В EPFL разработали робота-собаку которая может бегать без моторов

В своем магистерском проекте в Ecole Polytechnique Federale de Lausanne (EPFL) Микаэль Ачкар собрал данные о движениях собак, чтобы разработать роботизированную версию этого животного, которая, будучи приведена в движение, может перемещаться без посторонней помощи и моторов.

Инженеры Лаборатории вычислительного проектирования и изготовления роботов (CREATE) EPFL, возглавляемой профессором Джози Хьюзом, разрабатывают новые способы создания роботов. Например, Хьюз и два других исследователя использовали ChatGPT для разработки роботизированного захвата для сбора урожая томатов. А Микаэль Ачкар использовал данные захвата движений живых собак для создания робота. Точнее, Ачкар изучил биологические механизмы собак, чтобы создать более "умную" конструкцию робота и построить прототип, который может работать сам по себе, без активации своих двигателей.

"Я хотел создать робота с характеристиками животного, учитывая, что животные, как и люди, двигаются огромным количеством разнообразных способов, - говорит Ачкар. - Но большинство этих движений выполняются всего несколькими суставами". Поэтому при создании робота он черпал вдохновение в процессах управления двигательной активностью животных.

"Мы нашли огромный набор данных о движении собак, причем они были доступны даже в открытых источниках" - говорит он. Первым шагом было извлечение данных о синергетических движениях собак, а затем структурирование этих данных, чтобы их можно было "обобщить" с помощью метода главных компонент. По сути, это означает группировку данных в несколько векторов, описывающих основные оси движения собаки, и использование этой информации для создания точных спецификаций робота.

Разработанная роботизированная собака обладает двусторонней симметрией. Каждая из четырех ног робота имеет три сустава, и каждый сустав согласован с остальными. Именно эта особенность позволяет роботу Ачкара бегать так же, как настоящая собака, и со всей ловкостью. Для создания прототипа Ачкар использовал "металлические стержни в качестве костей, напечатанные на 3D-принтере шкивы в качестве суставов, тонкие кабели в качестве сухожилий и несколько винтов, чтобы скрепить все это вместе".

Для испытания прототипа инженеры купили беговую дорожку. Они обнаружили, что, как только робот начал движение, он может двигаться автономно, без необходимости активировать управляющие двигатели.

"Сначала мы подумали, что это случайность, - говорит Ачкар. - Поэтому мы немного изменили конструкцию и снова протестировали робота - и он больше не смог бежать". Исследовательская группа добавила противовес, похожий на маятник, чтобы робот мог продолжать движение после запуска.

Управляющие двигатели робота, тем не менее, позволяют ему выполнять более широкий диапазон движений. Например, он может прыгать и преодолевать препятствия без помощи противовеса.

"Мы хотели бы продвинуть нашу конструкцию дальше с помощью двигателей, но пока прототип не очень надежен", - говорит Ачкар. Это не помешало ему испытать механическую собаку на прочность, например, поместить палку между ее ног, чтобы посмотреть, как она отреагирует. Робот автоматически возобновил движение. На беговой дорожке он развивает скорость до 6 км/ч.

https://www.youtube.com/watch?v=ztOOyl27BB0

"Наша цель - не соревноваться со сверхвысокотехнологичными роботами-собаками, а изучать конструкции роботов, вдохновленных биологическими факторами, - говорит Ачкар. - Это подразумевает оттачивание фундаментальной конструкции робота и модификацию его пассивных свойств таким образом, чтобы требовались только простые системы управления - и все это при максимальном расширении возможностей робота. То, что мы сделали здесь, - создание суставов для совместной работы - уже доказало свою полезность при создании роботизированных рук и других частей тела".

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/v-epfl-razrabotali-robota-sobaku-kotoraya-mozhet-begat-bez-motorov

Apptronik представила гуманоидного робота Apollo

Вчера компания Apptronik представила робота Apollo и утверждает, что это "самый способный в мире гуманоидный робот". Американская компания заявила, что робот предназначен для дружеского взаимодействия, массового производства и безопасности.

"Поскольку проблемы с трудовыми ресурсами и тенденции в сфере занятости продолжают оказывать влияние на нашу экономику, нам необходимо в корне изменить отношение к работе, особенно на складах и в цепочке поставок", - заявил Джефф Карденас, соучредитель и генеральный директор компании Apptronik, в своем релизе.

В 2016 году компания Apptronik вышла из состава Human Centered Robotics Lab в University of Texas. Цель компании - "представить следующее поколение роботов, которые изменят образ жизни и работы людей, решая при этом самые сложные мировые задачи".

В Apptronik отмечают, что Apollo создан на основе исследований 10 предыдущих роботов, включая работу над роботом Valkyrie для NASA.

При росте 172 см м Apollo весит 72,5 кг и может поднимать груз весом 25 кг. Компания заявляет, что робот имеет архитектуру, аналогичную коллаборативным роботам и может обеспечить безопасную работу рядом с людьми. Apollo также включает в себя поведение, основанное на восприятии, чтобы замедлиться или остановиться, если кто-то приближается. В Apptronik также отметили, что производительность Apollo по стоимости и энергоэффективность являются результатом десятилетней итерации, включающей 35 различных моделей электрических исполнительных систем.

"Наши уникальные приводы используют на треть меньше компонентов, чем традиционные приводы, и развивают на 50% большую скорость, - сказал Карденас. - Приводные механизмы стали более доступными, а используемые нами датчики - более дешевыми".

В роботе используются сменные батареи, каждая из которых рассчитана на четыре часа работы, что позволяет ему работать в течение всей смены, не требуя простоя для подзарядки. Компания заявила, что для обеспечения масштабного производства ей удалось оптимизировать устойчивость цепочки поставок за счет отказа от компонентов, поставляемых из одних рук, и размещения производственных мощностей в коридоре Техас - Мексика.

"Мексика обладает достаточным количеством талантов, а стоимость рабочей силы на треть ниже, чем в Китае, - сказал Карденас. - Дорога из Монтерея в Техас занимает 2,5 часа, в то время как из Китая в США по морю можно добраться за 18 дней".

Несмотря на то, что Apollo предназначен для решения широкого круга задач, компания Apptronik не ставит перед собой задачу обеспечить точность до 0,2 мм и не ждет, пока его масштабирование дойдет до миллионов единиц, прежде чем он станет доступным по цене. "Вначале мы ориентируемся на наиболее жизнеспособные приложения в ближайшей перспективе - грубые манипуляции для работы, - пояснил он. - К 2025 году в США будет не хватать 675 тыс. рабочих мест в сфере логистики, и многие из них - это просто сбор и перемещение грузов".

По словам представителей Apptronik, в перспективе Apollo будет использоваться в строительстве, нефтегазовой отрасли, производстве электроники, розничной торговле, доставке товаров на дом, уходе за пожилыми людьми и многих других отраслях. Компания продолжает оказывать поддержку NASA в снижении воздействия на человека в опасных условиях и готовится к расширению присутствия человечества в космосе с помощью телеуправляемых и автономных систем.

https://www.youtube.com/watch?v=N5VzOSKcZmM

Apptronik строит клиентский центр для демонстрации реальных примеров использования и работает над бета-версией Apollo, которая будет запущена в эксплуатацию в следующем году. Робот является платформой для дальнейшего развития. По заявлению компании их робот своего рода iPhone в мире роботов, позволяющий партнерам расширить возможности решений, разработанных Apptronik.

https://robogeek.ru/chelovekopodobnye-roboty/apptronik-predstavila-gumanoidnogo-robota-apollo

Британские исследователи представили робота демонстрирующего тактильную чувствительность, близкую к человеческому уровню

Новая система Bi-Touch, разработанная учеными University of Bristol на базе Bristol Robotics Laboratory, позволяет роботам выполнять ручные задачи, получая информацию о том, что нужно делать, от цифрового помощника.

Результаты исследования, опубликованные в журнале IEEE Robotics and Automation Letters, показывают, как агент ИИ интерпретирует окружающую среду с помощью тактильной и проприоцептивной обратной связи, а затем управляет поведением роботов, обеспечивая точное восприятие, мягкое взаимодействие и эффективное манипулирование объектами для выполнения роботизированных задач.

Эта разработка может полезна, например, для сбора фруктов, бытового обслуживания, а в перспективе - воссоздать осязание в искусственных конечностях.

