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
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
Nature
Champion-level drone racing using deep reinforcement learning
Nature - An autonomous system is described that combines deep reinforcement learning with onboard sensors collecting data from the physical world, enabling it to fly faster than human world...
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
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
YouTube
CLARI: The incredible, squishable robot
Engineers at CU Boulder have designed a new, tiny robot that can passively change its shape to squeeze through narrow gaps. The machine, named Compliant Legged Articulated Robotic Insect, or CLARI, borrows its inspiration from the squishiness and many shapes…
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
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
robogeek.ru
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…
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
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
wenbwa.github.io
TRTM: Template-based Reconstruction and Target-oriented Manipulation of Crumpled cloths.
TRTM: Template-based Reconstruction and Target-oriented Manipulation.
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
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
YouTube
IAA Mobility Premiere - The latest Driver 3.0 HD Map-Free Road Test in CBD Shenzhen
Premiere at IAA Mobility show - The car integrated with Driver 3.0 HD Map-Free smart driving solution can handle all kinds of complex scenarios in the urban, highways, tunnel etc.
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
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
robogeek.ru
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…
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
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
YouTube
GE Aerospace's "Sensiworm"
Meet GE Aerospace’s Sensiworm (Soft ElectroNics Skin-Innervated Robotic Worm), a highly intelligent, acutely sensitive soft robot that could serve as extra sets of eyes and ears for Aerospace service operators inside the engine. These "mini" robot companions…
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
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
YouTube
"We will deploy a fleet of robots in our logistics centres"
The Otto Group is entering into a strategic agreement with Boston Dynamics, the world's leading robotics developer. Logistics will change significantly as a result – especially to the benefit of employees.
More information: https://www.ottogroup.com/en…
More information: https://www.ottogroup.com/en…
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
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
robogeek.ru
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.
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
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
YouTube
Battery-free origami microfliers take flight
Researchers from UW built the first solar-powered shape changing origami microfliers that can change their descent in mid-air. For more information: https://origamifliers.cs.washington.edu
This video is closed captioned.
This video is closed captioned.
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
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
ACS Publications
AirQuality Lab-on-a-Drone: A Low-Cost 3D-Printed Analytical IoT Platform for Vertical Monitoring of Gaseous H2S
The measurement of gaseous compounds in the atmosphere is a multichallenging task due to their low concentration range, long and latitudinal concentration variations, and the presence of sample interferents. Herein, we present a quadcopter drone deployed…
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
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
YouTube
a soft, self-sensing tensile valve for perceptive soft robots
We have developed a soft self-sensing tensile valve (STV) capable of sensing and controlling of a soft pneumatic robot. This valve, constructed solely from flexible materials, detects its extension length, and accordingly adjusts its internal structure to…
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
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
YouTube
Announcing RoboFab, World's First Factory for Humanoid Robots
Today we announce the opening of our first RoboFab™, a robot manufacturing facility in Salem, Oregon with the capability to produce more than 10,000 robots per year.
Initial construction of the 70,000-square-foot robot factory began last year, and it is…
Initial construction of the 70,000-square-foot robot factory began last year, and it is…
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
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
YouTube
Teaching Robots New Behaviors
The Toyota Research Institute is unveiling a new approach that allows a robot to acquire new dexterous behaviors from demonstration. We’re going to walk through why this is a critical new capability, what advancements have made this possible, and where we…
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
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
robogeek.ru
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…
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
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
Science Advances
An acoustically controlled helical microrobot
An acoustically driven helical microrobot with a double-helix microstructure capable of corkscrew-like locomotion was developed.
Ученые разрабатывают роботизированную систему, автономно проводящую иглу через ткани легких
Рак легких является основной причиной смертности от онкологических заболеваний в США. Некоторые опухоли очень малы и скрываются глубоко в легочной ткани, что затрудняет доступ к ним хирургов. Для решения этой проблемы ученые из University of North Carolina (UNC) в Чапел-Хилле и Vanderbilt University работали над созданием гибкого, но прочного робота, способного преодолевать легочную ткань.
В работе "Autonomous medical needle steering invivo", опубликованной в журнале Science Robotics, профессор Рон Альтеровиц и доцент Джейсон Акулян доказали, что их робот может автономно перемещаться из точки А в точку Б, избегая при этом важных структур, таких как крошечные дыхательные пути и кровеносные сосуды, на живой лабораторной модели.
