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...
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
VertiVegies: IoT + AI
Сингапурская компания VertiVegies Pte использует платформу «интернета вещей» и мощь искусственного интеллекта в своих автоматизированных теплицах.
В них одновременно выращиваются от 6 до 30 видов растений – каждое в своих условиях.
Множество сенсоров круглосуточно измеряют температуру и влажность воздуха, уровень освещённости и другие параметры.
Все данные накапливаются в облачной платформе, где их непрерывно анализирует ИИ.
Он следит за состоянием каждого растения и предотвращает любую опасную динамику.
Умная автоматика принимает меры ещё до того, как соответствующие параметры выйдут за пределы допустимых отклонений.
Например, ИИ эффективно предупреждает высыхание, деминерализацию почвы, промерзание и десятки других типовых проблем.
Вмешательство человека требуется крайне редко – в основном для ремонта насоса, замены фито-подсветки или загрузки удобрений в систему внесения подкормки.
Источник: vertivegies.farm
Сингапурская компания VertiVegies Pte использует платформу «интернета вещей» и мощь искусственного интеллекта в своих автоматизированных теплицах.
В них одновременно выращиваются от 6 до 30 видов растений – каждое в своих условиях.
Множество сенсоров круглосуточно измеряют температуру и влажность воздуха, уровень освещённости и другие параметры.
Все данные накапливаются в облачной платформе, где их непрерывно анализирует ИИ.
Он следит за состоянием каждого растения и предотвращает любую опасную динамику.
Умная автоматика принимает меры ещё до того, как соответствующие параметры выйдут за пределы допустимых отклонений.
Например, ИИ эффективно предупреждает высыхание, деминерализацию почвы, промерзание и десятки других типовых проблем.
Вмешательство человека требуется крайне редко – в основном для ремонта насоса, замены фито-подсветки или загрузки удобрений в систему внесения подкормки.
Источник: vertivegies.farm
#вебинар #бесплатно
Компания "Наносемантика" проводит бесплатный вебинар, посвященный подводным камням технологии распознавания речи (speech recognition).
Ребята поделятся свои опытом разработки, как технологии в целом, так и настройки ее под заказчика.
Обещают, что будет очень интересно. Кто посмотрит, напишите в чате @robotics_chat как вам.
Регистрация и подробное описание здесь: https://bit.ly/2WL23wP
Компания "Наносемантика" проводит бесплатный вебинар, посвященный подводным камням технологии распознавания речи (speech recognition).
Ребята поделятся свои опытом разработки, как технологии в целом, так и настройки ее под заказчика.
Обещают, что будет очень интересно. Кто посмотрит, напишите в чате @robotics_chat как вам.
Регистрация и подробное описание здесь: https://bit.ly/2WL23wP
nanosemantics.timepad.ru
Вебинар: Подводные камни технологии распознавания речи / События на TimePad.ru
Динамика развития сектора речевых технологий впечатляет своими масштабами — 3,7 млрд долларов сегодня и прогнозируемые 12 млрд к 2022 году. Внимание бизнеса к речевым технологиям вполне объяснимо, ведь скорость голоса, как интерфейса, куда быстрее других…
This media is not supported in your browser
VIEW IN TELEGRAM
Jericho: как ИИ отыскивает цели с воздуха
Наши постоянные читатели наверняка помнят проект Lacmus, помогающий искать потерявшихся людей с помощью дронов и системы распознавания изображений на базе ИИ.
Очень похожую задачу сейчас реализуют ВВС Австралии. В рамках проекта «Иерихон» (Jericho) к 2025 году там планируется перейти от визуальных поисков с воздуха к автоматическому обнаружению целей разного типа.
Поисковым отрядам часто приходится повторно прочёсывать одни и те же квадраты, поскольку с большой высоты сложно сразу заметить нужный объект.
Автоматическая обработка данных в облачном ИИ позволяет распознать цель с высокой вероятностью, даже когда для человека она почти неотличима от бликов на воде.
Современные оптико-электронные средства обнаружения допускают их установку на летательных аппаратах любого типа.
Дроны прочёсывают побережье, самолёты патрулируют акваторию, а вертолёт со спасателями вылетает уже по известным координатам.
