Chipotle и Vebu тестируют прототип Autocado, роботизированного помощника для приготовления гуакамоле

Вчера сеть ресторанов быстрого питания мексиканской кухни Chipotle Mexican Grill объявила о запуске прототипа Autocado. Роботизированная установка разработана с целью подготовки авокадо для фирменного гуакамоле сети ресторанов. Прототип, разработанный в сотрудничестве с компанией Vebu, в настоящее время проходит испытания в Chipotle Cultivate Center в Ирвайне, штат Калифорния.

Принцип работы прототипа Autocado:

- сотрудник загружает полный ящик спелых авокадо и выбирает размер. Autocado вмещает до 11 кг;
- каждое авокадо ориентируется вертикально и передается в устройство для обработки;
- фрукты нарезаются пополам. Семя и кожица автоматически удаляются, а отходы выбрасываются;
- плоды собираются в чашу из нержавеющей стали в нижней части устройства;
- члены команды вынимают чашу с плодами авокадо и переносят на кухню для последующего ручного измельчения и приготовления фирменного гуакамоле Chipotle.

Компания Vebu работала в тесном сотрудничестве с сертифицированными менеджерами по обучению из ресторанов Chipotle, чтобы проанализировать процесс приготовления блюд в компании и выявить задачи, которые отнимают много времени и вызывают наименьшие симпатии у сотрудников. Традиционно, обработкой авокадо и приготовлением гуакамоле занимались конкретные сотрудники. Приготовление одной порции этого блюда занимает около 50 минут.

Команда Vebu стремится повысить скорость обработки данных в устройстве, что в конечном итоге позволит сократить время приготовления гуакамоле на 50% и позволит сотрудникам Chipotle сосредоточиться на обслуживании гостей и обеспечении высокого уровня гостеприимства. Ожидается, что в этом году в ресторанах США, Канады и Европы будет использовано около 4,5 млн. ящиков авокадо, что эквивалентно более чем 45 тыс. тонн фруктов. В рамках поддержки инициатив Chipotle по устойчивому развитию и сокращению отходов Autocado может увеличить выход плодов авокадо за счет точной обработки. В в случае успешного тестирования и дальнейшего масштабирования, технологии может привести к ежегодной экономии миллионов долларов на продуктах питания.

"Мы стремимся изучить возможности совместной робототехники для повышения эффективности и облегчения проблем наших сотрудников, - сказал Курт Гарнер, директор по работе с клиентами и технологиям компании Chipotle. - С помощью Autocado можно облегчить интенсивный труд, связанный с нарезкой, извлечением семя и извлечением мякоти, но при этом мы сохраняем важный кулинарный опыт ручного измельчения и ручного приготовления гуакамоле в соответствии с нашими строгими стандартами".

"Наша цель как робототехнической компании - использовать технологии автоматизации для предоставления работникам большей гибкости в их повседневной работе, - сказал Бак Джордан, генеральный директор компании Vebu. - Autocado может работать вместе с сотрудниками Chipotle, создавая тот же самый вкусный гуакамоле, который так любят поклонники Chipotle, но более эффективно, чем когда-либо прежде".

Vebu разрабатывает стек ИИ и машинного обучения для подключения ко всем своим роботизированным решениям, где это применимо. Цель состоит в том, чтобы будущие версии Autocado использовали машинное обучение и датчики для оценки качества авокадо и количественной оценки сокращения отходов.

https://www.youtube.com/watch?v=AsGMXr22gig

Дополнительно сообщается, что Chipotle инвестирует в Vebu в рамках CULTIVATE NEXT, венчурного фонда компании объемом $50 млн, который предназначен для инвестиций на ранних стадиях в стратегически ориентированные компании, способствующие реализации миссии Cultivate a Better World и ускорению агрессивных планов роста.

https://robogeek.ru/servisnye-roboty/chipotle-i-vebu-testiruyut-prototip-autocado-robotizirovannogo-pomoschnika-dlya-prigotovleniya-guakamole

Fourier Intelligence планирует выпустить сотню человекоподобных роботов к концу года

Китайская компания Fourier Intelligence заявляет, что к концу 2023 года планирует изготовить 100 человекоподобных роботов общего назначения GR-1, уточняя при этом, что они смогут переносить почти свой собственный вес.

Компания Fourier в основном специализируется на реабилитационных технологиях. Их платформа RehabHub предлагает серию интегрированных физиотерапевтических устройств для лечения различных проблем, начиная от устройств для тренировки кисти и пальцев и заканчивая экзоскелетами для нижних конечностей.

Поэтому проект робота GR-1, запущенный еще в 2019 году, может показаться непрофильным для компании. Но, с другой стороны, экзоскелет для нижних конечностей, вероятно, использует то же оборудование и должен решать те же задачи, что и ноги робота.

Fourier позиционирует GR-1 как робота общего назначения, подобного тем над которыми работают Tesla, но при этом указывает, что первые сферы применения будут помощь по уходу и физиотерапевтическую помощь.

GR-1 ростом 165 см и весом 55 кг будет иметь максимальную скорость передвижения около 5 км/ч и грузоподъемность до 50 кг. Его суставы будут иметь 40 степеней. Сообщается, что самый большой электродвигатель, предположительно в бедрах, будет развивать крутящий момент до 300 Нм.

"По мере нашего продвижения вперед GR-1 может стать сиделкой, помощником в терапии, компаньоном дома для пожилых людей, которые остаются одни, - говорит генеральный директор и соучредитель компании Зен Кох. - Сама система может самостоятельно балансировать при ходьбе и выполнять различные задачи. Мы можем запрограммировать ее на сидение, стояние и прыжки. Руки можно запрограммировать на захват посуды, инструментов и выполнение задач по желанию инженеров".

С 2021 года компания создала и тестирует различные прототипы с частичным и полным телом, и на видео ниже можно увидеть, как они учатся ходить, сохраняют баланс, поднимают и опускают хрупкие предметы, например стеклянные бутылки, выполняют несколько элементарных танцевальных движений, реагируют на физические сигналы человека и самостоятельно обходят некоторые препятствия.

Один из сотрудников компании Figure объясняет, что создание аппаратного обеспечения и обеспечение базовых движений, таких как ходьба самое простое и это более или менее решенная проблема. Самое сложное научить GR-1 автономно ориентироваться в мире и выполнять задачи, на которые они не были специально запрограммированы, в хаотичной и незнакомой обстановке.

И, похоже, именно поэтому компания Fourier торопится к концу года выпустить 100 единиц роботов. Это не будут полнофункциональные роботы общего назначения - это будут программно-аппаратные платформы с базовыми возможностями, и отправятся они в основном в научно-исследовательские лаборатории, где, предположительно, 100 различных команд робототехников будут пробовать сделать этих роботов умнее, способнее и готовыми выйти в мир.

https://www.youtube.com/watch?v=KoAEaZm1Hw4

Это интересная стратегия, в отличие от более закрытого подхода, и она может привести к появлению разнообразных и взаимодополняющих технологий, которые могут ускорить путь GR-1 к полезности. Время покажет, принесет ли такой подход к сотрудничеству плоды и окажется ли компания Fourier в выигрыше.

https://robogeek.ru/chelovekopodobnye-roboty/fourier-intelligence-planiruet-vypustit-sotnyu-chelovekopodobnyh-robotov-k-kontsu-goda

Мягкий роботизированный захват, вдохновленный цветком розы

При работе с хрупкими предметами роботы должны обладать высокой чувствительностью. И если в предыдущих попытках придать им это свойство использовались, например, мягкие резиновые пальцы, то новое экспериментальное устройство было вдохновлено цветком розой.

Устройство, разрабатываемое в настоящее время в Japan Advanced Institute of Science and Technology, получило название ROSE (ROtation-based-Squeezing grippEr).

Он состоит из воронкообразного рукава из мягкого, гибкого эластомера, закрепленного на жестком круглом основании. Основание, в свою очередь, соединено с электроприводом, который может вращать его (и соединенную с ним втулку) подобно поворотной платформе.

При захвате предмета, робот опускает на него актуатор, так чтобы его часть соприкасалась с боковыми сторонами предмета. Затем привод вращает основание, в результате чего рукав мягко сминается и оборачивается вокруг предмета. После этого предмет можно поднять, переместить, а затем отпустить, просто повернув актуатор в противоположном направлении, чтобы вернуть его в исходное положение.

