Используйте силу machine learning для задач бизнеса!
У вас уже есть базовое понимание машинного обучения и знание языка Python? Повысьте компененции и получите практические навыки по программированию глубоких нейронных сетей!

В SkillFactory открыт новый набор на курс "Deep Learning и нейронные сети" https://clc.to/3QZJzA разработанный при поддержке NVIDIA Corporation.
Проекты, над которыми вы будете работать, включают:
●  создание нейронной сети для распознавания рукописных цифр;
●  обучение рекурентной сети задачам прогнозирования временных рядов;
●  разработку нейросетевого чат-бота;
●  создание модели для идентификации лиц и генерации лиц на основе архитектуры GAN;
●  разработку агента для игры на основе DQN алгоритма.

Вы познакомитесь с основными библиотеками для Deep Learning, такими как TensorFlow, Keras и другими.

🔥 В ИЮЛЕ действуют особые условия на обучение со скидками 30% + Учебные каникулы на время отпуска + Доступ к материалам курса в течение года https://clc.to/3QZJzA

Toyota показала робота для Олимпийских игр

Компания Toyota представила миниатюрного робота, который будет помогать атлетам на Олимпийских играх 2020. Они пройдут в Токио, и Toyota Motor Corp. станет их главным спонсором.

Начиная с 2008 года, на Олимпийских играх всё чаще используют роботов. На церемонии открытия летающие дроны устраивали зрелищные шоу, а миниатюрные машинки с дистанционным управлением доставляли диски на соревнованиях по лёгкой атлетике, заодно развлекая публику.

В следующем году главный инженер Toyota Томохиса Моридайра предложил использовать вместо них более интеллектуальные системы. Созданный под его руководством робот FSR (field support robot) оснащён модулем AI, благодаря которому самостоятельно прокладывает маршрут и избегает столкновения с препятствиями.

FSR создан на базе робота-паллетайзера, которому добавили магнитный фиксатор (для копий, флагштоков или олимпийского факела), светодиодную полосу на крыше и ЖК-панели на корпусе. Последние нужны как инфопанели и для обеспечения «виртуального присутствия». Например, на них могут отображаться результаты броска и портрет спортсмена.

Робот оснащён дорогой системой навигации, состоящей из трёх камер и лидара. Такое сочетание позволяет ему безошибочно двигаться даже в условиях сильных бликов с трибун и против яркого солнца.

После каждого броска FSR выезжает, чтобы забрать метательный снаряд – это могут быть диски, копья или молоты массой до 8 кг. Их загружает ассистент, после чего робот сам возвращается на место и ждёт следующего броска.

Помощь человека нужна потому, что пока роботы тратят слишком много времени на захват разных предметов. Зато они быстрее движутся по полю – до 20 км/ч.

Источник: https://www.citynews1130.com/2019/07/21/olympic-robots-offer-virtual-attendance-help-out-on-field/

DART #c_plus #python

Dynamic Animation and Robotics Toolkit — кроссплатформенная библиотека с открытым исходным кодом. Распространяется по лицензии BSD-2-Clause. DART создана Лабораторией графики и Humanoid Robotics Lab в Институте технологий штата Джорджия. Библиотека применяется в робототехнике и компьютерной анимации. Она оснащена многотельным динамическим симулятором и различными кинематическими инструментами для управления и планирования движения.

DART предоставляет структуры данных и алгоритмы для кинематических и динамических приложений в области робототехники и компьютерной анимации. Использует обобщенные координаты для представления шарнирно-сочлененных систем твердого тела и алгоритма сочлененного тела Фезерстоуна для расчета динамики движения. Благодаря этому она выигрывает в точности и стабильности. DART предоставляет полный доступ к внутренним кинематическим и динамическим величинам, таким как матрица масс, кориолисовы и центробежные силы, матрицы преобразования и их производные.  Инструментарий также обеспечивает эффективное вычисление якобиевых матриц для произвольных точек тела и координатных систем. Прямая кинематика и динамические значения обновляются автоматически. Это обеспечивает герметичность кода.