"С помощью нашей системы Bi-Touch мы можем легко обучить агентов ИИ в виртуальном мире за пару часов выполнять бимануальные задачи, ориентированные на осязание. И что еще более важно, мы можем напрямую применять этих агентов из виртуального мира в реальном без дополнительного обучения - поясняет ведущий автор работы Ицзюнь Линь. - Тактильный бимануальный агент может решать задачи даже при неожиданных возмущениях и мягко манипулировать хрупкими объектами".

Бимануальное манипулирование с тактильной обратной связью станет ключом к развитию манипуляционных возможностей роботов человеческого уровня. Однако эта тема менее изучена, чем однорукие роботы, отчасти из-за доступности подходящего оборудования и сложности разработки эффективных контроллеров для задач с относительно большим пространством состояний и действий. Группа исследователей смогла разработать тактильную двурукую роботизированную систему, используя последние достижения в области ИИ и тактильных датчиков.

Исследователи создали виртуальный мир (симуляцию) с двумя роботами, оснащенными тактильными датчиками. Затем они разработали функции вознаграждения и механизм обновления целей, которые могли бы стимулировать агентов к обучению выполнению бимануальных задач, и создали реальную тактильную двурукую роботизированную систему, к которой можно было бы непосредственно применить этот агент.

Робот обучается бимануальным навыкам с помощью Deep Reinforcement Learning (Deep-RL) - одной из самых передовых технологий в области обучения роботов. Она предназначена для обучения роботов действиям путем проб и ошибок, подобно дрессировке собаки с помощью поощрений и наказаний.

Робот учится принимать решения, пробуя различные варианты поведения для выполнения поставленных задач, например, поднимать предметы, не роняя и не разбивая их. В случае успеха он получает вознаграждение, а в случае неудачи учится тому, чего делать не следует. Со временем он находит оптимальные способы захвата предметов, используя эти поощрения и наказания. ИИ-агент полагается только на проприоцептивную обратную связь - способность тела ощущать движение, действие и местоположение, а также на тактильную обратную связь. Им удалось успешно заставить двурукого робота безопасно поднимать такие хрупкие предметы, как картофельные чипсы Pringle.

"Наша система Bi-Touch демонстрирует перспективный подход с доступным программным и аппаратным обеспечением для обучения бимануальному поведению с помощью осязания в симуляции, который может быть непосредственно применен в реальном мире, - говорит соавтор работы профессор Натан Лепора. - Разработанная нами тактильная симуляция двурукого робота позволяет проводить дальнейшие исследования более разнообразных задач, поскольку код будет открытым, что идеально подходит для разработки других последующих задач".

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/britanskie-issledovateli-predstavili-robota-demonstriruyuschego-taktilnuyu-chuvstvitelnost-blizkuyu-k-chelovecheskomu-urovnyu

ИИ помогает роботам манипулировать объектами, используя не только захваты

Когда человеку необходимо поднять по лестнице большую и тяжелую коробку, он может поднять эту коробку обеими руками, затем упереть ее в предплечья и прижать к груди, используя все свое тело для манипулирования.

Для робота каждое место, где коробка может соприкоснуться с ним представляет собой событие контакта. При миллиардах вариаций быстрое планирование манипулирования становится неразрешимой задачей.

Исследователи из MIT нашли способ упростить этот процесс, известный как планирование манипуляций с большим количеством контактов. Они используют метод ИИ, называемый сглаживанием, который сводит множество контактных событий к меньшему числу решений, что позволяет даже простому алгоритму быстро определить эффективный план манипулирования для робота.

Многие решения, которые может принять робот, определяя, как манипулировать объектом, не являются важными с точки зрения общей схемы вещей. Например, каждая бесконечно малая поправка пальца, независимо от того, приведет ли она к контакту с объектом, не имеет большого значения. Сглаживание усредняет многие из этих неважных, промежуточных решений, оставляя несколько важных.

Обучение с подкреплением выполняет сглаживание неявно, пробуя множество точек контакта и затем вычисляя средневзвешенное значение результатов. Опираясь на этот опыт, исследователи Массачусетского технологического института разработали простую модель, которая выполняет аналогичное сглаживание, позволяя сосредоточиться на основных взаимодействиях робота с объектом и прогнозировать долгосрочное поведение. Они показали, что такой подход может быть столь же эффективным, как и обучение с подкреплением, при генерации сложных планов.

Даже если сглаживание значительно упрощает решения, поиск оставшихся решений все равно может оказаться сложной задачей. Поэтому исследователи объединили свою модель с алгоритмом, который может быстро и эффективно перебирать все возможные решения, которые может принять робот. При таком сочетании время вычислений на стандартном ноутбуке сократилось примерно до минуты.

Сначала они протестировали свой подход на симуляторах, где роботизированным рукам ставились задачи: переместить ручку, открыть дверь или поднять тарелку. В каждом случае подход, основанный на модели, достигал той же производительности, что и обучение с подкреплением, но за меньшее время. Аналогичные результаты были получены и при тестировании модели на реальных роботах-руках.

Пока этот метод находится на ранней стадии разработки, но в перспективе он может позволить заводам использовать небольших мобильных роботов, которые могут манипулировать объектами всей рукой или телом, а не большими роботизированными захватами. Это может способствовать снижению энергопотребления и уменьшению затрат. Кроме того, данная технология может быть полезна для роботов, отправляемых на другие планеты, поскольку они могут быстро адаптироваться к окружающей среде, используя только бортовой компьютер.

"Если мы сможем использовать структуру таких роботизированных систем с помощью моделей, то это позволит ускорить всю процедуру принятия решений и разработки планов, обеспечивающих контакт, - говорит Терри Сух, аспирант кафедры электротехники и информатики (EECS) и один из ведущих авторов статьи, посвященной этой методике.

В пресс-релизе MIT уточняется, что разработанная модель опирается на более простую аппроксимацию реального мира, поэтому она не может обрабатывать динамичные движения, например, падение объектов. Хотя этот подход эффективен для медленных манипуляционных задач, он не может создать план, который позволил бы роботу, например, выбросить консервную банку в мусорный бак. В будущем исследователи планируют усовершенствовать свою методику, чтобы она могла решать такие высокодинамичные задачи.

https://www.youtube.com/watch?v=D8VIzBRy_m4

Результаты исследования опубликованы в журнале IEEE Transactions on Robotics.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/ii-pomogaet-robotam-manipulirovat-obektami-ispolzuya-ne-tolko-zahvaty

В CMU разрабатывают роботизированную систему которая может помочь человеку одеваться

По данным National Center for Health Statistics, 92% пациентов домов престарелых и тем кому нужна помощь на дому нуждаются в помощи при одевании. Исследователи из Carnegie Mellon University (CMU) работают над созданием робота, который сможет это делать.

"Примечательно, что существующие разработки в основном предполагают одевание с ограниченным диапазоном поз рук и с использованием одной фиксированной одежды, например, больничного халата, - говорит аспирант CMU Юфей Ванг, работающий над роботизированной системой одевания. - Разработка общей системы, позволяющей работать с разнообразной повседневной одеждой и различными двигательными функциями, является нашей основной задачей. Мы также хотим распространить эту систему на людей с различными ограничениями движения рук".

Роботизированная система одевания использует возможности ИИ для адаптации к различным формам человеческого тела, положениям рук и выбору одежды. В своей работе группа исследователей использовала метод обучения с подкреплением для создания общей системы одевания. Робот получал положительное вознаграждение каждый раз, когда правильно размещал одежду дальше по руке человека. Благодаря этому методу они увеличили процент успешного выполнения системой выученной стратегии одевания.

Для обучения робота манипуляциям с одеждой и одеванию людей исследователи использовали симуляцию. При переносе стратегии, выработанной в симуляции, в реальный мир команде пришлось тщательно учитывать свойства материала из которого изготовлена одежды.

"На этапе моделирования мы использовали намеренно рандомизированные разнообразные свойства одежды, чтобы направить выработанную роботом стратегию одевания на широкий спектр свойств материала, - говорит Чжаньи Сунь, студент магистратуры CMU, который также работал над проектом. - Мы надеемся, что случайное изменение свойств одежды при моделировании будет отражать свойства одежды в реальном мире, поэтому стратегия одевания, выработанная в условиях моделирования, может быть легко перенесена в реальный мир".

