Страница телеграм канала Robotics Channel
Robotics Channel
9531 подписчиков
Мир робототехники, искусственного разума и сфер их применения. Сайт the-robot.ru Чат @robotics_chat Книги @robotics_books Прислать информацию @robotics_bot Реклама http://telegra.ph/Tarify-na-reklamu-11-28 Админы @MaximKosterin и @Vintego
Входит в категории: Технологии
19.02.2020 18:02
Роботизированная микрохирургия стала субмиллиметровой
Благодаря новому роботу, впервые в истории медицины удалось соединить сосуды диаметром от 0,3 до 0,8 мм. Операцию выполнила команда пластических хирургов совместно с техническими специалистами из Маастрихта (университетский городок на юге Нидерландов).
Уникальная операция была проведена для устранения лимфостаза, развившегося у пациентки как осложнение рака молочной железы. В ней был задействован робот MUSA, изготовленный в Microsure – компании, основанной сотрудниками Эйндховенского технологического университета.
До сих пор процедура LVA (лимфовенозного анастомоза) выполнялась только на крупных сосудах, поскольку ни один хирург не может обеспечить субмиллиметровую точность движений.
Попробуйте удержать фотоаппарат на вытянутой руке, и вы увидите медленное раскачивание. После длительных тренировок оно уменьшится, но не исчезнет полностью. В последние годы с ним борются при помощи гироскопической стабилизации. Этот метод и был взят на вооружение в микрохирургии.
Робот MUSE – это комбинация гироскопа и высокоточных актуаторов с интеллектуальным управлением. Он сглаживает дрожание рук и словно масштабирует движения хирурга.
Проще говоря, чтобы выполнить разрез длиной в миллиметр, нужно переместить руку на несколько сантиметров. Движения с меньшей амплитудой отбрасываются как шум.
Пилотное исследование показало, что уже сегодня MUSE можно использовать для операций на мельчайших сосудах диаметром от 0,3 мм. Это позволяет выполнять хирургическое лечение с невероятной точностью, в разы ускоряет реабилитацию после травм и выводит трансплантологию на новый уровень.
Источник: https://www.nature.com/articles/s41467-019-14188-w
19.02.2020 10:02
Открылся набор на летние «Бассейны» в бесплатную Школу программирования от Сбербанка в Москве
Если вы хотите стать востребованным IT-специалистом, приходите учится в Школу 21! Это образовательный проект, основанный на международном опыте французской школы кодинга «Ecole 42». Здесь учат программированию с нуля на: C, C++, Java, Python, Ruby и многим другим языкам.
Обучение проходит без учителей, лекций, оценок и расписаний. Школа 21 работает 24/7 — здесь нет расписаний, ты сам определяешь, когда тебе учиться. Обязательный пункт — две гарантированные стажировки, чтобы будущие специалисты получили практический опыт работы в крупных IT-компаниях с реальными проектами.
В общем, Школа 21 — это возможность круто изменить свою жизнь в лучшую сторону. Не пропустите новый набор: http://sber.me/?p=RMrou
17.02.2020 18:02
ИИ в сельском хозяйстве: от цветочков до ягодок
Costa Group начала развертывание системы искусственного интеллекта для повышения урожайности ягодных растений. До неё никто в отрасли этого не делал (во всяком случае – успешно).
Являясь одним из крупнейших поставщиков овощной и ягодной продукции в Австралии, компания постоянно ищет способы заключать контракты на более выгодных условиях. Для этого нужно заранее прогнозировать урожайность, но классические методы оценки дают большой разброс.
Низкая урожайность выливается в срывы поставок, а высокая приводит к вынужденному демпингу – оба варианта вредят компании, влияя не только на объём выручки, но и на репутацию. Поэтому Costa Group попыталась использовать ИИ там, где никто не решался – для оптимизации выращивания различных ягодных культур.
Ранее подобные системы использовались для прогнозирования урожайности салата, шпината и различных овощей. С этим не было проблем. Затем ИИ модифицировали для винодельческих предприятий, и это тоже не заняло много времени. Однако его настройка для мониторинга ягодных кустов оказалась очень сложной задачей.
В отличие от других сельхоз культур, при выращивании ягод вы не просто собираете урожай раз в год. Ягодные растения постоянно плодоносят в течение сезона. На одном кусте всегда есть ягоды разной степени зрелости, а расчёт общей урожайности – это решение сложной системы уравнений для нелинейных процессов, где даже в грубых моделях используется полтора десятка переменных.
У Costa Group нейросеть получает данные от множества датчиков, объединённых IoT-платформой Sensing+. Она была разработана сиднейской компанией The Yield для мониторинга в реальном времени.
