#AI #Lego
Увлекательная история, как любитель Lego по имени Жак придумал алгоритм для сортировки огромного количества деталей с помощью нейросети.
После путешествия в Леголэнд, автор снова вернулся к детскому хобби — строительству из Lego. Цена на конструкторы высокая, даже при покупке подержанных наборов. Самая дешевая опция — покупка несортированных Lego деталей на вес, через аукционы на Ebay. Автор заметил, что цена подержанных наборов ~ 40$/кг, несортированных деталей ~ 10$/кг, редкие детали из Lego Technic доходят до 100$/кг. Существует индустрия людей, которые покупают несортированные детали оптом, сортируют их вручную на наборы или отбирают наиболее ценные детали, и продают в 4-10 раз дороже после сортировки.
В развлекательных целях автор решил сделать автоматический сортировщик. Однажды оставив заявку на покупку больших партий несортированных деталей на Ebay, Жак отправился спать. На следующее утро он выиграл аукционы и стал обладателем 2 тонн конструктора, который забил весь его гараж. Когда пути назад уже не было, он стал работать над сортировщиком.
На пути Жак столкнулся с многочисленными проблемами. Например, сложности возникли с нахождением подходящего конвейера для подачи деталей с нужной скоростью. После попадания на ленту конвейера, детали проезжали мимо камеры, которая фотографировала деталь для распознавания. Алгоритм распознавания деталей, ожидаемо, стал наиболее трудоемкой частью сортировщика. Необходимо было создать изображения тысячи разных деталей, с учетом сотни цветов.
Методом проб и ошибок с библиотеками компьютерного видения и байесовской классификацией, Жак остановил выбор на нейросети от Google — TensorFlow. Для работы с ней ему пришлось окончить несколько онлайн-курсов по machine learning (ссылка на курс: http://amp.gs/mA3i ). В результате, удалось за несколько дней научить нейросеть распознавать детали, повысив точность с 50 до 100 процентов.
После обработки изображения нейросетью, правильно распознанные детали сдуваются струей воздуха с конвейера в нужную корзину, смотри gif к посту.
Ссылка на статью: http://amp.gs/mA3N
История в двух частях в блоге Жака:
1 http://amp.gs/mA3A
2 http://amp.gs/mA3q
Увлекательная история, как любитель Lego по имени Жак придумал алгоритм для сортировки огромного количества деталей с помощью нейросети.
После путешествия в Леголэнд, автор снова вернулся к детскому хобби — строительству из Lego. Цена на конструкторы высокая, даже при покупке подержанных наборов. Самая дешевая опция — покупка несортированных Lego деталей на вес, через аукционы на Ebay. Автор заметил, что цена подержанных наборов ~ 40$/кг, несортированных деталей ~ 10$/кг, редкие детали из Lego Technic доходят до 100$/кг. Существует индустрия людей, которые покупают несортированные детали оптом, сортируют их вручную на наборы или отбирают наиболее ценные детали, и продают в 4-10 раз дороже после сортировки.
В развлекательных целях автор решил сделать автоматический сортировщик. Однажды оставив заявку на покупку больших партий несортированных деталей на Ebay, Жак отправился спать. На следующее утро он выиграл аукционы и стал обладателем 2 тонн конструктора, который забил весь его гараж. Когда пути назад уже не было, он стал работать над сортировщиком.
На пути Жак столкнулся с многочисленными проблемами. Например, сложности возникли с нахождением подходящего конвейера для подачи деталей с нужной скоростью. После попадания на ленту конвейера, детали проезжали мимо камеры, которая фотографировала деталь для распознавания. Алгоритм распознавания деталей, ожидаемо, стал наиболее трудоемкой частью сортировщика. Необходимо было создать изображения тысячи разных деталей, с учетом сотни цветов.
Методом проб и ошибок с библиотеками компьютерного видения и байесовской классификацией, Жак остановил выбор на нейросети от Google — TensorFlow. Для работы с ней ему пришлось окончить несколько онлайн-курсов по machine learning (ссылка на курс: http://amp.gs/mA3i ). В результате, удалось за несколько дней научить нейросеть распознавать детали, повысив точность с 50 до 100 процентов.
