Присылайте ссылки на другие интересные наборы и комплектующие Даниилу @DaniilZhuk. Будем наполнять совместными усилиями.

​Систему образования в Японии усовершенствуют при помощи искусственного интеллекта.

Министерство образования Японии объявило о внедрении в государственную систему школьного обучения систем искусственного интеллекта для проверки знаний учащихся и создания индивидуальных образовательных программ. Эксперимент стартует в 2019 году.

Разработанное для образовательных учреждений программное обеспечение на основе глубокого машинного обучения позволит отслеживать успеваемость школьников и корректировать интенсивность преподавания различных предметов. Нейронная сеть сможет выдавать рекомендации по углубленному изучению тех или иных наук, исходя из индивидуальных предпочтений учащихся.

Искусственный интеллект также позволит разрабатывать оптимальные задания для каждого ученика в отдельности, что сделает образовательный процесс индивидуальным.

Предполагается, что сбор информации об успеваемости будет производиться в течение четырех лет. На основе этой информации искусственный интеллект составит графики развития школьников, определит их слабые и сильные стороны и укажет на недостатки используемых в Японии образовательных программ.

Современные интеллектуальные системы активно внедряются в сферу образования в разных странах с целью сделать обучение более эффективным, повысить успеваемость учащихся и привести к единым стандартам систему оценки знаний. В августе 2018 года появилась информация, что в течение ближайших нескольких лет Министерство образования и науки и России перейдет на полностью автоматизированную проверку работ в рамках единого государственного экзамена. Искусственный интеллект будет оценивать не только тестовые задания, но развернутые письменные ответы школьников. В Министерстве образования считают, что это исключит субъективный фактор при определении результатов ЕГЭ.

В мае 2018 года в одной из школ китайского города Ханчжоу был запущен эксперимент по использованию искусственного интеллекта для определения вовлеченности школьников в образовательный процесс. Во время уроков нейронная сеть распознавала изображение с камер в кабинетах и выявляла школьников, которые отвлекаются от учебы.

Система телеприсутствия Fusion

https://the-robot.ru/prototype/fusion-protyanet-ruku-pomoshhi-ili-sdelaet-rabotu-za-vas/

​Исследователями из двух японских университетов создана принципиально новая роботизированная система телеприсутствия – Fusion. Она даёт возможность оператору не только видеть происходящее с другим человеком, но и активно помогать ему парой дистанционно управляемых манипуляторов.

Идея родилась в университете Кэйо и получила продолжение как совместная разработка с Токийским университетом. Студенты обратили внимание на то, насколько неудобно организовано дистанционное обучение каким-то практическим дисциплинам. Пока обсуждается теория, можно обойтись без личного присутствия. Как только начинаешь делать что-то руками – очень не хватает опытного наставника рядом.

Подробнее https://the-robot.ru/prototype/fusion-protyanet-ruku-pomoshhi-ili-sdelaet-rabotu-za-vas/

​Владислав Громов рассказал, как Университет ИТМО использует компьютерное зрение в локализации колёсных и наводных мобильных роботов, в системах слежения за подвижными объектами, в датчиках положения грузов в манипуляционных роботах, а также в промышленных робототехнических приложениях. Все примеры дополнены пояснениями, фотографиями и видеозаписями.

Владислав Громов
Кандидат технических наук, ассистент факультета систем управления и робототехники ИТМО, сотрудник международного научного центра «Нелинейные и адаптивные системы управления».

https://www.youtube.com/watch?v=pHxy3TtnVgc

Девятый урок из цикла «Arduino и Telegram».  В нём мы научимся получать информацию об атмосферном давлении при помощи telegram бота и датчика bmp180

​Кембриджская компания CMR Surgical испытала больнице Адденбрука роботизированную хирургическую систему Versius. Она компактнее аналогичного американского робота da Vinci от Intuitive Surgical, который с 2001 используется более чем в 70 клиниках Великобритании.