Команда оценила роботизированную систему одевания в исследовании на людях, в котором было проведено 510 одеваний 17 участников с различными формами тела, положением рук и пятью видами одежды. Для большинства участников система смогла полностью натянуть рукав каждого предмета одежды на руку. При усреднении по всем тестовым случаям система была успешна в 86% случаев.

При разработке системы исследователям пришлось учитывать несколько проблем, т.к. одежда деформируема. Это затрудняет ее восприятие роботом и прогнозирование того, куда и как она будет двигаться.

"Одежда отличается от жестких объектов, которые позволяют оценить состояние, поэтому нам приходится использовать высокоразмерное представление для деформируемых объектов, чтобы робот мог воспринимать текущее состояние одежды и то, как она взаимодействует с рукой человека, - сказал Ванг. - Используемое нами представление называется сегментированным облаком точек. Оно представляет видимые части одежды в виде набора точек".

При этом решающее значение имело безопасное взаимодействие человека и робота. Важно, чтобы робот не прилагал чрезмерных усилий к руке человека и не совершал никаких других действий, которые могут вызвать дискомфорт или поставить под угрозу безопасность человека. Чтобы снизить эти риски, команда поощряла робота за аккуратное поведение.

Дальнейшие исследования будут вестись в нескольких направлениях. Например, команда хочет расширить возможности существующей системы, позволив ей надевать куртку на обе руки человека или натягивать футболку через голову. Обе задачи требуют более сложной конструкции и исполнения.

https://www.youtube.com/watch?v=5j3a0dR22oU

Работа "One Policy To Dress Them All: Learning To Dress People With Diverse Poses and Garments" была представлена на конференции Robotics: Science and Systems conference.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/v-cmu-razrabatyvayut-robotizirovannuyu-sistemu-kotoraya-mozhet-pomoch-cheloveku-odevatsya

Беспилотник с ИИ обогнал чемпионов дрон-рейсинга

Разработанная учеными из University of Zurich (UZH) ИИ система Swift обошла чемпионов мира по гонкам на беспилотниках - результат, который еще несколько лет назад казался недостижимым. Беспилотник, управляемый ИИ, был обучен в симулированной среде. В реальном мире Swift может применяться для мониторинга окружающей среды или ликвидации последствий стихийных бедствий.

В 1996 году компьютер Deep Blue компании IBM выиграл у Гари Каспарова в шахматы, а в 2016 году компьютер AlphaGo компании Google разгромил лучшего игрока в го Ли Седоля, гораздо более сложной игре. Эти соревнования, в которых машины одержали победу над людьми, являются ключевыми вехами в истории развития ИИ. Теперь группа исследователей из UZH и компании Intel установила новую веху, создав первую автономную систему, способную победить человека в физическом виде спорта.

Система Swift выиграла несколько гонок у трех чемпионов мирового класса в гонках дронов с видом от первого лица (FPV), где пилоты управляют квадрокоптерами на скорости более 100 км/ч.

"Физические виды спорта более сложны для ИИ, поскольку они менее предсказуемы, чем настольные или видеоигры. Мы не обладаем совершенными знаниями о моделях дронов и окружающей среды, поэтому ИИ должен изучать их, взаимодействуя с физическим миром", - говорит Давиде Скарамуцца, руководитель группы робототехники и восприятия UZH.

Раньше автономным беспилотникам требовалось в два раза больше времени, чем пилотируемым человеком, чтобы пролететь по гоночной трассе, если они не полагались на внешнюю систему отслеживания положения для точного контроля траектории. Swift же реагирует в реальном времени на данные, получаемые с помощью бортовой камеры, подобной той, что используется пилотами. Встроенный инерциальный блок измеряет ускорение и скорость, а нейронная сеть использует данные с камеры для локализации дрона в пространстве и обнаружения ворот на гоночной трассе. Эта информация поступает в блок управления, который выбирает оптимальные действия для скорейшего завершения трассы.

Обучение Swift проводилось в симуляционной среде, где он сам учился летать методом проб и ошибок, используя обучение с подкреплением. Использование симуляции позволило избежать уничтожения беспилотников на ранних этапах обучения, когда система часто сбоит.

"Чтобы последствия действий в симуляторе были максимально приближены к реальным, мы разработали метод оптимизации симулятора с использованием реальных данных, - говорит Элиа Кауфман, первый автор статьи. - На этом этапе беспилотник совершал автономный полет, ориентируясь на очень точные координаты, предоставляемые внешней системой отслеживания положения, и одновременно записывая данные с камеры. Таким образом, он научился самостоятельно исправлять ошибки, допущенные при интерпретации данных с бортовых датчиков".

После месяца полетов в симуляторе, что соответствует менее чем часу на настольном ПК, исследователи бросили вызов чемпиону Drone Racing League 2019 года Алексу Вановеру, чемпиону MultiGP Drone Racing 2019 года Томасу Битматту и трехкратному чемпиону Швейцарии Марвину Шепперу. Соревнования проходили на специально построенной трассе в ангаре аэропорта Дюбендорф, расположенного недалеко от Цюриха. Площадь трассы составляла 25 на 25 метров, на ней располагались семь квадратных ворот, которые необходимо было пройти в правильном порядке, чтобы завершить круг, включая сложные маневры.

В целом Swift показал самый быстрый круг, на полсекунды опередив лучший результат человека. С другой стороны, человек лучше адаптируется к внешним изменениям, чем автономный беспилотник, который не справился с задачей, когда условия отличались от тех, к которым он был подготовлен, например, если в помещении было слишком много света.

Соревнования прошли в июне 2022 года. Вчера в Nature был опубликован материал "Champion-level drone racing using deep reinforcement learning".

https://robogeek.ru/letayuschie-roboty/bespilotnik-s-ii-obognal-chempionov-dron-reisinga

В CU Boulder создали миниатюрного модульного робота, способного менять форму

Одним из наиболее распространенных вариантов использования миниатюрных роботов является поиск выживших в завалах на месте катастрофы. Робот CLARI, созданный по образу насекомых, может оказаться полезен в этом сценарии, поскольку он может сделать себя тоньше, чтобы протиснуться через узкие горизонтальные щели.

Робот CLARI (Compliant Legged Articulated Robotic Insect) был создан в University of Colorado-Boulder (CU Boulder) командой под руководством докторанта инженерных наук Хейко Кабутца. Он сотрудничал с доцентом университета Каушиком Джаярамом, который ранее создал робота, вдохновленного тараканами, который сплющивает себя, чтобы протиснуться через вертикальные щели.

Четырехногий робот CLARI имеет условно квадратную форму, если смотреть на него сверху, и состоит из четырех секций, соединенных между собой гибкой внешней оболочкой. Каждая секция включает в себя одну ногу со своей схемой и двумя приводами, которые перемещают ногу вперед и назад, а также из стороны в сторону. Таким образом, каждая нога может работать независимо от других.

При движении по открытой местности CLARI по умолчанию сохраняет квадратную форму, что обеспечивает оптимальную скорость и устойчивость. Однако если робот встречает препятствие он может перестроиться в более длинную и узкую форму. Если говорить о конкретных цифрах, то ширина робота уменьшается с 34 мм до 21 мм.

Хотя нынешняя итерация CLARI подключена к источнику питания и управления, есть надежда, что его будущие версии будут питаться от батарей и оснащены датчиками для автономного перемещения в сложных условиях. Ученые также хотят сделать этих роботов более компактными, но при этом оснастить их большим количеством ног для повышения маневренности.

"Когда мы пытаемся поймать насекомое, оно может исчезнуть в щели, - говорит Кабуц. - Но если у нас есть роботы с возможностями паука или мухи, мы можем добавить камеры или датчики, и теперь мы можем начать исследовать пространства, в которые раньше не могли попасть".

https://www.youtube.com/watch?v=wwrckOT4VwY

Работа "Design of CLARI: A Miniature Modular Origami Passive Shape-Morphing Robot" была опубликована в журнале Advanced Intelligent Systems.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/v-cu-boulder-sozdali-miniatyurnogo-modulnogo-robota-sposobnogo-menyat-formu

Прогнозирования самоубийства и причинения себе вреда у подростков с помощью ИИ

Исследователи с помощью алгоритма машинного обучения определили основные факторы, которые могут предсказать риск причинения себе вреда и попытки самоубийства у подростков. По их словам, их модель является более точной, чем существующие методы, и может быть использована для оказания индивидуальной помощи.