После обработки изображения нейросетью, правильно распознанные детали сдуваются струей воздуха с конвейера в нужную корзину, смотри gif к посту.
Ссылка на статью: http://amp.gs/mA3N
История в двух частях в блоге Жака:
1 http://amp.gs/mA3A
2 http://amp.gs/mA3q
Robotics Channel
фото взято с nonentity.com
#ai #government
«Может ли робот стать президентом?» с таким заголовком вышла статья в американском журнале Politico. Сам факт появления фантастического сюжета из рассказов Азимова на страницах политического журнала символизирует две вещи: о ИИ теперь говорят даже в политике и разочарование от победы Трампа.
В статье приводят ряд примеров зависти, жадности, кумовства и других пороков, к которым склонны люди во власти. За последние годы в США появилось движение техно-оптимистов и трансгуманистов, которые уверены, что искусственный интеллект способен эффективнее справиться с принятием решений, чем человек. Не сегодня, но в течение следующих 30 лет это произойдет. Такой прогноз дал бывший кандидат в президенты и губернаторы Калифорнии Zoltan Istvan, который использовал идею технологической сингулярности и трансгуманизма в предвыборной программе.
«Робо-президента не купят лоббисты, - говорит Istvan. - На него не повлияют деньги, личные или семейные интересы. Робот не сможет продвигать родственников во власть. Машина на это не способна»
Идея робота-правителя вот уже много десятилетий всплывает в научной фантастике. В 1950 году Айзек Азимов в сборнике «Я, Робот» представил мир, в котором появились машины, обладающие сознанием и интеллектом человеческого уровня. Они подчинялись «трем законам робототехники» (первый: Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинён вред).
Тем не менее у машин есть ряд ограничений. Они опираются на исходные данные, не способны к высоким уровням абстракции, не могут обосновать свой выбор. Чтобы серьезно начать рассматривать альтернативу человеку-президенту, должен произойти скачок в технологиях.
Компромиссным вариантом станет симбиоз человека и машины. ИИ будет оценивать и предлагать наиболее рациональные решения, но выбирать в итоге придется человеку.
Почитайте другие аргументы за и против в оригинале:
🌐 http://www.politico.com/magazine/story/2017/07/08/robot-president-215342
Перевод довольно приблизительный: 🌐 http://telegra.ph/Mozhet-li-robot-stat-prezidentom-07-27
«Может ли робот стать президентом?» с таким заголовком вышла статья в американском журнале Politico. Сам факт появления фантастического сюжета из рассказов Азимова на страницах политического журнала символизирует две вещи: о ИИ теперь говорят даже в политике и разочарование от победы Трампа.
В статье приводят ряд примеров зависти, жадности, кумовства и других пороков, к которым склонны люди во власти. За последние годы в США появилось движение техно-оптимистов и трансгуманистов, которые уверены, что искусственный интеллект способен эффективнее справиться с принятием решений, чем человек. Не сегодня, но в течение следующих 30 лет это произойдет. Такой прогноз дал бывший кандидат в президенты и губернаторы Калифорнии Zoltan Istvan, который использовал идею технологической сингулярности и трансгуманизма в предвыборной программе.
«Робо-президента не купят лоббисты, - говорит Istvan. - На него не повлияют деньги, личные или семейные интересы. Робот не сможет продвигать родственников во власть. Машина на это не способна»
Идея робота-правителя вот уже много десятилетий всплывает в научной фантастике. В 1950 году Айзек Азимов в сборнике «Я, Робот» представил мир, в котором появились машины, обладающие сознанием и интеллектом человеческого уровня. Они подчинялись «трем законам робототехники» (первый: Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинён вред).
Тем не менее у машин есть ряд ограничений. Они опираются на исходные данные, не способны к высоким уровням абстракции, не могут обосновать свой выбор. Чтобы серьезно начать рассматривать альтернативу человеку-президенту, должен произойти скачок в технологиях.
Компромиссным вариантом станет симбиоз человека и машины. ИИ будет оценивать и предлагать наиболее рациональные решения, но выбирать в итоге придется человеку.