Dynamic Animation and Robotics Toolkit поддерживает многочисленные типы, суставов, примитивные и произвольные формы тела с настраиваемыми инерционными и материальными свойствами, гибкое моделирование скелета, модульный каркас кинематики. Библиотека также умеет обрабатывать информацию о столкновениях и позволяет добиться высокой производительности для шарнирных динамических систем, используя Lie Group и гибридные алгоритмы Featherstone.

Код на GitHub: https://github.com/dartsim/dart

API документация (C++): https://dartsim.github.io/dart/

Учебник по DART для C++: http://dartsim.github.io/tutorials_introduction.html

Исследователи создали крошечных роботов для лечения людей изнутри. Они работают за счёт вибраций

Запустить нанобота внутрь человека и позволить ему лечить то, до чего хирург добраться не может — казалось бы, не особо сложно. Но есть проблема: на робота нужно прицепить батарею, и тогда он становится уже не таким маленьким. Исследователи из Технологического института Джорджии придумали решение: они создали крошечных роботов, которые работают за счёт вибраций.

К ботам длиной 2 мм и весом 5 мг прикрепили пьезоэлектрический привод, который преобразует вибрации в энергию и наоборот. Достаточно направить на человека источник ультразвука или даже просто поставить рядом аудиосистему, и роботы начнут функционировать.

Пока роботы довольно глупые и почти ничего не умеют. Они могут лишь двигаться в одном направлении и не несут на себе ничего, с помощью чего можно было бы лечить внутренние органы. Но проблему подачи энергии исследователи решили, а это главное. Теперь появление полноценных наноботов-хирургов — лишь вопрос времени.

https://www.youtube.com/watch?v=JgEnX7kADNE

BlazeFace – мгновенное распознавание лиц на мобильных устройствах

Исследователи из Google представили новый фреймворк BlazeFace, который в разы ускоряет распознавание лиц. Он оптимизирован для использования на мобильных графических процессорах и обрабатывает кадры с частотой до 1000 FPS на флагманских смартфонах.

Технически BlazeFace базируется на платформе Single Shot Multibox Detector и свёрточных нейронных сетях MobileNet V1 / V2. По сравнению с ней, у BlazeFace был увеличен размер глубоких слоёв, что позволило расширить рецептивное поле и оперировать более высокими уровнями абстракции.

Дополнительно исследователи добавили в конвейер видеообработки шесть координат для оценки вращения лица и создали отдельные математические модели для фронтальной и тыловой камер смартфона.

BlazeFace предварительно обучался на наборе данных из 66 000 изображений, а  его производительность оценивалась на рандомизированном наборе из 2000 портретов. В задаче распознавания лица при использовании селфи-камеры BlazeFace показал среднюю точность 98,61%.

Удивительно, что алгоритм от Google оказался быстрее всего на Apple iPhone XS. На нём распознавание лиц выполняется за 0,6 мс, в то время как оригинальному MobileNetV2 требуется 2,1 мс.  В паре с флагманом Google Pixel 3  фреймворк BlazeFace демонстрирует 3,4 мс (по сравнению с 7,2 мс у MobileNetV2). Худший результат у Huawei P20: 5,8 мс (BlazeFace) против 21,3 мс (MobileNetV2).

Исследователи поясняют, что BlazeFace может использоваться практически в любой мобильной системе компьютерного зрения, но задача распознавания лиц – одна из самых актуальных на сегодня.

Источник: https://arxiv.org/pdf/1907.05047.pdf

TensorFlow — это комплексная платформа с открытым исходным кодом для машинного обучения. Разработана компанией Google для решения задач построения и тренировки нейронной сети с целью автоматического нахождения и классификации образов. Распространяется по лицензии Apache License 2.0. Пользоваться платформой можно сразу на нескольких языках программмирования: Python, C++, Haskell, Java, Go и Swift.

Платформа имеет всеобъемлющую, гибкую экосистему инструментов и библиотек. Это позволяет исследователям использовать современные технологии ML, а разработчикам помогает создавать и развертывать приложения на базе ML. TensorFlow предлагает несколько уровней абстракции, поэтому вы можете выбрать подходящий не составит труда. Платформа позволит вам создавать и обучать модели с помощью высокоуровневого API-интерфейса Keras. Быстрое выполнение обеспечивает быструю итерацию и понятную отладку. TensorFlow также поддерживает экосистему дополнительных библиотек и моделей для экспериментов, включая Ragged Tensors, TensorFlow Probability, Tensor2Tensor и BERT.