Система Versius предназначена для выполнения лапароскопических операций, во время которых инструменты и миниатюрная камера вводятся в тело пациента через 3-4 прокола. Такая методика считается менее травматичной по сравнению с классическими полостными операциями. Она уменьшает кровопотери, сокращает время послеоперационной реабилитации и не оставляет на теле заметных рубцов.

Робот изначально создавался с учётом сложившейся в исследовательском центре Кембриджа операционной практики. Обучение хирургов лапароскопическим техникам в Великобритании занимает от 80 часов. Испытания робота в больнице Адденбрука показали, что освоение Versius занимает всего полчаса.

Подробнее + видео презентация Versius на нашем сайте:
https://the-robot.ru/produkty/versius-i-kod-da-vinci/

​Александр Белугин рассказал о продуктах, мировом опыте и работе по промышленной безопасности и автоматизации процессов, которую ведёт его команда.

Александр Белугин
Руководитель проектного офиса «Цифры», до этого руководил Yandex Data Factory. В составе команды участвовал более чем в пятидесяти проектах с машинным обучением. Преподаёт менеджмент в области Data Science в Высшей школе экономики.

https://www.youtube.com/watch?v=KICF9E35sUo

Десятый урок из цикла «Arduino и Telegram».  В нём мы научимся получать информацию об уровне воды в кружке при помощи telegram бота и датчика. Демонстрацию работы смотрите на нашем Youtube канале

​Сегодня коллаборативные роботы (коботы) составляют лишь небольшую часть рынка промышленных роботов, который оценивается в 40 млрд долларов, эксперты предсказывают рост рынка коботов до почти 10 млрд долларов в следующие 10 лет.

Исторически сложилось так, что сектор робототехники в целом страдает от ряда проблем:

·      Проблемы с видением: технология зрения для роботов, позволяющая роботам определять и перемещаться между объектами, улучшалась сравнительно медленно. Поэтому промышленные роботы работали преимущественно в закрытых зонах без взаимодействия с людьми;

·      Проблемы ловкости и гибкости: различные типы захватов и механические движения по-прежнему не развиты настолько, чтобы роботы смогли работать в широком спектре отраслей;

·      Низкая рентабельность инвестиций: низкие затраты на рабочую силу препятствовали необходимости широкомасштабной интеграции робототехники в таких областях, как сельское хозяйство и производство.

Однако теперь небольшие коллаборативные роботы (коботы) преодолевают традиционные проблемы в индустрии робототехники. В первой части обзора рынка коботов мы рассмотрим, как компании используют коботов, чтобы начать решать эти технологические проблемы, и как появление коботов меняет экономику производства, интернет торговли, сельского хозяйства и общественного питания.

Первую часть обзора читайте на нашем сайте: https://the-robot.ru/analytics/cobots-part1/

​В рамках мероприятия в Яндексе «Data&Science: мир глазами роботов» Андрей Боковой рассказал об интересных проектах в области искусственного интеллекта, которыми он занимаемся в ФИЦ ИУ РАН: о планировании траекторий и поведения, об управлении сложными робототехническими устройствами и компьютерном зрении. Также мы поговорили о применении машинного обучения для одновременного картирования и локализации сложных робототехнических систем по видеопотоку, которым Андрей занимается в ФИЦ ИУ РАН.

Андрей Боковой
Аспирант РУДН. Начинал с разработки различных программ для встраиваемых систем. Сейчас работает в Федеральном исследовательском центре РАН «Информатика и управление» над проектами, связанными с компьютерным зрением, искусственным интеллектом и робототехникой.

Доклад https://www.youtube.com/watch?v=Kulbq85JFvQ

Скачать слайды: https://yadi.sk/i/rpDS7oTd3ajciT

​Около месяца назад мы завели Youtube канал, спасибо первым подписчикам. Кто еще не успел – присоединяйтесь. https://www.youtube.com/watch?v=JsHGYm7gV-0
 
У нас большие планы по развитию видео материала: DIY, уроки, примеры проектов и даже стримы! Не пропустите совместную сборку устройств совместно с нашим автором @DaniilZhuk

На канале уже есть несколько плейлистов: это видео материалы уроков из серии Arduino и Telegram, проекты самодельного микшера и софтбокса, а также полезные материалы по Fritzing и Arduino.
 