Подробнее: airforce.gov.au
Наши постоянные читатели наверняка помнят проект Lacmus, помогающий искать потерявшихся людей с помощью дронов и системы распознавания изображений на базе ИИ.
Очень похожую задачу сейчас реализуют ВВС Австралии. В рамках проекта «Иерихон» (Jericho) к 2025 году там планируется перейти от визуальных поисков с воздуха к автоматическому обнаружению целей разного типа.
Поисковым отрядам часто приходится повторно прочёсывать одни и те же квадраты, поскольку с большой высоты сложно сразу заметить нужный объект.
Автоматическая обработка данных в облачном ИИ позволяет распознать цель с высокой вероятностью, даже когда для человека она почти неотличима от бликов на воде.
Современные оптико-электронные средства обнаружения допускают их установку на летательных аппаратах любого типа.
Дроны прочёсывают побережье, самолёты патрулируют акваторию, а вертолёт со спасателями вылетает уже по известным координатам.
Подробнее: airforce.gov.au
This media is not supported in your browser
VIEW IN TELEGRAM
Роботы ENOVA патрулируют улицы
Компания ENOVA Robotics предоставила роботов P-Guard для контроля за соблюдением карантина в Тунисе. Это универсальные машины для обеспечения безопасности, оснащённые системой ИИ.
На P-Guard установлена широкоугольная камера высокого разрешения, тепловизор, лидар и несколько микрофонов.
Своё местоположение он определяет по GPS, а в случае обнаружения нарушителей включает сигнализацию и транслирует изображение с камер оператору.
Последний может включить режим диалога и попытаться заговорить с нарушителем: например, попросить предъявить документы или покинуть территорию.
Роботы-вездеходы управляются дистанционно. При этом они обладают функцией автономного патрулирования и самостоятельной корректировки маршрута для избегания препятствий.
Источник: ENOVA Robotics
Компания ENOVA Robotics предоставила роботов P-Guard для контроля за соблюдением карантина в Тунисе. Это универсальные машины для обеспечения безопасности, оснащённые системой ИИ.
На P-Guard установлена широкоугольная камера высокого разрешения, тепловизор, лидар и несколько микрофонов.
Своё местоположение он определяет по GPS, а в случае обнаружения нарушителей включает сигнализацию и транслирует изображение с камер оператору.
Последний может включить режим диалога и попытаться заговорить с нарушителем: например, попросить предъявить документы или покинуть территорию.
Роботы-вездеходы управляются дистанционно. При этом они обладают функцией автономного патрулирования и самостоятельной корректировки маршрута для избегания препятствий.
Источник: ENOVA Robotics
Forwarded from DX.Media
Casia сделает любой дрон автономным
Канадская фирма MVT Geo-solutions начала испытательные полёты БПЛА за пределами прямой видимости оператора (out of sight). Их безопасность обеспечит система предотвращения столкновений в воздухе, работающая на базе искусственного интеллекта.
MVT предлагает своим клиентам услуги аэрофотосъёмки, картографирования и фотограмметрии с использованием беспилотников. Это востребованное направление в сельском хозяйстве, строительстве и мониторинге природных ресурсов.
До сих пор возможности компаний данного профиля ограничивались облётом малых территорий, поскольку законодательство требует нахождение дрона в прямой видимости оператора.
Сейчас ИИ полностью меняет подход к управлению беспилотниками.
В ходе тестирования БПЛА "Альбатрос", созданный Applied Aeronautics, будет использовать систему предотвращения столкновений Casia.
Она была разработана Iris Automation и считается наиболее универсальной среди коммерчески доступных аналогов.
Casia состоит из набора камер и вычислительного блока, который использует свёрточную нейросеть (CNN) для анализа изображения в реальном времени и алгоритмы глубокого машинного обучения (ML).
Благодаря сочетанию CNN и ML, искусственный интеллект уверенно распознаёт воздушные цели с разных ракурсов, определяет их скорость и вычисляет вероятность пересечения курсов.
В случае угрозы столкновения Casia автоматически выполняет манёвр уклонения и отсылает оператору соответствующее предупреждение. Если тесты в Канаде пройдут успешно, это сделает возможным коммерческие полеты беспилотников большой дальности.
В Iris ожидают, что полёты за пределами видимости оператора составят к 2021 году около 80% от общего числа всех запусков коммерческих БПЛА.
