На Титане будет летать «стрекоза»

В NASA показали разработку мультикоптера для исследования Титана. В случае успеха это будет первый дрон, совершающий управляемый горизонтальный полёт в атмосфере другого объекта Солнечной системы.

Самый крупный спутник Сатурна давно привлекает внимание наличием преимущественно азотной атмосферы, воды и углеводородов. Это косвенные признаки возможного существования живых организмов под его ледяным покровом.

До сих пор все «местные новости» о ледяной луне ограничивались данными от спускаемого аппарата «Гюйгенс», который совершил мягкую посадку 14 января 2005 года.

Новая миссия по изучению Титана получила название Dragonfly. В её рамках планируется использовать уникальный дрон с восемью пропеллерами.

Независимые моторы обеспечат запас надёжности. Предполагается, что в сравнительно плотной атмосфере Титана мультикоптер сможет выполнять задачи даже при отказе пяти винтов.

По текущему графику «Стрекоза» отправится в космос в 2026 году и достигнет Титана в 2034 г. Дрон сможет исследовать газовый состав атмосферы на разной высоте и сфотографировать десятки перспективных мест на Титане.

Всё время после начала спуска он будет искать следы химических процессов, которые на Земле обычно связаны с метаболизмом живых существ.

Сначала он совершит посадку на экваториальных дюнных полях Шангри-Ла, которые очень похожи на линейные дюны в Намибии на юге Африки.

«Стрекоза» будет исследовать этот регион короткими рейсами общей протяжённостью до восьми километров. Во время каждой посадки он будет брать образцы газовой смеси и жидких углеводородов.

Согласно плану, за два с половиной – три года «Стрекоза» пролетит 175 километров, пока не достигнет ударного кратера Селк. Там есть признаки наличия в прошлом воды в жидком виде, а также сложных органических молекул.

Проект Dragonfly был отобран среди множества других в рамках программы «Новые рубежи». Его возглавляет Элизабет Тертл (Elizabeth Turtle) – сотрудник лаборатории прикладной физики Университета Джонса Хопкинса в Лореле (штат Мэриленд).

Источник: https://www.nasa.gov/press-release/nasas-dragonfly-will-fly-around-titan-looking-for-origins-signs-of-life/

Catbot протянет руку помощи

Молодая компания Elephant Robotics представила универсального робота-помощника Catbot. Он выглядит как фантазия сантехника, но странная трубчатая форма обеспечивает ему шесть степеней свободы и универсальность применения.

Складывающийся в несколько раз Catbot не занимает много места. Он фиксируется на струбцине словно настольная лампа и готов протянуть ̶р̶у̶к̶у̶ манипулятор помощи в самых разных задачах, выдвигая его до 60 см.

По меркам роботов уровня домашней мастерской и малых предприятий, Catbot сильный и одновременно аккуратный. Он может удерживать любые объекты массой до пяти килограмм и выполнять очень точные перемещения. Например, Catbot с лёгкостью подаст инструмент, зафиксирует детали и закрутит микровинты, выступит в роли оператора, бармена и даже массажиста.

Его можно запрограммировать на выполнение сложных наборов перемещений – от упаковки товаров и сборки электроники до написания картин. Поскольку смысл Catbot – ассистировать человеку с занятыми руками, для него предусмотрено голосовое управление.

Elephant Robotics сертифицировала Catbot на безопасность при работе в тесном контакте с людьми согласно стандарту ISO 10218-1:2011. Он прекращает любые движения при угрозе задеть человека.

Стартап Elephant Robotics был основан в 2016 году в Шэньчжэне (Китай), также известном как «Азиатская Кремниевая долина». Местный предприниматель Джои Сонг решил заняться робототехникой после стажировки в Австралии. Свою задачу он видит в том, чтобы сделать роботов-помощников доступными для  всех.

Catbot построен на открытой платформе, а Elephant Robotics придерживается принципов облачного программирования, что упрощает обмен кодом и его модификацию. Для начала из CatStore можно загрузить двадцать готовых шаблонов основных действий.