Почитайте другие аргументы за и против в оригинале:
🌐 http://www.politico.com/magazine/story/2017/07/08/robot-president-215342
Перевод довольно приблизительный: 🌐 http://telegra.ph/Mozhet-li-robot-stat-prezidentom-07-27
POLITICO
Could a Robot Be President?
Yes, it sounds nuts. But some techno-optimists really believe a computer could make better decisions for the country—without the drama and shortsightedness we accept from our human leaders.
#python #tensor_flow #classifier #ml #ai
Наткнулся на интересный мануал по сборке классификатора изображений с использованием TensorFlow.
В результате использования мануала вы сделаете алгоритм, который будет:
🔸 анализировать изображение и определять, есть ли на нём цветок;
🔸 если есть — определять, к какой из предложенных категорий он относится;
🔸 выводить процент уверенности в своём ответе.
Требуемый минимум:
🔹 базовое знание Unix-команд и интерфейса командной строки;
🔹 базовое понимание устройства контейнеров Docker и виртуальных машин;
🔹 компьютер с 64-битной операционной системой Linux или macOS (или вируальная машина на windows)
Ссылка на пост с мануалом https://yangx.top/nuancesprog/40
Пост взял из канала @nuancesprog, в котором, помимо прочего, есть много других годных статей. Программистам рекомендую подписаться.
Наткнулся на интересный мануал по сборке классификатора изображений с использованием TensorFlow.
В результате использования мануала вы сделаете алгоритм, который будет:
🔸 анализировать изображение и определять, есть ли на нём цветок;
🔸 если есть — определять, к какой из предложенных категорий он относится;
🔸 выводить процент уверенности в своём ответе.
Требуемый минимум:
🔹 базовое знание Unix-команд и интерфейса командной строки;
🔹 базовое понимание устройства контейнеров Docker и виртуальных машин;
🔹 компьютер с 64-битной операционной системой Linux или macOS (или вируальная машина на windows)
Ссылка на пост с мануалом https://yangx.top/nuancesprog/40
Пост взял из канала @nuancesprog, в котором, помимо прочего, есть много других годных статей. Программистам рекомендую подписаться.
Telegram
Nuances of programming
Пошаговое руководство по созданию простого классификатора изображений на Python:
http://telegra.ph/Prostoj-klassifikator-izobrazhenij-na-Python-s-pomoshchyu-biblioteki-TensorFlow-poshagovoe-rukovodstvo-07-23
http://telegra.ph/Prostoj-klassifikator-izobrazhenij-na-Python-s-pomoshchyu-biblioteki-TensorFlow-poshagovoe-rukovodstvo-07-23
#future #ai #human #лонгрид
Почему человек склонен выдавать ошибочные прогнозы?
Человек стремится предсказать будущее, чтобы научиться им управлять. Футурологи, аналитики, финансисты используют большие массивы данных чтобы сделать своё предсказание максимально достоверным. Но в итоге мы знаем только о тех предсказаниях, которые сбылись, а ошибочные прогнозы остаются забытыми.
Чтобы понять причины ошибочных прогнозов человека давайте заглянем в когнитивную психологию.
В книге Канемана и Тверски «Принятие решений в условиях неопределённости: правила и предубеждения» утверждается, что большинство таких ошибок проникает в оценки бессознательно, человек не чувствует, что ошибается, и уверен в своей объективности.
Основные виды когнитивных искажений, влияющих на прогнозы будущего, по их версии это:
1. Привязанность к определённой идеологии или картине мира. Эта ошибка наиболее часто проявляется, поскольку большинство идеологий нацелено на создание того или иного будущего. Кроме того, люди объединяются в группы через приверженность тем или иным идеологиям. И наоборот, если люди принадлежат некой группе (например, народу или семье), то это побуждает их разделять распространенную в ней идеологию. Наверняка каждый сталкивался с таким видом предвзятости, когда человек верит в какой-нибудь «-изм», и отвергает как ложные все факты, которые ему противоречат. Человек заранее знает, что он хочет доказать. Авторы этой книги сознают, что в футурологии всегда есть немного от пропаганды, и наша приверженность позитивному сценарию влияет на создаваемую нами модель будущего.