Видео: YouTube
Подробнее о Casia
Источник: flightglobal.com
Канадская фирма MVT Geo-solutions начала испытательные полёты БПЛА за пределами прямой видимости оператора (out of sight). Их безопасность обеспечит система предотвращения столкновений в воздухе, работающая на базе искусственного интеллекта.
MVT предлагает своим клиентам услуги аэрофотосъёмки, картографирования и фотограмметрии с использованием беспилотников. Это востребованное направление в сельском хозяйстве, строительстве и мониторинге природных ресурсов.
До сих пор возможности компаний данного профиля ограничивались облётом малых территорий, поскольку законодательство требует нахождение дрона в прямой видимости оператора.
Сейчас ИИ полностью меняет подход к управлению беспилотниками.
В ходе тестирования БПЛА "Альбатрос", созданный Applied Aeronautics, будет использовать систему предотвращения столкновений Casia.
Она была разработана Iris Automation и считается наиболее универсальной среди коммерчески доступных аналогов.
Casia состоит из набора камер и вычислительного блока, который использует свёрточную нейросеть (CNN) для анализа изображения в реальном времени и алгоритмы глубокого машинного обучения (ML).
Благодаря сочетанию CNN и ML, искусственный интеллект уверенно распознаёт воздушные цели с разных ракурсов, определяет их скорость и вычисляет вероятность пересечения курсов.
В случае угрозы столкновения Casia автоматически выполняет манёвр уклонения и отсылает оператору соответствующее предупреждение. Если тесты в Канаде пройдут успешно, это сделает возможным коммерческие полеты беспилотников большой дальности.
В Iris ожидают, что полёты за пределами видимости оператора составят к 2021 году около 80% от общего числа всех запусков коммерческих БПЛА.
Видео: YouTube
Подробнее о Casia
Источник: flightglobal.com
This media is not supported in your browser
VIEW IN TELEGRAM
Один оператор – два грузовика!
Молодая шведская компания Einride представила систему дистанционного управления для своих беспилотных грузовиков.
Они были анонсированы под названием Einride Pod ещё в 2017 году, но до уровня коммерчески доступного решения доросли только сейчас.
Этому способствовало развитие сетей 5G, поскольку от каждой машины Einride Pod диспетчеру требуется передавать большой поток данных.
Сами грузовики лишены кабины. Они оснащены электродвигателем, ультразвуковыми сенсорами и группой камер для кругового обзора.
Интересно, что на территории складского комплекса один оператор может сразу контролировать несколько машин (в текущей версии ПО – две), ориентируясь на подсказки системы дополненной реальности.
Она показывает оптимальную траекторию для каждого манёвра, выводит наэкранные подсказки и предупреждает об опасности столкновения.
Источник: Einride.tech
Молодая шведская компания Einride представила систему дистанционного управления для своих беспилотных грузовиков.
Они были анонсированы под названием Einride Pod ещё в 2017 году, но до уровня коммерчески доступного решения доросли только сейчас.
Этому способствовало развитие сетей 5G, поскольку от каждой машины Einride Pod диспетчеру требуется передавать большой поток данных.
Сами грузовики лишены кабины. Они оснащены электродвигателем, ультразвуковыми сенсорами и группой камер для кругового обзора.
Интересно, что на территории складского комплекса один оператор может сразу контролировать несколько машин (в текущей версии ПО – две), ориентируясь на подсказки системы дополненной реальности.
Она показывает оптимальную траекторию для каждого манёвра, выводит наэкранные подсказки и предупреждает об опасности столкновения.
Источник: Einride.tech
Hercules-I – действительно беспилотный шаттл.
Китайский стартап UDI (Unity Drive Innovation) использует колёсные дроны на дорогах общего пользования. Их основные характеристики впечатляют - при малых габаритах юркие шаттлы перевозят до тонны грузов за каждый рейс:
❖ длина: 320 см
❖ ширина: 130 см
❖ высота: 165 см
❖ масса: 600 кг
❖ грузоподъёмность: 1000 кг
❖ запас хода: до 100 км на одном заряде
Компания начала первые испытания в Шэньчжэне во время начала эпидемии. Этот город расположен между Китаем и Гонконгом, поэтому карантинные меры в нём вводились максимально строгие.