"Эта технология позволяет нам достигать целей, до которых невозможно добраться с помощью стандартного или даже роботизированного бронхоскопа, - говорит Акулян. - Это дает дополнительные несколько миллиметров или даже сантиметров, что очень помогает при поиске небольших целей в легких".
Робот состоит из нескольких отдельных компонентов. Механическое управление обеспечивает контролируемую тягу иглы вперед и назад, а конструкция иглы позволяет двигаться по изогнутым траекториям. Игла изготовлена из никель-титанового сплава и подвергнута лазерному травлению для повышения ее гибкости, что позволяет ей легко проходить через ткани. При движении вперед травление на игле позволяет ей легко обходить препятствия. Другие насадки, например катетеры, могут использоваться вместе с иглой для проведения таких процедур, как биопсия легких.
Исследовательская группа использовала компьютерную томографию грудной полости и ИИ для создания трехмерной модели легкого, включая дыхательные пути, кровеносные сосуды и выбранную цель. Используя эту трехмерную модель и позиционируя иглу для запуска, ПО с ИИ автоматически направляет ее из точки А в точку Б.
"Разработанная нами автономная управляемая игла очень компактна, но при этом она оснащена целым набором технологий, позволяющих ей осуществлять автономную навигацию в режиме реального времени, - сказал Альтеровиц. - Это похоже на автономный автомобиль, только он перемещается по легочной ткани, избегая препятствий, таких как крупные кровеносные сосуды, по пути к месту назначения".
Игла может также учитывать дыхательные движения. В отличие от других органов, легкие постоянно расширяются и сжимаются в грудной полости. Это может затруднить нацеливание. По словам Акуляна, это все равно что стрелять по движущейся мишени.
Исследователи испытывали своего робота, когда лабораторная модель выполняла прерывистую задержку дыхания. При каждой задержке дыхания робот программируется на движение вперед.
"Мы планируем продолжить создание новых автономных медицинских роботов, которые объединят сильные стороны робототехники и ИИ, чтобы улучшить результаты лечения пациентов с различными проблемами здоровья, обеспечивая при этом гарантии безопасности пациентов", - говорит Альтеровиц.
https://robogeek.ru/roboty-v-meditsine/uchenye-razrabatyvayut-robotizirovannuyu-sistemu-avtonomno-provodyaschuyu-iglu-cherez-tkani-legkih
Рак легких является основной причиной смертности от онкологических заболеваний в США. Некоторые опухоли очень малы и скрываются глубоко в легочной ткани, что затрудняет доступ к ним хирургов. Для решения этой проблемы ученые из University of North Carolina (UNC) в Чапел-Хилле и Vanderbilt University работали над созданием гибкого, но прочного робота, способного преодолевать легочную ткань.
В работе "Autonomous medical needle steering invivo", опубликованной в журнале Science Robotics, профессор Рон Альтеровиц и доцент Джейсон Акулян доказали, что их робот может автономно перемещаться из точки А в точку Б, избегая при этом важных структур, таких как крошечные дыхательные пути и кровеносные сосуды, на живой лабораторной модели.
"Эта технология позволяет нам достигать целей, до которых невозможно добраться с помощью стандартного или даже роботизированного бронхоскопа, - говорит Акулян. - Это дает дополнительные несколько миллиметров или даже сантиметров, что очень помогает при поиске небольших целей в легких".
Робот состоит из нескольких отдельных компонентов. Механическое управление обеспечивает контролируемую тягу иглы вперед и назад, а конструкция иглы позволяет двигаться по изогнутым траекториям. Игла изготовлена из никель-титанового сплава и подвергнута лазерному травлению для повышения ее гибкости, что позволяет ей легко проходить через ткани. При движении вперед травление на игле позволяет ей легко обходить препятствия. Другие насадки, например катетеры, могут использоваться вместе с иглой для проведения таких процедур, как биопсия легких.
Исследовательская группа использовала компьютерную томографию грудной полости и ИИ для создания трехмерной модели легкого, включая дыхательные пути, кровеносные сосуды и выбранную цель. Используя эту трехмерную модель и позиционируя иглу для запуска, ПО с ИИ автоматически направляет ее из точки А в точку Б.
