd5pzL

В Сан-Франциско используют роботов для борьбы с бездомными.

Владельцы офисных зданий в Сан-Франциско начали использовать роботов-охранников К9, созданных местным стартапом Knightscope, чтобы отпугивать бездомных.

https://telegra.ph/V-San-Francisko-ispolzuyut-robotov-dlya-borby-s-bezdomnymi-12-17

Взгляните на робо-пчёл от Harvard Microrobotics Laboratory. Их масса всего 80 миллиграммов, а размах крыльев – около трёх сантиметров. В них встроены крошечные датчики – металлические волоски, реагирующие на изменение направления ветра. Однако из-за своей миниатюрности они не могут похвастаться ни интеллектом, ни живучестью. Любой порыв ветра дезориентирует их, а внезапное препятствие сбивает во всех смыслах.

Проблема в том, что до сих пор все миниатюрные роботы управлялись внешним компьютером, испытывая задержки при обработке полётных данных. В их собственном корпусе просто негде разместить вычислительные блоки и аккумуляторы для питания прожорливых микросхем. Однако в Корнельском университете всё же нашли способ сделать таких роботов более сообразительными и автономными.

Подробнее https://goo.gl/PyJSwy

В последние годы индустрия робо-протезов совершила колоссальный рывок, однако точный контроль движений до недавних пор оставался мечтой. В Технологическом институте Джорджии, США, разработали систему, поддерживающую индивидуальные движения пальцев - устройство снимает сигналы с мышц музыканта. Систему создали те же люди, которые в 2014 году дали барабанщику “роборуку”, реагирующую на некоторые движения человека и музыку, которую она “слышит”. https://robotrends.ru/pub/1751/poteryavshiy-ruku-muzykant-snova-igraet---spasibo-novomu-robo-protezu

Сейчас мы обучим рекуррентную нейронную сеть создавать тексты в стиле Фёдора Михайловича Достоевского. Всё, что ей для этого понадобится - это способность предсказывать следующую букву для строки из уже имеющихся. Не стоит ожидать от сети осмысленных фраз и предложений, но правила композиции слов, общую структуру и настроение она улавливает довольно неплохо.

Писать нейросеть мы будем на python, сейчас это фактически основной язык для Data Scientist. Использовать будем популярный фреймворк Keras, который позволяет очень просто описывать структуру нейронной сети и абстрагироваться от деталей её реализации. Keras внутри себя может использовать для вычислений библиотеки Tensorflow от Google или Theano. В нашем случае это будет Tensorflow. Библиотека поддерживает расчеты на GPU, так что мощная видеокарта от NVidia может ощутимо сократить время работы.

Целиком читайте по ссылке https://goo.gl/pqEVVt

Яндекс-дзен https://goo.gl/A2kkJ8

Выражение «машинное обучение» стало мелькать тут и там почти ежедневно. О нем говорят теперь уже не только программисты, но и бизнесмены и даже политики.

В докомпьютерную эпоху только человек мог накапливать данные, анализировать информацию и делать прогнозы. С появлением компьютеров и языков программирования, люди научились строить простые модели используя схему ЕСЛИ … , ТО … . Такой алгоритм уже является простейшим роботом или машиной, но он все еще не умеет учиться. Результаты его работы и ошибки может оценить его создатель – человек. Очевидно, что такой процесс проб и ошибок требует очень много времени. А что если создать машину, которая умеет строить простые алгоритмы и оценивать результаты их работы?

Чтобы решить такую задачу её нужно разбить на две простые: один робот создает алгоритмы, другой их оценивает. Оба робота могут поначалу справляться со своей задачей посредственно, однако в процессе тестирования удачные результаты сохраняются. Таким образом правильные характеристики накапливаются, и система улучшается. Здесь помогают современные компьютеры (а точнее видеокарты), которые умеют строить и проверять огромное число мини-алгоритмов.

Если основные принципы вам не очень понятны, рекомендуем посмотреть 2 видео с субтритрами. Субтитры, кстати, создаются автоматически благодаря машинному обучению.

https://www.youtube.com/watch?v=R9OHn5ZF4Uo

Второе видео в статье на я.дзен: https://goo.gl/bpbgSF
И у нас на сайте: https://goo.gl/fAp5xj

С помощью машинного обучения NASA обнаружило восьмую планету рядом с далекой звездой. Это означает, что Солнечная система больше не самая большая в галактике. Об этом пишет The Verge со ссылкой на сообщение космического агентства.

ИИ Google нашел планету, отслеживая ранее забытые «слабые» сигналы в данных, которые получил космический телескоп Кеплер. Найденная планета расположена в системе вокруг звезды Кеплер-90, расположенной на расстоянии около 2500 световых лет от Земли. Звезду обнаружили в 2014 году.