«Беспилотный автомобиль обеспечивает бесконтактную альтернативу регулярным поставкам, помогая снизить риск передачи инфекции от человека к человеку», – поясняет профессор информатики Мин Лю из Гонконгского университета науки и технологии (HKUST) и соучредитель UDI.
В разработке Hercules-I основной акцент был сделан на безопасность, поэтому на него установили 4 лидара: один на крыше, ещё один на переднем бампере и два на крыльях передних колёс.
Столь дорогое решение оказалось оправданным. Оно сократило время обнаружения объектов, устранило слепые зоны и помогло сделать «Геркулес» действительно автономным.
Сейчас он обходится без сопровождения и «техника-наблюдателя», в отличие от калифорнийских аналогов, где ради экономии ставят один лидар или отказываются от них вовсе.
За последние два месяца целый парк дронов UDI обеспечил непрерывную доставку лекарств и еды в 16 районах Шеньженя, Цзыбо и Сучжоу, выполнив более 2500 самостоятельных поездок.
Для упрощения визуального контроля состояние дрона отображается на ЖК-панели, установленной экраном наружу вместо лобового стекла. Так пешеходы видят, что беспилотник заметил их и пропускает на переходе.
В одном из сценариев реального применения шаттл доставлял пробы и медицинское оборудование в госпиталь. На обратном пути его заправляли дезинфицирующими растворами, которые он распылял вокруг клиники.
Источник: IEEE Spectrum
Видео: YouTube
Китайский стартап UDI (Unity Drive Innovation) использует колёсные дроны на дорогах общего пользования. Их основные характеристики впечатляют - при малых габаритах юркие шаттлы перевозят до тонны грузов за каждый рейс:
❖ длина: 320 см
❖ ширина: 130 см
❖ высота: 165 см
❖ масса: 600 кг
❖ грузоподъёмность: 1000 кг
❖ запас хода: до 100 км на одном заряде
Компания начала первые испытания в Шэньчжэне во время начала эпидемии. Этот город расположен между Китаем и Гонконгом, поэтому карантинные меры в нём вводились максимально строгие.
«Беспилотный автомобиль обеспечивает бесконтактную альтернативу регулярным поставкам, помогая снизить риск передачи инфекции от человека к человеку», – поясняет профессор информатики Мин Лю из Гонконгского университета науки и технологии (HKUST) и соучредитель UDI.
В разработке Hercules-I основной акцент был сделан на безопасность, поэтому на него установили 4 лидара: один на крыше, ещё один на переднем бампере и два на крыльях передних колёс.
Столь дорогое решение оказалось оправданным. Оно сократило время обнаружения объектов, устранило слепые зоны и помогло сделать «Геркулес» действительно автономным.
Сейчас он обходится без сопровождения и «техника-наблюдателя», в отличие от калифорнийских аналогов, где ради экономии ставят один лидар или отказываются от них вовсе.
За последние два месяца целый парк дронов UDI обеспечил непрерывную доставку лекарств и еды в 16 районах Шеньженя, Цзыбо и Сучжоу, выполнив более 2500 самостоятельных поездок.
Для упрощения визуального контроля состояние дрона отображается на ЖК-панели, установленной экраном наружу вместо лобового стекла. Так пешеходы видят, что беспилотник заметил их и пропускает на переходе.
В одном из сценариев реального применения шаттл доставлял пробы и медицинское оборудование в госпиталь. На обратном пути его заправляли дезинфицирующими растворами, которые он распылял вокруг клиники.
Источник: IEEE Spectrum
Видео: YouTube
IEEE Spectrum
Robot Vehicles Make Contactless Deliveries Amid Coronavirus Quarantine
Chinese startup UDI deploys self-driving vans to deliver food to lockdown areas
Машинное обучение от Яндекса и МФТИ
13 апреля на портале Coursera начинается программа онлайн-обучения по специализации «Машинное обучение и анализ данных» от Яндекса и Московского физико-технического института.
Она включает в себя шесть курсов:
❖Математика и Python для анализа данных
❖Обучение на размеченных данных
❖Поиск структуры в данных
❖Построение выводов по данным
❖Прикладные задачи анализа данных
❖Анализ данных: финальный проект
Вся программа ориентирована на решение прикладных задач из области бизнес-аналитики, социальных медиа и электронной коммерции.