Подростковый возраст - важнейший период становления. Физические, эмоциональные и социальные изменения могут сделать подростков уязвимыми к проблемам психического здоровья, включая попытки самоубийства. По данным Australian Institute of Health and Welfare (AIHW), самоубийство является основной причиной смерти австралийцев в возрасте от 15 до 24 лет. В США, по данным Centers for Disease Control and Prevention (CDC), суицид занимает второе место среди причин смерти подростков в возрасте от 10 до 14 лет.

Стандартный подход к прогнозированию самоубийств и самоповреждений основан на использовании в качестве единственного фактора риска наличие попыток сделать это в прошлом, что может быть ненадежным. Исследователи из University of New South Wales Sydney с помощью машинного обучения определили основные факторы, которые подвергают подростков повышенному риску.

"Иногда нам необходимо переварить и обработать большое количество информации, что не под силу клиницисту, - говорит Пинг-И Дэниел Лин, автор-корреспондент исследования. - Именно поэтому мы обращаемся к алгоритмам машинного обучения".

Данные о 2809 подростках были получены из Longitudinal Study of Australian Children (LSAC) - репрезентативного национального исследования, начавшегося в 2004 году. Подростки были разделены на две возрастные группы: 14-15 лет и 16-17 лет. Данные были получены из анкет, заполненных детьми, их опекунами и учителями. Среди участников исследования 10,5% сообщили об случаях самоповреждения, а 5,2% - о попытках самоубийства хотя бы один раз за последний год.

Исследователи выделили из полученных данных более 4000 потенциальных факторов риска в таких областях, как психическое здоровье, физическое здоровье, взаимоотношения с окружающими, школьная и домашняя обстановка. Они использовали метод случайного леса (RF) для определения того, какие факторы риска, наблюдавшиеся в 14-15 лет, в наибольшей степени предсказывали попытки самоубийства и самоповреждения в 16-17 лет. Основная идея RF заключается в том, что при объединении множества деревьев решений в единую модель прогнозы в среднем будут ближе к истине.

Прогностическая эффективность модели машинного обучения сравнивалась с подходом, использующим в качестве предиктора только предыдущую историю самоповреждений или попыток самоубийства. Эффективность каждой модели определялась путем оценки площади под кривой (AUC) - показателя, который варьируется от 0,5 (не лучше случайного угадывания) до 1,0 (идеальное предсказание). Как правило, AUC от 0,7 до 0,8 считается приемлемой для прогнозирования риска, от 0,8 до 0,9 - отличной, а более 0,9 - выдающейся.

Для обучения RF-модели прогнозирования самоповреждений было использовано 48 переменных, которая показала хорошую прогностическую эффективность с AUC 0,740. Что касается предсказания попыток самоубийства, то модель, обученная с использованием 315 переменных, показала AUC 0,722.

"Для нас было удивительно увидеть, что предыдущие попытки не входят в число основных факторов риска, - сказал Лин. - Мы обнаружили, что окружение молодого человека играет большую роль, чем мы думали. Это хорошо с точки зрения профилактики, поскольку теперь мы знаем, что можем сделать для этих людей".

По мнению исследователей, полученные ими результаты важны, поскольку они опровергают стереотип, согласно которому люди совершают самоубийства или самоповреждения исключительно из-за плохого психического здоровья. По их словам, их модель может быть использована для индивидуальной оценки риска у подростков.

Исследование было опубликовано в журнале Psychiatry Research.

https://robogeek.ru/iskusstvennyi-intellekt/prognozirovaniya-samoubiistv-i-prichineniya-sebe-vreda-u-podrostkov-s-pomoschyu-ii

В ETH Zurich представили метод обучения роботов манипулированию скомканными тканями

Чтобы помогать человеку в его повседневной деятельности и успешно справляться с домашними делами, роботы должны уметь эффективно манипулировать предметами, которыми мы пользуемся каждый день. Однако некоторые объекты из-за их формы, гибкости и других особенностей трудно поддаются манипулированию роботами.

К таким объектам относятся текстильные салфетки, которые обычно используются человеком для очистки поверхностей, окон, зеркал и мытья полов. Все эти задачи потенциально могут быть выполнены роботами, но прежде чем это произойдет, роботы должны уметь эффективно захватывать ткани и манипулировать ими.

Исследователи из ETH Zurich представили новую вычислительную технику, позволяющую создавать визуальные представления смятых тканей, что, в свою очередь, может помочь в планировании эффективных стратегий захвата тканей роботами и их использования при выполнении задач. Эта методика, представленная в статье, предварительно опубликованной на сайте arXiv, оказалась хорошо обобщающей для тканей с различными физическими свойствами, а также различных форм, размеров и материалов.

"Точная реконструкция и манипулирование одной скомканной тканью представляет собой сложную задачу из-за высокой размерности модели ткани, а также ограниченности наблюдений в самозакрывающихся областях", - пишут в своей статье Вэньбо Ванг, Гэн Ли, Мигель Замора и Стелиан Корос. В своей работе они использовали модель, основанную на графовых нейронных сетях (GNN).

Для обучения своей модели исследователи собрали набор данных, содержащий более 120 000 синтетических изображений, полученных в результате моделирования, а также более 3000 помеченных изображений ткани, полученных в реальных условиях. После длительного обучения на этих двух наборах данных было обнаружено, что модель эффективно предсказывает положение и видимость вершин ткани, просто рассматривая ткань сверху.

Для оценки эффективности своей модели исследователи провели ряд тестов, как в симуляции, так и в экспериментальном режиме. В этих тестах они применили свою модель к коллаборативному роботу YuMi компании ABB.

Как в симуляциях, так и в экспериментах модель позволяла эффективно управлять движениями YuMi, позволяя лучше удерживать и манипулировать различными тканями, используя как одну руку, так и обе.

Наборы данных, собранные исследователями, и код их модели доступны на GitHub. В будущем эта работа может открыть путь к дальнейшему прогрессу в области робототехники. В частности, она может помочь расширить возможности мобильных роботов, предназначенных для помощи человеку в работе по дому, улучшив их способность справляться с различными тканями.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/v-eth-zurich-predstavili-metod-obucheniya-robotov-manipulirovaniyu-skomkannymi-tkanyami

Китайская компания Deeproute планирует выход на европейский рынок

Deeproute, стартап в области роботакси со штаб-квартирой в Шэньчжэне и имеющая финансирование в размере $350 млн. планирует открыть операционный центр в Германии в 2024 году. Это станет еще одним случаем, когда китайский разработчик автономных технологий откроет свое представительство в регионе, где расположены крупнейшие мировые автопроизводители.

Об этом было объявлено на Международном автомобильном салоне в Мюнхене на этой неделе, где присутствовало большое количество китайских игроков. В следующем году компания, поддерживаемая Alibaba, планирует развернуть свое готовое к производству решение для автономного вождения в Германии, а затем и на других европейских рынках.

Их решение Drive 3.0 работает без карт высокой четкости и оснащено такими функциями, как Park Assist. При этом оно имеет привлекательный ценник в $ 2000, в том числе благодаря конкурентоспособным ценам китайских поставщиков лидаров. В нем используется система на кристалле Drive Orin от Nvidia.

Компания Deeproute не предоставила подробной информации о том, чем на самом деле занимается новый операционный центр, сообщив лишь, что в нем будет работать команда по развитию бизнеса. Также пока неизвестно, в каком городе он будет располагаться, хотя есть несколько очевидных вариантов.

Если посмотреть в прошлое, то два года назад конкурент Deeproute, компания Momenta ИЗ Сучжоу, открыла офис в Штутгарте. Это решение позволило им наладить более тесные отношения со своим инвестором компанией Mercedes-Benz, штаб-квартира которой находится в этом немецком городе, а также, возможно, с другими европейскими производителями комплектующих.

Компания Nio, китайский производитель электромобилей премиум-класса, разрабатывающий свои технологии ADAS собственными силами, имеет инновационный центр площадью 1500 кв. м в Берлине и конструкторский центр в Мюнхене. В столице также работает шоу-рум NIO House.