Библиотека в основном применяется для исследований и разработки собственных продуктов Google. Она подходит для автоматизированной аннотации изображений, например как DeepDream. TensorFlow также позволяет проводить обучение генеративно-состязательных сетей (GAN).

TensorFlow — вещь популярная. Большое количество компаний пользуется ей на постоянной основе: Airbnb, Coca-Cola, DeepMind, GE Healthcare, Google, Intel, Nersc, Twitter. Airbus с помощью библиотеки извлекает из спутниковых снимков ценную информацию. А Ge Healthcare воспользовался платформой, чтобы обучить нейронную сеть идентифицировать специфическую анатомию на МРТ головного мозга.

Библиотека на GitHub: https://github.com/tensorflow/tensorflow

Туториалы по TensorFlow: https://www.tensorflow.org/tutorials/

API документация для TensorFlow: https://www.tensorflow.org/api

Скачать TensorFlow: https://www.tensorflow.org/install

Как компании используют TensorFlow: https://www.tensorflow.org/about/case-studies/

Акванавт – трансформер-подводник

Американская компания Houston Mechatronics Inc (HMI) представила глубоководный аппарат Aquanaut, который трансформируется в человекоподобного робота для более эффективного использования манипуляторов.

Из 75 человек в штате компании более двадцати ранее работали в NASA. Они специализируются на создании высокоавтоматизированных механизмов для выполнения сложных задач в экстремальных условиях.

Акванавт был разработан для обслуживания подводных буровых комплексов и морских нефтегазовых сооружений на большой глубине. Сегодня на их проверку и регулярное обслуживание тратят огромные суммы, поскольку компании используют технологии конца прошлого века.

Робот-трансформер обеспечивает более дешёвый и результативный подход. За одно погружение он может обследовать большую площадь нефтегазовых установок и сразу устранить выявленные нарушения.

Ему не требуется постоянная связь с кораблём поддержки и дистанционное управление. Большую часть действий Акванавт выполняет самостоятельно, а оператор лишь наблюдает за роботом, готовый вмешаться в случае необходимости.

Акванавт в автономном режиме достигает пункта назначения под водой, где трансформируется в гуманоидную форму. Он разворачивает мощные манипуляторы с датчиками обратной связи и восемью степенями свободы, приступая к ремонту.

Захваты Акванавта способны поворачивать вентили и удерживать специализированные инструменты, которые робот транспортирует в своём внутреннем отсеке. Помимо них в качестве полезной нагрузки могут размещаться запчасти.

Соучредитель и главный технолог HMI Ник Рэдфорд шутит, что создание настоящего трансформера было одной из долгосрочных целей в карьере многих инженеров его команды.

Источник: https://spectrum.ieee.org/robotics/humanoids/meet-aquanaut-the-underwater-transformer

Лаборатория бизнес-решений на основе ИИ МФТИ ищет партнёров, которые умеют создавать ИИ-продукты и вести крупные проекты для бизнес-заказчиков (от 20 млн рублей).

Тех, кто хочет получить готовые заказы, приглашают на недельный практический интенсив AI Camp по упаковке ИИ-продуктов, проектному управлению, эффективному маркетингу. МФТИ необходимо увидеть команды в деле, чтобы понять, с кем можно работать по текущим крупным проектам (в том числе зарубежным) и по будущим контрактам.

Регистрация здесь: http://pha.vc/aicamp

От игр до беспилотников – как PBT ускоряет машинное обучение

Холдинг Alphabet объединил усилия специалистов двух своих подразделений для поиска более эффективного процесса тренировки нейросетей. Они адаптировали технику популяционного обучения (PBT, population-based training),разработанную в DeepMind для использования в беспилотных автомобилях Waymo.

Изначально PBT зарекомендовала себя как эволюционная стратегия, которая помогла одержать победу ботам DeepMind в компьютерных играх. С ней ускоряется выбор оптимальных алгоритмов и игровых объектов, чьи параметры лучше всего подходят для текущей задачи. Это происходит благодаря тому, что менее удачные варианты постоянно отсеиваются.