Сейчас на Catbot открыт предзаказ по договорной цене. Отправка первой партии планируется в августе 2019 года.

Источник: https://www.therobotreport.com/elephant-robotics-catbot-smaller-easier-cobot/

Микробот из MIT

Команда из Массачусетского технологического института под руководством профессора Нила Гершенфельда (Neil Gershenfeld) представила миниатюрного робота, способного перемещать объекты в семь раз тяжелее собственного веса и собирать других роботов.

Он состоит из пяти простейших модулей, закреплённых на упругой раме. Комбинация постоянного магнита, электромагнита и катушек индуктивности позволяет роботу выполнять различные действия, обычно требующие куда более сложных конструкций.

Из-за малых габаритов робот обходится внешним источником питания. Для облегчения конструкции и большей наглядности он лишён корпуса.

Примечательно, что робот двигается очень быстро. Чтобы разглядеть характер его движений, видеозапись воспроизводится с замедлением в двадцать раз.

Если роботу не хватает сил на выполнение поставленной задачи, он может объединяться с другими подобными роботами. Синхронизация их усилий выполнятся оператором.

Работа была представлена на Международной конференции по робототехнике и автоматизации манипуляций в малых масштабах (MARSS 2019), которая сейчас проходи в Хельсинки.

Источник: MIT Center for Bits and Atoms https://vimeo.com/345690419

​Эксперты Google и Airbus на ICQT-2019: зачем нам квантовые технологии?

Спустя два года после потрясающей ICQT-2017, где физик из Гарварда Михаил Лукин представил самый мощный квантовый компьютер в мире, мы начинаем регистрацию посетителей на Открытый день ICQT-2019!

Станут ли "кванты" тем самым next big thing, что даст долгожданный импульс технологиям вычислений, навигации, сенсорики и связи? В последние несколько лет квантовыми технологиями заинтересовались Google, Airbus, PwC, Alibaba и многие другие корпорации. А это значит, что разработки талантливых ученых уже сейчас имеют все шансы выйти за пределы лабораторий и стать востребованными продуктами и сервисами.

18 июля, на Открытом дне ICQT-2019  вы получите готовую картинку того, что могут квантовые технологии сейчас и куда они движутся. Здесь лучшие мировые эксперты — ученые, предприниматели и руководители корпораций с мировым именем  — расскажут как и зачем квантовые технологии приходят в нашу жизнь.

В центре внимания — лекция Хартмута Невена, технического директора Google, главы лаборатории квантового искусственного интеллекта и со-основателя проекта Google Glass. Хартмут Невен расскажет, что такое "квантовое превосходство" в вычислениях и когда мы к нему придём.

Оформить бесплатные билеты для посещения Open Day можно здесь: https://rqc.timepad.ru/event/1003935/

Помните: открытый день это всегда сюрприз — спикеры не раскрывают всех карт своего выступления и могут использовать отведенное время для мировой премьеры своего научного открытия или прорывного устройства. Мы ждем вас!

Видео-обращение Хартмута Невена:
https://www.dropbox.com/s/7jv4bv2a6iomiat/HartmutNeven_MoscowInvite_with_title.mp4

Робослух вместо машинного зрения

Команда исследователей из Технологического университета Сиднея разработала методику, позволяющую роботам создавать карту помещения только за счёт анализа звуковых сигналов.

Давно существуют системы предотвращения столкновений на основе ультразвуковых датчиков и 3D-реконструкции помещения по отражённому лазерному сигналу, однако у них есть свои ограничения.

УЗ-датчики глохнут, если до преграды более пяти метров, а лидары слепнут на прозрачных препятствиях (стеклянные двери, окна до пола) и путаются с оценкой расстояния, встретив поверхности с высоким альбедо (зеркала, хромированные стойки).

В качестве альтернативы ранее предлагались чисто акустические методы, использующие звуки разной частоты. В частности, есть техническая возможность реконструировать модель комнаты по её импульсным характеристикам (RIRs – room  impulseresponses). Однако для построения более или менее точной модели приходилось заранее устанавливать в каждой комнате излучатели по периметру и калибровать приёмник.