По словам ученых, создавших ROSE, его производство обходится дешевле, чем производство традиционных мягких захватов, он может захватывать более широкий спектр предметов, поскольку давление на них оказывается более мягкое и равномерное. Утверждается, что он очень долговечен, ROSE сохранил свою работоспособность после 400 000 испытаний, после чего актуатор получил повреждение, но но сила захвата не снизилась.

"Захват ROSE обладает значительным потенциалом для революционного изменения приложений для захвата и широкого распространения в различных областях, - сказал ведущий ученый, доцент Ван Ань Хо. - Его простая, но надежная и прочная конструкция уже в ближайшем будущем вдохновит исследователей и производителей на использование его для решения широкого спектра задач".

https://www.youtube.com/watch?v=E1wAI09LaoY

В рамках технологии предполагается создать два продукта. Во-первых, робот, который может заменить операции по сбору урожая любого вида фруктов. Во-вторых, робот для улучшения качества жизни людей, получающих уход. Результаты исследования "ROSE: Rotation-based Squeezing Robotic Gripper toward Universal Handling of Objects" были представлены на международной конференции Robotics: Science and Systems, проходившей в Корее с 10 по 14 июля 2023 года.

https://robogeek.ru/promyshlennye-roboty/myagkii-robotizirovannyi-zahvat-vdohnovlennyi-tsvetkom-rozy

Исследователи разработали методику для более быстрого обучения робота

Группа исследователей из Massachusetts Institute of Technology (MIT), New York University (NYU) и University of California at Berkeley (UC Berkeley) создали систему, которая позволяет человеку быстро и с минимальными усилиями научить робота тому, что ему необходимо сделать.

В пресс-релизе MIT приводится пример робота для выполнения бытовых задач, доставленного в дом пользователя. Этот робот был создан и обучен на заводе определенному набору задач и никогда не видел предметов в этом конкретном доме. Если попросит его взять кружку с кухонного стола, то он может не справиться с этой задачей, не понимая разнообразие форм и расцветок.

"Сейчас, когда мы обучаем этих роботов, мы не знаем причин их отказа. Поэтому вы просто разводите руками и говорите: "Ладно, придется начинать все сначала". Важнейшим компонентом, которого не хватает в этой системе, является возможность демонстрации роботом причин неудачи, чтобы пользователь мог дать ему обратную связь", - говорит Энди Пенг, аспирант кафедры электротехники и вычислительной техники (EECS) MIT.

Когда робот терпит неудачу, система с помощью алгоритма генерирует контрфактические объяснения, описывающие, что должно было измениться, чтобы робот добился успеха. Например, возможно, робот смог бы поднять кружку, если бы она была определенного цвета. Система показывает эти контрфактические объяснения человеку и просит его высказать свое мнение о причинах неудачи робота. Затем система использует эту обратную связь для генерации новых данных, которые используются для тонкой настройки робота.

Тонкая настройка заключается в изменении модели машинного обучения, которая была обучена для выполнения одной задачи, с тем чтобы она могла выполнять вторую, аналогичную задачу.

Исследователи протестировали эту методику на симуляторах и обнаружили, что она позволяет обучать робота более эффективно, чем другие методы. Роботы, обученные по этой схеме, показали лучшие результаты, а процесс обучения занял меньше времени у человека.

Такая схема может помочь роботам быстрее осваиваться в новых условиях, не требуя от пользователя технических знаний. В перспективе это может стать шагом к тому, чтобы роботы общего назначения могли эффективно выполнять повседневные задачи для пожилых людей или людей с ограниченными возможностями в различных условиях.

В дальнейшем исследователи надеются протестировать эту схему на реальных роботах. Они также хотят сосредоточиться на сокращении времени, которое требуется системе для создания новых данных с помощью генеративных моделей машинного обучения.

"Мы хотим, чтобы роботы делали то же, что и люди, и чтобы они делали это семантически осмысленно. Человек, как правило, работает в абстрактном пространстве, где он не задумывается о каждом свойстве изображения. В конечном счете, речь идет о том, чтобы дать роботу возможность выучить похожее на человеческое представление на абстрактном уровне", - говорит Пенг.

Результаты исследования будут представлены на Международной конференции по машинному обучению.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/issledovatelei-razrabotali-metodiku-dlya-bolee-bystrogo-obucheniya-robota

Revolute Robotics представила автономного инспекционного робота

Компания Revolute Robotics из Аризоны разработала автономного робота Hybrid Mobility Robot (HMR), представляющий собой вращающуюся сферическую клетку, которая может летать как мультикоптер или перемещаться по земле в любом направлении с помощью двух гироскопических колец.

Легкий экзоскелет HMR может деформироваться, что делает его небольшим амортизатором при посадке, а также помогает изолировать ключевую электронику от сильных вибраций, когда этот робот перемещается по пересеченной местности. Кроме того, внешний корпус создает защитную сферу для четырех пропеллеров, используемых в режиме полета, что является бонусом к безопасности и позволяет использовать робота в помещении рядом с людьми.

Он создан для автономной работы, предпочитая, по возможности, катиться, но используя свои летные возможности для преодоления препятствий или помощи при подъеме по крутым склонам. Режим полета расходует батарею в пять раз быстрее, чем движение. На сегодняшний день компания построила и испытывает несколько прототипов HMR.

Сначала компания надеется продавать HMR в качестве автономного инспекционного робота для замкнутых пространств, например, для спуска по трубопроводам с настраиваемой полезной нагрузкой, это может быть камера или необходимый датчик. В этом случае режим полета позволит ему легко подниматься по вертикальным участкам труб, чего не могут сделать колесные роботы.

В перспективе Revolute надеется разработать автономный охранный беспилотник и рассмотреть возможность его использования в военных целях. В обоих случаях будут использоваться возможности интеллектуального роя, когда несколько HMR могут работать вместе. Потенциально HMR может применяться также в горнодобывающей промышленности, например, для оценки структурной целостности старых шахтных стволов и в поисково-спасательных работах.

https://www.youtube.com/watch?v=YUcwM7pCZkk

Компания Revolute собрала около $115 000 в рамках краудфандинговой кампании на StartEngine, чтобы подготовить HMR к производству и коммерческому внедрению.

https://robogeek.ru/letayuschie-roboty/revolute-robotics-predstavila-avtonomnogo-inspektsionnogo-robota

В UC San Diego разработали беспилотного робота способного перемещаться в гранулированной среде

Робот разработанный группой робототехников из University of California San Diego (UC San Diego) представили робота, который может передвигаться под песком благодаря двум передним конечностям, имитирующим ласты вылупившихся черепашат.

Этот робот способен передвигаться в песке на глубине 127 мм со скоростью 1,2 миллиметра в секунду. Согласно опубликованной в журнале Advanced Intelligent Systems статье "Toward Robotic Sensing and Swimming in Granular Environments using Underactuated Appendages", это "быстрее, чем любой другой зарегистрированный беспривязной робот на такой глубине". Робот оснащен датчиками силы на концах конечностей, которые позволяют ему обнаруживать препятствия во время движения. Он может работать без привязи и управляться через WiFi.

Роботы, способные передвигаться по песку, сталкиваются со значительными трудностями, например, с большим сопротивлением, чем роботы, передвигающиеся по воздуху или воде. Кроме того, они легче повреждаются. Однако потенциальная польза от решения проблемы передвижения по песку заключается в проверке зерновых бункеров, измерении уровня загрязнения почвы, раскопках морского дна, космических исследованиях, поиске и спасении людей.

Робот является результатом нескольких экспериментов, проведенных группой робототехников из UC San Diego с целью более глубокого изучения песка и способов передвижения по нему роботов. Песок представляет особую сложность из-за трения между песчинками, которое приводит к возникновению большего сопротивления и сложности обнаружения препятствий.

Команда решила, что наблюдение за животными станет ключом к созданию робота, который сможет перемещаться в песке. Они остановились на детенышах морской черепахи, которые имеют увеличенные передние плавники, позволяющие им вылезать на поверхность после вылупления. Ласты, похожие на черепашьи, могут генерировать большую движущую силу, позволяют роботу перемещаться и обнаруживать препятствия.

Исследовательская группа провела обширное моделирование и тестирование, и в итоге остановилась на конической форме корпуса и лопатообразной носовой части.

"Нам нужно было создать робота, который был бы одновременно сильным и обтекаемым, - говорит Шивам Чопра, ведущий автор статьи о роботе и аспирант в Jacobs School of Engineering в UC San Diego.