Полное освоение рассчитано на 7 месяцев при нагрузке около 9 часов каждую неделю.
Занятия ведут: доктор физико-математических наук, профессор Константин Воронцов, руководитель группы распознавания образов компании Яндекс Антон Слесарев и ещё четыре эксперта в области ML.
От слушателей требуются базовые знания математики и основ программирования, желательно – на Python.
После регистрации доступен пробный период 7 дней. На это время вы получаете неограниченный доступ ко всем курсам специализации (можно просмотреть лекции, выполнить задания и получить оценку, обсудить результаты на форуме).
Дальнейшее обучение стоит 5232 ₽ в месяц, причём темп никак не ограничен – вы можете закончить курс раньше других и сэкономить.
Если у вас нет возможности оплатить занятия – подайте заявку на получение финансовой помощи.
После прохождения курса вы получите Сертификат и сможете принять участие в Программе трудоустройства.
13 апреля на портале Coursera начинается программа онлайн-обучения по специализации «Машинное обучение и анализ данных» от Яндекса и Московского физико-технического института.
Она включает в себя шесть курсов:
❖Математика и Python для анализа данных
❖Обучение на размеченных данных
❖Поиск структуры в данных
❖Построение выводов по данным
❖Прикладные задачи анализа данных
❖Анализ данных: финальный проект
Вся программа ориентирована на решение прикладных задач из области бизнес-аналитики, социальных медиа и электронной коммерции.
Полное освоение рассчитано на 7 месяцев при нагрузке около 9 часов каждую неделю.
Занятия ведут: доктор физико-математических наук, профессор Константин Воронцов, руководитель группы распознавания образов компании Яндекс Антон Слесарев и ещё четыре эксперта в области ML.
От слушателей требуются базовые знания математики и основ программирования, желательно – на Python.
После регистрации доступен пробный период 7 дней. На это время вы получаете неограниченный доступ ко всем курсам специализации (можно просмотреть лекции, выполнить задания и получить оценку, обсудить результаты на форуме).
Дальнейшее обучение стоит 5232 ₽ в месяц, причём темп никак не ограничен – вы можете закончить курс раньше других и сэкономить.
Если у вас нет возможности оплатить занятия – подайте заявку на получение финансовой помощи.
После прохождения курса вы получите Сертификат и сможете принять участие в Программе трудоустройства.
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
AIMBOT — ИИ в борьбе с пандемией
Молодая компания UBTECH предоставила систему безопасности для школ в провинции Юньнань.
На юго-западе Китая ученики возвращаются в классы после долгого карантина.
Чтобы не допустить второй волны эпидемии, за ними приглядывает робот AIMBOT с искусственным интеллектом.
Он был впервые представлен в ходе выставки CES 2020 как универсальное средство мониторинга.
Сейчас робот используется для бесконтактного измерения температуры у всех посетителей школы.
AIMBOT оснащён телескопической штангой, на которой закреплены камера и тепловизор.
Это позволяет сканировать до 15 человек одновременно, не создавая очередей.
Робот выводит показания на большой экран в реальном времени, автоматически оповещая о тех, у кого повышена температура или нет маски.
Точность определения составляет 99% на расстоянии до 3,5 метров.
После начала уроков другие роботы AIMBOT патрулируют школьные коридоры, заодно распыляя дезинфицирующий спрей.
Источник: UBTECH Robotics
Молодая компания UBTECH предоставила систему безопасности для школ в провинции Юньнань.
На юго-западе Китая ученики возвращаются в классы после долгого карантина.
Чтобы не допустить второй волны эпидемии, за ними приглядывает робот AIMBOT с искусственным интеллектом.
Он был впервые представлен в ходе выставки CES 2020 как универсальное средство мониторинга.
Сейчас робот используется для бесконтактного измерения температуры у всех посетителей школы.
AIMBOT оснащён телескопической штангой, на которой закреплены камера и тепловизор.
Это позволяет сканировать до 15 человек одновременно, не создавая очередей.
Робот выводит показания на большой экран в реальном времени, автоматически оповещая о тех, у кого повышена температура или нет маски.
Точность определения составляет 99% на расстоянии до 3,5 метров.
После начала уроков другие роботы AIMBOT патрулируют школьные коридоры, заодно распыляя дезинфицирующий спрей.