Группа инженеров из Австралии адаптировала для этой цели более простой алгоритм. В нём используется один динамик и четыре направленных микрофона, установленные прямо на роботе. Это позволяет ему самостоятельно ориентироваться в незнакомых помещениях, которые не проходили предварительную подготовку.

Эффективность предложенного подхода подтверждается в собственных экспериментах австралийской команды. Робот не просто правильно оценил геометрию тестового помещения, но и довольно точно вычислил его размеры, что стало приятным сюрпризом для авторов.

Сама статья находится под эмбарго до 2021 года, однако вы можете прочесть подробности в препринте научной статьи, бесплатно доступном на сайте Корнелльского университета: https://arxiv.org/pdf/1907.01169.pdf

Источник: https://opus.lib.uts.edu.au/handle/10453/134071

​Четыре лебедки помогли робогусенице преодолеть высокое препятствие
https://clck.ru/GwJm8

​Робота Atlas научили планировать путь в развалинах и протискиваться в узкие проемы
https://clck.ru/Gx4TQ

Итальянские дроны стали уличными художниками

При помощи четырёх квадрокоптеров межуниверситетская команда исследователей под руководством профессора Карло Ратти создала живописное полотно площадью 168 квадратных метров. Оно выполнено в стиле уличного граффити на стене заброшенного автозавода у парка Аурелио Печчеи (Турин, Италия).

Основную техническую часть проекта выполняла компания Carlo Ratti Associati (CRA), специализирующаяся на архитектуре и дизайне. В 2015 году она представила вертикальный плоттер (hxxps://carloratti.com/project/ffd-vertical-plotter/)  для печати векторных изображений и текста на больших стенах.

Его дальнейшим развитием стала система Paint By Drone (hxxps://youtu.be/3B5tsecnYmA), которая фактически заменила плоттер. Управлять отдельными дронами сложнее, чем единым набором картриджей, зато они  более динамичны и не имеют ограничений на максимальный размер стены.

Центральная система управления дронами была разработана в Туринском политехническом университете. Сами дроны и планировщик путей на движке Unity3D создавались в Tsuru Robotics совместно с Interactive Lab. Два года исследователи повышали точность локального позиционирования, доведя её до ± 5 мм.

Справедливости ради отметим, что это не «первый в истории случай, когда дроны расписали вертикальную поверхность», как пишут в CRA. Первую публичную демонстрацию «воздушных художников» как раз устроила Tsuru Robotics в 2017 году на территории московского центра современного искусства «Винзавод» (hxxps://youtu.be/WyPawWJj-U8).

Коллаж на тему «Турин настоящего и будущего» создавался два дня – с 25 по 26 июня 2019 г. Суммарный пробег дронов составил 620 метров, а общее время в полёте – 12 часов. Ещё более двадцати ушло на их перезарядку и перезаправку – каждый дрон распылял краску из баллончика своего цвета.

Работа на стыке искусства и современных технологий проводилась в рамках проекта UFO (Urban Flying Opera). Он был запущен в январе 2018 года, и с тех пор каждый желающий мог прислать организаторам своё видение Турина.

Из 1200+ иллюстраций кураторы «Летящей городской оперы»  отобрали сто работ, которые затем объединили в трёхцветный коллаж. В нём чёрный изображает основу города и его историю, красный – его публичные места и креативное начало, а зелёный – устремлённость в будущее.

Посередине рисунка находится крупная надпись LINK. Она символизирует объединяющую силу искусства и является отсылкой к центру технических исследований Fondazione LINKS (hxxps://linksfoundation.com/), который финансировал данный эксперимент совместно с фондом культурного развития Compagnia di San Paolo.

Источник:  https://youtu.be/UPfzxERkv8o

OpenFace #python

Бесплатный опенсорс фреймворк для распознавания лиц, использующий глубокие нейронные сети. Реализован на Python и Torch.