"Разработанная нами автономная управляемая игла очень компактна, но при этом она оснащена целым набором технологий, позволяющих ей осуществлять автономную навигацию в режиме реального времени, - сказал Альтеровиц. - Это похоже на автономный автомобиль, только он перемещается по легочной ткани, избегая препятствий, таких как крупные кровеносные сосуды, по пути к месту назначения".
Игла может также учитывать дыхательные движения. В отличие от других органов, легкие постоянно расширяются и сжимаются в грудной полости. Это может затруднить нацеливание. По словам Акуляна, это все равно что стрелять по движущейся мишени.
Исследователи испытывали своего робота, когда лабораторная модель выполняла прерывистую задержку дыхания. При каждой задержке дыхания робот программируется на движение вперед.
"Мы планируем продолжить создание новых автономных медицинских роботов, которые объединят сильные стороны робототехники и ИИ, чтобы улучшить результаты лечения пациентов с различными проблемами здоровья, обеспечивая при этом гарантии безопасности пациентов", - говорит Альтеровиц.
https://robogeek.ru/roboty-v-meditsine/uchenye-razrabatyvayut-robotizirovannuyu-sistemu-avtonomno-provodyaschuyu-iglu-cherez-tkani-legkih
Science Robotics
Autonomous medical needle steering in vivo
A medical robot can autonomously steer a needle to targets in vivo.
Новый метод помогает системам ИИ лучше ориентироваться в пространстве
Фотографии двухмерны, но автономные транспортные средства и другие технологии должны ориентироваться в трехмерном мире. Исследователи разработали новый метод, помогающий ИИ извлекать трехмерную информацию из двухмерных изображений, что делает камеры более полезными инструментами для этих развивающихся технологий.
"Существующие методы извлечения трехмерной информации из двухмерных изображений хороши, но недостаточно, - говорит Тяньфу Ву, соавтор статьи, посвященной этой работе, и доцент кафедры электротехники и вычислительной техники в North Carolina State University. - Наш новый метод, названный MonoXiver, может использоваться в сочетании с существующими методиками и делать их значительно более точными".
Работа особенно полезна для таких приложений, как автономные транспортные средства. Это связано с тем, что камеры дешевле других инструментов, используемых для навигации в трехмерном пространстве, таких как LIDAR. Поскольку камеры более доступны по цене, чем другие технологии, разработчики автономных транспортных средств могут устанавливать несколько камер, создавая избыточность системы. Но это полезно только в том случае, если ИИ автономного транспортного средства может извлекать трехмерную навигационную информацию из двухмерных изображений, полученных камерой. Для этого и был разработан MonoXiver.
Существующие методы извлечения 3D-данных из 2D-изображений - например, метод MonoCon, разработанный Ву и его соавторами, используют "ограничивающие рамки". В частности, эти методы обучают искусственный интеллект сканировать 2D-изображение и размещать рамки вокруг объектов на 2D-изображении, например, каждого автомобиля на улице. Эти рамки представляют собой кубоиды, которые помогают ИИ оценить размеры объектов на изображении и их местоположения относительно других объектов. Другими словами, с помощью этих рамок ИИ может определить, насколько велик автомобиль и где он находится по отношению к другим автомобилям на дороге.
Однако ограничительные рамки существующих программ зачастую несовершенны и часто не включают в себя части автомобиля или другого объекта, который появляется на двумерном изображении.
В новом методе MonoXiver каждая ограничительная рамка используется в качестве начальной точки или якоря, а ИИ выполняет анализ области, окружающей каждую рамку. В результате этого анализа программа создает множество дополнительных ограничительных рамок, окружающих якорь.
Чтобы определить, какие из этих дополнительных рамок наилучшим образом отражают "недостающие" части объекта, ИИ выполняет два сравнения. Первое сравнение касается "геометрии" каждого вторичного кубоида, чтобы определить, содержит ли он формы, которые соответствуют формам в якоре. Во втором сравнении рассматривается "внешний вид" каждого дополнительного блока, чтобы определить, содержит ли он цвета или другие визуальные характеристики, которые похожи на визуальные характеристики того, что находится в якорном блоке.
"Существенным достижением здесь является то, что MonoXiver позволяет нам очень эффективно выполнять эту методику выборки сверху вниз - создавать и анализировать вторичные ограничивающие рамки", - говорит Ву.