Источник: UBTECH Robotics
This media is not supported in your browser
VIEW IN TELEGRAM
Spot – проверка в реальных условиях
Ведущий программы «Разрушители легенд» Адам Сэвидж несколько месяцев тестировал робота Spot легендарной Boston Dynamics.
Он показал его возможности в ходе наглядной 20-минутной демонстрации.
Ручное управление, автономная навигация, использование опорных маркеров, выполнение запланированных миссий и даже парные танцы – всё это в новом ролике!
Уникальная черта Spot – самостоятельное принятие тактических решений.
Например, он сам определяет, как подняться по лестнице, которую видит впервые. Затем без подсказки оператора он разворачивается и спускается по ней задом, поскольку так видит ступеньки с большим углом обзора.
Робот всегда выбирает стиль движения, позволяющий лучше контролировать окружающее пространство.
Когда ему нужно пройти «полосу препятствий», он не сбавляет скорость. Робот на ходу выбирает места, куда безопасно поставить каждую из четырёх ног.
Видео: YouTube
Ведущий программы «Разрушители легенд» Адам Сэвидж несколько месяцев тестировал робота Spot легендарной Boston Dynamics.
Он показал его возможности в ходе наглядной 20-минутной демонстрации.
Ручное управление, автономная навигация, использование опорных маркеров, выполнение запланированных миссий и даже парные танцы – всё это в новом ролике!
Уникальная черта Spot – самостоятельное принятие тактических решений.
Например, он сам определяет, как подняться по лестнице, которую видит впервые. Затем без подсказки оператора он разворачивается и спускается по ней задом, поскольку так видит ступеньки с большим углом обзора.
Робот всегда выбирает стиль движения, позволяющий лучше контролировать окружающее пространство.
Когда ему нужно пройти «полосу препятствий», он не сбавляет скорость. Робот на ходу выбирает места, куда безопасно поставить каждую из четырёх ног.
Видео: YouTube
Forwarded from DX.Media
This media is not supported in your browser
VIEW IN TELEGRAM
Нейросеть превращает фото в 3D-сцену
Исследователи из Университета Цинхуа и Политехнического университета Виргинии при поддержке Facebook создали нейросеть, превращающую обычные фотографии в подобие 3D-снимков.
Алгоритм довольно точно определяет глубину изображения и границы объектов на переднем плане. Затем он поворачивает их на небольшой угол и реалистично дорисовывает фон, имитируя облёт камеры.
Артефакты есть, но по сравнению с аналогами результат получается более реалистичным. После долгого обучения нейросеть сумела дорисовать даже скрытые фрагменты мебели.
Работа получила название «3D-фотография с использованием контекстно-зависимой многоуровневой отрисовки».
Она будет представлена на конференции IEEE по компьютерному зрению и распознаванию образов (CVPR) 2020.
Выступления запланированы на 16 – 18 июня в Сиэтле (Конгресс-центр штата Вашингтон), однако из-за пандемии могут пройти в дистанционном формате.
Источник: shihmengli.github.io
Подробнее: PDF
Исследователи из Университета Цинхуа и Политехнического университета Виргинии при поддержке Facebook создали нейросеть, превращающую обычные фотографии в подобие 3D-снимков.
Алгоритм довольно точно определяет глубину изображения и границы объектов на переднем плане. Затем он поворачивает их на небольшой угол и реалистично дорисовывает фон, имитируя облёт камеры.
Артефакты есть, но по сравнению с аналогами результат получается более реалистичным. После долгого обучения нейросеть сумела дорисовать даже скрытые фрагменты мебели.
Работа получила название «3D-фотография с использованием контекстно-зависимой многоуровневой отрисовки».
Она будет представлена на конференции IEEE по компьютерному зрению и распознаванию образов (CVPR) 2020.
Выступления запланированы на 16 – 18 июня в Сиэтле (Конгресс-центр штата Вашингтон), однако из-за пандемии могут пройти в дистанционном формате.
Источник: shihmengli.github.io
Подробнее: PDF
BreadBee — крошечный компьютер с GPIO
Энтузиаст Даниэль Палмер анонсировал выпуск самого маленького одноплатного компьютера в мире с портом RJ-45. При размерах 32x30 мм он будет стоить около $10, предлагая часть функционала Raspberry Pi.