Бот обнаруживает препятствия, отслеживая изменения крутящего момента, возникающего при движении его ласт. В пресс-релизе университета сообщается, что подобный метод позволяет обнаруживать препятствия над корпусом робота, но не под ним или непосредственно перед ним.

Для того чтобы робот находился на ровной глубине в песке, исследователи разработали две террадинамические органы управления, которые они назвали "terrafoil", по бокам носовой части робота. Это позволило контролировать подъем, так как робот стремился задирать нос в сторону поверхности.

Исследователи протестировали робота в лабораторных условиях в аквариуме длиной 1,6 м, а также на пляже La Jolla Shores недалеко от кампуса университета. Было отмечено, что робот замедляет движение на влажном песке, который оказывает большее сопротивление. Дальнейшие шаги команды разработчиков - увеличить скорость робота и позволить ему не только выкапывать себя из песка, но и зарываться в него.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/v-uc-san-diego-razrabotali-bespilotnogo-robota-sposobnogo-peremeschatsya-v-granulirovannoi-srede

Обучение с подкреплением позволяет подводным роботам находить и отслеживать объекты под водой

Группа специалистов, возглавляемая Institut de Ciencies del Mar (ICM-CSIC) в Барселоне в сотрудничестве с Monterey Bay Aquarium Research Institute (MBARI) в Калифорнии, Universitat Politecnica de Catalunya (UPC) и Universitat de Girona, впервые доказала, что обучение с подкреплением позволяет автономным транспортным средствам и подводным роботам находить и отслеживать морские объекты и животных.

В настоящее время подводная робототехника становится одним из ключевых инструментов для углубления знаний об океане в условиях многочисленных трудностей его исследования: аппараты способны опускаться на глубину до 4000 метров. Кроме того, получаемые с их помощью данные in-situ помогают дополнить другие данные, например, полученные со спутников.

В частности, в новой работе показано, что обучение с подкреплением, широко используемое в области управления и робототехники, а также при разработке инструментов, связанных с обработкой естественного языка, таких как ChatGPT, позволяет подводным роботам научиться тому, какие действия необходимо выполнять в каждый момент времени для достижения определенной цели. Эти политики действий соответствуют, а в некоторых случаях даже улучшают традиционные методы, основанные на аналитической разработке.

"Такой тип обучения позволяет нам обучить нейронную сеть оптимизировать конкретную задачу, что было бы очень сложно сделать в противном случае. Например, нам удалось продемонстрировать, что можно оптимизировать траекторию движения аппарата для обнаружения и отслеживания объектов, движущихся под водой", - поясняет Иван Масмитья, ведущий автор исследования.

“Это позволит нам углубить изучение таких экологических явлений, как миграция или перемещение в малых и больших масштабах множества морских видов с помощью автономных роботов. Кроме того, эти достижения позволят осуществлять мониторинг других океанографических приборов в режиме реального времени с помощью сети роботов, где одни могут находиться на поверхности, отслеживая и передавая через спутник действия, выполняемые другими роботизированными платформами на морском дне", - отмечает исследователь ICM-CSIC Джоан Наварро, также принимавший участие в исследовании.

Для выполнения этой работы исследователи использовали дальномерные акустические методы, позволяющие оценить положение объекта по измерениям расстояния, сделанным в разных точках. Однако это обстоятельство делает точность определения местоположения объекта сильно зависящей от места проведения акустических измерений. Именно здесь становится важным применение ИИ, в частности, обучения с подкреплением, которое позволяет определить наилучшие точки и, соответственно, оптимальную траекторию движения робота.

Нейронные сети обучались, в частности, с помощью компьютерного кластера Barcelona Supercomputing Center (BSC-CNS), где расположен самый мощный суперкомпьютер в Испании и один из самых мощных в Европе. "Это позволило настраивать параметры различных алгоритмов гораздо быстрее, чем при использовании обычных компьютеров", - отмечает профессор Марио Мартин, сотрудник кафедры компьютерных наук UPC и один из авторов исследования.

После обучения алгоритмы были протестированы на различных автономных аппаратах, включая AUV Sparus II, разработанный компанией VICOROB, в серии экспериментальных миссий в порту Сан-Фелиу-де-Гиксолс, в заливе Байш-Эмпорда и в заливе Монтерей (Калифорния) в сотрудничестве с главным исследователем лаборатории биоинспирации в MBARI Какани Катией.

Статья была опубликована в журнале Science Robotics.

https://robogeek.ru/podvodnye-i-nadvodnye-roboty/obuchenie-s-podkrepleniem-pozvolyaet-podvodnym-robotam-nahodit-i-otslezhivat-obekty-pod-vodoi

Система телеоперации AnyTeleop может быть применена к различным роботам

Последние достижения в области робототехники и ИИ открыли новые возможности для телеоперации. Например, это может быть удаленное посещение различных мероприятий и музеев в интерактивном режиме или дистанционное техническое обслуживание промышленного оборудования и инфраструктуры.

Большинство существующих систем телеоперации разработаны для применения в конкретных условиях и с использованием конкретного робота. Это затрудняет их применение в различных реальных сценариях и ограничивает их потенциал.

Исследователи из NVIDIA и UC San Diego разработали AnyTeleop - систему телеоперации на основе компьютерного зрения, которая может быть использована в более широком спектре сценариев. Статья об этой системе, которая позволяет дистанционно управлять различными роботизированными руками и манипуляторами, была опубликована на сайте arXiv.

"Основной задачей NVIDIA является изучение того, как человек может научить роботов выполнять задачи, - говорит Дитер Фокс, старший директор по исследованиям в области робототехники в NVIDIA и руководитель исследовательской лаборатории NVIDIA Robotics Research Lab. - В предыдущих работах основное внимание уделялось тому, как человек будет телеоперировать, или направлять, робота, но такой подход имеет два препятствия. Во-первых, для обучения современной модели требуется множество демонстраций. Во-вторых, для создания таких моделей обычно используется дорогостоящая аппаратура или сенсорное оборудование, и они рассчитаны только на конкретного робота или среду".

Основной целью недавней работы Фокса и его коллег было создание недорогой, простой в развертывании системы телеоперации для различных задач, сред и робототехнических систем. Для обучения своей системы исследователи телеуправляли как виртуальными роботами в виртуальной среде, так и реальными роботами в физической среде. Это позволило снизить необходимость приобретения и сборки большого количества роботов.

"AnyTeleop - это система телеоперации на основе технического зрения, которая позволяет человеку использовать свои руки для управления ловкими роботизированными манипуляторами, - пояснил Фокс. - Система отслеживает положение рук человека с помощью одной или нескольких камер, а затем перенацеливает их для управления пальцами многопалой руки робота. Точка запястья используется для управления движением руки робота с помощью планировщика движений на базе CUDA".

В отличие от большинства других систем телеоперации, представленных в прошлых исследованиях, AnyTeleop может быть сопряжена с различными манипуляторами, руками роботов, конфигурациями камер и различными моделируемыми или реальными средами. Кроме того, она может применяться как в сценариях, когда пользователи находятся рядом, так и в удаленных местах.

Платформа AnyTeleop также может помочь в сборе демонстрационных данных (т.е. данных, отражающих движения и действия человека при выполнении определенных ручных задач). Эти данные, в свою очередь, могут быть использованы для более эффективного обучения роботов автономному выполнению различных задач.

"Главным достижением AnyTeleop является его обобщенная и легко развертываемая конструкция, - говорит Фокс. - Одно из потенциальных применений - развертывание виртуальных сред и виртуальных роботов в облаке, что позволит пользователям с компьютерами и камерами начального уровня (например, iPhone или ПК) телеуправлять ими. В конечном итоге это может произвести революцию в конвейерной обработке данных для исследователей и промышленных разработчиков, обучающих роботов новым навыкам".

NVIDIA планирует выпустить версию системы AnyTeleop с открытым исходным кодом, что позволит исследовательским группам по всему миру тестировать ее и применять в своих роботах.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/sistema-teleoperatsii-anyteleop-kotoraya-mozhet-byt-primenena-k-razlichnym-robotam

Инструмент на основе ИИ для прогнозирования госпитализации больных COVID на основе отбора проб сточных вод

Новое исследование показало, что с помощью системы ИИ, основанной на анализе проб сточных вод, содержащих COVID-19, можно точно предсказать число госпитализаций на срок до четырех недель вперед.