GitHub: https://github.com/cmusatyalab/openface

API-документация: https://openface-api.readthedocs.io/en/latest/index.html

AI научили анализировать научные статьи в поисках перспективных материалов

Исследователи из Национальной лаборатории имени Лоуренса в Беркли и Калифорнийского университета использовали ИИ, чтобы найти перспективные соединения путём автоматизированного анализа научных статей.

Современные технологии сильно зависят от развития материаловедения. В промышленности постоянно требуются новые катодные материалы, более эффективные полупроводники, композиты и так далее. Проблема в том, что их часто приходится переоткрывать, так как среди опубликованных научных статей становится всё сложнее ориентироваться.

Часто бывает, что одно и то же вещество исследуют разные коллективы – каждый в рамках своей узкой тематики. Поэтому нередко перспективным соединением в одной области становится давно известное в другой.

Попытки автоматизированного анализа научных текстов применялись и ранее – в основном на базе алгоритмов машинного обучения GloVe и Word2vec. Однако для их обучения требовался набор предварительно маркированных данных.

Группа из Беркли научила ИИ самостоятельно создавать эффективные шаблоны для анализа текстов методом аналогии. Сгенерированные векторные представления слов и их взаимосвязей позволяют ИИ обучаться дальше без предварительной маркировки и контроля со стороны человека.

В качестве базы для самостоятельного обучения были использованы 3,3 миллиона авторефератов научных статей, опубликованных между 1922 и 2018 годами в рецензируемых журналах, относящихся к области материаловедения.

Выбор на авторефераты пал потому, что большая часть полных текстов предоставляется на платной основе. Однако, даже не имея доступа к самим статьям, ИИ обнаружил ряд перспективных соединений. Например, он нашёл несколько химических соединений, которые демонстрируют свойства термоэлектрических материалов, но не изучались ранее в таком аспекте.

Исследователи полагают, что их метод может стать новым способом углубленного анализа научной литературы.

Источник: https://www.nature.com/articles/s41586-019-1335-8.epdf

​ConvNetJS #javascript

Библиотека глубокого обучения на JavaScript, которая поддерживает несколько методов обучения.

Включена поддержка общих нейронных модулей, экспериментальный модуль обучения, основанный на Deep Q Learning и возможность обучать свёрточные сети, которые обрабатывают изображения.

Есть два способа использования библиотеки: внутри браузера или на сервере с помощью node.js. Первый путь подойдёт новичкам в веб-разработке. Пользоваться ConvNetJS сможет даже человек, не обладающий большим опытом в области нейронных сетей.

Браузерные демоверсии:
Свёрточная нейронная сеть с использованием MNIST
Свёрточная нейронная сеть на CIFAR-10
Регрессия изображений
Обучение на Deep Q Learning

Код на GitHub: https://github.com/karpathy/convnetjs/blob/master/Readme.md

Учебное пособие для начала работы: https://cs.stanford.edu/people/karpathy/convnetjs/started.html

Документация: https://cs.stanford.edu/people/karpathy/convnetjs/docs.html

REV-1 – всепогодный дрон-вездеход

Американская компания Refraction представила колёсный дрон REV-1. Это первый беспилотник, рассчитанный на доставку товаров в сильный дождь, снегопад и гололёд.

Стартап Refraction был основан двумя сотрудниками Мичиганского университета. Первый из них – профессор Мэтью Джонсон-Роберсон, преподающий робототехнику и проектирующий автономные вездеходы с 2004 года, когда он принял участие в DARPA Grand Challenge. Второй – Рам Васудеван, программист компании Ford, разработавший алгоритмы антипробуксовки автомобиля на снегу и стабилизации при движении по льду.

Свой опыт они использовали для создания REV-1 – первого всепогодного дрона. Он сделан по типу трицикла с задним мотор-колесом. Это сугубо утилитарная модель, призванная удешевить логистику и решить проблему «последней мили», поэтому в ней нет лидара и других дорогих компонентов.

Масса дрона составляет 45 кг. Высота – 152 см, длина – 137 см. Полезный объём контейнера с электронным замком – 453 литра. Максимальная скорость – 24 км/ч. Тормозной путь – около полутора метров на сухой дороге.