Микрокомпьютер под управлением Linux 5.3 получил название BreadBee. Сбор средств на его производство будет осуществляться на краудфандинговой платформе Crowd Supply.
BreadBee построен на базе однокристалки MStar MSC313E, изначально предназначенной для IP-камер. Она содержит одноядерный процессор Cortex-A7 с набором инструкций NEON и тактовой частотой 1 ГГц. Остальные характеристики указаны ниже:
❖ 64 МБ памяти DDR2;
❖ 16 МБ SPI NOR Flash;
❖ порт Ethernet 100 Мбит/с;
❖ четыре 10-разрядных АЦП-канала;
❖ 2xSPI;
❖ шина I2C;
❖ 3xUART;
❖ 24-pin + 21-pin GPIO;
❖ интерфейс SD / SDIO;
❖ Micro USB 2.0
Вся аппаратная часть была разработана в KiCad. Вы найдете файлы ресурсов, журнал проекта и ссылки на репозитории (U-Boot, Linux и Buildroot) на Github.
В случае успеха Палмер планирует сделать ещё более компактную версию, сократив габариты за счёт отказа от Ethernet-разъема в пользу модуля Ampak WiFi.
Источник: cnx-software.com
Энтузиаст Даниэль Палмер анонсировал выпуск самого маленького одноплатного компьютера в мире с портом RJ-45. При размерах 32x30 мм он будет стоить около $10, предлагая часть функционала Raspberry Pi.
Микрокомпьютер под управлением Linux 5.3 получил название BreadBee. Сбор средств на его производство будет осуществляться на краудфандинговой платформе Crowd Supply.
BreadBee построен на базе однокристалки MStar MSC313E, изначально предназначенной для IP-камер. Она содержит одноядерный процессор Cortex-A7 с набором инструкций NEON и тактовой частотой 1 ГГц. Остальные характеристики указаны ниже:
❖ 64 МБ памяти DDR2;
❖ 16 МБ SPI NOR Flash;
❖ порт Ethernet 100 Мбит/с;
❖ четыре 10-разрядных АЦП-канала;
❖ 2xSPI;
❖ шина I2C;
❖ 3xUART;
❖ 24-pin + 21-pin GPIO;
❖ интерфейс SD / SDIO;
❖ Micro USB 2.0
Вся аппаратная часть была разработана в KiCad. Вы найдете файлы ресурсов, журнал проекта и ссылки на репозитории (U-Boot, Linux и Buildroot) на Github.
В случае успеха Палмер планирует сделать ещё более компактную версию, сократив габариты за счёт отказа от Ethernet-разъема в пользу модуля Ampak WiFi.
Источник: cnx-software.com
Crowd Supply
BreadBee
Tiny embedded Linux development board
This media is not supported in your browser
VIEW IN TELEGRAM
Робота научили перепрыгивать препятствия с разбега
Четвероногий робот Tigar – это вторая модификация Cheetah, созданная совместными усилиями Boston Dynamics и MIT.
Компания была основана выпускниками Массачусетского технологического института и до сих пор привлекает альма-матер к своим разработкам.
Обучить Tigar бегу с препятствиями оказалось довольно сложной задачей. Для её решения используется сочетание трёх алгоритмов.
Первый оценивает дистанцию до препятствия и его высоту по данным лазерного дальномера. Второй алгоритм рассчитывает момент, когда робот должен приготовиться к прыжку. Третий вычисляет усилие для обеих пар ног с учётом скорости и размера препятствия.
В экспериментах Tigar успешно перепрыгивал через блоки высотой от 24 до 40 см на скорости до 2,4 м/с.
Видео: YouTube
Четвероногий робот Tigar – это вторая модификация Cheetah, созданная совместными усилиями Boston Dynamics и MIT.
Компания была основана выпускниками Массачусетского технологического института и до сих пор привлекает альма-матер к своим разработкам.
Обучить Tigar бегу с препятствиями оказалось довольно сложной задачей. Для её решения используется сочетание трёх алгоритмов.
Первый оценивает дистанцию до препятствия и его высоту по данным лазерного дальномера. Второй алгоритм рассчитывает момент, когда робот должен приготовиться к прыжку. Третий вычисляет усилие для обеих пар ног с учётом скорости и размера препятствия.