Для оценки точности метода MonoXiver исследователи дополнительно протестировали его на двух наборах данных: хорошо зарекомендовавшем себя наборе данных KITTI (Karlsruhe Institute of Technology and Toyota Technological Institute) и более сложном, крупномасштабном наборе данных компании Waymo.
"Мы использовали метод MonoXiver в сочетании с MonoCon и двумя другими существующими программами, предназначенными для извлечения 3D-данных из 2D-изображений, и MonoXiver значительно улучшил производительность всех трех программ, - говорит Ву. - Важно также отметить, что это улучшение достигается за счет относительно небольших вычислительных затрат".
Доклад "Monocular 3D Object Detection with Bounding Box Denoising in 3D by Perceiver" будет представлен 4 октября на International Conference on Computer Vision в Париже, Франция.
Фотографии двухмерны, но автономные транспортные средства и другие технологии должны ориентироваться в трехмерном мире. Исследователи разработали новый метод, помогающий ИИ извлекать трехмерную информацию из двухмерных изображений, что делает камеры более полезными инструментами для этих развивающихся технологий.
"Существующие методы извлечения трехмерной информации из двухмерных изображений хороши, но недостаточно, - говорит Тяньфу Ву, соавтор статьи, посвященной этой работе, и доцент кафедры электротехники и вычислительной техники в North Carolina State University. - Наш новый метод, названный MonoXiver, может использоваться в сочетании с существующими методиками и делать их значительно более точными".
Работа особенно полезна для таких приложений, как автономные транспортные средства. Это связано с тем, что камеры дешевле других инструментов, используемых для навигации в трехмерном пространстве, таких как LIDAR. Поскольку камеры более доступны по цене, чем другие технологии, разработчики автономных транспортных средств могут устанавливать несколько камер, создавая избыточность системы. Но это полезно только в том случае, если ИИ автономного транспортного средства может извлекать трехмерную навигационную информацию из двухмерных изображений, полученных камерой. Для этого и был разработан MonoXiver.
Существующие методы извлечения 3D-данных из 2D-изображений - например, метод MonoCon, разработанный Ву и его соавторами, используют "ограничивающие рамки". В частности, эти методы обучают искусственный интеллект сканировать 2D-изображение и размещать рамки вокруг объектов на 2D-изображении, например, каждого автомобиля на улице. Эти рамки представляют собой кубоиды, которые помогают ИИ оценить размеры объектов на изображении и их местоположения относительно других объектов. Другими словами, с помощью этих рамок ИИ может определить, насколько велик автомобиль и где он находится по отношению к другим автомобилям на дороге.
Однако ограничительные рамки существующих программ зачастую несовершенны и часто не включают в себя части автомобиля или другого объекта, который появляется на двумерном изображении.
В новом методе MonoXiver каждая ограничительная рамка используется в качестве начальной точки или якоря, а ИИ выполняет анализ области, окружающей каждую рамку. В результате этого анализа программа создает множество дополнительных ограничительных рамок, окружающих якорь.
Чтобы определить, какие из этих дополнительных рамок наилучшим образом отражают "недостающие" части объекта, ИИ выполняет два сравнения. Первое сравнение касается "геометрии" каждого вторичного кубоида, чтобы определить, содержит ли он формы, которые соответствуют формам в якоре. Во втором сравнении рассматривается "внешний вид" каждого дополнительного блока, чтобы определить, содержит ли он цвета или другие визуальные характеристики, которые похожи на визуальные характеристики того, что находится в якорном блоке.
"Существенным достижением здесь является то, что MonoXiver позволяет нам очень эффективно выполнять эту методику выборки сверху вниз - создавать и анализировать вторичные ограничивающие рамки", - говорит Ву.
Для оценки точности метода MonoXiver исследователи дополнительно протестировали его на двух наборах данных: хорошо зарекомендовавшем себя наборе данных KITTI (Karlsruhe Institute of Technology and Toyota Technological Institute) и более сложном, крупномасштабном наборе данных компании Waymo.
"Мы использовали метод MonoXiver в сочетании с MonoCon и двумя другими существующими программами, предназначенными для извлечения 3D-данных из 2D-изображений, и MonoXiver значительно улучшил производительность всех трех программ, - говорит Ву. - Важно также отметить, что это улучшение достигается за счет относительно небольших вычислительных затрат".