Как и другие амбициозные китайские стартапы, Deeproute начинала свою деятельность с разработки технологий четвертого уровня автономности, но со временем перешла к менее продвинутым решениям для автопартнеров, которые могут принести более надежный денежный поток.

Представитель компании Deeproute заявил, что "поскольку с прошлого года мы работаем с OEM-производителями над серийным производством, мы сместили акцент с роботакси на дорожные испытания готовых к производству автомобилей". К концу 2022 года компания осуществила более 800 000 пассажирских поездок, большинство из которых были осуществлены ее роботакси в крупных городах Китая.

https://www.youtube.com/watch?v=tpKpbM-rCXM

Наличие представительства в Германии будет способствовать расширению базы OEM-клиентов, в которую на данный момент входят компании Seres и Geely. Наличие команды по развитию бизнеса на месте означает, что Deeproute сможет "наладить контакты с большим количеством местных автопроизводителей, оказать поддержку OEM-партнерам в серийном производстве "умных" автомобилей и т.д.", - заявил представитель компании.

https://robogeek.ru/avtonomnyi-transport/kitaiskaya-kompaniya-deeproute-ai-planiruet-vyhod-na-evropeiskii-rynok

Saildrone и RPS используют интеллектуальные инструменты для мониторинга морских млекопитающих

Saildrone, компания в области безэкипажных надводных аппаратов (USV) и автономного сбора данных об океане, совместно с компанией RPS, поставщиком услуг по мониторингу охраняемых видов и обеспечению соблюдения требований по смягчению последствий воздействия на окружающую среду, объявили о завершении первого этапа проекта по созданию сети мониторинга для обнаружения, классификации и локализации морских млекопитающих.

Проект был поддержан грантом National Offshore Wind Research and Development Consortium (NOWRDC).

По мере роста спроса на экологически чистую энергию все большее распространение получают морские ветряные электростанции. Однако их строительство и эксплуатация могут оказывать влияние на морские экосистемы. Многие виды крупных китов сильно зависят от акустики при выполнении важных жизненных функций и поэтому чувствительны к подводному шуму.

Традиционные визуальные и акустические методы мониторинга морских млекопитающих требуют присутствия в море обученных биологов на судах с экипажем. Вокальные сигналы китов часто имеют очень низкую частоту, что затрудняет их обнаружение и легко маскируется искусственными звуками.

Два аппарата Saildrone USV, оснащенные подводными акустическими системами, были развернуты у побережья штата Массачусетс для наблюдения за южными китами и другими морскими млекопитающими. Практически бесшумные подводные аппараты были размещены в районе, где обитает несколько видов китов. В течение двух недель работы беспилотники зафиксировали множество акустических сигналов морских млекопитающих.

Теперь перед учеными-акустиками RPS стоит задача постобработки данных, полученных с помощью Saildrone, определения типов обнаруженных звуков и видов, издающих эти звуки. Одним из инструментов, который будет использоваться аналитиками, является инструмент машинного обучения RPS Neptune, прогностический алгоритм для точного и надежного обнаружения акустических сигналов морских млекопитающих.

"Глобальное развитие морской ветроэнергетики - это ключ к отказу от традиционной, невозобновляемой энергетики, особенно на ископаемом топливе. Однако развитие не должно оказывать негативного воздействия на морских млекопитающих, которые обитают в этих местах. Компании Saildrone и RPS совместно работают над созданием уникального, гибкого и адаптируемого решения для мониторинга морских млекопитающих на больших территориях в течение значительных периодов времени, используя интеллектуальные инструменты для сокращения численности персонала на местах, но без снижения объемов мониторинга и смягчения последствий для защиты наших соседей - морских животных", - говорит Стефани Милн, тимлид группы RPS, US Offshore Renewables.

Целью Saildrone и RPS является минимизация воздействия промышленной деятельности на популяции морских млекопитающих при одновременной поддержке расширения использования возобновляемых источников энергии. Современные акустические датчики, разработанные Saildrone, в сочетании с ИИ RPS позволят обнаруживать и отслеживать присутствие китов в режиме реального времени, что позволит принимать упреждающие меры.

"Это значительное достижение представляет собой существенный шаг вперед в нашей способности изучать и защищать китов и других морских млекопитающих, - говорит технический директор Saildrone Брайан Хернаки. - Пассивная акустическая технология Saildrone позволяет нам собирать жизненно важную информацию неинвазивным и экономически эффективным способом".

https://robogeek.ru/podvodnye-i-nadvodnye-roboty/saildrone-i-rps-ispolzuyut-intellektualnye-instrumenty-dlya-monitoringa-morskih-mlekopitayuschih

GE Aerospace разработала робота Sensiworm для инспектирования авиационных двигателей

Подобно тому как робототехника и визуализация позволили проводить минимально инвазивные хирургические операции, позволяющие пациентам быстрее восстанавливаться, подобные технологии также позволяют проводить менее инвазивный осмотр и ремонт реактивных двигателей, сокращая время простоя самолетов.

Компания GE Aerospace представила мягкого робота Sensiworm (Soft ElectroNics Skin-Innervated Robotic Worm) который может служить инспекционным инструментом внутри двигателя для операторов. Традиционно работники используют приборы, такие как гибкий видеоскоп, которые предоставляют ценные данные, но ограничены в общем охвате турбины из-за таких факторов, как сила тяжести, которая может привести к естественному оседанию наконечника. Развертывание роботов, подобных Sensiworm, позволит операторам в будущем получить практически беспрепятственный доступ для проведения инспекций без необходимости демонтажа двигателя.

Sensiworm - это мягкий робот, напоминающий червяка. Он является автономным, имеет на борту источники питания и вычислительные ресурсы. Команда продемонстрировала его способность легко перемещаться по различным изломам и изгибам деталей реактивного двигателя для поиска трещин и коррозии. В ходе других демонстраций в лабораторных условиях было показано, что Sensiworm также может точно проверять теплозащитное покрытие на деталях двигателя, чтобы определить, поддерживается ли необходимая толщина.

Sensiworm может способствовать дальнейшему расширению охвата и возможностей контроля внутри двигателя по сравнению с используемыми в настоящее время технологиями. Sensiworm может быть развернут через впускной или выпускной патрубок турбины двигателя и обеспечит охват большего участка турбины.

"С такими мини-компаньонами, как Sensiworm, у сервисных операторов появится несколько дополнительных комплектов глаз и ушей для проведения проверок на крыле, - говорит Дипак Триведи, главный инженер по робототехнике GE Aerospace Research. - Благодаря своей мягкой, податливой конструкции они смогут осматривать каждый сантиметр реактивного двигателя, передавая видео в реальном времени и данные о состоянии деталей. Sensiworm может даже измерять толщину теплозащитного покрытия".

"В настоящее время наши демонстрации в основном сосредоточены на проверке двигателей, - добавил Триведи. - Но мы разрабатываем новые возможности, которые позволят этим роботам выполнять ремонт после обнаружения дефекта".

Робот Sensiworm компании GE Aerospace был разработан при финансировании и поддержке SEMI Flex Tech - отраслевого государственно-частного партнерства, нацеленного на продвижение инновационных разработок гибридной электроники. Команда GE также сотрудничает с Binghamton University, где расположен Center for Advanced Microelectronics Manufacturing (CAMM), и компанией UES Inc.

"Сотрудничество с GE позволяет нашей исследовательской группе помочь перенести идеи из лаборатории в реальный мир, что очень интересно как для меня, так и для моих студентов, - сказал Марк Поликс, директор CAMM. - Мы с нетерпением ждем возможности увидеть Sensiworm в действии, а также будущего сотрудничества с нашими промышленными партнерами в штате Нью-Йорк и за его пределами. Существует множество способов использования гибкой гибридной электроники для улучшения здоровья и безопасности людей".

https://www.youtube.com/watch?v=_Mks06p0KVo

Триведи пояснил, что инновационные роботизированные платформы in-situ с высоким уровнем интеллекта, такие как Sensiworm, являются ключевым техническим средством, необходимым для проведения более надежных проверок на крыле самолета в будущем. Это позволит сократить количество ненужных демонтажей и простоев, а также ускорить время выполнения работ для поддержания максимальной эксплуатационной готовности двигателей.

https://robogeek.ru/servisnye-roboty/ge-aerospace-razrabotala-robota-sensiworm-dlya-inspektirovaniya-aviatsionnyh-dvigatelei

Otto Group развернет парк роботов Spot и Stretch от Boston Dynamics

Немецкий розничноторговый концерн Otto Group объявила о подписании стратегического соглашения с компанией Boston Dynamics для продолжения автоматизации своих логистических операций. В ближайшие два года компания планирует внедрить роботов Spot компании Boston Dynamics на более чем 10 объектах и роботов Stretch на более чем 20 объектах.