Исследование возглавили два инженера из University of Technology Sydney (UTS) - профессор Цилинь Ванг и доктор Сюань Ли. Работая вместе с коллегами из UNSW Sydney, Delft University of Technology и Morgan State University, ученые изучили данные о сточных водах 159 округов США, охватывающих около 100 млн. граждан. Затем они сопоставили эти данные с данными о госпитализации в США и разработали свою модель прогнозирования. Работа опубликована в журнале Nature Communications.

"Моя докторская диссертация была посвящена проектированию канализационных систем для снижения коррозии бетона, однако я закончил университет как раз в то время, когда начался COVID-19, и увидел возможность отслеживать и изучать эту пандемию, - сказала д-р Ли.- Существующие методы прогнозирования основаны на лабораторном тестировании COVID-19 или самотестировании и отчетности, однако это не позволяет выявить бессимптомные случаи, а многие страны отказываются от строгих требований к тестированию".

По мнению профессора Ванга, сточные воды представляют собой богатый источник данных, который пока не используется в полной мере. Он считает, что моделирование на основе ИИ может стать экономически эффективной системой раннего предупреждения, позволяющей работникам здравоохранения лучше подготовиться к пандемическим волнам и управлять ими, а также эффективно распределять ограниченные ресурсы здравоохранения.

"Мониторинг сточных вод уже проводится во многих странах, но он ограничивается тем, что показывает, присутствует ли COVID-19 в том или ином регионе, а также дает приблизительную оценку того, увеличивается или уменьшается его нагрузка, - сказал он. - Мы использовали ИИ для выявления закономерностей и изменений в данных и обучения на их основе для повышения точности прогнозов".

Профессор Ванг поясняет, что “среди переменных, которые могут влиять на госпитализацию: изменение поведения в связи с государственной политикой, уровень вакцинации, праздники и погода. Созданная модель может помочь точно предсказать потребности в госпитализации в регионе".

По словам д-ра Ли, результаты работы команды могут стать основой для создания системы раннего отслеживания COVID и ряда других заболеваний, а также для прогнозирования степени воздействия пандемий и вспышек на местное население.

Исследование было поддержано Australian Research Council и Australian Academy of Science.

https://robogeek.ru/iskusstvennyi-intellekt/instrument-na-osnove-ii-dlya-prognozirovaniya-gospitalizatsii-bolnyh-covid-na-osnove-otbora-prob-stochnyh-vod

Вдохновившись искусством киригами, ученые из NC State разработали новые роботизированные захваты

Используя новую конструкцию, вдохновленную японским искусством вырезания из бумаги, ученые разработали мягкие, но прочные роботизированные захваты, способные складывать одежду, захватывать сверхтонкие микроволокна, поднимать вес в 16 000 раз больше собственного, а также переворачивать страницы книги. Устройство имеет широкий спектр потенциальных применений - от протезирования до малоинвазивной хирургии и глубоководных исследований.

В последнее время появилось множество роботизированных захватов, в том числе захватов, работающих без электричества, вдохновленных цветами. Однако исследователи из North Carolina State University (NC State), возможно, разработали роботизированные захваты нового уровня.

"Разработать единый мягкий захват, способный работать с ультрамягкими, ультратонкими и тяжелыми объектами, довольно сложно из-за компромисса между прочностью, точностью и мягкостью, - говорит Цзе Инь, автор-корреспондент исследования. - В нашей конструкции достигнут отличный баланс между этими характеристиками".

Чтобы быть полезным в самых разных ситуациях, идеальный захват должен быть не только деликатным, но и способным на сильные и ловкие действия. Для достижения этой цели исследователи обратились к киригами - японскому искусству вырезания из бумаги.

В киригами, тесно связанном с оригами, двухмерная бумага складывается и вырезается, образуя трехмерные фигуры. Исследователи обнаружили, что использование конструкции, вдохновленной этим искусством, дает их захвату уникальные преимущества.

"Сила роботизированных захватов обычно измеряется отношением полезной нагрузки к весу, - говорит Инь. - Наши захваты весят 0,4 грамма и могут поднимать до 6,4 килограмма. Это соотношение полезной нагрузки и веса составляет около 16 000. Это в 2,5 раза больше предыдущего рекорда по соотношению полезной нагрузки и веса, который составлял 6 400. В сочетании с такими характеристиками, как мягкость и точность, прочность захватов позволяет говорить о широком спектре их применения".

По мнению исследователей, эти характеристики в большей степени связаны с конструкцией захватов, а не с тем, из чего они сделаны.

"С практической точки зрения это означает, что захваты можно изготавливать из биоразлагаемых материалов, например, из прочных листьев растений, - говорит Яое Хонг, ведущий автор исследования. - Это может быть особенно полезно в тех случаях, когда захват требуется использовать только в течение ограниченного периода времени, например, при работе с пищевыми продуктами или биомедицинскими материалами. Например, мы продемонстрировали, что захваты можно использовать для работы с острыми медицинскими отходами, такими как иглы".

Говоря о применении, следует отметить, что в ходе испытаний исследователи интегрировали свои захваты с протезом руки и продемонстрировали, что он может переворачивать страницы книги и собирать виноград с лозы.

"Этот захват позволяет выполнять задачи, которые сложно решить с помощью существующих протезов, например, застегивать определенные виды молний, поднимать монету и т.д., - говорит соавтор исследования Хе (Хелен) Хуанг. - Новый захват не может заменить все функции существующих протезов рук, но он может быть использован как дополнения. И одно из преимуществ захватов киригами заключается в том, что не нужно заменять или дополнять существующие двигатели, используемые в роботизированных протезах. При использовании захватов можно просто использовать существующий двигатель".

https://www.youtube.com/watch?v=xfI5V6SuO60

Исследователи считают, что их новые захваты могут быть использованы для гораздо большего. Результаты исследования опубликованы в журнале Nature Communications.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/vdohnovivshis-iskusstvom-kirigami-uchenye-iz-nc-state-razrabotali-novye-robotizirovannye-zahvaty

NASA планирует запустить на Луну несколько автономных роверов

В 2024 году NASA запустит на Луну трех миниатюрных роботов в рамках проекта Cooperative Autonomous Distributed Robotic Exploration (CADRE). Цель проекта - посмотреть, как такие “исследователи” могут работать в команде без прямого управления из командного центра на Земле.

В своем стремлении постоянного присутствия человека на Луне, агентство может столкнуться с рядом препятствий. Одно из них заключается в том, что на спутнике будет хронически не хватать рабочей силы для выполнения исследовательских и других задач.

Одним из способов преодоления этой проблемы является использование роботов, однако наблюдение за ними со стороны человека на Луне сводит на нет все усилия, а задержка в 2,56 секунды делает дистанционное управление с Земли практически невозможным для выполнения реальной работы. Проекты, подобные CADRE, направлены на разработку альтернативы - автономных роверов и других роботов, способных работать самостоятельно или в составе самоорганизующейся команды.

Основная задача CADRE - посадка коммерческого посадочного аппарата без экипажа в районе Рейнер Гамма в Океане Бурь. Отсюда на поверхность на тросах будут спущены три ровера. После отстыковки они выйдут на солнечный свет, развернут солнечные батареи и зарядят аккумуляторы.

После полной зарядки они начнут 14-дневную миссию, которая должна завершиться к моменту захода Солнца в начале 14-дневной лунной ночи. В роверах нет отопительной аппаратуры, и сильный холод приведет к необратимому повреждению батарей и электроники.

Настоящей проблемой станет дневная жара, которая может достигать 114 °C. Роверы построены из готовых коммерческих деталей и компонентов, изготовленных на заказ, в том числе используется процессор, установленный на беспилотном роботизированном вертолёте Ingenuity, осуществивший в апреле 2021 года первый в истории полёт на Марсе. По словам представителей NASA, это делает роботов надежными, но самое интересное заключается в том, что они запрограммированы на одновременное отключение каждые 30 минут, чтобы охладиться с помощью радиаторов и подзарядить батареи.

Под наблюдением спускаемого аппарата, который выполняет функцию ретрансляции управления в NASA, роверам будут даваться общие команды, например, "исследовать этот регион". После этого на основе алгоритма они выберут одного из лидеров и оценят ситуацию. Затем они будут действовать как единая команда, выполняя свои задачи наиболее эффективным образом.

