WALK-MAN: первый в мире робот-пожарный

Можно как угодно относиться к тому, что в будущем роботы могут на различных должностях заменить людей, но вот работы, которые связаны с риском для жизни, действительно лучше бы действительно отдать роботизированным механизмам. И в данной сфере существует уже довольно много разработок, одной из которых является детище инженеров из Итальянского технологического института: робот-пожарный WALK-MAN, который недавно успешно прошел первые испытания в условиях, которые приближены к реальным.

Сразу надо сказать, что WALK-MAN самостоятельно не передвигается: за его передвижение отвечает оператор, который расположен на безопасном расстоянии. Конструкция робота дает ему возможность пользоваться почти любыми средствами для пожаротушения и спасения людей, от топоров до огнетушителей. На голове робота расположен лазерный сканер, микрофон и несколько видеокамер, которые передают данные оператору. Для передвижения используется тридцать два двигателя, которые расположены в разных участках тела, а на конечностях установлены датчики, которые измеряют механическую нагрузку на них. Кроме этого, машина оборудована акселерометрами для поддержания равновесия.
 

WALK-MAN имеет высоту сто восемьдесят пять сантиметров и весит сто два килограмма, а одной рукой робот может поднять вес до десяти килограммов. Одного заряда аккумуляторов хватает для того, чтобы робот непрерывно работал на протяжении двух часов. 

Учёные из США разработали искусственный аналог глаза

Новое изобретение представили учёные из Школы инженерных и прикладных наук при Гарвардском университете — они сделали искусственный глаз, который работает по принципу человеческого, — сообщает РИА «Новости», ссылаясь на The Harvard Gazeette. Устройство состоит из квадратной металинзы и искусственной мышцы, которая изготовлена из полимеров и электродов.

«Данное изобретение пригодится не только в офтальмологии. Глаз прекрасно подойдёт для модернизации микроскопов, для камер мобильных телефоном и может быть вмонтирован в гарнитуру виртуальной реальности или дополненной реальности», — рассказывает Федерико Капассо, профессор прикладной физики, автор статьи и глава проекта.


Свойствами металинзы толщиной в тридцать микрометров можно управлять при помощи искусственной «мышцы», которая помещена вокруг линзы и состоит из прозрачных электродов и упругого диэлектрического материала. На электроды можно подавать необходимое напряжение,  растягивая или сжимая линзу, — таким образом можно корректировать оптические дефекты и изменять её фокусировку.

«Мы делаем еще один шаг вперед, чтобы создать возможность динамического исправления аберраций, таких как астигматизм и сдвиг изображения, что естественным образом не способен сделать человеческий глаз», — рассказывает аспирант SEAS Алан Ше.

Сейчас Гарвардское управление по развитию и технологиям оформляет документы, которые  требуются для защиты интеллектуальной собственности, и изучает возможности коммерциализации изобретения, но конкретных планов по применению «глаза» пока не раскрывает.

Искусственный интеллект даст возможность голографическим технологиям выйти на новый уровень

В рамках двух новых исследований ученые из Калифорнийского университета в Лос-Анджелесе (UCLA) использовали нейронные сети для реконструкции голограмм. Обе работы не только демонстрируют уровень развития голографических технологий, но также обещают открыть данным технологиям дверь в медицину, где они сумеют произвести настоящую революцию.

В первом исследовании, результаты которого были описаны в журнале Light: Science & Applications, ученые использовали технологии глубинного обучения для создания изображений биологических образцов: крови, мазков Папаниколау, а также некоторых других образцов биологических тканей.

Исследование доказало, что использование нейронных сетей сильно ускоряет и упрощает процесс создания голографических изображений, по сравнению с более традиционными методами создания аналогичных изображений, которые требуют для воссоздания исследуемого объекта проведения предварительных физических расчетов и ручного компьютерного ввода данных.

Команда специалистов в рамках второго исследования использовала свой фреймворк глубинного обучения для улучшения разрешения и качества микроскопических изображений, которые помогают докторам определять самые мелкие, почти незаметные аномалии в больших образцах крови и клеточной ткани.

Одна из проблем нынешних голографических методов заключается в том, что при процессе рендеринга голограммы способны потерять часть информации, что, в свою очередь, может привести к появлению «артефактов» на финальном изображении. Порой эти потери бывают очень значительными. Например, на изображении могут появляться черные точки, которые врачи по ошибке могут принять за рост раковых клеток. Такие артефакты часто встречаются при радиологическом сканировании, особенно если пациент начинает двигаться, когда сканер выполняет свою работу.