Сенсоры непрерывно измеряют 14 параметров, влияющие на развитие растений. Это температура почвы и воздуха, PH и степень минерализации воды для полива, влажность верхних и глубоких слоёв грунта, скорость движения воздуха, уровень освещённости, УФ-индекс и другие показатели.
Они объединяются с существующими наборами данных, совместно используемых Costa. По ним ИИ автоматически строит модели развития каждого растения в теплице и постоянно уточняет их, сравнивая собственные прогнозы с новыми объективными данными. В итоге он подсказывает, каким кустам требуется скорректировать условия роста, и даёт очень точную оценку общей урожайности.
«Мы в буквальном смысле описываем эту систему как математического робота. Он эффективно обрабатывает данные и самостоятельно выбирает наиболее важные наборы функций», – пояснил основатель Yield и управляющий директор Рос Харви.
Первые системы ИИ на базе Sensing+ были недавно установлены в восьми теплицах для выращивания ягод на фермах Costa Group в Новом Южном Уэльсе, Квинсленде и Тасмании.
«Фактически, мы создали локальную метеорологическую службу в тепличном хозяйстве. Она работает в сети, что делает её доступной на стационарных и мобильных устройств. Это открывает целый ряд новых возможностей, оптимизируя посадку, ирригацию, подкормку, защиту растений и сбор урожая», – сказал Харви.
Используя ИИ, Costa Group заранее определяет урожайность и доходность каждого участка. Это позволяет оптимизировать логистику и заключить с поставщиками фьючерсные контракты с минимальным риском.
Источник: https://www.zdnet.com/article/costa-group-turns-to-ai-maths-robot-to-improve-berry-yield-predictions/
14.02.2020 18:02
Иран представил продвинутого гуманоидного робота
В Центре передовых систем и технологий (CAST) Тегеранского университета создали гуманоидного робота Surena IV. По уровню сложности его можно сравнить с Asimo (Honda) и Hubo (KAIST).
Серия «Сурена» (в переводе с персидского – «героический») началась 12 лет назад с довольно примитивной модели, даже не способной ходить. Однако постепенно к её доработке подключилось более 50 специалистов, и дело пошло.
Команда из полусотни исследователей во главе с профессором кафедры машиностроения доктором Агилом Юсефи-Комой представила движущегося робота Surena II в 2010 году.
При росте 145 см он обладал 22 степенями свободы и передвигался подобно игрушечному роботу на колёсиках в подошве. Делал он это настолько медленно, что демонстрацию походки в записи приходилось ускорять в 8-10 раз.
Surena III дебютировал в 2015 году и для своего времени выглядел впечатляюще. Рост увеличился до 198 см, масса составила 98 кг, а число степеней свободы расширили до 31. Основной проблемой оставалась низкая скорость – всего 8-9 см/с.
Новая модель Surena IV стала вдвое быстрее 19 см/с, гораздо «умнее» и при этом – компактнее: 170 см и 68 кг. Теперь у неё 43 степени свободы, что делает её движения более плавными и человеческими.
Четвёртая «Сурена» умеет подниматься и спускаться по ступенькам, ходить прямо, боком и спиной вперёд, огибать препятствия и держать баланс в сложных условиях.
В ней используется инерциальный измерительный блок (IMU) и контроллер на базе программируемых вентильных матриц (FPGA), постоянно отслеживающий положение всего тела.
Частота контура управления составляет 200 Гц, поэтому робот быстро реагирует на угрозу падения. Surena IV успешно прошла испытания, сохранив равновесие на склонах с уклоном до 10°.
Модуль искусственного интеллекта позволяет ей быстро приспосабливаться к изменяющимся условиям. Например, она может аккуратно взять и бросить мячи разного диаметра, написать своё имя на разных поверхностях, огибать препятствия, распознавать лица и речь.
В манипуляторах используется обратная связь на основе тензорных датчиков, за счёт которой «Сурена IV» обладает развитой мелкой моторикой. Одной рукой она управляется с предметами сложной формы массой до 200 г.
«Улучшение взаимодействия робота с окружающей средой было одной из основных целей проекта Surena IV», – говорит профессор Юсефи-Кома.
Работает «Сурена IV» под управлением ROS (Robot Operating System), распространяемой по лицензии BSD.
Источник: https://spectrum.ieee.org/automaton/robotics/humanoids/iran-surena-iv-humanoid-robot
14.02.2020 09:02
Области применения машинного обучения, ИИ почти безграничны: от написания стихов до диагностики оборудования на производстве, предсказания событий и распознания эмоций людей.
Вы сможете использовать возможности алгоритмов практически в любой сфере.
Где получить необходимые Data Scientist’у навыки?