Доклад "Monocular 3D Object Detection with Bounding Box Denoising in 3D by Perceiver" будет представлен 4 октября на International Conference on Computer Vision в Париже, Франция.
Этическое восприятие роботов для ухода за людьми
Потребность в уходе за людьми старше 65 лет стремительно растет во всем мире. Хотя роботы являются перспективным решением для замены сиделок, их внедрение происходит медленно и не всегда с положительным результатом.
Группа международных исследователей разработала универсальную модель, которая может быть использована в различных культурных контекстах для объяснения того, как этические представления влияют на готовность использовать роботов для ухода за людьми.
На сегодняшний день не существует универсальной модели, которая могла бы прояснить взаимосвязь между этическими представлениями и готовностью использовать роботов для ухода за людьми в разных странах. Чтобы восполнить этот пробел в знаниях, группа международных исследователей под руководством профессора Саюри Сува из Chiba University провела поперечное исследование в Японии, Ирландии и Финляндии. Результаты исследования будут опубликованы в январе 2024 года в 116 выпуске журнала Archives of Gerontology and Geriatrics.
Рассказывая о мотивах исследования, профессор Сува поясняет: "Сегодня в Японии в обществе пожилых людей разрабатываются и продаются различные роботы для ухода, чтобы компенсировать нехватку обслуживающего персонала. Однако между пользователями и разработчиками не ведется дискуссий о готовности к использованию роботов, защите частной жизни и надлежащем использовании личной информации, связанной с применением роботов для ухода. Желание улучшить эту ситуацию и способствовать надлежащему использованию роботов за пределами Японии послужило толчком к проведению данного исследования".
Команда разработала анкету, в которой изучались этические вопросы, способные повлиять на готовность использовать роботов для ухода в трех странах. Опрос проводился с ноября 2018 года по февраль 2019 года среди пожилых людей, членов их семей, осуществляющих уход, и профессиональных сиделок. Данное исследование также было рассмотрено несколькими этическими комитетами этих странах.
Исследователи проанализировали в общей сложности 1132 анкеты: 664 из Японии, 208 из Ирландии и 260 из Финляндии. Было установлено, что готовность к использованию роботов для ухода наиболее высока в Японии (77,1%), затем в Ирландии (70,3%), а наиболее низка в Финляндии (52,8%).
Далее исследователи разработали концептуальную модель и оценили ее с помощью статистических методов. Из анкеты исследователи включили в модель ответы на десять пунктов, разделенных на четыре широкие области - получение личной информации, использование личной информации для медицинского и долгосрочного ухода, вторичное использование личной информации и участие в исследованиях и разработках.
Затем они улучшили модель, используя информационный критерий Акаике (AIC). Модель подвергалась поэтапным улучшениям для достижения лучших (меньших) значений AIC. Окончательная модель затем была применена к каждой стране.
Данное исследование продемонстрировало успешное использование единой универсальной модели, способной объяснить взаимосвязь между этическими представлениями и социальным внедрением роботов по уходу в трех странах с различными географическими, демографическими, культурными и системными особенностями.
Обсуждая важность и долгосрочное влияние своего исследования, профессор Сува сказал: "Из наших результатов мы можем сделать вывод, что социальное внедрение роботов можно стимулировать, если разработчики и исследователи будут поощрять потенциальных пользователей к участию в процессе разработки, предложенном в виде концепции совместного проектирования и совместного производства. Мы надеемся, что процесс разработки роботов для ухода будет усовершенствован, чтобы способствовать благополучию людей в глобальном стареющем обществе".
https://robogeek.ru/analitika/eticheskoe-vospriyatie-robotov-dlya-uhoda-za-lyudmi
Потребность в уходе за людьми старше 65 лет стремительно растет во всем мире. Хотя роботы являются перспективным решением для замены сиделок, их внедрение происходит медленно и не всегда с положительным результатом.
Группа международных исследователей разработала универсальную модель, которая может быть использована в различных культурных контекстах для объяснения того, как этические представления влияют на готовность использовать роботов для ухода за людьми.