Космический телескоп Кеплера запустили в 2009 году. Он ищет планеты за пределами Солнечной системы. Чтобы просеять все данные, которые он собрал с момента запуска, ученые сначала исследуют самые сильные сигналы. Этот процесс работает достаточно хорошо до сих пор. За это время NASA обнаружило 2525 объектов.

Подробнее https://goo.gl/S6LpCN

Институт передовых технологий Южной Кореи (KAIST) совместно с компанией Rainbow Robotics разработал необычного гуманоидного робота FX-2, похожего на кентавра. Вместо головы у него... кресло. Оператор словно продляет корпус робота своим телом. Он восседает на уровне груди и управляет им при помощи двух многофункциональных рукояток.

Такая конструкция выглядит небезопасно и явно требует доработки. Во время краткой предварительной демонстрации оператор просто сидел в шлеме, зафиксированный в кресле пятиточечными ремнями безопасности. Они уберегают его от незапланированного покидания кабины, но в случае падения вперёд робот станет высокотехнологичным надгробием.

Впрочем, это маловероятно. У FX-2 продвинутая система автоматической стабилизации, да и ходит он крайне осторожно – мелкими шагами со скоростью менее двух километров в час. Зато открытая кабина позволила уменьшить массу и габариты робота почти вдвое. Официально технические детали новинки пока не разглашаются, однако за основу был взят HUBO-2+, принципиальная схема которого известна.

Подробнее на Я.Дзен https://goo.gl/2WqiAP
И на нашем сайте https://wp.me/p90GRu-mJ

FX-2

Итальянские разработчики представили обновлённую версию iCub – робота-ребёнка с открытым исходным кодом. Наблюдая за его поведением удобно изучать как алгоритмы нейросетей, так и особенности их применения в робототехнике.

Начавшись как общеевропейский, проект iCub быстро перерос в международный. Он прошёл череду апгрейдов до версии 3.0, рос и развивался словно настоящий ребёнок. Теперь он в состоянии распознавать объекты при помощи событийно-управляемых камер Dragonfly от PointGrey, держать баланс, передвигаться на двух ногах и на четвереньках, приседать, имитировать человеческие эмоции и реагировать на прикосновения.

Свыше четырёх тысяч сенсоров покрывают его корпус буквально с головы до ног. Такая электронная кожа делает его чрезвычайно чувствительным и ещё более похожим на живого ребёнка.

Дополнительно к камерам и микрофонам iCub получил набор датчиков, действующих как проприорецепторы. Акселерометры и гироскопы помогают ему "чувствовать" положение частей тела относительно друг друга и сохранять равновесие в любой позе.

Другие подробности об iCub и его оснащении читайте по ссылке https://goo.gl/sHrwEu

И у нас на сайте https://the-robot.ru/produkty/iskusstvennyj-intellekt-v-tele-rebyonka/

В преддверии новогодних праздников мы хотим поделиться с вами источниками вдохновения для строительства новых роботов и создания новогоднего настроения. Лучшие 3 видеоролика по версии the Robot.

Второе место занимает праздничный ролик от канала Bangood Video, где демонстрируется, как роборука зажигает рождественские свечи.

Комплект называется 6DOF Robot Arm Kit. 6 степеней свободы. Составные элементы сделаны из закалённой стали. Размеры: 21 х 21 см. Вес около 600 гр. Если купите этот комплект, то для сборки полноценного манипулятора вам еще понадобится докупить 2 маленьких сервомотора (например MG90S), и 4 стандартных сервомотора (MG995, MG996) или цифровых (DS3218, KS3518).

https://youtu.be/8h-wP4V_b8o

Всю тройку видео смотрите тут https://goo.gl/LMq9zy

И на нашем сайте https://the-robot.ru/kejsy/robo-sani-svechi-i-pechenki-retsept-novogodnego-prazdnika-ot-the-robot/

Ассоциация Репортеры и статистические роботы (RADAR), финансируемая Digital News Initiative от Google, создала программное обеспечение, которое вставляет локализованные статистические данные в истории, написанные репортерами. Затем статьи предлагаются редакторам 35 региональных газет для рассмотрения. Пилотный проект, который начался в конце ноября 2017 года, уже привел к двадцати публикациям.

По словам Тоби Гранвиля, редактора Newsquest – британской газетной компании, публикующей частично автоматизированные истории, программное обеспечение отсеивает статистические данные, чтобы освободить журналистов от кропотливой работы поиска статистических аномалий.

«Алгоритм предоставляет нам контент, который мы обычно пропускаем в массиве данных», - сказал г-н Гранвиль. «Содержимое написано по стандарту, который мы ожидаем от нормального репортера, работающего в нашей редакции». Такие статье хорошо работают в онлайне, где аудиторию привлекают интересные факты.

Полностью https://goo.gl/4mEb4G