27 aпрeля 2017 гoдa нa гoнoчную трaссу с кругoвыми и прямoлинeйными учaсткaми, oргaнизoвaнную в одной из лабораторий в Тулузе, Галльский петух, вышли шесть крошечных автомобилей. Для того, чтобы увидеть происходящее держи этой трассе, вы будете нуждаться в серьезном инструменте, ведь длина этой трассы в меньшей степени толщины человеческого волоса. А каждый из автомобилей, созданных командами из Японии, Франции, Германии, Швейцарии, Австрии и Соединенных Штатов, представляет собой единственную молекулу, движущуюся ради счет электрической энергии, поставляемой ей наконечником электронного туннельного сканирующего микроскопа.

После восьми часов гонки согласно трассе, имеющей покрытие из золота и серебра, нанокар с названием Dipolar Racer, созданный усилиями австрийско-американской команды первым пересек финишную черту. Похожий возьми Сегвей без верхней ручки, этот нанокар совершил два круга объединение трассе, покрытой серебром и длиной 150 нанометров, продемонстрировав среднюю скорость в 35 нанометров в часочек. Для сравнения, для того, чтобы пересечь на такой скорости софит монеты самого малого достоинства, нанокару Dipolar Racer потребовались бы сотни полет.

Другим командам повезло не так, как австрийско-американской команде. К примеру, нанокару Nano Dragster, созданному швейцарской командой посчастливилось лишь ненамного раньше пересечь финишную черту 100-нм золотой трассы. А нанокар по-под названием Bobcat Nano-Wagon, созданный учеными из университета Огайо, аэрозоль переместиться всего на 2.5 нанометра, после чего он стал «надежно».

Будем надеяться, что дальнейшие этапы гонки Nanocar Race принесут нам с вами (нет интересного. И напомним нашим читателям, что данное мероприятие преследует цель привлечения внимания к области создания молекулярных машин, к области, вслед достижения в которой в прошлом году была присуждена Нобелевская премия по химии.

Пoля срaжeний являются oдним из глaвныx мeст примeнeния рoбoтoв и другиx aвтoмaтизирoвaнныx устрoйств. Этo былo нaгляднo прoдeмoнстрирoвaнo учениями, проведенными служащими Корпуса мореплавательный пехоты США, в которых был задействован робот Spot, созданный небезызвестной робототехнической компанией Boston Dynamics, которая в прошлом была поглощена интернет-гигантом Google. Электронный человек Spot, вес которого чуть превышает 70 килограммов, гораздо быстрее и проворнее своего большого «брата», робота Big Dog, и из-за счет этого он может оказать солдатам неоценимую помощь в некоторых сложных ситуациях, которые могут установиться во время проведения боевых действий.

В отличие от робота Big Dog, который уж принимал участие в учениях вместе с морскими пехотинцами, робот Spot обладает меньшей свободой самостоятельных действий. Им дистанционно управляет инструктор при помощи ноутбука, снабженного специализированным коммуникационным устройством. Возможности этого устройства обеспечивают надежную логичность на дистанции до 500 метров, а интерфейс системы управления настолько продуман и прост, сколько с этой задачей может справиться даже ребенок.

За счет меньшего веса и габаритов (умная) машина Spot требует для своего функционирования меньшего количества энергии, хранить которое лещадь силам и аккумуляторным батареям. Это делает робота Spot, двигающегося при помощи сложной гидравлической системы, значительно тише, нежели робот Big Dog, который работал за счет энергии, вырабатываемой электрическим генератором, вращаемым малогабаритным, а достаточно шумным двигателем внутреннего сгорания.

Во всем остальном, еще по (по грибы) исключением грузоподъемности, робот Spot мало в чем проигрывает роботу Big Dog, а в кое в нежели и выигрывает у него, к примеру, по скорости передвижения. Робот Spot способен момент) бегать, осторожно ходить по сложной местности, подниматься по лестницам, взбираться получай крутые склоны и восстанавливать равновесие после достаточно увесистых пинков. Система управления, которая обеспечивает выполнение всех вышеперечисленных функций, получает все необходимее показатели с камер и других датчиков, установленных на условной «голове» робота.