На сегодняшний день не существует универсальной модели, которая могла бы прояснить взаимосвязь между этическими представлениями и готовностью использовать роботов для ухода за людьми в разных странах. Чтобы восполнить этот пробел в знаниях, группа международных исследователей под руководством профессора Саюри Сува из Chiba University провела поперечное исследование в Японии, Ирландии и Финляндии. Результаты исследования будут опубликованы в январе 2024 года в 116 выпуске журнала Archives of Gerontology and Geriatrics.
Рассказывая о мотивах исследования, профессор Сува поясняет: "Сегодня в Японии в обществе пожилых людей разрабатываются и продаются различные роботы для ухода, чтобы компенсировать нехватку обслуживающего персонала. Однако между пользователями и разработчиками не ведется дискуссий о готовности к использованию роботов, защите частной жизни и надлежащем использовании личной информации, связанной с применением роботов для ухода. Желание улучшить эту ситуацию и способствовать надлежащему использованию роботов за пределами Японии послужило толчком к проведению данного исследования".
Команда разработала анкету, в которой изучались этические вопросы, способные повлиять на готовность использовать роботов для ухода в трех странах. Опрос проводился с ноября 2018 года по февраль 2019 года среди пожилых людей, членов их семей, осуществляющих уход, и профессиональных сиделок. Данное исследование также было рассмотрено несколькими этическими комитетами этих странах.
Исследователи проанализировали в общей сложности 1132 анкеты: 664 из Японии, 208 из Ирландии и 260 из Финляндии. Было установлено, что готовность к использованию роботов для ухода наиболее высока в Японии (77,1%), затем в Ирландии (70,3%), а наиболее низка в Финляндии (52,8%).
Далее исследователи разработали концептуальную модель и оценили ее с помощью статистических методов. Из анкеты исследователи включили в модель ответы на десять пунктов, разделенных на четыре широкие области - получение личной информации, использование личной информации для медицинского и долгосрочного ухода, вторичное использование личной информации и участие в исследованиях и разработках.
Затем они улучшили модель, используя информационный критерий Акаике (AIC). Модель подвергалась поэтапным улучшениям для достижения лучших (меньших) значений AIC. Окончательная модель затем была применена к каждой стране.
Данное исследование продемонстрировало успешное использование единой универсальной модели, способной объяснить взаимосвязь между этическими представлениями и социальным внедрением роботов по уходу в трех странах с различными географическими, демографическими, культурными и системными особенностями.
Обсуждая важность и долгосрочное влияние своего исследования, профессор Сува сказал: "Из наших результатов мы можем сделать вывод, что социальное внедрение роботов можно стимулировать, если разработчики и исследователи будут поощрять потенциальных пользователей к участию в процессе разработки, предложенном в виде концепции совместного проектирования и совместного производства. Мы надеемся, что процесс разработки роботов для ухода будет усовершенствован, чтобы способствовать благополучию людей в глобальном стареющем обществе".
https://robogeek.ru/analitika/eticheskoe-vospriyatie-robotov-dlya-uhoda-za-lyudmi
robogeek.ru
Этическое восприятие роботов для ухода за людьми
Потребность в уходе за людьми старше 65 лет стремительно растет во всем мире. Хотя роботы являются перспективным решением для замены сиделок, их внедрение происходит медленно и не всегда с положительным результатом.
Южнокорейские ученые представили экзоскелет, позволяющий быстрее бегать
Согласно результатам небольшого исследования, экзоскелетный костюм помогает людям быстрее бегать. Спортсмены могли бы в будущем использовать этот костюм на тренировках для улучшения своих показателей, хотя есть мнение, что это может повысить риск травмы.
Ранее ученые уже разрабатывали экзоскелетные устройства, помогающие людям более эффективно ходить или бегать. Теперь Гиук Ли из Chung-Ang University в Сеуле (Южная Корея) и его коллеги создали экзоскелет, позволяющий людям быстрее бегать.
По словам Ли, экзокостюм весом 4,4 кг оснащен электромоторами на спине, которые управляют длиной двух стальных тросов, закрепленных на ногах пользователя. Когда пользователь вытягивает ноги назад, длина троса уменьшается, что помогает ему выполнить это движение. С помощью датчиков экзокостюм может определять походку бегуна в режиме реального времени и синхронизироваться с его шагами.
Для проверки его эффективности команда попросила девять непрофессиональных бегунов пробежать 200 м в спринтерском темпе, дважды без и дважды в экзоскелете. Исследователи обнаружили, что в среднем участники бежали на 0,97 секунды быстрее, когда надевали устройство.