Алгоритмы управления автомобилями тоже приходится часто переобучать по мере того, как накапливается всё больше данных, а сервис развертывается в новых местах. Тот, кто научится делать это быстрее других, получит ощутимое конкурентное преимущество.

Сегодня десятки компаний стремятся продемонстрировать лучшие технологии для беспилотников на реальных дорогах, но пока у них не получается гибко перестраивать свои системы. Изменение параметров отнимает много человеко-часов и машинных ресурсов, поскольку нейросети затем долго проверяются в компьютерной симуляции.

Инженер инфраструктуры машинного обучения в Waymo  Джойс Чен поясняет, что в настоящее время его команда использует PBT для улучшения корректировки кода глубоких нейронных сетей. Они применяются для обнаружения дорожной разметки, распознавания транспортных средств и пешеходов, а также для проверки точности автоматически помеченных данных, которые передаются в базу от других алгоритмов машинного обучения.

Компания Google (также входящая в холдинг Alphabet ) уже предлагает своим клиентам разные модели машинного обучения в рамках проекта Cloud Auto-ML . Решающим фактором его коммерческой успешности также станет более эффективная автоматизация обучения ИИ.

Источник: https://www.technologyreview.com/s/614004/deepmind-is-helping-waymo-evolve-better-self-driving-ai-algorithms/

Theano #python

Theano — это препроцессор для Python для системы вычислений с многомерными массивами данных (тензорами). Библиотека сочетает в себе математические пакеты Mathematica и MATLAB. Theano поддерживается в следующих средах программирования:  C/C++, PTX, CAL и AVX. Распространяется по лицензии BSD 3-clause.

Theano сочетает в себе аспекты системы компьютерной алгебры (CAS) с  оптимизирующим компилятором. Он также может генерировать индивидуальный код C для многих математических операций. Эта комбинация полезна для задач, в которых сложные математические выражения приходиться оценивать неоднократно, а скорость этой оценки — важный параметр. Из важных особенностей Theano: тесная интеграция с NumPy, быстрая генерация кода на C и эффективное символьное дифференцирование.

Библиотека поддерживает методы линейной алгебры, возможность в режиме работы создавать новые операции с графами, многочисленные операции по преобразованию этих графов, работу с тензорами и разреженными матрицами. Theano применяет множество видов оптимизации графиков для различных целей: упрощения и стандартизации формы графа, уменьшение максимального объема памяти и увеличение скорости выполнения.

Для использования Theano потребуется git, nosetests, numpy, python и scipy.  

GitHub: https://github.com/Theano/Theano/

Руководство по Theano: http://deeplearning.net/software/theano/tutorial/index.html

Установить Theano: http://deeplearning.net/software/theano/install.html

Документация API: http://deeplearning.net/software/theano/library/index.html

Глоссарий по Theano: http://deeplearning.net/software/theano/glossary.html

Робот-фотограф оцифрует ассортимент интернет-магазинов

Калифорнийская компания Square открыла в Бруклине роботизированную фотостудию. Её главным компонентом стал манипулятор с ИИ, стоимостью $20`000.

Заказчики отправляют в студию образцы продукции, где их фотографируют с трёх ракурсов. Люди вручную распаковывают и готовят к фотосъёмке товары, но после их установки перед объективом дальнейшие процессы происходят автоматически.

Система сама настраивает параметры освещения, а ИИ выбирает ракурс, учитывая особенности предметов. На манипуляторе закреплена камера от Nikon, которой фотографируемый предмет снимается с разных ракурсов.

Весь процесс занимает до двух недель с учётом очереди заказов и обратной пересылки. Это вдвое меньше обычного срока, который запрашивают студии.

За счёт роботизации Square предлагает фотографии гораздо ниже среднерыночной цены для Нью-Йорка: от $9,95 за обычные цифровые изображения до $29,95 за трёхмерные анимации. Однако такой выигрыш получается только на оптовых заказах от 20 единиц и более, для которых предусмотрена бесплатная обратная отправка.

«Мы всегда исследуем новые способы предоставлять услуги, – сказал Давид Русенко, генеральный директор подразделения электронной коммерции Square – Современная робототехника создаёт легкодоступную альтернативу традиционной фотографии».