Дрон оснащён двенадцатью камерами, радаром и ультразвуковыми датчиками. Его стоимость на момент начала производства – $5000. Сейчас представители Refraction договариваются с местными ресторанами о запуске пилотной программы доставки еды на дом.

В дальнейшем компания планирует предоставлять услуги в регионах с частыми снегопадами, где не рискуют открывать филиалы разработчики других беспилотников.

Источник:  https://techcrunch.com/2019/07/11/this-new-autonomous-startup-has-designed-its-delivery-robot-to-conquer-winter/

ИИ расшифрует древние письмена

Исследователи из MIT и Google Brain применили глубокое машинное обучение для расшифровки текстов, найденных в ходе археологических раскопок. Они создали систему ИИ, которая анализирует очертания различных символов, их частоту встречаемости и соседство друг с другом, а затем пытается перевести на английский древние письмена.

Сейчас в мире насчитывается около семи тысяч языков и наречий, но это лишь четверть от всех существовавших на протяжении истории человечества. Большинство из них утратили носителей и сильно видоизменились за столетия, поэтому современным лингвистам трудно расшифровать надписи на «мёртвых» языках. ИИ лучше справляется с монотонной работой, статистическим анализом и поиском закономерностей.

Команде исследователей под руководством Цзямина Ло и Реджина Барзилая удалось дешифровать тексты поздней формы критского письма (XIII – XIV вв до н.э.), повторив успех профессионального лингвиста Майкла Вентриса с точностью 67,3%. Похоже, это первый случай, когда ИИ самостоятельно изучил древний язык.

Следующая задача была сложнее: ИИ попытался расшифровать клинописные угаритские тексты, написанные более трёх тысяч лет назад. По мнению разработчиков, ему это удалось сделать на 5,5% точнее, чем до сих пор получалось у систем машинного перевода.

Авторы исследования поясняют, что это лишь первые результаты, полученные после быстрой тренировки ИИ на малой выборке. При наличии доступа к большим объёмам текстов на древних языках, они смогут снизить частоту ошибок.

Источник: https://arxiv.org/pdf/1906.06718.pdf

​CasADI #python #c_plus

Опенсорс фрэймворк для нелинейной оптимизации и алгоритмического дифференцирования, написанный на C++. CasADi распространяется по лицензии LGPL, то есть может использоваться без лицензионных платежей даже в коммерческих приложениях.

CasADI простой инструмент для быстрой и высокоэффективной реализации алгоритмов нелинейной числовой оптимизации (в т.ч. динамической). Задействуя синтаксис систем компьютерной алгебры, программа позволяет пользователям создавать выражения, состоящие из скалярных или матричных операций. Далее их можно эффективно дифференцировать с использованием современных алгоритмов. CasADi предлагает богатый набор дифференцируемых операций, включая матричные, последовательные или параллельные вызовы функций, неявные функции и интеграторы.

CasADi доступен на C++, Python и MATLAB/Octave и показывает одинаковую производительность на всех ЯП. Разработчики, тем не менее, рекомендуют новичкам начать с версии на Python, поскольку документации и руководств для неё в разы больше. Установить программу можно совершенно бесплатно на Windows, Linux  и Mac.

CasADI поможет сэкономить время при решении сложных инженерных задач и создании профессиональных инструментов для оптимизации. Применять фрэймворк можно в совершенно разных академических и промышленных областях.  JModelica.org, omg-tool , MPC-tools, RTC-tools, openocl.org  — все они основаны на CasADI.

Код на GitHub: https://github.com/casadi/casadi/wiki

FAQ по CasADI: https://github.com/casadi/casadi/wiki/FAQ

Скачать CasADI: https://web.casadi.org/get/

Гайд по CasADI: https://web.casadi.org/docs/

Советы по использованию CasADI: https://github.com/casadi/casadi/wiki/tipsandtricks

Сегодня в 19:00 по Москве на канале наших коллег «PRO РОБОТОВ» состоится прямой эфир, посвященный созданию в России Федерации Робототехники

Гостями эфира станут:
👉🏻 Максим Васильев, Президент Международной Ассоциации спортивной и образовательной робототехники,
👉🏻 Николай Пак, идеолог и создатель федеральной сети секций по робототехнике «Лига роботов».