Статистический анализ показывает, что это улучшение не было случайным. Однако нельзя исключать, что они бегали быстрее, когда надевали экзоскелет, потому что ожидали, что он поможет, уточняет Ли.
Также сообщается, что исследователи разработали более легкую версию экзоскелета массой 2,5 кг и проверяют, можно ли использовать его в качестве тренировочного инструмента для профессиональных бегунов.
"Один из профессиональных спортсменов тренировался в этом экзокостюме, и он помог ему бежать быстрее даже без его ношения, - говорит Ли. - Это может быть связано с тем, что он помогает им чувствовать и помнить, как задействовать нужные мышцы, чтобы бежать быстрее".
Работа "Reducing sprint time with exosuit assistance in the real world" была опубликована в журнале Science Robotics.
https://robogeek.ru/ekzoskelety-protezy/yuzhnokoreiskie-uchenye-predstavili-ekzoskelet-pozvolyayuschii-bystree-begat
Согласно результатам небольшого исследования, экзоскелетный костюм помогает людям быстрее бегать. Спортсмены могли бы в будущем использовать этот костюм на тренировках для улучшения своих показателей, хотя есть мнение, что это может повысить риск травмы.
Ранее ученые уже разрабатывали экзоскелетные устройства, помогающие людям более эффективно ходить или бегать. Теперь Гиук Ли из Chung-Ang University в Сеуле (Южная Корея) и его коллеги создали экзоскелет, позволяющий людям быстрее бегать.
По словам Ли, экзокостюм весом 4,4 кг оснащен электромоторами на спине, которые управляют длиной двух стальных тросов, закрепленных на ногах пользователя. Когда пользователь вытягивает ноги назад, длина троса уменьшается, что помогает ему выполнить это движение. С помощью датчиков экзокостюм может определять походку бегуна в режиме реального времени и синхронизироваться с его шагами.
Для проверки его эффективности команда попросила девять непрофессиональных бегунов пробежать 200 м в спринтерском темпе, дважды без и дважды в экзоскелете. Исследователи обнаружили, что в среднем участники бежали на 0,97 секунды быстрее, когда надевали устройство.
Статистический анализ показывает, что это улучшение не было случайным. Однако нельзя исключать, что они бегали быстрее, когда надевали экзоскелет, потому что ожидали, что он поможет, уточняет Ли.
Также сообщается, что исследователи разработали более легкую версию экзоскелета массой 2,5 кг и проверяют, можно ли использовать его в качестве тренировочного инструмента для профессиональных бегунов.
"Один из профессиональных спортсменов тренировался в этом экзокостюме, и он помог ему бежать быстрее даже без его ношения, - говорит Ли. - Это может быть связано с тем, что он помогает им чувствовать и помнить, как задействовать нужные мышцы, чтобы бежать быстрее".
Работа "Reducing sprint time with exosuit assistance in the real world" была опубликована в журнале Science Robotics.
https://robogeek.ru/ekzoskelety-protezy/yuzhnokoreiskie-uchenye-predstavili-ekzoskelet-pozvolyayuschii-bystree-begat
Science Robotics
Reducing sprint time with exosuit assistance in the real world
Hip extension assistance with the aid of exosuits can reduce sprinting time.
В UW разработали миниатюрного автономного робота MilliMobile
Небольшие мобильные роботы, оснащенные датчиками, могли бы выполнять такие задачи, как обнаружение утечек газа или отслеживание складских запасов. Однако для перемещения роботов требуется много энергии, а батареи, являющиеся обычным источником питания, имеют ограниченный срок службы.
Исследователи из University of Washington (UW) создали небольшого автономного робота MilliMobile, питающийся только от окружающего света. Сообщается, что робот за час может преодолеть 10 метров. MilliMobile может передвигаться по таким поверхностям, как бетон или грунт, и нести на себе оборудование, такое как камера или датчики, почти в три раза превышающее его собственный вес. Он использует датчик освещенности, чтобы автоматически двигаться к источникам света, что позволяет ему бесконечно долго работать на собранной энергии.
Команда представит свое исследование 2 октября на конференции ACM MobiCom 2023 в Мадриде, Испания.