Основные заказчики робостудии – владельцы онлайн-магазинов, размещающие фотографии товаров на площадках Amazon, Esty и Instagram.

Источник: https://squareup.com/us/en/press/photo-studio

TrustZone – это технология создания безопасного режима исполнения программ, разработанная компанией ARM для процессоров Cortex-A и Cortex-M, которые сейчас почти везде.

В своей основе она содержит разделение процесса выполнения программ на два режима, доверенный и недоверенный, или Secure World и Normal World. Режимы эти относятся к одному и тому же процессорному ядру, но дают полностью раздельное выполнение программ, и Secure World изолирован от Normal World. В них выполняются разные программы, или операционные системы.

В типовом случае с Cortex-A, в Normal World может работать Android, iOS, или Linux, а в Secure World – специальная Secure OS, которая реализует, например, сервис Android Keystore.

TrustZone обеспечивает принципиально более высокий уровень безопасности, например, хранения ключей в Keystore, ведь благодаря изоляции двух миров программные уязвимости обычного Android практически не влияют на Secure World. Между мирами существует только узкий канал взаимодействия, построенный по принципу почтового ящика, или RPC, а подключиться к этому каналу в Normal World можно только из режима ядра. Это обеспечивает очень малую поверхность атаки.

На данный момент эта технология внедрена практически во всех смартфонах и планшетах, и в меньшей степени – в разных одноплатных компьютерах, которые используются и в робототехнике. Чаще всего там пока нет TrustZone. Но, например, в RPi 3 или Wandboard можно установить Open Source реализацию Secure OS – OP-TEE. А некоторые платы, построенные на Mediatek, Qualcomm и HiSilicon вполне могут содержать код TrustZone и без него не будут запускаться. Проверить это довольно легко – просто поищите ассемблерную команду SMC в исходниках кода поддержки Linux под этот процессор.

А еще – в прошлом году технология стала доступной на микроконтроллерах Cortex-M восьмого поколения, что по мнению многих экспертов открывает новый уровень безопасности для носимой электроники и IoT.

Материал подготовлен русскоязычным каналом про TrustZone: @tz_ru.

Юристы помогают искусственному интеллекту запатентовать изобретения

Доктор права Райан Эбботт из Университета Суррей в Манор Парк (Великобритания) подал две патентные заявки на изобретения, сделанные системой искусственного интеллекта DABUS. Эта «машина открытий» сгенерировала чертежи двух устройств и их текстовое описание.

Первый патент описывает универсальный контейнер с элементами фрактальной геометрии. На его стенках чередуются выемки и выступающие элементы, которые облегчают извлечение густых напитков и еды. Проще говоря, так на стенках остаётся меньше йогурта и соуса.

Вдобавок, дизайн упаковки оптимизирует её логистические операции: составленные вместе контейнеры плотно прилегают друг к другу, за счёт чего занимают меньше места и слабее деформируются.

Второй патент описывает поисково-спасательный маячок. В отличие от обычного стробоскопа, режим которого реализован в большинстве фонариков, это сигнал с более сложной модуляцией. Управляемый источник света генерирует уникальную последовательность импульсов. Её можно засечь при помощи фильтра помех даже в условиях сильной засветки и обилия мерцающих огней вокруг.

Патентное бюро Великобритании приняло обе заявки на рассмотрение. Его представитель пояснил, что предоставленные документы прошли предварительную проверку: они описывают изобретения, которые содержат элемент новизны и могут применяться в промышленности.

Основная проблема заключается в том, кого считать изобретателем. Это отнюдь не праздный вопрос, поскольку по текущему законодательству изобретатель – это физическое лицо, или группа лиц. Такая формулировка была принята для того, чтобы противостоять корпоративному давлению, и статус ИИ в ней не определён.

Сложность в том, что разработчик ИИ не становится автоматически автором его работ. Более того, за неправомерное присвоение изобретения грозит штраф и тюремный срок. Пока юристы из команды Райана Эбботта сходятся во мнении, что изобретателем следует указать DABUS, так как прямого запрета на такое действие в законах нет. Владелец ИИ при этом может быть указан как правопреемник.