Смотрите эфир, задавайте вопросы в комментариях: https://www.youtube.com/channel/UCR90e63q8eP9_D2N3yhQV0g

TF-19 Wasp – огнемёт для дронов

Американская компания Throwflame представила портативный огнемёт для беспилотников коммерческого класса. С его помощью летающие дроны превращаются в настоящих драконов – они смогут выпускать огненные струи на расстояние до 7,5 метров.

Огнемёты широко используются на пиротехнических шоу и для выжигания сорняков на больших площадях – например, при расчистке загородных гоночных трасс. До сих пор для этого применялись носимые (ранцевые) или колёсные системы (на базе пикапа). Использование дронов-огнемётчиков повышает мобильность применения зажигательных смесей.

Масса пустого огнемёта – 1820 г при габаритах: 94x20x23 см. Столь малый вес критичен для использования на дронах и обусловлен изготовлением корпуса из углепластика Ultralite 3K.

TF-19 подключается через стандартный коннектор XT60 и управляется дистанционно. Система зажигания использует плазменную дугу и питается от источника постоянного тока с напряжением 12-25 В.

Объём встроенного резервуара составляет 3,78 литра. Это хватает на сто секунд непрерывного использования огнемёта.

Компания рекомендует устанавливать его на DJI S1000  и аналогичные октокоптеры, рассчитанные на установку полезной нагрузки от 2,2 кг. Дроны с меньшим количеством винтов обладают недостаточной подъёмной силой и низкой отказоустойчивостью.

Стоимость TF-19 составляет $1500 и может показаться высокой, но взгляните на него в действии!
https://youtu.be/07rtBip9ixk

Роботов научили переспрашивать

Исследователи из Бингемтонского, Кливлендского и Вашингтонского университетов разработали новую диалоговую систему, которая улучшает человеко-машинное взаимодействие. Она предназначена для обучения роботов с AI и развития их языковых возможностей.

Основная проблема существующих голосовых интерфейсов состоит в том, что при голосовом общении люди привыкли исходить из контекста. Пока роботы плохо умеют его анализировать и обладают очень ограниченной информацией об окружающем их пространстве.

"В общении человека и машины роботу часто бывает трудно понять, на какой объект ссылается человек. Для решения этой проблемы мы придумали идею диалоговой системы, которая оценивает степень своей уверенности в правильном понимании команды и при необходимости задает уточняющие вопросы", - пояснил Саид Амири - один из авторов исследования.

Новая диалоговая система состоит из четырёх компонентов: блока анализа голосовых команд, автоматически пополняемой базы данных, менеджера диалога и модуля речевого синтеза.

Она присваивает "вес" каждому элементу голосовой команды и запрашивает дополнительные сведения в том случае, если вес какой-либо из них оказывается ниже заданного значения.

В своих экспериментах исследователи сосредоточились на  задаче доставки. Они попросили добровольцев по-разному сформулировать просьбу отправить посылку и наблюдали за реакцией системы.

Было замечено, что метод уточняющих вопросов позволил точнее идентифицировать упомянутые пользователями предметы и сопоставить их с информацией о получателе, избегая типичных ошибок.

Однако есть и обратная сторона улучшения. На этапе первичной адаптации к новому человеку или типу заданий, робот задаёт слишком много вопросов.

Такое стремление всё переспрашивать раздражало участников теста и явно будет мешать выходу системы на рынок.

"Робот, обладающий способностью самостоятельно понимать, когда ему требуются новые данные, сам по себе станет большим достижением. Это означало бы, что он  постепенно изучает новые концепции посредством диалога с людьми", - говорит Саид Амири.

Источник: https://arxiv.org/pdf/1907.03390.pdf