По словам представителей NASA, команда ровера будет выполнять ряд задач. Первое задание - придерживаться курса при движении в строю, используя сверхширокополосные радиостанции, помогающие держать курс и избегать препятствий. Во время второго испытания марсоходы будут самостоятельно выбирать траекторию движения, чтобы исследовать территорию площадью около 400 кв. м и создать 3D-карту с помощью стереокамер и георадара. Кроме того, команда продемонстрирует, как она может адаптироваться, если один ровер выйдет из строя.

"Наша задача - продемонстрировать, что сеть мобильных роботов может сотрудничать для выполнения задачи без вмешательства человека - автономно, - сказал Субха Командур, руководитель проекта CADRE в Лаборатории реактивного движения NASA. - Это может изменить то, как мы будем проводить исследования в будущем. Вопрос для будущих миссий будет звучать так: "Сколько роверов мы пошлем и что они будут делать вместе?"

https://robogeek.ru/kosmicheskie-roboty/nasa-planiruet-zapustit-na-lunu-neskolko-avtonomnyh-roverov

В NUAA разрабатывают робота способного приземляться, перемещаться и взлетать с вертикальных поверхностей

Летающие насекомые обладают удивительными способностями, могут приземляться на стены из различных материалов и взбираться по ним. При этом они плавно переключаются между двумя режимами локомоции. Лишь немногие биомиметические роботы способны выполнять сложные локомоционные задачи, сочетающие в себе две способности - лазание и полет.

Это связано, прежде всего, с тем, что существующие системы полета на машущих крыльях, способные зависать, не могут создать достаточную подъемную силу для поддержки робота на вертикальной поверхности. В то время как роботы способные фиксироваться на различных типах поверхностей не являются всесторонними.

Кроме того, необходимо изучить метод управления переходом "полет-перемещение", чтобы разработать режим движения, эффективно имитирующий посадку и взлет насекомых со стены.

Недавно сотрудники Nanjing University of Aeronautics & Astronautics (NUAA) разработали новую стратегию управления переходом от одной ориентации к другой. Бионический робот, обладающий способностью летать и лазать, может совершать плавные движения, включая посадку на вертикальную стену, подъем вдоль стены и взлет с нее.

Руководитель исследования Айхонг Цзи указывает, что робот с возможностью многопрофильного движения может расширить возможности и решить ряд проблем, например "ограниченность применения и сложность взаимодействия с внешними физическими величинами".

Разработанный робот успешно продемонстрировал способность приземляться, подниматься и взлетать с вертикальных стен из различных материалов, включая стекло, дерево, мрамор, кору дерева, эластичную ткань, известковую стену и окрашенный железный лист. Такая последовательность действий часто встречается в природе, например, когда муха, пролетев некоторое расстояние, приземляется на стену, поднимается на удобное для нее место и затем перелетает на следующее место. Это имеет важное значение для понимания процесса взлета и посадки насекомых.

"Насекомые могут как летать в воздухе, так и карабкаться по стене, чему способствует их ловкое управление машущими крыльями и позой тела. Они используют крылья, ноги и визуальную информацию для координации взлета и посадки, - говорит Цзи. - Подъемная сила, создаваемая машущими крыльями, направлена вверх, когда насекомое парит, а положение тела можно произвольно менять. Особенно при посадке на стену или взлете со стены необходимо выполнить ряд сложных модульных действий, включая торможение тела и поворот тела на большой угол. Мы с воодушевлением поняли, что бионический робот-амфибия, обладающий способностью поворачиваться на большой угол, должен завершать переход от полета к лазанию, имитируя управление позой тела насекомого".

Но в отличие от расположения лап насекомого относительно его тела, у робота летающая часть расположена над корпусом, отметил Цзи. В статье говорится, что "таким образом, сила летающей части робота может не только обеспечить аэродинамическое поглощение отрицательного давления для лазающей части, но и противостоять опрокидывающему моменту, возникающему под действием силы тяжести".

Команда провела количественную оценку характеристик робота. Робот может выполнять непрерывные и полные переходы воздух-стена-воздух за 6,1 с. Это позволяет ему пересекать границу воздух-стена за 0,4 с (приземление), а границу стена-воздух - за 0,7 с (взлет). Скорость подъема по вертикальной стене составляет 6 см/с.

https://www.youtube.com/watch?v=5st-wNxukTg

Исследование было опубликовано в журнале Research.

https://robogeek.ru/letayuschie-roboty/v-nuaa-razrabatyvayut-robota-sposobnogo-prizemlyatsya-peremeschatsya-i-vzletat-s-vertikalnyh-poverhnostei

Агент ИИ позволяющий обучить робота манипуляционным способностям 3-летнего ребенка

Люди учатся друг у друга с раннего возраста. Младенцы внимательно наблюдают за своими родителями, братьями и сестрами или воспитателями. Они наблюдают, подражают и воспроизводят увиденное, чтобы научиться новым навыкам и поведению.

То, как дети учатся и изучают окружающее пространство, вдохновило исследователей из Carnegie Mellon University (CMU) и компании Meta AI (компания Meta признана в РФ экстремистской организацией и запрещена) на разработку нового способа обучения роботов одновременному освоению нескольких навыков и их использованию для решения повседневных задач. Исследователи поставили перед собой задачу создать ИИ-агент с манипуляционными способностями, эквивалентными трехлетнему ребенку.

"RoboAgent - важнейшая веха на пути к созданию роботов-агентов общего назначения, которые будут эффективно обучаться, эффективно действовать в новых ситуациях и способны расширять свое поведение с течением времени, - сказал Викаш Кумар, адъюнкт-преподаватель School of Computer Science’s Robotics Institute. - Современные роботы являются узкоспециализированными и обучаются выполнению отдельных задач в изоляции. Мы поставили перед собой задачу создать единого агента ИИ, способного проявлять широкий спектр навыков. RoboAgent учится, как человеческий ребенок, - используя сочетание большого количества пассивных наблюдений и ограниченного количества активных действий".

RoboAgent может выполнять 12 манипуляций в различных сценах. Это исследование указывает на возможность создания роботизированной обучающей платформы, адаптируемой к изменяющимся условиям окружающей среды. В отличие от предыдущих исследований, команда демонстрировала свою работу в реальных условиях, а не на симуляторах, и при этом использовала гораздо меньше данных, чем в предыдущих проектах.

Созданный командой агент обучается на основе сочетания собственного опыта и пассивных наблюдений. Подобно тому, как родитель направляет своего ребенка, исследователи телеуправляли роботом, выполняя задания, чтобы он получал полезный опыт. Роботы учатся в первую очередь на собственном опыте, а не на том, что пассивно происходит вокруг них. Присущая им слепота к происходящему в окружающей среде существенно ограничивает как разнообразие опыта, получаемого роботами, так и их способность адаптироваться к новым ситуациям. Чтобы преодолеть эти ограничения, RoboAgent обучается на основе видеороликов в интернете - подобно тому, как дети приобретают знания и модели поведения, пассивно наблюдая за окружающей средой.

"RoboAgent использует информацию, содержащуюся в этих видеороликах, для получения предварительных знаний о том, как люди взаимодействуют с объектами и используют различные навыки для успешного выполнения задач, - говорит Мохит Шарма, аспирант кафедры робототехники. - Кроме того, наблюдение за схожими навыками в различных сценариях позволяет ему узнать, что необходимо, а что нет для выполнения задачи. Эти уроки он использует при решении неизвестных задач или в незнакомой среде".

"Агент, способный к такому обучению, приближает нас к роботу общего назначения, который может выполнять разнообразные задачи в различных условиях и постоянно развиваться по мере накопления опыта, - говорит Шубхам Тулсиани, доцент Robotics Institute. - RoboAgent может быстро обучить робота, используя ограниченное количество внутренних данных, и при этом опираться на многочисленные бесплатные данные из Интернета для решения различных задач. Это может сделать роботов более полезными в неструктурированных условиях, например, в домах, больницах и других общественных местах".

https://www.youtube.com/watch?v=_nArEh7fUzk

Обучаемые модели, база исходного кода, драйверы оборудования и весь набор данных, собранный в рамках исследования, находятся в открытом доступе. Более подробную информацию можно найти на сайте проекта.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/agent-ii-pozvolyayuschii-obuchit-robota-manipulyatsionnym-sposobnostyam-3-letnego-rebenka

Новая модель снижает предвзятость и повышает доверие к процессу принятия решений с помощью ИИ

Исследователи University of Waterloo разработали новую модель объяснимого искусственного интеллекта (Explainable Artificial Intelligence, XAI), позволяющую уменьшить предвзятость и повысить доверие и точность в процессе принятия решений и организации знаний на основе машинного обучения.