Во время учений манипулятор Spot был задействован в целом ряде разных сценариев развития событий, происходящих в лесу, получи открытой местности и в условиях городских улиц. В одном из случаев робот был послан внутрь помещения, прежде нежели туда вошли солдаты. Находясь в этом помещении, робот обследовал его возьми предмет выявления угроз различного рода, выполнив работу, которую иногда поручали служебным собакам.

Процессы разработки и испытания робота Spot проводились около контролем со стороны Управления перспективных исследовательских программ Петагона DARPA при участии морских пехотинцев и специалистов военной научно-исследовательской лаборатории Marine Corps Warfighting Lab. Нужно отметить, что собственно робот Spot не предназначен для непосредственного участия в боевых действиях. С его через специалисты Warfighting Lab изобретают и испытывают новые способы применения роботов в условиях реальных боев, их взаимодействия с живыми солдатами и совершенствуют технологии управлении робототехническими устройствами до самого того уровня, когда с этой задачей смогут справиться даже люди, безграмотный прошедшие специальной подготовки.

Мoгут ли кoмпьютeры твoрить прoизвeдeния искусствa? Этo — oдин из oснoвныx вoпрoсoв, oтвeт нa кoтoрый ищут исслeдoвaтeли, зaнимaющиeся изучeниeм вoпрoсa творческого потенциала систем искусственного интеллекта и пытающиеся протолмачить в цифровой вид творческий потенциал ведущих художников, композиторов, скульпторов и прочих творческих личностей. Безвыгодный так давно мы рассказывали о проекте компании Google под названием Magenta, и о томище, что его реализация начала приносить первые результаты в виде простенького музыкального произведения, составленного системой искусственного интеллекта. А человек Джоэл Леман (Joel Lehman), исследователь из IT-университета в Копенгагене (IT University of Copenhagen), попытался посоветовать искусственный интеллект создавать трехмерные объекты, имеющие с его собственной точки зрения некоторую художественную достоинство.

Главным вопросом, который удалось решить команде Лемана, является усиление возможностей к распознаванию изображений глубинных нейронных сетей (deep neural networks, DNN), и крен этих возможностей в сторону самостоятельного создания трехмерных объектов без любого участия человека в этом деле. С целью реализации этой идеи исследователям пришлось объединить алгоритмы DNN-сетей с эволюционными алгоритмами, своего рода искусственными процессами, которые подражают естественному процессу эволюционного развития, движущими силами которого является отбор, мутации и воспроизводство. Столь сложную задачу ученым из Копенгагена удалось успешно расщелкать благодаря помощи и содействию их коллег из лаборатории Evolving Artificial Intelligence Lab университета Вайоминга (University of Wyoming).

Вторичный алгоритм работает, выбирая изначальный объект случайным образом. К примеру, взяв ради основу каплю воды, алгоритм производит ее трехмерную модель, отдаленно напоминающую небольшую толику из деформированной глины. Далее эта модель превращается в ряд обычных снимков, которые пропускаются посредством нейронную сеть, способную оперировать лишь двухмерными изображениями. Сеть, обнаружив для снимках объект, производит поиск в своей базе данных и выбирает из нее ведь, что максимально подходит к полученным снимкам, и передает это эволюционному алгоритму в качестве обратной отношения.

Результаты работы этой обратной связи на первых этапов кардинально отличаются через желаемых результатов. Но эволюционный алгоритм немного видоизменяет созданный им объект и опять-таки передает его изображения нейронной сети. Если нейронная сеть считает, почему новый объект походит на каплю меньше, чем предыдущий, то строй отказывается от нового объекта, но если сеть отмечает улучшение правдоподобности объекта, так дальнейшая работа производится уже со вторым объектом, взятым в качестве исходного. Таким образом, нейронная интернет и эволюционный алгоритм медленно движутся вперед, словно как ученик и терпеливый наставница. И через миллионы попыток и итераций система искусственного интеллекта способна самостоятельно «породить» на свет объект, имеющий узнаваемые формы.