Источник: http://artificialinventor.com/?page_id=22

Гибкий сенсорный модуль для людей и роботов

Исследователи из Хьюстонского университета сообщили о создании сверхтонкого человеко-машинного интерфейса. В отличие от множества подобных прототипов, он имеет толщину всего в доли миллиметра и практически неощутим для пользователя.

При создании носимых гаджетов сейчас активно применяются компоненты гибкой электроники. Их основные недостатки – сравнительно большая толщина и масса, из-за чего они становятся неудобными при длительном использовании.

Группа исследователей под руководством доцента кафедры машиностроения Хьюстонского университета Куньцзяна Ю создала универсальный носимый модуль, содержащий датчики температуры, УФ-излучения и сжатия/растяжения.

Вместе с управляющей схемой они сделаны из оксида индия и цинка. Металлооксидные логические элементы и токопроводящие дорожки нанесены на полимерную подложку, в которой используются переходы фазового состояния золь-гель.

В процессе изготовления применяется умеренный нагрев до 300 °С, что упрощает промышленное производство. Помимо носимых гаджетов, гибкий модуль можно использовать при создании электронной кожи для роботов. С его помощью легче изготовить манипуляторы, оснащённые датчиками любого типа.

«Мы создали ультратонкий и растягивающийся HMI (человеко-машинный интерфейс, – прим. ред.). Он надевается на кожу человека для сбора множества физических показателей, а также на манипуляторы робота для обеспечения интеллектуальной обратной связи», – пояснил Куньцзян Ю.

https://www.youtube.com/watch?time_continue=3&v=kC5gtHH33Lw

Источник: http://www.uh.edu/

#работа #вакансия

Москва. Робостанция. ВДНХ.

Для ремонта и обслуживания сервисных и промышленных роботов разыскиваются инженеры-робототехники, опытные и начинающие.

Зп в зависимости от знаний и навыков.

Ищим тех, кто:
- владеет паяльником
- знаком с микроэлектроникой и схематехникой
- может собрать и разобрать компьютер с закрытыми глазами
-Обожает менять жесткие диски и переустанавливать программы
- Разбирается в механике
- Понимает основы проводных и беспроводных цифровых сетей

А также:
- имеет техническое образование, возможно неоконченное
- Знает среду Arduino
- Знание языков программирования будет плюсом
- Знание основ микроэлектроники, понимание схем, разработка схем будет плюсом

Обязанности:
- Ремонт и обслуживание роботов
- Программирование сервисных и промышленных роботов (Fanuc, Kuka, Universal)
- Поиск решений, модернизация роботов
- Создание новых роботов
- Тестирование роботов
- Доработка уже существующих роботов

Ссылка на вакансию:
https://hh.ru/vacancy/32655197

CCV #c

Библиотека написана на C и позиционирует себя как компактная и лёгкая альтернатива OpenCV. Поэтому из неё изъяты все несущественные функции. Китайский программист Лю Лю начал работу над CCV ещё в 2010 году. Он был разочарован библиотеками компьютерного зрения, которыми пользовался сам. Поэтому решил сделать свою, с упором на простоту, минимализм и организованность кода.

CCV легко адаптируется в новой среде, ориентированной на мобильные устройства. Он работает на Mac OSX, Linux, FreeBSD, Windows, iPhone, iPad, Android и Raspberry Pi. Фактически на всем, что имеет надлежащий компилятор C, можно запустить CCV.

В библиотеки реализованы современные и полезные алгоритмы компьютерного зрения: BBF (быстрое распознавания неподвижных объектов), DPM (распознавание более сложных объектов), SWT (распознавание текста), SIFT (обнаружение набора точек). CCV предназначена не для экспериментов с разными алгоритмами, а для практического использования в конкретных приложениях.

Разработчик считает, что готовых алгоритмов для компьютерного зрения — много, а вот программ для их реализации не хватает. Поэтому и предлгает свое решение: CCV.

