​Подразделение Google DeepMind представило новую нейронную сеть Generative Query Network (GQN), исследование опубликовано в журнале Science. GQN узнает о предметах и их геометрических свойствах без ручной маркировки содержимого сцен.

Модель GQN состоит из двух нейросетей: репрезентативной и генеративной. Первая сеть в качестве входных данных получает изображения и задает вектор, характеризующий основную сцену. Затем вторая сеть представляет («воображает») сцену из ранее не наблюдаемой точки зрения.

Репрезентативная нейросеть не знает, какие углы запрашивает генерирующая сеть для прогнозирования видов объекта, поэтому ее задача — найти эффективный способ описать истинное расположение сцены как можно точнее. Она захватывает наиболее важные элементы, такие как позиция объекта, его цвет и макет комнаты. Во время обучения генератор узнает о типичных предметах, функциях, отношениях и закономерностях в окружающей среде. Этот общий набор «понятий» позволяет репрезентативной сети описать сцену сжатым и абстрактным способом, оставив работу по заполнению деталей генеративной сети.

Подробнее https://the-robot.ru/ai/deepmind-razrabotalo-ii-sozdayushhij-3d-obekty-iz-2d-izobrazhenij/

Четвёртый урок из цикла «Arduino и Telegram». В нём мы разберемся с PIR датчиком движения, научимся записывать время последнего визита домой и получать его с помощью бота.

Инженеры из Массачусетского технологического института сконструировали «слепого» робота-гепарда, который умеет передвигаться по неровному рельефу, а также красться и бежать рысью.

Вместо зрения он пользуется алгоритмами определения контакта с поверхностью и предсказания дальнейшего действия. Они одновременно рассчитывают возможность шага для каждой «лапы», его движение и силу, необходимую для поддержания равновесия в зависимости от характера поверхности. Алгоритмы заменяют ему чутьё и позволяют определять собственное положение в пространстве: https://youtu.be/QZ1DaQgg3lE

​Воздух, который выдыхает человек через рот, несет в себе важную информацию. Эти данные могут помочь в диагностике рака груди, легких, толстого кишечника. Анализ выдыхаемого воздуха имеет большой потенциал стать платформой для быстрой и точной неинвазивной диагностики.

В лабораториях уже несколько десятилетий используют хромато-масс-спектрометры (GC-MS), позволяющих идентифицировать тысячи молекул различных летучих органических веществ (VOC).

Ученые из университета Лафборо решили использовать для решения задачи свёрточную нейронную сеть. Команда докторов, медсестер, радиологов и физиотерапевтов Онкологического центра Эдинбурга собирали образцы дыхания пациентов. После анализа образцов двумя командами химиков и программистов удалось создать библиотеку из шаблонов летучих органических веществ, представляющих интерес для диагностики.

Подробнее https://the-robot.ru/ai/nejronnye-seti-pomogayut-diagnostirovat-zabolevaniya-ispolzuya-vashe-dyhanie/

​SimpleCV - опенсорсный Python фреймворк для компьютерного зрения, который представляет собой абстрактный слой над библиотекой OpenCV. Это позволяет нам работать без головной боли в изучении сложных низкоуровневых функций.

Для ускоренного изучения фреймворка есть книга "Practical Computer Vision with SimpleCV" на английском. Ссылка на книгу под постом.

Пятый урок из цикла «Arduino и Telegram». В нём мы разберемся с LCD I2C дисплеем, отображением времени и добавлением заметок.

Renegade Elite – одноплатный компьютер от Libre Computer

В ассортименте Libre Computer уже есть одноплатный компьютер Renegade, а сейчас компания анонсировала сбор средств коллективного финансирования на модель Renegade Elite: если все пойдет по плану, поставки устройства начнутся уже в августе.

https://telegra.ph/Renegade-Elite--odnoplatnyj-kompyuter-ot-Libre-Computer-06-27

#renegade_elite , #libre_computer

​🎥 Открытая платформа для сборки «умной» квартиры на базе Bluetooth LE. Доклад Евгения Савицкого.