2. Зависимость от неосознаваемых эмоциональных реакций. Например, мы склонны больше верить словам человека, который нам нравится. Обычный человек, который не читал учебника логики, в большей степени лишён способности отличать истинное от ложного. Подобно тому, как человек, не изучавший математического анализа, не может вычислять интегралы.
3. Сверхуверенность. Люди склонны преувеличивать свои интеллектуальные способности и недооценивать оппонентов, что является отражением подсознательного стремления к более высокому социальному статусу. Сверхуверенность приводит к тому, что люди переоценивают свою способность предвидеть будущее.
К этому списку нужно бы добавить еще 21 вид искажений, но статья не об этом. Подробнее о видах искажений можете прочитать по ссылке https://goo.gl/NYq6eB
Компьютерные алгоритмы обработки данных не обладают идеологией, эмоциональностью и сверхуверенностью. Холодный расчёт горячим от нагрузки процессором. Но как алгоритмы могут предсказывать будущее?
В каждом смартфоне есть функция подсказки слов во время ввода сообщений. Алгоритм подсказок основан на сборе статистики часто употребляемых слов и их сочетаний. Чем больше вы пишите, тем лучше результаты алгоритма.
Из более серьезных примеров, полиция Чикаго в самых опасных районах города установила датчиков на сумму 1 млн долларов и подключила их к нейросети. Благодаря анализу данных от датчиков, статистики преступности, социально-экономических данных, информации о погоде и о бизнесе полиции удалось снизить количество перестрелок на 39% по сравнению с предыдущим годом, а количество убийств — на 33%. Алгоритм подсказывает департаменту в каком месте района стоит разместить дополнительные наряды полиции (источник https://goo.gl/Tsy7Jw).
Бизнес может применять предиктивные алгоритмы, чтобы предсказывать отказы/уходы клиентов на основе собираемых данных о поведении текущих и ушедших клиентов. Дешевле оставить когда-то лояльного клиента новыми предложениями, чем потратить деньги на привлечение нового.
Брокеры используют самообучающиеся нейросети, чтобы прогнозировать поведение фондовых индексов (https://goo.gl/4Du9QS).
Вот интересная статья на Geektimes о том, как группа исследователей из Лаборатории информатики и искусственного интеллекта (CSAIL) Массачусетского технологического института обучает нейросеть генерировать будущую секунду видео https://goo.gl/uTXfG4
Полная версия лонгрида тут https://goo.gl/uprpDL
Почему человек склонен выдавать ошибочные прогнозы?
Человек стремится предсказать будущее, чтобы научиться им управлять. Футурологи, аналитики, финансисты используют большие массивы данных чтобы сделать своё предсказание максимально достоверным. Но в итоге мы знаем только о тех предсказаниях, которые сбылись, а ошибочные прогнозы остаются забытыми.
Чтобы понять причины ошибочных прогнозов человека давайте заглянем в когнитивную психологию.
В книге Канемана и Тверски «Принятие решений в условиях неопределённости: правила и предубеждения» утверждается, что большинство таких ошибок проникает в оценки бессознательно, человек не чувствует, что ошибается, и уверен в своей объективности.
Основные виды когнитивных искажений, влияющих на прогнозы будущего, по их версии это:
1. Привязанность к определённой идеологии или картине мира. Эта ошибка наиболее часто проявляется, поскольку большинство идеологий нацелено на создание того или иного будущего. Кроме того, люди объединяются в группы через приверженность тем или иным идеологиям. И наоборот, если люди принадлежат некой группе (например, народу или семье), то это побуждает их разделять распространенную в ней идеологию. Наверняка каждый сталкивался с таким видом предвзятости, когда человек верит в какой-нибудь «-изм», и отвергает как ложные все факты, которые ему противоречат. Человек заранее знает, что он хочет доказать. Авторы этой книги сознают, что в футурологии всегда есть немного от пропаганды, и наша приверженность позитивному сценарию влияет на создаваемую нами модель будущего.