Система глубинного обучения Калифорнийского университета продемонстрировала эффективность в решении и этой проблемы. Как только система будет должным образом обучена, нейронная сеть сможет без труда отделять пространственные особенности настоящего изображения от любых внешних помех (в роли которых часто выступает свет).

Многослойность искусственных нейронных сетей позволяет алгоритмам глубинного обучения анализировать данные в автономном режиме. Технология уже успела продемонстрировать свою эффективность на примере перевода речи с одного языка на другой в режиме реального времени, видеозахвате изображений, а также во многих других задачах, с которыми до этого приходилось справляться человеку, который, к слову, проигрывает алгоритмам еще и в скорости выполнения этих задач.

С тех пор как системы машинного обучения приобрели способность сортировать и анализировать огромные объемы информации гораздо быстрее людей, совсем неудивительно, что к этим технологиям начинают проявлять свой интерес самые разные сферы, в том числе и медицина. Алгоритмы уже находят свое применение, например, в диагностической радиологии, где они демонстрируют свою эффективность в чтении рентгеновских изображений, а также поиске раковых клеток, которые могли быть упущены медиками при сканировании.

Голографические технологии рассматриваются сейчас уже не так, как это было раньше, когда их считали скорее объектом научной фантастики, нежели практичным инструментом. Теперь ученые уверены в перспективности этого направления.

Методы глубинного обучения, в свою очередь, могут помочь в этом направлении, считает Айдоган Озкан, ведущий исследователь. По его мнению, эти технологии позволят открыть новые возможности визуализации. В опубликованном пресс-релизе Калифорнийского университета Озкан отметил, что подобные технологии даже могут привести к разработке совершенно новых когерентных систем обработки изображений. Ученый считает, что наработки UCLA могут быть использованы для дальнейшего усовершенствования технологии и внедрения в нее поддержки других частей электромагнитного спектра, например, рентгеновского и оптического излучения.

Если нас ожидает будущее, которое мы могли видеть в научной фантастике последние лет сорок-пятьдесят, то голограммы в нем будут играть точно не самую последнюю роль. Исследования UCLA в этом направлении, в свою очередь, не просто пытаются поддержать эту фантастическую технологию, они предлагают реальные среды для ее применения.

 

Искусственный интеллект создает фильмы по нескольким строчкам сценария

У сценаристов, которым отказали в Голливуде, появилась уникальная возможность: новый ИИ-алгоритм создает фильм по нескольким строчкам сценария. «Оскара» за такое кино вряд ли дадут, но применять технологию можно не только в индустрии развлечений. Например, искусственный интеллект сможет помогать свидетелям реконструировать происшествие.

Так называемый генеративный алгоритм создает изображения из меток. Искусственный интеллект даже может предсказать по нескольким кадрам следующий. Но никто до сих пор не пытался собрать кадры вместе в последовательную историю, созданную на основе краткого сценария, пишет Science. «Насколько я знаю, это первое переложение текста в видео, которое дало такие хорошие результаты. Они не идеальны, но как минимум это начинает походить на настоящее видео», — говорит Тинне Туителаарс, специалист по информатике из бельгийского Левенского католического университета.

Нейронная сеть действует в два этапа, которые имитируют работу съемочной группы. Сначала с помощью текста создается основное содержание видео, по сути — размытое изображение фона с кляксой на том месте, где должно произойти главное действие. Во второй стадии с помощью текста и черновика видеоряда компьютер монтирует собственно фильм.

Вторая нейронная сеть при этом производит сравнение. Она видит фильм, который иллюстрирует, скажем, «плавание под парусом», и настоящее видео с яхтой и должна выбрать настоящее. Когда первая нейронная сеть справляется с задачей, вторая поднимает планку и начинает придираться еще более дотошно. Постепенно качество работы улучшается.

Пока таким образом удалось создать видеоролики всего по 32 кадра длиной и продолжительностью около секунды, а размером они с почтовую марку, 64×64 пикселя. Если сделать их больше, теряется точность, говорит Итун Ли, первый автор статьи, представленной на встрече американской Ассоциации по развитию искусственного интеллекта.