Евгений рассказал о текущем состоянии концепции «умного» дома, в части решений для «умной» квартиры, а также предложил решение и технологию, которые могут заинтересовать DIY-сообщество. Цель этой технологии — предоставить простой и доступный способ начать собирать свою «умную» квартиру и не платить безумных денег за дорогие коробочные решения.

https://www.youtube.com/watch?v=hswH02UxPKc

Друзья, у нас появился канал на YouTube!
https://www.youtube.com/watch?v=JsHGYm7gV-0

На канал мы будем выкладывать DIY материалы, уроки и различные примеры проектов. Обязательно подпишитесь!

Если вы хотите поделиться своими работами, стать автором DIY проекта или серии уроков - обращайтесь к @MaximKosterin или @Vintego. Мы готовы платить за вашу работу.

Большое спасибо @DaniilZhuk за инициативу и труд! Можете также подписаться на его канал @arduino_io

Шестой урок из цикла «Arduino и Telegram». В нём мы разберемся датчиком влажности почвы и добавим пару индикаторов.

С момента выхода первого урока прошло чуть больше месяца. Вышло уже 6 уроков и планируется еще с десяток. И хочется узнать, как они вам вообще? Даниилу, автору этих уроков, очень интересно как их можно улучшить и научились ли вы чему-нибудь благодаря им. Писать можете напрямую Даниилу @DaniilZhuk. Если стесняетесь, выразите своё мнение прямо тут

​OpenAI работает над системой Dactyl и уже демонстрирует первые успехи. Задача была создать условия, при которых пятипальцевая рука робота научится манипулировать физическими объектами не хуже человека. Самообучение проходит по схеме: создаются тысячи виртуальных параллельных миров, где виртуальный манипулятор решает задачи. Те роборуки, которые справляются с задачами пополняют нейромодель новыми "знаниями" и так до тех пор, пока основная нейромодель будет допускать наименьший процент ошибок.

За время тренировок движения пальцев роборуки стали плавными, быстрыми и точными. А самое интересное, что роборука, как оказалось, может управлять не только кубиком, но и цилиндром! На этом моменте у меня возникло странное желание посмотреть, как манипулятор будет справляться с двумя металлическими шарами. 

Недостаток такой системы в жёстко привязанных к позициям датчиках. Если привнести в эту модель обучения хаотичное движение камер (глаз робота), то двигающийся робот сможет дообучаться в процессе своей жизнедеятельности.

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

Более подробно о системе обучения можно узнать в болге компании https://blog.openai.com/learning-dexterity/

Регистрация https://goo.gl/uDZsoS

🔥 Мы открыли регистрацию на первую онлайн-конференцию Meet The Robot 2018!

1. На странице конференции вы увидите подробности, поэтому кратко:

22 августа, онлайн.
Спикеры из разных стран будут рассказывать:

- Как начать изучать робототехнику?
- Что дальше, если проекты на ардуино делать уже надоело?
- Чему научится ребёнок в робототехнических кружках?
- Как зарабатывать на своих "инженерных навыках"?
и ещё много полезной информации.

Сейчас есть возможность приобрести доступ с хорошей скидкой. После 6 августа цена поднимется, так что не затягивайте. Также мы ограничили количество зрителей онлайн-трансляции до 200, чтобы справиться с потоком желающих и сохранить качество на высоком уровне.

Ссылка для регистрации https://goo.gl/uDZsoS

Для меня и всей команды The Robot это первый опыт. И решились мы на него из огромного желания продолжать свою деятельность: оплачивать работу наших драгоценных авторов, оплачивать услуги различных сервисов, закупать оборудование для уроков. Продажа рекламы при всей своей доходности приносит пользу очень малому количеству людей, а деньги тем временем заканчиваются. Поэтому надеемся конференция Meet The Robot будет более эффективна: у нас появятся силы и ресурсы для развития, а у вас полезные знания и связи.

С вашей поддержкой мы сможем горы свернуть 💪

2. Приглашаем компании в качестве спонсоров!

Коллеги, ознакомьтесь с условиями на странице мероприятия и становитесь нашими спонсорами. Для золотого спонсора мы приготовили самые классные плюшки. Серебрянный и бронзовый тоже будут довольны. Если у вас будут какие-то дополнительные пожелания - всё можем обсудить.


3. Любые вопросы пишите в телеграм мне @MaximKosterin или Алексу @Vintego. Доступны также по почте [email protected] и телефону +7-909-955-52-46 (Москва)