2. Зависимость от неосознаваемых эмоциональных реакций. Например, мы склонны больше верить словам человека, который нам нравится. Обычный человек, который не читал учебника логики, в большей степени лишён способности отличать истинное от ложного. Подобно тому, как человек, не изучавший математического анализа, не может вычислять интегралы.
3. Сверхуверенность. Люди склонны преувеличивать свои интеллектуальные способности и недооценивать оппонентов, что является отражением подсознательного стремления к более высокому социальному статусу. Сверхуверенность приводит к тому, что люди переоценивают свою способность предвидеть будущее.
К этому списку нужно бы добавить еще 21 вид искажений, но статья не об этом. Подробнее о видах искажений можете прочитать по ссылке https://goo.gl/NYq6eB
Компьютерные алгоритмы обработки данных не обладают идеологией, эмоциональностью и сверхуверенностью. Холодный расчёт горячим от нагрузки процессором. Но как алгоритмы могут предсказывать будущее?
В каждом смартфоне есть функция подсказки слов во время ввода сообщений. Алгоритм подсказок основан на сборе статистики часто употребляемых слов и их сочетаний. Чем больше вы пишите, тем лучше результаты алгоритма.
Из более серьезных примеров, полиция Чикаго в самых опасных районах города установила датчиков на сумму 1 млн долларов и подключила их к нейросети. Благодаря анализу данных от датчиков, статистики преступности, социально-экономических данных, информации о погоде и о бизнесе полиции удалось снизить количество перестрелок на 39% по сравнению с предыдущим годом, а количество убийств — на 33%. Алгоритм подсказывает департаменту в каком месте района стоит разместить дополнительные наряды полиции (источник https://goo.gl/Tsy7Jw).
Бизнес может применять предиктивные алгоритмы, чтобы предсказывать отказы/уходы клиентов на основе собираемых данных о поведении текущих и ушедших клиентов. Дешевле оставить когда-то лояльного клиента новыми предложениями, чем потратить деньги на привлечение нового.
Брокеры используют самообучающиеся нейросети, чтобы прогнозировать поведение фондовых индексов (https://goo.gl/4Du9QS).
Вот интересная статья на Geektimes о том, как группа исследователей из Лаборатории информатики и искусственного интеллекта (CSAIL) Массачусетского технологического института обучает нейросеть генерировать будущую секунду видео https://goo.gl/uTXfG4
Полная версия лонгрида тут https://goo.gl/uprpDL
vikent.ru
Vikent - Когнитивные искажения в прогнозировании по А.В. Турчину
«Большинство предсказаний, которые давались на срок более 10 лет, ошибочны, или совпадают скорее случайно и с натяжками. Некоторые рассматривают это как «фиаско футурологии» - в действительности это её способ установления границ познавае...
#security #house #ai
Никогда не думали, как повлияет развитие технологии искусственного интеллекта на то, как мы защищаем себя и своё имущество? Определённо будут умные системы безопасности и сейчас мы можем немного заглянуть в будущее.
Чипы со встроенными нейросетями способны уже сейчас без подключения к интернету анализировать поток видеоизображений и звука. Необходимость в постоянной записи отпадает, ИИ может записывать только важные события. Без подключения к интернету также меньше риск попасть под хакерскую атаку.
Благодаря искусственному интеллекту уровень безопасности может меняться в зависимости от вашего расположения в большом доме. Например пока вы спите в спальне на втором этаже, нижний этаж включает датчики и закрывает двери с окнами. Если же вы спускаетесь за ночным перекусом, система распознает вас и включит чайник, чтобы вы не ели в сухомятку.
С каждым годом стоимость разработок в области ИИ становятся дешевле. Это хорошо, однако никакой ИИ не будет способен на все вышеописанные трюки без наличия физически датчиков, приводов, регуляторов и видеокамер. Радует тот факт, что вся техника тоже достаточно быстро дешевеет и в скором времени станет доступнее для широкого круга потребителей.