Медицина - одна из областей, где необъективные результаты машинного обучения чреваты серьезными последствиями. Сотрудники больниц и медицинские работники опираются на наборы данных, содержащие тысячи медицинских записей, и сложные компьютерные алгоритмы для принятия важнейших решений по уходу за пациентами. Машинное обучение используется для сортировки данных, что позволяет экономить время. Однако отдельные группы пациентов с редкой симптоматикой могут остаться незамеченными, а неправильно помеченные данные и аномалии могут повлиять на результаты диагностики. Такая необъективность и запутанность шаблонов приводит к ошибочным диагнозам и несправедливым результатам в здравоохранении для отдельных групп пациентов.

Благодаря новому исследованию, проведенному под руководством д-ра Эндрю Вонга, профессора Университета Ватерлоо, инновационная модель призвана устранить эти барьеры путем распутывания сложных закономерностей в данных, чтобы связать их с конкретными глубинными причинами, на которые не влияют аномалии и неправильно помеченные данные. Это может повысить доверие и надежность XAI.

"Это исследование представляет собой значительный вклад в область XAI, - сказал Вонг. - Анализируя огромное количество данных о связывании белков, полученных с помощью рентгеновской кристаллографии, моя команда выявила статистику физико-химических закономерностей взаимодействия аминокислот, которые были замаскированы и перемешаны на уровне данных из-за запутанности множества факторов. Мы впервые показали, что запутанная статистика может быть распутана и дать правильное представление о глубоких знаниях, упущенных на уровне данных, с помощью научных доказательств".

Это открытие привело Вонга и его команду к разработке новой модели XAI, получившей название Pattern Discovery and Disentanglement (PDD).

"С помощью PDD мы стремимся преодолеть разрыв между технологиями ИИ и человеческим пониманием, чтобы обеспечить надежное принятие решений и раскрыть глубокие знания из сложных источников данных", - сказал доктор Пэйюань Чжоу, ведущий исследователь в команде Вонга.

Профессор Энни Ли, соавтор и сотрудник University of Toronto, специализирующийся на обработке естественного языка, предвидит огромную ценность вклада PDD в принятие клинических решений.

В различных тематических исследованиях PDD демонстрирует способность предсказывать результаты лечения пациентов на основе их истории болезни. Система PDD также может обнаруживать новые и редкие закономерности в наборах данных. Это позволяет как исследователям, так и практикам обнаруживать неверные метки или аномалии в машинном обучении.

Полученный результат показывает, что медицинские работники могут ставить более надежные диагнозы, подкрепленные строгой статистикой и объяснимыми закономерностями, для более точных рекомендаций по лечению различных заболеваний на разных стадиях.

Исследование "Theory and rationale of interpretable all-in-one pattern discovery and disentanglement system" опубликовано в журнале npj Digital Medicine.

https://robogeek.ru/iskusstvennyi-intellekt/novaya-model-snizhaet-predvzyatost-i-povyshaet-doverie-k-protsessu-prinyatiya-reshenii-s-pomoschyu-ii

Снижение уровня одиночества пожилых людей с помощью робота-компаньона

Управление штата Нью-Йорк по делам пожилых людей (New York State Office for the Aging, NYSOFA) и компания Intuition Robotics объявили о продолжении сотрудничества, начатого в мае 2022, и о новых данных, свидетельствующих о положительном эффекте роботизированного компаньона ElliQ для пожилых людей.

За последний год NYSOFA предоставила ElliQ более чем 800 жителям Нью-Йорка для борьбы с одиночеством, повышения активности, улучшения общего состояния здоровья и самочувствия.

Согласно данным, полученным в ходе пилотной программы NYSOFA, ElliQ удалось снизить уровень одиночества на 95% среди пожилых людей, использующих эту платформу. Пользователи часто общались с роботом, причем некоторые из них взаимодействовали с ElliQ более 30 раз в день, 6 дней в неделю. Более 75% этих взаимодействий были связаны с улучшением социального, физического и психического самочувствия пользователей.

"Мы возлагали большие надежды на эффективность ElliQ, но результаты, которые мы видим, действительно превосходят наши ожидания, - сказал Грег Олсен, директор NYSOFA. - Данные говорят сами за себя, а истории, которые мы слышим от менеджеров и клиентов по всему штату, просто невероятны. Мы видим, какое влияние оказывает эта технология на жизнь членов нашего сообщества, и нам не терпится увидеть, как эта программа будет развиваться дальше".

ElliQ способен инициировать разговор, предлагать занятия и запоминать то, что ему говорят пользователи. Робот призван поощрять пользователей и работать с ними над постановкой и достижением целей, а также проявлять эмпатию для укрепления доверия и повышения вовлеченности.

"Мне было очень приятно работать с местными отделениями по делам пожилых людей и партнерами, чтобы определить пожилых людей, которым наиболее полезен эмпатический ИИ, - сказал Дор Скулер, генеральный директор и соучредитель компании Intuition Robotics. - ElliQ может оказать влияние на человека только после того, как его пригласят в дом, и менеджеры по работе с клиентами и сотрудники на местах сыграли важную роль в информировании пожилых людей об ElliQ, поддержке установки и содействии знакомству нашей команды с клиентами напрямую. Мы рады продолжить работу с NYSOFA и другими агентствами по вопросам старения, чтобы увеличить число пожилых людей, которым мы можем помочь".

https://www.youtube.com/watch?v=7543psPttGw

С начала реализации программы компания Intuition добавила в ElliQ новые функции. Например, ElliQ теперь может сопровождать пользователей в музейных экспозициях и автомобильных поездках, а также проводить упражнения на внимательность под руководством сертифицированного инструктора. Кроме того, робот теперь может записывать воспоминания в цифровой мемуар и делиться ими с семьей и друзьями.

https://robogeek.ru/bytovye-roboty/snizhenie-urovnya-odinochestva-pozhilyh-lyudei-s-pomoschyu-robota-kompanona

Универсальный деформируемый модуль на основе оригами для роботизированных манипуляторов

Модульные роботы - робототехнические системы, способные адаптировать конфигурацию своего тела для изменения стиля передвижения или перемещения по различным участкам местности, - могут оказаться весьма полезными при выполнении задач в различных условиях. За последние десять лет инженеры разработали целый ряд модульных роботов, основанных на различных конструкциях и механизмах.

Недавно китайская исследовательская группа из Westlake University и Zhejiang University представила новую конструкцию модульного робота, вдохновленную оригами, в частности паттерном Креслинга. В основе конструкции, представленной в статье в журнале Nature Communications, лежат недавно созданные универсальные деформируемые модули, которые можно переставлять, создавая различные формы и конфигурации.

"Уже предпринимались попытки использовать паттерн Креслинга для создания многорежимных роботизированных манипуляторов, - говорит Ханьцин Цзян, один из исследователей, проводивших работу. - Однако существующие методы основаны исключительно на самом паттерне Креслинга, поэтому режимы деформации ограничены связанными режимами скручивания и сжатия. Основной задачей является модификация классической схемы Креслинга и генерация новых режимов деформации".

В контексте оригами узор Креслинга представляет собой чередование горных (выступающих) и долинных (утопленных) складок, расположенных под углом к противоположным направлениям скручивания. Этот узор может быть использован для создания сложных форм, напоминающих наблюдаемые в природе узоры, например, крылья бражника или спиральные геометрические фигуры на шишках.

В рамках своего исследования Цзян и его коллеги попытались использовать эту специфическую схему оригами для создания модульного деформируемого устройства, которое можно было бы адаптировать для создания различных форм. Созданный ими модуль приводится в движение с помощью пневматики - системы, в которой газ или воздух под давлением используются для создания различных движений.

"Модуль состоит из двухуровневой схемы Креслинга с противоположными направлениями скручивания на каждом уровне, - пояснил Цзян. - Более того, на каждом уровне есть два боковых пакета, расположенных на противоположных сторонах. Таким образом, в зависимости от того, какое давление создается в боковых пакетах, при вакуумировании основной камеры мы можем добиться различных режимов деформации".