По словам представителей Otto Group, внедрение роботов будет способствовать улучшению безопасности, повышению операционной эффективности и решению проблемы нехватки рабочей силы для выполнения определенных видов складских работ. В Boston Dynamics отметили, что это соглашение знаменует собой первый случай совместного применения обоих коммерческих роботов в масштабах предприятия.

"Мы научились быстро и гибко адаптироваться к новым рыночным ситуациям, что делает нас сильными для будущего", - утверждает Кай Шибур, член правления Otto Group.

Otto Group планирует начать внедрение роботов Boston Dynamics, начиная с Hermes Fulfillment. По условиям соглашения, Spot будет поддерживать инспекции и мероприятия по предиктивному обслуживанию оборудования. Они будут включать в себя тепловой мониторинг, снятие показаний аналоговых манометров и акустическое обнаружение утечек воздуха и газа под давлением.

Кроме того, парк этих четвероногих роботов будет выполнять автономные задания, собирая данные для моделей машинного обучения для решения таких задач, как мониторинг пожарных выходов и обнаружение незначительных изменений в стеллажах для обеспечения безопасности складов Otto Group.

Робот Stretch в следующем году робот начнет разгружать контейнеры на 10 объектах, а к концу 2025 года планируется ввести в эксплуатацию все объекты Otto Group. Робот, предназначенный для разгрузки тяжелых упаковок в контейнерном секторе, обеспечит технологическую поддержку при выполнении физически тяжелых работ, заявили компании.

Otto Group добавила, что на сегодняшний день более 10 000 работников складов и предприятий приняли участие в виртуальных учебных курсах TechUcation по робототехнике и ИИ. Это обучение дополняется обучением на месте, "позволяя существующим профессиям развиваться в цифровом формате и вместе формировать будущее", - говорится в сообщении.

https://www.youtube.com/watch?v=L6gf8Xyt3Ck

Otto Group и Boston Dynamics также заявили, что в ближайшие несколько лет планируют сотрудничать в области исследований и разработок, включая дополнительные варианты использования роботов Spot и Stretch в будущем.

https://robogeek.ru/servisnye-roboty/otto-group-razvernet-park-robotov-spot-i-stretch-ot-boston-dynamics

Инспектирование военных объектов времен холодной войны с помощью робота

В заповеднике Национального фонда в Суффолке, Великобритания компания BAM использовала робота для обследования бывших объектов для испытания оружия времен холодной войны, в том числе ядерного, вход в которые опасен для людей.

Компания BAM в сотрудничестве с Национальным фондом работает над внедрением передовых геодезических технологий на территории исторического объекта с использованием беспилотников и дистанционно управляемого робота Spot, оснащенного лазерным сканером Trimble X7.

Эта работа является первым этапом долгосрочного проекта Национального фонда, в котором участвуют Historic England, BAM и Bartlett School for Sustainable Construction в University College London.

Две лаборатории, известные как "Pagodas" или "Labs 4 & 5", относятся к памятникам архитектуры. Построенные в 1960 г., эти здания были двумя из шести лабораторий времен холодной войны, использовавшихся в качестве испытательных камер для проведения испытаний атомной бомбы. Испытания проводились с целью имитации условий, которым могло подвергнуться оружие перед взрывом, включая вибрацию, перепады температур, удары и т.д.

"Компания BAM рада возможности сотрудничать с Национальным фондом и другими партнерами в развертывании передовой геодезической технологии в Орфорд-Несс. - говорит Колин Эвисон, технический руководитель отдела инноваций компании BAM- Робот идеально подходит для размещения геодезического оборудования внутри и вокруг разрушающихся сооружений, расположенных в экологически уязвимом месте, и эта миссия позволит нам получить ценный опыт и отзывы об использовании геодезической техники, а также обменяться знаниями с Национальным фондом и другими участниками. Мы уверены, что в результате съемки будет создан полный и ценный отчет об этой исторической среде для будущих поколений".

"Проведенное Historic England исследование этих зданий позволило нам понять, насколько они значимы в национальном и международном масштабе... Это одни из немногих зданий времен холодной войны, которые имеют такой монументальный масштаб и могут быть посещены публикой. - говорит Ангус Уэйнрайт, археолог Национального фонда - Раньше здания были достаточно безопасными, и мы могли входить и выходить из них сколько угодно, но теперь, по мере разрушения бетона, это становится все более рискованным. Вот почему мы проводим это исследование таким удаленным способом, не допуская никого в здания. Это экспериментальная работа, чтобы понять, возможно ли провести действительно детальное обследование здания без участия человека".

Национальный фонд приобрел этот объект у Министерства обороны в 1993 г., но до этого никаких обследований зданий не проводилось. Как памятники архитектуры, они имеют такой же статус, как Стоунхендж или курганный некрополь Саттон-Ху. В последние несколько лет лаборатории стали частью политики Национального фонда "контролируемого распада" и были оставлены на произвол природы, в том числе под воздействием открытого прибрежного участка.

https://robogeek.ru/servisnye-roboty/inspektirovanie-voennyh-obektov-vremen-holodnoi-voiny-s-pomoschyu-robota

Безбатарейные роботы используют технику оригами для изменения формы в воздухе

Исследователи из University of Washington (UW) разработали небольшие роботизированные устройства, которые могут меняют способ передвижения по воздуху, изменяя свою форму во время снижения.

Когда эти устройства, названные в пресс-релизе университета "микрофлайеры", сбрасываются с беспилотника, они используют технику оригами Миура-ори, чтобы перейти от хаотичного кувыркания в воздухе к плавному снижению на землю. Для их распределения исследователи контролируют время перехода каждого устройства, используя бортовой датчик давления для оценки высоты, таймер и Bluetooth сигнал.

Микрофлаеры весят около 400 мг и "могут преодолеть расстояние футбольного поля при легком ветре, если их бросить с высоты 40 метров". Каждое устройство имеет встроенный привод, не требующий батареек, энергоаккумулирующую цепь и контроллер для запуска изменения формы в воздухе. Микрофлайеры также способны нести на борту датчики для измерения температуры, влажности и других параметров во время полета.

"Использование оригами открывает новые возможности для проектирования микрофлайеров, - говорит соавтор работы Викрам Айер, доцент Paul G. Allen School of Computer Science & Engineering при UW. - Мы объединили технику Миура-ори с системой сбора энергии и крошечными исполнительными механизмами, что позволило нашим флаерам имитировать полет различных типов листьев в воздухе. В развернутом плоском состоянии наша оригами-конструкция хаотично кувыркается на ветру, подобно листу вяза. Но переход в сложенное состояние изменяет поток воздуха вокруг нее и обеспечивает стабильный спуск, подобно тому, как падает кленовый лист. Этот высокоэнергоэффективный метод позволяет нам управлять спуском микрофлаера без батареек, что ранее было невозможно".

В этих роботизированных системах решены несколько конструктивных задач. Устройства:

- достаточно жесткие, чтобы избежать случайного перехода в сложенное состояние до сигнала;
- быстро переходят из одного состояния в другое. Бортовым исполнительным механизмам устройств требуется всего около 25 мс, чтобы инициировать складывание;
- изменяют форму, не будучи привязанными к источнику питания. Энергоаккумулирующая цепь микрофлаеров использует солнечный свет для подачи энергии на исполнительный механизм.