В экспериментах Tigar успешно перепрыгивал через блоки высотой от 24 до 40 см на скорости до 2,4 м/с.
Видео: YouTube
Forwarded from DX.Media
Микроскоп для нейросетей
Лаборатория искусственного интеллекта OpenAI представила Microscope. Это сервис для визуализации работы восьми вариантов самых популярных нейросетей, использующихся в системах компьютерного зрения.
С помощью Microscope можно увидеть, как разные изображения выглядят на каждом значимом слое нейронных сетей, и каким трансформациям они подвергаются.
Все модели состоят из графика слоев нейронной сети, отображаемых как связанные между собой узлы. При клике на любом из них узел раскрывается, показывая отдельные блоки, нейроны и функции.
В детальных схемах представлены сети GoogLeNet (Inception), AlexNet, VGG19, ResNet и их различные итерации. Они имеют от 28 до 196 узлов и от 3 до 50 слоёв.
Нейросети похожи на "чёрный ящик". Даже разработчики плохо представляют, какие внутренние процессы в них происходят на каждом этапе. Сервис Microscope позволяет заглянуть внутрь алгоритма и понять его особенности.
Источник: OpenAI
Видео: Vimeo
Лаборатория искусственного интеллекта OpenAI представила Microscope. Это сервис для визуализации работы восьми вариантов самых популярных нейросетей, использующихся в системах компьютерного зрения.
С помощью Microscope можно увидеть, как разные изображения выглядят на каждом значимом слое нейронных сетей, и каким трансформациям они подвергаются.
Все модели состоят из графика слоев нейронной сети, отображаемых как связанные между собой узлы. При клике на любом из них узел раскрывается, показывая отдельные блоки, нейроны и функции.
В детальных схемах представлены сети GoogLeNet (Inception), AlexNet, VGG19, ResNet и их различные итерации. Они имеют от 28 до 196 узлов и от 3 до 50 слоёв.
Нейросети похожи на "чёрный ящик". Даже разработчики плохо представляют, какие внутренние процессы в них происходят на каждом этапе. Сервис Microscope позволяет заглянуть внутрь алгоритма и понять его особенности.
Источник: OpenAI
Видео: Vimeo
Forwarded from PROrobots
🤝 Вебинары
# введение в роботизацию, тренды
Темы:
+ Эпидемия как драйвер создания безлюдных производств;
+ Оценка преимуществ компаний с роботизированным производством в период глобальных вызовов;
+ Роботизация для эффективного и устойчивого производства;
+ Оптимальные стратегии роботизации предприятия.
Участники:
Алиса Конюховская, исполнительный директор НАУРР;
Михаил Иванов, зам.министра промышленности и торговли РФ;
Дмитрий Капишников, генеральный директор KUKA Russia;
Александр Яшкин, гендиректор FANUC Russia;
Александр Новоселов, руководитель направления "Робототехника" ABB Russia;
Михаил Зотов, генеральный директор ДС-Роботикс;
Михаил Григорьев, гендиректор Grinik Robotics.
Равиль Хисамутдинов, заместитель директора по развитию по роботизации производства ПАО "КАМАЗ"
Регистрация: https://www.innoprom.com/services/innoprom-online/
Расписание вебинаров: https://robotrends.ru/robopedia/raspisaniya-vebinarov
# введение в роботизацию, тренды
Темы:
+ Эпидемия как драйвер создания безлюдных производств;
+ Оценка преимуществ компаний с роботизированным производством в период глобальных вызовов;
+ Роботизация для эффективного и устойчивого производства;
+ Оптимальные стратегии роботизации предприятия.
Участники:
Алиса Конюховская, исполнительный директор НАУРР;
Михаил Иванов, зам.министра промышленности и торговли РФ;
Дмитрий Капишников, генеральный директор KUKA Russia;
Александр Яшкин, гендиректор FANUC Russia;
Александр Новоселов, руководитель направления "Робототехника" ABB Russia;
Михаил Зотов, генеральный директор ДС-Роботикс;
Михаил Григорьев, гендиректор Grinik Robotics.
Равиль Хисамутдинов, заместитель директора по развитию по роботизации производства ПАО "КАМАЗ"
Регистрация: https://www.innoprom.com/services/innoprom-online/
Расписание вебинаров: https://robotrends.ru/robopedia/raspisaniya-vebinarov