Новый модуль, представленный исследователями, может изменять свою форму в зависимости от приложенного к нему давления, создавая всевозможные формы, отвечающие требованиям конкретных сценариев применения. В общей сложности с помощью одного модуля оригами можно получить семь различных режимов движения роботов, включая три базовых движения и четыре рекомбинации этих базовых движений.

"Наш двухуровневый модуль - это универсальный деформационный модуль, который может достигать всех возможных режимов деформации в зависимости от конкретных схем давления, - сказал Цзян. - Модуль похож на наши руки, которые могут выполнять все режимы деформации (сжатие/растяжение, скручивание, сгибание) в зависимости от того, как нервы управляют мышцами. Схемы давления в модуле подобны нашим нервам, а универсальный модуль берет на себя роль нашей руки. Эта роботизированная рука на основе оригами будет работать как жесткая роботизированная рука, имеющая шесть степеней свободы".

https://www.youtube.com/watch?v=rxs5OTE7avU

Исследователи оценили свой деформируемый модуль, созданный на основе оригами, в серии симуляций и реальных экспериментов. Полученные результаты оказались весьма многообещающими, что говорит о его перспективности для создания модульных роботов, способных адаптироваться к окружающей среде и двигаться различными способами.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/universalnyi-deformiruemyi-modul-na-osnove-origami-dlya-robotizirovannyh-manipulyatorov

Исследователи NC State University провели исследование влияния автономных машин на траффик

Новое исследование показало, что "подключенные" автомобили, обменивающиеся данными друг с другом по беспроводной связи, значительно улучшают время проезда перекрестков, но автоматизированные автомобили могут замедлять проезд, если они не подключены друг к другу.

"Есть две важные причины, по которым люди заинтересованы в автоматизированных транспортных средствах, - это повышение безопасности пассажиров и сокращение времени в пути, - говорит Али Хаджбабаи, первый автор статьи о работе и доцент North Carolina State University. - Существует множество исследований, показывающих, что автоматизированные транспортные средства могут повысить безопасность. Но наши исследования, основанные на вычислительном моделировании, показывают, что если мы хотим также улучшить время движения, то одного увеличения количества автоматизированных автомобилей недостаточно; нам нужны автомобили, способные взаимодействовать друг с другом и с системами управления дорожным движением, которые регулируют поток на перекрестках".

Для проведения исследования ученые использовали вычислительную модель, имитирующую дорожную обстановку. Исследователи учитывали четыре типа транспортных средств: автомобили, управляемые человеком (HV); подключенные автомобили (CV), которые управляются человеком, но обмениваются информацией с другими подключенными автомобилями и с системой управления светофорами; автоматизированные автомобили (AV) и подключенные автоматизированные автомобили (CAV).

"В силу своей запрограммированности предполагается, что AV будут двигаться более осторожно по сравнению с людьми, - говорит Хаджбабайе. - Их безопасность частично объясняется тем, что они запрограммированы на консервативное вождение. Автомобили CV и CAV предназначены для получения информации о состоянии светофоров и корректировки скорости движения, чтобы избежать остановки на перекрестках. В результате ожидается, что движение CV и CAV будет более плавным и с меньшим количеством остановок по сравнению с HV и AV".

Исследователи провели 57 симуляций, чтобы оценить влияние множества переменных на время проезда через перекресток. Например, исследователи рассмотрели, как повлияют на движение различные комбинации автомобилей HV, AV, CV и CAV. Одним из очевидных выводов стало то, что чем выше процентное соотношение автомобилей CV и CAV, тем выше пропускная способность перекрестка.

"Однако мы обнаружили, что более высокий процент автомобилей, которые не подключены к сети, фактически замедляет проезд перекрестков, - говорит Хаджбабаи. - Это объясняется тем, что такие автомобили запрограммированы на консервативное вождение с целью снижения риска столкновений. Полученные нами результаты подчеркивают важность внедрения возможностей подключения как в транспортные средства, так и в системы управления дорожным движением".

В пресс-релизе университета указывается, что исследование проводилось с помощью вычислительной модели, что является ограничивающим фактором, но собрать смешанный парк автомобилей из HV, AV, CV и CAV в единую систему управления дорожным движением сложно и дорого. К тому же испытания с участием людей могут вызвать сомнения в безопасности, что делает эти модельные исследования особенно важными.

Работа "Effects of Connectivity and Automation on Saturation Headway and Capacity at Signalized Intersections" опубликована в журнале Transportation Research Record.

https://robogeek.ru/avtonomnyi-transport/issledovateli-nc-state-university-proveli-issledovanie-vliyaniya-avtonomnyh-mashin-na-traffik

ИИ воссоздает трек Pink Floyd по записям активности головного мозга

Исследователи из UC Berkeley регистрировали электрическую активность участков мозга, когда пациенты слушали песню "Another Brick in the Wall, Part 1" группы Pink Floyd. Используя ИИ, они смогли восстановить песню по записям внутричерепной электроэнцефалографии мозга.

Роберт Найт из Калифорнийского университета в Беркли (UC Berkeley) и его коллеги изучали записи с электродов, которые были хирургически имплантированы на поверхность мозга 29 человек для лечения эпилепсии.

Запись мозговой активности участников велась во время прослушивания композиции "Another Brick in the Wall, Part 1" с альбома "The Wall" (1979). Сопоставив сигналы мозга с песней, исследователи выявили записи с подмножества электродов, которые были тесно связаны с тоном, мелодией, гармонией и ритмом песни.

Затем они обучили ИИ изучать связи между активностью мозга и этими музыкальными компонентами, исключив из обучающих данных 15-секундный фрагмент песни. Обученный ИИ на основе сигналов мозга участников создал предсказание неизвестного фрагмента песни. Спектрограмма трека, сгенерированного ИИ, на 43% совпала с оригиналом.

Исследователи определили область мозга, называемую верхней височной извилиной, которая обрабатывала ритм гитары в песне. Они также обнаружили, что сигналы из правого полушария мозга были более важны для обработки музыки, чем сигналы из левого полушария, что подтверждает результаты предыдущих исследований.

"Для людей с боковым амиотрофическим склерозом или афазией, которым трудно говорить, мы хотели бы иметь устройство, которое действительно звучало бы так, как будто вы общаетесь с кем-то по-человечески, - говорит Найт. - Понимание того, как мозг представляет музыкальные элементы речи, включая тон и эмоции, может сделать такие устройства менее роботизированными".

Инвазивный характер имплантации мозга делает маловероятным использование этой процедуры для неклинических целей, говорит Найт. Однако другие исследователи недавно использовали ИИ для создания песенных клипов на основе сигналов мозга, записанных с помощью МРТ.

Если ИИ сможет использовать сигналы мозга для воссоздания музыки, которую люди представляют себе, а не просто слушают, то такой подход можно будет использовать даже для сочинения музыки, говорит Людовик Белье из Калифорнийского университета в Беркли, член исследовательской группы.

По мере развития технологии воссоздание песен с помощью мозговой активности на основе ИИ может вызвать вопросы о нарушении авторских прав, в зависимости от того, насколько воссоздание похоже на оригинальную музыку, говорит Дженнифер Мейзел из юридической фирмы Rothwell Figg в Вашингтоне.

"Вопрос авторства действительно интересен, - говорит она. - Может ли человек, записывающий мозговую активность, быть автором? Может ли сама программа искусственного интеллекта быть автором? Самое интересное, что автором может быть не тот человек, который слушает песню".

https://www.youtube.com/watch?v=WKEkJAKlRM0&list=PLi80c3aYgKxCVdkxp8HmY1ZEl_bKVoSAj

Работа "Music can be reconstructed from human auditory cortex activity using nonlinear decoding models" была опубликована в PLOS Biology.

https://robogeek.ru/iskusstvennyi-intellekt/ii-vossozdaet-trek-pink-floyd-po-zapisyam-aktivnosti-golovnogo-mozga

Мягкие роботизированные блоки могут трансформироваться для выполнения разнообразных задач

Исследователи из Dartmouth College разрабатывают мягкие роботизированные блоки, которые могут работать в унисон, создавая конструкции, способные катиться, ходить, захватывать предметы и транспортировать грузы.

В зависимости от поставленной задачи блоки могут принимать форму, наиболее подходящую для ее выполнения. В пресс-релизе колледжа указывается, что такие роботы могут быть полезны при оперативном реагировании на ЧС, крупные версии которых смогут собираться в защитные палатки для спасателей.