На текущий момент микрофлайеры могут трансформироваться только в одном направлении - из состояния кувыркания в состояние падения. Это позволяет исследователям управлять падением нескольких устройств одновременно, так что они рассеиваются в разных направлениях по пути вниз. Но по их словам, будущие устройства смогут осуществлять переход в обоих направлениях. Эта дополнительная функциональность позволит более точно приземляться в условиях сильного ветра.

https://www.youtube.com/watch?v=-pE4-DXTsXk

Работа "Solar-powered shape-changing origami microfliers" была вчера опубликована в журнале Science Robotics.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/bezbatareinye-roboty-ispolzuyut-tehniku-origami-dlya-izmeneniya-formy-v-vozduhe

Сбор данных о загрязнении воздуха с помощью недорогого устройства установленного на беспилотник

Несмотря на важность отслеживания и количественного определения загрязняющих веществ в воздухе, большинство газовых датчиков размещаются на уровне земли, а не в местах непосредственного распространения. Новая лабораторная система размещаемая на беспилотном летательном аппарате призвана устранить это ограничение.

Стоит отметить, что на сегодняшний уже существуют беспилотные системы, собирающие пробы загрязненного воздуха высоко над землей. Но эти образцы все равно должны быть впоследствии проанализированы в лаборатории.

Под руководством профессора Жуана Флавио да Сильвейра Петручи бразильские ученые из Federal University of Uberlandia и Universidade Federal de Goias решили изменить эту ситуацию. Созданная ими система "лаборатория на дроне" не только обнаруживает и измеряет загрязняющие вещества в воздухе в режиме реального времени, но и передает показания на смартфон оператора, находящегося на земле.

В настоящее время 3D-печатный прибор предназначен для обнаружения сероводорода и использует химическую реакцию, в результате которой меркурацетат флуоресцеина светится менее ярко при контакте с газом. Встроенный синий светодиод усиливает эту реакцию, позволяя встроенному датчику точно измерить снижение интенсивности флуоресценции. Чем больше это снижение, тем выше концентрация сероводорода в данном районе.

Технология прошла полевые испытания на очистных сооружениях, где она была установлена на коммерчески доступный квадрокоптер и использовалась для снятия показаний сероводородного газа на уровне земли, а затем на высоте 9 и 20 м. Показания снимались в три приема в течение дня и оказались точными. Управление всеми устройствами осуществлялось с помощью Arduino с питанием от небольшого пауэрбанка, а результаты измерений передавались на смартфон оператора по Bluetooth.

Сам прибор весит 300 грамм, его изготовление обошлось примерно в $50. Сообщается, что его адаптация для анализа других загрязняющих веществ не представляет сложности.

Работа "AirQuality Lab-on-a-Drone: A Low-Cost 3D-Printed Analytical IoT Platform for Vertical Monitoring of Gaseous H2S" была опубликована в журнале Analytical Chemistry.

https://robogeek.ru/letayuschie-roboty/sbor-dannyh-o-zagryaznenii-vozduha-s-pomoschyu-nedorogogo-ustroistva-ustanovlennogo-na-bespilotnik

Корейские ученые разрабатывают полностью мягкие автономные робототехнические системы

Мягкие роботы стали перспективной технологией для приложений, требующих безопасности и адаптивности. Но интеграция сенсорных и управляющих систем без ущерба для их мягкости, форм-фактора или возможностей представляет собой серьезную проблему,

Для решения этой проблемы исследовательская группа из Ulsan National Institute of Science and Technology (UNIST) под руководством профессора Джиюна Кима и профессора Джонбума Бэ разработала технологию "мягкого клапана" - универсальное решение, интегрирующее датчики и управляющие клапаны при сохранении полной мягкости.

Традиционно мягкие тела роботов сосуществуют с жесткими электронными компонентами для обеспечения восприятия. В исследовании, проведенном корейской исследовательской группой, представлен новый подход к преодолению этого ограничения путем создания мягких аналогов датчиков и управляющих клапанов, работающих без электричества. Полученная деталь в форме трубки выполняет двойную функцию: распознает внешние раздражители и точно управляет движением, используя только давление воздуха.

Благодаря отсутствию необходимости в компонентах, зависящих от электричества, эти полностью мягкие клапаны обеспечивают безопасную работу под водой или в условиях, где возможно образование искр, и одновременно снижают весовую нагрузку на робототехнические системы. Кроме того сообщается, что каждый компонент стоит около 800 вон, по нынешнему курсу чуть менее 60 рублей.

"Предыдущие мягкие роботы имели гибкие тела, но в качестве датчиков и блоков управления приводами использовали жесткие электронные детали, - пояснил профессор Ким. - Наше исследование направлено на изготовление датчиков и блоков управления приводами из мягких материалов".

Исследовательская группа продемонстрировала различные варианты применения этой технологии. Они создали универсальные захваты, способные деликатно брать хрупкие предметы, такие как картофельные чипсы. Кроме того, они успешно применили эти мягкие компоненты для разработки носимого локтевого экзоскелета для снижения нагрузки на мышцы при выполнении повторяющихся задач или напряженной деятельности, связанной с движениями рук. Он автоматически регулируется в зависимости от угла, под которым согнута рука человека, что позволило снизить силу, действующую на локоть при ношении робота, в среднем на 63%.

Мягкий клапан работает за счет использования воздушного потока в структуре, имеющей форму трубки. Когда к одному концу трубки прикладывается напряжение, спирально намотанная нить внутри сжимает ее, управляя притоком и оттоком воздуха. Такое движение обеспечивает точность и гибкость движений без использования электрической энергии.

Кроме того, исследовательская группа подтвердила, что, программируя различные структуры или количество нитей в трубке, можно точно управлять изменениями воздушного потока. Такая возможность позволяет настраивать устройство в соответствии с конкретными ситуациями и требованиями, обеспечивая гибкость реакции приводного устройства даже при постоянном приложении внешних сил к концу трубки.

https://www.youtube.com/watch?v=r2dJ2D2pdtM

Статья "A soft, self-sensing tensile valve for perceptive soft robots" опубликована в журнале Nature Communications.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/koreiskie-uchenye-razrabatyvayut-polnostyu-myagkie-avtonomnye-robototehnicheskie-sistemy

Agility Robotics открывает фабрику по производству человекоподобных роботов

Компания Agility Robotics, разработчик двуногого робота Digit, вчера объявила об открытии RoboFab, предприятия по производству роботов в Салеме, штат Орегон, способного выпускать более 10 000 единиц роботов в год.

Строительство завода по производству роботов площадью 70 000 кв. футов началось в прошлом году, а его открытие намечено на конец этого года. В первый год работы фабрики ожидается выпуск сотен роботов Digit, а в дальнейшем возможно увеличение объема производства до более чем 10 000 роботов в год. При выходе на полную мощность на RoboFab будет работать более 500 человек. Сообщается, что роботы Digit также будут работать на новом заводе, в том же качестве, что и на объектах клиентов Agility, перемещая грузы, загружая и разгружая контейнеры.

Digit разработан с нуля, чтобы ходить туда, куда ходят люди, и выполнять полезную работу в помещениях, предназначенных для людей. Поскольку многие задачи строятся на основе человеческих рабочих процессов, дизайн Digit, ориентированный на человека, обеспечивает многоцелевое использование. Первоначальные области применения Digit включают обработку сыпучих материалов на складах и в распределительных центрах. С открытием нового производства заказчики, участвующие в партнерской программе Agility Partner Program (APP), могут ожидать поставки первых Digit в 2024 г., а выход на рынок в целом - в 2025 г. Последняя версия робота имела рост 175 см и вес чуть менее 65 кг.

"Открытие нашей фабрики знаменует собой поворотный момент в истории робототехники: начало массового производства коммерческих гуманоидных роботов, - сказал Дэмион Шелтон, соучредитель и генеральный директор Agility Robotics. - Когда вы создаете новую технологию, призванную сделать общество лучше, наиболее важной вехой является возможность массового производства этой технологии в таких масштабах, чтобы она могла оказать реальное и повсеместное влияние".

https://www.youtube.com/watch?v=514IZJENQ3s

"Мы не только строим первую в мире фабрику по производству человекоподобных роботов, но и делаем это в США, в 30 милях от нашего инженерного центра, что очень удобно для быстрого масштабирования, - говорит Айндреа Кэмпбелл, операционный директор Agility Robotics. - Создавая RoboFab как современный производственный центр в Салеме мы не только ускоряем разработку и внедрение передовых робототехнических систем, но и способствуем развитию инноваций и созданию высококвалифицированных рабочих мест".

https://robogeek.ru/chelovekopodobnye-roboty/agility-robotics-otkryvaet-fabrika-po-proizvodstvu-chelovekopodobnyh-robotov

TRI представила метод обучения роботов новым навыкам

Toyota Research Institute (TRI), Massachusetts Institute of Technology (MIT) и Columbia Engineering продемонстрировали результаты нового подхода к обучению ИИ, который значительно ускоряет скорость приобретения роботами новых навыков. Это похоже на ChatGPT для робототехники.