"Мы черпали вдохновение в "intermittent computing", разбивая сложные программы на небольшие шаги, так что устройство с очень ограниченной мощностью может работать постепенно, по мере поступления энергии, - говорит соавтор исследования Кайл Джонсон. - В проекте MilliMobile мы применили эту концепцию к движению. Мы уменьшили размеры и массу робота, поэтому для его движения требуется лишь небольшое количество энергии. И, подобно животному, делающему шаги, наш робот движется дискретными шагами, используя небольшие импульсы энергии для вращения колес".
Команда тестировала MilliMobile как в помещении, так и на открытом воздухе, в таких условиях, как парк, крытая гидропонная ферма и офис. Даже в условиях очень низкой освещенности робот все равно способен передвигаться, хотя и гораздо медленнее. Непрерывное движение, даже в таком темпе, открывает новые возможности для роя роботов, размещенных в местах, где другие датчики не могут получить точные данные.
"Датчики IoT обычно фиксируются в определенных местах, - говорит соавтор исследования Закари Энглхардт. - Наша работа пересекает области, позволяя создавать роботизированные датчики, которые могут cобирать данные в нескольких точках пространства для создания более детальной картины окружающей среды, будь то умная ферма, где роботы отслеживают влажность и влажность почвы, или завод, где они ищут электромагнитные шумы для поиска неисправностей оборудования".
https://www.youtube.com/watch?v=WADixOh6Xs8
Исследователи оснастили MilliMobile датчиками освещенности, температуры и влажности, а также Bluetooth,. В будущем они планируют добавить другие датчики и улучшить обмен данными между роями подобных роботов.
https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/v-uw-razrabotali-miniatyurnogo-avtonomnogo-robota-millimobile
Небольшие мобильные роботы, оснащенные датчиками, могли бы выполнять такие задачи, как обнаружение утечек газа или отслеживание складских запасов. Однако для перемещения роботов требуется много энергии, а батареи, являющиеся обычным источником питания, имеют ограниченный срок службы.
Исследователи из University of Washington (UW) создали небольшого автономного робота MilliMobile, питающийся только от окружающего света. Сообщается, что робот за час может преодолеть 10 метров. MilliMobile может передвигаться по таким поверхностям, как бетон или грунт, и нести на себе оборудование, такое как камера или датчики, почти в три раза превышающее его собственный вес. Он использует датчик освещенности, чтобы автоматически двигаться к источникам света, что позволяет ему бесконечно долго работать на собранной энергии.
Команда представит свое исследование 2 октября на конференции ACM MobiCom 2023 в Мадриде, Испания.
"Мы черпали вдохновение в "intermittent computing", разбивая сложные программы на небольшие шаги, так что устройство с очень ограниченной мощностью может работать постепенно, по мере поступления энергии, - говорит соавтор исследования Кайл Джонсон. - В проекте MilliMobile мы применили эту концепцию к движению. Мы уменьшили размеры и массу робота, поэтому для его движения требуется лишь небольшое количество энергии. И, подобно животному, делающему шаги, наш робот движется дискретными шагами, используя небольшие импульсы энергии для вращения колес".
Команда тестировала MilliMobile как в помещении, так и на открытом воздухе, в таких условиях, как парк, крытая гидропонная ферма и офис. Даже в условиях очень низкой освещенности робот все равно способен передвигаться, хотя и гораздо медленнее. Непрерывное движение, даже в таком темпе, открывает новые возможности для роя роботов, размещенных в местах, где другие датчики не могут получить точные данные.
"Датчики IoT обычно фиксируются в определенных местах, - говорит соавтор исследования Закари Энглхардт. - Наша работа пересекает области, позволяя создавать роботизированные датчики, которые могут cобирать данные в нескольких точках пространства для создания более детальной картины окружающей среды, будь то умная ферма, где роботы отслеживают влажность и влажность почвы, или завод, где они ищут электромагнитные шумы для поиска неисправностей оборудования".
https://www.youtube.com/watch?v=WADixOh6Xs8
Исследователи оснастили MilliMobile датчиками освещенности, температуры и влажности, а также Bluetooth,. В будущем они планируют добавить другие датчики и улучшить обмен данными между роями подобных роботов.
https://robogeek.ru/nauchnye-razrabotki-programmnoe-obespechenie/v-uw-razrabotali-miniatyurnogo-avtonomnogo-robota-millimobile