"Существуют муравьи, которые совместно формируют мосты через щели или собираются в плоты в трудную минуту. Мы поставили перед собой задачу разработать роботизированные блоки, которые, подобно муравьям, могли бы объединяться различными способами для выполнения разных функций", - говорит Люян Чжао (Luyang Zhao), кандидат наук по информатике в Guarini School of Graduate and Advanced Studie, которая заинтересовалась робототехникой еще в студенческие годы.

StarBlocks, настольный прототип, созданный Чжао и ее коллегами из Dartmouth Reality and Robotics Lab, Rutgers University и Yale University, демонстрирует эту идею и ее потенциал в качестве динамического инструментария.

Каждый блок, или модуль, имеет звездообразный каркас. Изготовленный методом 3D-печати из материала, сочетающего в себе свойства пластика и резины, остов модуля легкий и в то же время растяжимый.

Механические мышцы (пружины из сплавов, деформирующихся при электрическом нагреве) формируют скелет, позволяя блоку имитировать движение, изгибаться и менять размер. Модули крепятся друг к другу с помощью магнитов.

В статье "StarBlocks: Soft Actuated Self-Connecting Blocks for Building Deformable Lattice Structures", опубликованной в журнале IEEE Robotics and Automation Letters, исследователи демонстрируют различные конструкции, которые могут создавать модули: несущую архитектуру в виде куполообразной палатки; катящееся колесо; четвероногое животное, вдохновленное собакой; роботизированную руку, которая может захватывать и перемещать небольшие объекты; линейную цепь, которая использует волнообразное движение для перемещения шарика по длине.

Исследователи также продемонстрировали самосборку блоков на поверхности. Получив информацию о положении, отслеживаемую камерой, система может активировать отдельные блоки, заставляя их двигаться навстречу друг другу и соединяться.

"Это первая в своем роде модульная система, которую можно реконфигурировать, а после реконфигурации использовать ее гибкость для решения поставленных задач, - говорит соавтор работы Девин Балком, профессор информатики. - Эти задачи включают в себя как передвижение, так и манипулирование, что также очень необычно".

По словам Балкома, роботы сочетают в себе преимущества различных типов систем. Модульность делает системы универсальными и легко ремонтируемыми, а модули сочетают в себе гибкость мягких роботов и конструктивные возможности жестких блоков.

https://www.youtube.com/watch?v=xno0FBs3ZdQ

Исследователи уже работают над усовершенствованием роботов, не связанных проводами, что позволит им более свободно двигаться и формировать фигуры. Чжао надеется, что в скором времени эти роботы смогут покинуть лабораторию и выйдут на улицу.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/myagkie-robotizirovannye-bloki-mogut-transformirovatsya-dlya-vypolneniya-raznoobraznyh-zadach

Робот для уборки офисных туалетных комнат

Нью-йоркская компания Somatic разработала робота для повышения эффективности работы клининговых бригад. На текущий момент компания предлагает робота по модели RaaS (робот как услуга) для обслуживания офисных зданий.

Somatic предлагает услугу стоимостью $1000 в месяц без предварительной оплаты, в рамках которой автономный робот постоянно находится в здании офиса и убирает туалетные комнаты в течение 40 часов в неделю. Это примерно $5,68 в час, что вполне соответствует минимальной заработной плате в США, составляющей $7,25 в час.

Робот может в автономном режиме открывать и закрывать двери, пользоваться лифтом, использовать дезинфицирующее средства и воду, открывать крышки унитазов и после проведения работ вытирать все насухо, после чего он отправится дальше.

По словам представителя Somatic все эти автономные возможности требуют приложения некоторых усилий. Перед прибытием робота на место компания посылает своего сотрудника с комплектом датчиков размером с обувную коробку, которому необходимо обойти здание, заходя и выходя из всех лифтов и туалетных комнат, чтобы составить карту здания с видео и трехмерными данными о глубине.

Затем оператор Somatic в VR-гарнитуре управляет роботом и проводит уборку туалетов. Т.о. оператор проводит обучение робота, при этом не обязательно убирать все туалеты в офисном здании, поскольку они, как правило, довольно однообразны. А затем, когда роботу будет предоставлено место для подзарядки, доступ к воде и электричеству, он будет готов приступить к автономной работе.

Сообщается, что робот не предназначен для того, чтобы полностью заменить уборщиков, а только для выполнения рутинной санитарной работы. Если он обнаружит что-то "неожиданное" он отправит фотографии по электронной почте вашему уборщику и перейдет к следующему участку.

https://www.youtube.com/watch?v=xY5zqKRy8A8

Сервис уже запущен в коммерческую эксплуатацию и, судя по всему, доступен уже сейчас, но компания не сообщает, сколько роботов она создала и сколько их уже работает.

https://robogeek.ru/servisnye-roboty/robot-dlya-uborki-ofisnyh-tualetnyh-komnat

Исследователи NUS разработали новый датчик давления для хирургических роботов

Исследователи из National University of Singapore (NUS) разработали новый датчик давления, получивший название eAir. Эта технология может быть применена в малоинвазивных операциях и имплантируемых датчиках благодаря непосредственному решению проблем, связанных с существующими датчиками давления.

Датчик eAir обещает повысить точность и надежность в медицинских приложениях. В перспективе он может изменить лапароскопические операции, обеспечив тактильную обратную связь с хирургом, что позволит более точно манипулировать хирургическим роботом. Результаты исследования, проведенного под руководством доцента Бенджамина Ти из NUS, были опубликованы в журнале Nature Materials.

Обычные датчики давления часто не отличаются точностью. Они с трудом обеспечивают стабильность показаний, часто дают разные результаты при многократном воздействии одного и того же давления и могут не замечать тонких изменений давления, что может привести к значительным ошибкам. Кроме того, они обычно изготавливаются из жестких и негибких материалов.

Для решения этих проблем команда NUS вдохновилась явлением, известным как "эффект листа лотоса" - уникальным природным феноменом, когда капли воды без усилий скатываются с поверхности листа, что возможно благодаря его мельчайшим водоотталкивающим структурам. Имитируя этот эффект, специалисты разработали датчик давления с улучшенной чувствительностью.

Бенджамин Ти поясняет, что eAir может обнаруживать мельчайшие изменения давления, что отражает чувствительность листа лотоса к чрезвычайно легкому прикосновению капли воды. В датчике используется инновационная конструкция "воздушной пружины", в которой находится слой воздуха, образующий при контакте с жидкостью в датчике границу раздела воздух-жидкость.

При увеличении внешнего давления этот слой воздуха сжимается. Обработка поверхности приводит к перемещению границы раздела внутри датчика без трения, что вызывает изменение электрических сигналов, точно отражающих величину оказываемого давления. Таким образом, природные водоотталкивающие свойства листа лотоса были переосмыслены в простой и элегантный прибор для измерения давления.

Устройства eAir можно сделать относительно небольшими - всего несколько миллиметров, что сопоставимо с размерами существующих датчиков давления.

Реальные возможности применения этой новой технологии весьма обширны. Например, при лапароскопических операциях, где необходима точная тактильная обратная связь, использование датчиков eAir может привести к повышению безопасности хирургических вмешательств, что в конечном итоге улучшит восстановление и прогноз состояния пациента.

"Когда хирурги выполняют малоинвазивные операции, например лапароскопические или роботизированные, мы можем управлять захватами, но не можем почувствовать, за что хватаются концевые эффекторы. Поэтому хирургам приходится полагаться на зрение и многолетний опыт, чтобы принять решение о критической информации, которую в противном случае могло бы предоставить наше осязание", - пояснил д-р Кан Хунг Ленг, консультант отделения общей хирургии больницы Национального университета.

Кроме того, eAir дает возможность улучшить процесс мониторинга внутричерепного давления. Предлагая минимально инвазивное решение, технология может изменить опыт пациентов в лечении заболеваний, связанных с головным мозгом, начиная от сильных головных болей и заканчивая потенциальными повреждениями мозга.

Команда NUS закладывает основу для сотрудничества с ключевыми игроками в области медицины. Одновременно они подали патент на технологию датчика eAir в Сингапуре и намерены использовать ее в реальных приложениях.

https://robogeek.ru/roboty-v-meditsine/issledovateli-nus-razrabotali-novyi-datchik-davleniya-dlya-hirurgicheskih-robotov