О современных системах без машинного интеллекта и с ним читайте колонку нашего редактора на the-robot https://goo.gl/86ecME
Никогда не думали, как повлияет развитие технологии искусственного интеллекта на то, как мы защищаем себя и своё имущество? Определённо будут умные системы безопасности и сейчас мы можем немного заглянуть в будущее.
Чипы со встроенными нейросетями способны уже сейчас без подключения к интернету анализировать поток видеоизображений и звука. Необходимость в постоянной записи отпадает, ИИ может записывать только важные события. Без подключения к интернету также меньше риск попасть под хакерскую атаку.
Благодаря искусственному интеллекту уровень безопасности может меняться в зависимости от вашего расположения в большом доме. Например пока вы спите в спальне на втором этаже, нижний этаж включает датчики и закрывает двери с окнами. Если же вы спускаетесь за ночным перекусом, система распознает вас и включит чайник, чтобы вы не ели в сухомятку.
С каждым годом стоимость разработок в области ИИ становятся дешевле. Это хорошо, однако никакой ИИ не будет способен на все вышеописанные трюки без наличия физически датчиков, приводов, регуляторов и видеокамер. Радует тот факт, что вся техника тоже достаточно быстро дешевеет и в скором времени станет доступнее для широкого круга потребителей.
О современных системах без машинного интеллекта и с ним читайте колонку нашего редактора на the-robot https://goo.gl/86ecME
#facebook #FAIR #AI
Знаете ли вы, что Facebook занимается робототехникой?
Прямо сейчас на крыше штаб-квартиры компании в Менло-Парк (Калифорния, США) бегает шестиногий робот-паук Daisy, и это не очередная игрушка миллиардера Цукерберга, а серьёзный научный проект.
Дейзи была создана как модель для апробации новых методов самообучения ИИ. В естественной среде живые организмы обучаются методом проб и ошибок. Набивая шишки, мы становимся если не умнее, то хотя бы осмотрительнее.
С прошлого лета в рамках инициативы FAIR (Facebook's Artificial Intelligence Research) исследователи помогают роботам самостоятельно учиться ходить и держать равновесие, хватаясь за подручные предметы. Общая цель проекта состоит в том, чтобы роботы приобретали новые навыки, просто изучая мир вокруг.
Конечно, роботы-пауки – это не то, чем Facebook собирается зарабатывать. Просто на них очень наглядно происходит обкатка новых подходов из области машинного обучения, а Daisy – одна из тех моделей, которую уже воплотили в железе.
В дальнейшем сходные методы будут применяться в других продуктах, например – для тренировки автопилота. Ключевая идея в том, чтобы нейросети обучались почти самостоятельно – при незначительном участии человека и на минимально доступных объёмах данных.
Источник: https://cnn.it/2JvGvOW
Знаете ли вы, что Facebook занимается робототехникой?
Прямо сейчас на крыше штаб-квартиры компании в Менло-Парк (Калифорния, США) бегает шестиногий робот-паук Daisy, и это не очередная игрушка миллиардера Цукерберга, а серьёзный научный проект.
Дейзи была создана как модель для апробации новых методов самообучения ИИ. В естественной среде живые организмы обучаются методом проб и ошибок. Набивая шишки, мы становимся если не умнее, то хотя бы осмотрительнее.
С прошлого лета в рамках инициативы FAIR (Facebook's Artificial Intelligence Research) исследователи помогают роботам самостоятельно учиться ходить и держать равновесие, хватаясь за подручные предметы. Общая цель проекта состоит в том, чтобы роботы приобретали новые навыки, просто изучая мир вокруг.
Конечно, роботы-пауки – это не то, чем Facebook собирается зарабатывать. Просто на них очень наглядно происходит обкатка новых подходов из области машинного обучения, а Daisy – одна из тех моделей, которую уже воплотили в железе.
В дальнейшем сходные методы будут применяться в других продуктах, например – для тренировки автопилота. Ключевая идея в том, чтобы нейросети обучались почти самостоятельно – при незначительном участии человека и на минимально доступных объёмах данных.