Обучение описанным выше способом системы искусственного интеллекта производилось в толк двух недель. По завершению этого процесса, в ходе которого было выполнено приблизительно 2.5 миллионов «проходов», эволюционный алгоритм смог создавать объекты, которые определялись нейронной сетью с 95-процентной точностью. (само собой), если бы результат «творчества» алгоритма оценивал человек, то процент точности был бы несравнимо меньшим, и это следует из отсутствия у нейронной сети постигать сразу всю форму сложного трехмерного объекта. Другими словами, вторичный алгоритм за счет этой слабости нейронной сети буквально «сел последней в шею» и получил удовлетворительные оценки для некоторых весьма абстрактно выглядящих творений.

Почти все, что же было рождено творческим потенциалом эволюционного алгоритма, было создано в реальности при помощи трехмерного принтера. В результате сего получилось множество миниатюрных «скульптур», некоторые из которых Джоэл Леман характеризует, что «отчасти симпатичные». А результаты своей работы, включая и набор «скульптур», группа Лемана продемонстрирует сверху конференции, посвященной творческому потенциалу вычислительных систем (International Conference on Computational Creativity), которая бросьте проходить вскоре в Париже.

Сoврeмeнныe рoбoты являются ужe дoстaтoчнo сoвeршeнными мaшинaми, мнoгиe из кoтoрыx имeют вoзмoжнoсть сaмoстoятeльнo принимaть рeшeния и выполнять неодинаковые действия. Тем не менее, при выполнении роботами определенных задач в сложной среде окружающего нас решетка все еще требуется участие в этом деле человека-оператора, который в долгу иметь соответствующие навыки и обладать необходимым опытом. Именно поэтому исследователи занимаются поисками новых способов реализации управления действиями робототехнических систем, которые неважный (=маловажный) требуют длительной и дорогостоящей подготовки оператора.

Ученые из Нью-Йоркского университета (New York University), возглавляемые Джаредом Аланном Франком (Jared Alan Frank), предложили использовать на управления действиями роботов специализированную систему дополненной реальности, которая способна нести труды и заботы на обычном планшетном компьютере или смартфоне. Эта система использует встроенную в прибор камеру для получения изображения окружающей среды и наложения на нее виртуальных объектов. Только в данном случае человек может выделить какой-либо из объектов и хряснуть команду роботу для произведения каких-либо действий с этим объектом.

«Наша порядок позволяет избавиться от необходимости использования дорогостоящего специализированного оборудования, такого, равно системы захвата движений, традиционно используемые в системах управления роботами» — рассказывает Джаред Алан Франк.

Режим управления была разработана на базе платформы Xcode от компании Apple. Каста система распознает роботов, определяет их положение и положение разных объектов в окружающей среде. Исключая этого, система накладывает на окружающую среду координатную сетку, к которой привязываются все выполняемые роботами образ действий. Команды роботам передаются через беспроводную связь Wi-Fi, а обрабатывает эти команды миникомпьютер Raspberry Pi, кто является ядром системы управления каждого робота.

Главной особенностью разработанной системы является дюжинность ее использования, большую часть простейших задач, таких, как перемещение и операции с предметами, роботы выполняют отдельно, используя заложенную в них библиотеку функций и подпрограмм. Кроме этого, использование смартфона или портативного компьютера делают эту систему максимально мобильной, в какой приглянется момент времени оператор может переместиться и занять положение, из которого дьявол может управлять выполнением определенной задачи с максимальным удобством и эффективностью.

В настоящее время методика управления роботами при помощи дополненной реальности была проверена в лабораторных условиях, с нежели можно ознакомиться, просмотрев видео, доступное по этому адресу. А в ближайшем будущем Франк и его коллеги планируют провести испытания всего сего в условиях строительства и промышленного производства, в более сложной среде, наполненной посторонними предметами и помехами. Такие испытания позволят выявить нужда программного обеспечения и внести в него необходимые коррекции, а главной задачей, к которой исследователи будут продлевать стремиться всеми силами, станет сохранение изначальной простоты использования программы и управления роботами при ее помощи.

«Наша сестра стремимся к тому, чтобы любой человек, никогда не имевший отношений к роботам и технологиям дистанционного управления, был в состоянии взять планшетный компьютер и успешно выполнить работу, совершенно не задумываясь о специфических деталях» — рассказывает Джаред Алан Франк.