Напомню, что, если вы хотите поделиться своими работами, стать автором DIY проекта или серии уроков - обращайтесь к @MaximKosterin или @Vintego. Мы готовы платить за вашу работу.

Компания Sphero представила новинку Sphero Bolt, миниатюрный шарообразный робот для развлечений. Устройство ориентировано на "образовательное применение". С его помощью дети могут обучаться программированию. https://robotrends.ru/pub/1837/kompaniya-sphero-predstavila-novinku-sphero-bolt

​Студенты Массачусетского технологического института написали нейросеть, реализующую алгоритм машинного зрения с самостоятельным обучением. Благодаря ей, робот способен определять, к какому классу относится лежащий перед ним незнакомый объект, и как с ним нужно обращаться.

Универсальные манипуляторы Kuka уже становились героями наших публикаций. Они используются на сборочных линиях, играют музыку, подают напитки и взаимодействуют с людьми. Однако чтобы научить их выполнять какую-то новую операцию, требуется уйма времени и постоянный контроль соответствия заложенных в программе условий реальной обстановке.

В Лаборатории искусственного интеллекта МТИ решили пойти дальше, и разработали систему машинного зрения на основе нейросети, относящиеся к типу алгоритмов «с обучением без учителя». Подробнее о ней можно прочитать в препринте научной публикации «Изучение визуальных характеристик объекта для роботизированной манипуляции», а наглядная демонстрация представлена ниже.

https://youtu.be/OplLXzxxmdA

​В рамках мероприятия «Data&Science: мир глазами роботов» Вячеслав Мурашкин из команды Яндекс.Такси рассказал, какие сенсоры использует беспилотный автомобиль Яндекса для детекции 3D-объектов. В докладе представлен обзор современных алгоритмов с использованием камеры и лидара, таких как Frustum и PointNet. Вячеслав также рассказал об особенностях внедрения этих алгоритмов в систему беспилотного автомобиля.

Вячеслав Мурашкин
Закончил МГТУ им. Баумана и Школу анализа данных Яндекса. Работает в Яндексе более трёх лет. С 2017 года руководит группой распознавания динамических объектов в отделе беспилотных автомобилей.

Доклад https://www.youtube.com/watch?v=lU_WTP4RT6A

Скачать слайды: https://yadi.sk/i/nHpdSQfN3ajmch

​«Хайтек» взял у Алексея Хабибуллина, руководителя отдела проектных олимпиад в Университете Иннополис. Тут и про историю WRO, и про дефицит кадров, и про развитие образовательной робототехники в России:

"В образовательной робототехнике успехи налицо — те же победы на международном уровне. Россия во всех ключевых всемирных соревнованиях выступает на приличном уровне. «Взрослая» робототехника развита не сказать что очень сильно. Степень роботизации на производстве далека от идеала и потребностей. Хочется, чтобы достижения образования привели к успехам во «взрослой» робототехнике. Наша задача — сближение этих отдельных «вселенных» и формирование понятного карьерного пути — олимпиада, специализированный вуз и решение задач, лежащих в плоскости открытий."

https://hightech.fm/2018/07/30/wro

​Пчелиный рой — это сложная система с необычайно эффективной коммуникацией. С помощью языка движений пчелы сообщают друг другу, как далеко лететь за нектаром, где сделать поворот и какие обогнуть препятствия. Рой дронов работает по тому же принципу. Эта система представляет интерес не только для военных, но и для компаний, работающих в электронной коммерции и ритейле (Amazon, Walmart, JD.com), — для быстрой доставки заказа.

Команда Дмитрия Тетерюкова разрабатывает систему SwarmTouch: она позволяет оператору не только интуитивно управлять роем дронов с помощью движений рук, но и буквально ощущать полет роя кончиками пальцев — через тактильную перчатку. Импедансные связи между агентами роя обеспечивают безопасное управление и создают ощущение живой системы. Дмитрий показал, как технологии компьютерного зрения помогли им этого добиться.

https://www.youtube.com/watch?v=XMQRZU9X-zI