GitHub: https://github.com/liuliu/ccv

Сайт проекта: http://libccv.org/

Скачать CCV: https://github.com/liuliu/ccv/zipball/stable

Документация CCV: http://libccv.org/doc/

Туториал по CCV: http://libccv.org/tutorial/

Колёсные дроны Amazon Prime доставили первые заказы

6 августа в Южной Калифорнии сервис Amazon Prime начал использование шестиколёсных дронов для обычной и приоритетной доставки товаров. Заказы уже получили жители города Ирвайн (округ Ориндж), где расположены офисы Blizzard, Broadcom, Verizon и других крупных компаний.

Amazon решила начать коммерческую эксплуатацию дронов после их длительного тестирования в Сиэтле. В отчёте указывается, что за шесть месяцев пилотного проекта дроны были испытаны в автономном режиме при разных погодных условиях. Они успешно справились с многочисленными препятствиями в жилых кварталах и ни разу не представляли угрозу для других участников движения.

Точное количество задействованных на сегодня ботов не указывается. В официальном заявлении лишь отмечается, что они будут использоваться только днём в будние дни. Отправить заказ дроном или обычным способом – решается случайным образом.

На первых порах каждого дрона будет сопровождать прикреплённый к нему сотрудник Amazon, который будет одновременно заниматься охраной дронов, сбором статистики инцидентов и продвижением сервисов компании. В его задачу также входит оценка лояльности покупателей и детальное описание их реакции на появление дрона.

Источник: https://blog.aboutamazon.com/transportation/whats-next-for-amazon-scout

Роботы-полицейские в Китае

С 7 августа в городе Ханьдань китайской провинции Хэбэй полицейские стали использовать трёх роботов. Несмотря на разное назначение, их объединяет единая система искусственного интеллекта и подключение к общей базе данных.

Первый робот выполняет патрулирование. Он выглядит как электрический гольфкар, на крышу которого установили камеру, стилизованную под голову. Патрульный сканирует номера машин, определяя в транспортном потоке автомобили, числящиеся в угоне. Также он распознаёт лица людей и фиксирует нарушения ПДД пешеходами.

Второй робот выезжает на ДТП. Его дизайн напоминает четырёхколёсную тележку, из которой поднимается штатив с камерами кругового обзора и светодиодной сигнализацией. Он выполняет функции регулировщика и служит для устранения пробок. Заодно робот фиксирует новые нарушения, пока полицейские оформляют протокол.

Третий робот выполнен в гуманоидном стиле. Он находится в Бюро по управлению транспортными средствами, где предоставляет посетителям справочные услуги.

Все три робота созданы в рамках национальной программы «Большие данные», ставшей приоритетной в 13-ом пятилетнем плане Китая. Посмотреть на детища китайской пятилетки можно в ролике ниже.

https://youtu.be/F87JfOe2uNI

ИИ детектирует загадочные сигналы из космоса в реальном времени

https://yellrobot.com/using-ai-to-detect-mysterious-radio-signals-from-deep-space/

С XX века радиотелескопы регистрируют множество разных сигналов из космоса. Одни связаны с известными процессами эволюции звёзд, другие оказываются помехами оборудования, а третьи пока имеют непонятное происхождение.

Одними из таких странных сигналов являются быстрые радиовсплески (FRBs). Они имеют низкую энтропию, что косвенным образом может указывать на их искусственное происхождение (но, скорее всего, их порождает какой-то неизвестный нам естественный процесс).

Проблема в том, что быстрые радиовсплески длятся доли секунды, из-за чего их очень сложно детектировать при рутинном анализе данных. Первое обнаружение произошло в 2007 году, когда изучали архивные данные наблюдений за 2001 год. Спустя 6 лет оставалось только гадать, что могло быть источником всплеска.

Ваэль Фара (Wael Farah) канд. физ.-мат. наук Технологического университета Суинберн в Мельбурне, разработал автоматизированную систему обнаружения FRBs с использованием машинного обучения.

Это первая система, которая обнаруживает FRB в режиме реального времени. Текущий анализ в корне отличается от ретроспективного. У астрономов появляется возможность сразу направить телескопы разного типа на участок неба, откуда был зарегистрирован FRB, и получить дополнительную информацию.

Новая система уже помогла обнаружить пять FRB. Об этом недавно вышла статья в журнале Королевского астрономического общества – https://academic.oup.com/mnras/article-abstract/488/3/2989/5528327?redirectedFrom=fulltext.