Источник: https://cnn.it/2JvGvOW
(Не)поддельные эмоции
В первую неделю января самая крупная выставка электроники CES 2022 вернётся в физический мир. В прошлом году она проходила онлайн из-за пандемии. В этот раз на ней покажут робота с человеческой мимикой Ameca, созданного компанией Engeneered Arts.
Команда известна своим роботом-актёром RoboThespian, копию которого можно увидеть в деле на Робостанции на ВДНХ. Компания — далеко не новичок. Этой разработке уже больше десяти лет. Этих роботов, кстати, можно нанять на вечер или взять в аренду надолго.
В линейке Engeneered Arts есть ещё один реалистичный робот — Mesmer. Он демонстрирует возможность создания своего рободвойника. Эту услугу компания предлагает всем желающим. Он довольно жуткий, перед сном лучше не смотреть. Mesmer совершенно точно попал в uncanny valley. А вот с Ameca, как мне кажется, у команды получилось из неё выбраться. Осталось роботессе выдать тело и научить передвигаться.
👁Ameca
🤖Mesmer
🕺Робот-актёр
💰Подразделение компании Engeneered Arts, торгующее электронными рабами
В первую неделю января самая крупная выставка электроники CES 2022 вернётся в физический мир. В прошлом году она проходила онлайн из-за пандемии. В этот раз на ней покажут робота с человеческой мимикой Ameca, созданного компанией Engeneered Arts.
Команда известна своим роботом-актёром RoboThespian, копию которого можно увидеть в деле на Робостанции на ВДНХ. Компания — далеко не новичок. Этой разработке уже больше десяти лет. Этих роботов, кстати, можно нанять на вечер или взять в аренду надолго.
В линейке Engeneered Arts есть ещё один реалистичный робот — Mesmer. Он демонстрирует возможность создания своего рободвойника. Эту услугу компания предлагает всем желающим. Он довольно жуткий, перед сном лучше не смотреть. Mesmer совершенно точно попал в uncanny valley. А вот с Ameca, как мне кажется, у команды получилось из неё выбраться. Осталось роботессе выдать тело и научить передвигаться.
👁Ameca
🤖Mesmer
🕺Робот-актёр
💰Подразделение компании Engeneered Arts, торгующее электронными рабами
YouTube
Ameca Humanoid Robot AI Platform
First look at Ameca , most advanced humanoid robot from @EngineeredArtsLtd Designed as a platform for AI and human robot interaction (HRI) . Will be on show at #ces2022. For more information check
https://www.engineeredarts.co.uk/robot/ameca/
#robot #humanoidrobots…
https://www.engineeredarts.co.uk/robot/ameca/
#robot #humanoidrobots…
Walker в действии
Китайская UBITECH в партнерстве с Baido сделали гуманоида, который сортирует объекты, аккуратно складывает одежду и даёт советы по стилю, демонстрируя способность делать умозаключения.
Вообще ChatGPT и прочие иже с ними большие языковые модели стали великим уравнителем, как кольт, только в робототехнике. Теперь любая игрушка с динамиком и интернетом, подключенная к облаку, может убедительно вести диалог. Утрирую, конечно, но вы поняли.
https://youtu.be/8MRDF2pkIRs?si=wqCLp5u75laNuVFo
Китайская UBITECH в партнерстве с Baido сделали гуманоида, который сортирует объекты, аккуратно складывает одежду и даёт советы по стилю, демонстрируя способность делать умозаключения.
Вообще ChatGPT и прочие иже с ними большие языковые модели стали великим уравнителем, как кольт, только в робототехнике. Теперь любая игрушка с динамиком и интернетом, подключенная к облаку, может убедительно вести диалог. Утрирую, конечно, но вы поняли.
https://youtu.be/8MRDF2pkIRs?si=wqCLp5u75laNuVFo
YouTube
UBTECH x Baidu: One Step Closer to Real-World Embodied Intelligent Applications
Experience the future of robotics as UBTECH's humanoid robot integrates with Baidu's ERNIE through AppBuilder! Witness Walker S understand natural language and autonomously perform tasks like folding clothes and object sorting.
#AI #Humanoidrobot #Baidu…
#AI #Humanoidrobot #Baidu…
👍11❤1