Ряд компаний решили, что пора вкладывать средства в человекоподобных роботов общего назначения, способных автономно перемещаться по существующим рабочим пространствам и заменять собой людей.

Однако большинство первых примеров сводятся к тому, что роботы будут поднимать и опускать предметы. Для того чтобы их действия расширились до уровня, когда они смогут зайти на любую рабочую площадку и начать выполнять самые разнообразные задачи, необходим способ быстрого изучения новых навыков на основе инструкций и/или демонстраций человека. Компания Toyota утверждает, что совершила прорыв, разработав новый подход к обучению на основе Diffusion Policy.

Diffusion Policy - это концепция, разработанная Toyota совместно с Columbia Engineering и MIT, которая позволяет легко и быстро обучать роботов новым навыкам на основе демонстрации. Более подробную информацию и примеры можно найти в исследовании "Diffusion Policy: Visuomotor Policy Learning via Action Diffusion".

По сути, если большие языковые модели (LLM), такие как ChatGPT, способны писать на уровне, близком к человеческому, то Diffusion Policy позволяет ИИ робота наблюдать, как человек выполняет ту или иную физическую задачу в реальном мире, а затем программировать себя на ее выполнение.

В то время как некоторые стартапы обучают своих роботов с помощью VR, подход Toyota в большей степени ориентирован на тактильные ощущения. Операторы получают тактильную обратную связь от мягких и гибких захватов робота через ручные пульты управления, что позволяет им в некотором смысле ощущать то, что "чувствует" робот при контакте с объектами.

После того как оператор несколько раз показал, как выполнять ту или иную задачу в различных условиях, ИИ робота строит свою собственную внутреннюю модель, а затем запускает тысячи симуляций, чтобы определить набор методов для ее решения.

На данный момент команда использовала этот подход для быстрого обучения роботов выполнению более 60 небольших задач, в основном бытовых (раскатывать тесто, почистить картофель, переворачивать блины и т.д.). Каждая из них относительно проста для взрослого человека, но требует от роботов самостоятельно разобраться в том, как захватывать, удерживать и манипулировать различными предметами.

https://www.youtube.com/watch?v=w-CGSQAO5-Q

В Toyota заявляют, что к концу этого года смогут обучить роботов сотням задач, а к концу следующего более тысячи. Сейчас компания разрабатывает первую большую модель поведения (Large Behavior Model, или LBM) - это полностью сгенерированная ИИ модель взаимодействия робота с физическим миром для достижения определенных результатов.

https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/tri-predstavila-metod-obucheniya-robotov-novym-navykam

В WPI разработали гибкого робота для картирования и инспектирования небольших пространств

Исследователи из Worcester Polytechnic Institute (WPI) в сотрудничестве с администрацией города Вустер, Массачусетс, разработали робота, похожего на ящерицу, который может пробираться в стены, воздуховоды и трубы для проведения инспекций и трехмерного картирования, что может быть опасно или невозможно для человека.

Получив грант от National Science Foundation в размере $50 тыс., группа специалистов института совместно со студентами и представителями городских властей разработала деформируемого робота, который может проникать в узкие пространства гораздо менее инвазивно, чем это позволяют делать существующие методы.

Команда создала прототип робота и протестировала его в разных точках города, включая мэрию и центр для пожилых людей в Вустере. Робот имеет конструкцию оригами, сделанную из пластиковых деталей, напечатанных на 3D-принтере и лазерной машине, специальных печатных плат, миниатюрного компьютера, датчиков, нескольких металлических деталей и двигателей. Благодаря своим размерам и форме прототип робота мог маневрировать в условиях стареющей инфраструктуры, незаметно перемещаясь внутри стен, над подвесными потолками и в воздуховодах. Спроектированный для размещения камер и датчиков, измеряющих температуру и уровень загрязнения, робот может работать в автономном режиме с использованием ИИ и составлять карту местности, собирая важные данные. Оказавшись внутри помещения, робот может перемещаться по горизонтали и вертикали в узких пространствах.

В пресс-релизе института отмечается, что для Вустера и многих других городов энергетика является одним из основных факторов при определении влияния изменения климата на население. По его словам, робот может быть полезен при определении оптимальных способов теплоизоляции верхних частей зданий, которые подвержены большим потерям тепла и энергии в холодные зимние месяцы, а также концентрированному нагреву во время летней жары. Видеоданные и результаты трехмерного картирования могут устранить разрыв между тем, что муниципалитет знает о здании из чертежей и разрешений на строительство, и тем, что существует на самом деле. Многие старые здания не имеют подробных планов и, скорее всего, подвергались изменениям в течение многих лет без подробной документации.

Мэтью Урбан, менеджер по капитальным проектам города Вустера, сотрудничал с командой WPI в процессе разработки и тестирования робота, обеспечивающего доступ к узким местам в старых зданиях. По его словам, робот обещает выйти за рамки ограничений нынешних технологий обследования и может оказаться важнейшим инструментом, используемым для тщательного обновления исторических зданий.

"Мэрии почти 130 лет, - говорит Урбан. - В стенах есть штукатурка, проволочная сетка, сплошная кладка и стальные конструкции. Если мне нужно узнать, что находится в этой стене, я должен вырезать отверстие. Затем нужно посмотреть, смогу ли я просунуть туда камеру, и она должна смотреть в нужном направлении, а может быть, она недостаточно яркая. Тогда нужно прорезать еще одно отверстие".

На текущий момент команда исследователей продолжает работу по дальнейшему совершенствованию конструкции робота и проводит дополнительные испытания.

https://robogeek.ru/servisnye-roboty/v-wpi-razrabotali-gibkogo-robota-dlya-kartirovaniya-i-inspektirovaniya-nebolshih-prostranstv

Использование звуковых волн для перемещения микроробота

Группа инженеров-робототехников и акустиков из ETH Zurich и Westfalische Wilhelms-Universitat разработала микроробота, который может перемещаться по узким трубкам с помощью звуковых волн.

В своей статье "An acoustically controlled helical microrobot", опубликованной в журнале Science Advances, группа описывает, как они сконструировали своих роботов и насколько хорошо они работают при испытаниях.

В течение многих лет ученые-медики ищут способы более направленного введения лекарств в организм. Это позволило бы направлять лекарства только в те части тела, которые нуждаются в лечении, и тем самым предотвратить многие нежелательные побочные эффекты. В результате проведенных ранее исследований были разработаны различные технологии, среди которых наиболее перспективными являются крошечные роботы, управляемые внешним магнитом.

Несмотря на перспективность такого подхода, он все еще имеет проблемы, которые необходимо преодолеть, например, точность управления. В новой работе исследовательская группа использовала звуковые волны для приведения в движение крошечного робота, и этот подход может оказаться более подходящим для использования в организме.

Идея нового робота заключается в том, чтобы использовать энергию звуковых волн для приведения в движение безмоторного робота, напечатанного на 3D-принтере из нетоксичного полимера в форме штопора. Затем его поместили в стеклянную трубку, заполненную водой, и направили на него звуковые волны. Звуковые волны, как отмечают исследователи, заставляют молекулы жидкости вибрировать, что приводит к образованию вихря, который и толкает робота вперед.

Исследовательская группа обнаружила, что изменяя характеристики звуковых волн, можно изменять скорость движения робота по трубе и его направление. Они также обнаружили, что, увеличивая частоту звуковых волн, можно толкать робота вверх по трубе, наклоненной под углом 45 градусов.

https://www.youtube.com/watch?v=yRCr4HyuuTw

Далее исследователи планируют испытать своего робота в трубках из более гибкого материала, чтобы более точно имитировать кровеносный сосуд человека. Они отмечают, что также работают над тем, что они называют акустическим шлемом, который, по их мнению, даст больший контроль над роботом.

https://robogeek.ru/roboty-v-meditsine/ispolzovanie-zvukovyh-voln-dlya-peremescheniya-mikrorobota