Ребята из SkillFactory запустили новый набор на курс “Data Science". Здесь вы сможете проработать все составляющие профессии: Python, машинное обучение, нейросети и deep learning, основы Big Data и Data engineering.
Дополняет программу спец курс математики и статистики для Data Science и модуль менеджмента, который познакомит студентов с реалиями продакшена.
Узнайте больше о возможностях: https://clc.to/Azge_w
12.02.2020 18:02
Как обучить нейросеть на ноутбуке?
Готовим миллиард сэмплов за 5 минут!
Важнейший этап машинного обучения (ML) – подготовка данных. Их нужно собрать, привести к единому формату, отфильтровать и проверить прежде, чем передать на вход нейросети.
Такая подготовка может растянуться на неопределённое время, поскольку даже среди специалистов по ML единицы владеют современными инструментами обработки больших данных.
Тысячу строк ещё можно «причесать» в Excel, а вот если их миллионы – требуется принципиально другой подход из области Big data.
В статье для TowardsDataScience cтарший специалист по обработке данных в XebiaLabs и соучредитель vaex.io Йован Веляноски (Jovan Veljanoski) показывает на реальном примере, как можно быстро обучить нейросеть на сырой выборке из миллиарда образцов.
Для этого используется обычный ноутбук без каких-либо нейропроцессоров и других специализированных ускорителей. Звучит как фантастика? Вовсе нет, всё дело в рациональном использовании ресурсов.
Перед Йованом была поставлена задача: создать алгоритм ML, предсказывающий продолжительность поездки в такси для оптимизации работы автопарка. Из публичной базы он взял данные обо всех поездках в Нью-Йорке за семилетний период и сохранил их в одну таблицу.
Размер файла получился более 100 Гб, а количество строк в таблице превысило один миллиард. Ни одна программа не способна обработать такой массив за разумное время (а большинство даже не в состоянии открыть).
Проблема в том, что традиционные приложения создают временные файлы и преобразуют все данные в свой формат, затрачивая на это уйму ресурсов. Поэтому Йован использовал нетривиальный инструмент с открытым исходным кодом: Vaex - библиотеку DataFrame на Python.
Vaex использует memory mapping (динамическое отображение блоков данных в ОЗУ), за счёт чего открывает огромные файлы мгновенно. Трансляция ссылок на блоки данных не требует физического выделения дополнительной памяти до тех пор, пока данные не подвергались модификации. При этом добавление и удаление целых столбцов также происходит за доли секунды, поскольку это виртуальные операции со ссылками, а не запись новых файлов.
Йован применил серию фильтров для удаления отменённых поездок и неполных данных, после чего сразу получил готовую подборку для обучения нейросети из 812 816 595 образцов.
Интересно, что время поездки в ней не хранилось статично в отдельном столбце, а динамически вычислялось как разница между временными штампами окончания и начала заказа. Аналогично рассчитывалось расстояние, поэтому даже при обработке 100-гигабайтного файла требования к объёму ОЗУ и накопителя оставались весьма скромными.
Вся подготовительная работа заняла около пяти минут чистого времени, а дальше началась исследовательская часть. Йован пробовал разные методы группировки, выделял отдельные направления поездок и неизменно получал быстрый результат.
Источник: https://towardsdatascience.com/ml-impossible-train-a-1-billion-sample-model-in-20-minutes-with-vaex-and-scikit-learn-on-your-9e2968e6f385
10.02.2020 18:02
Roborigger сделает погрузку безопаснее
Австралийская компания Roborigger выиграла три приза в конкурсе «Новатор года» и получила $5 млн инвестиций от фонда Blackbird Ventures. Их представителей покорил робот для подъёмного крана, который заменяет от 2 до 4 рабочих.
Роботизированный подвес Roborigger серии ARM выпускается с грузоподъёмностью 5, 10, 15 и 20 тонн. Его применение решает сразу две задачи: точное позиционирование груза и автоматический сбор детальной статистики погрузочных работ.
Обычно на финальном этапе погрузки оператор крана удерживает груз над местом его установки (например, над платформой), а рабочие используют канаты, чтобы повернуть подвешенную конструкцию на нужный угол.
Это опасная и тяжёлая операция, съедающая уйму времени, особенно когда речь идёт о прямоугольных контейнерах или стальных опорах. Roborigger выполняет эту задачу быстро и ценой минимальных усилий.
Оператор управляет им дистанционно, находясь в безопасности. Он может дополнительно наблюдать за ходом погрузки со стороны стрелы подъёмного крана благодаря встроенной камере Roborigger. На пульте всего 8 кнопок и два тумблера, поэтому с ним легко разберётся даже новичок.
Встроенное программное обеспечение собирает данные от каждого подъема, включая время, температуру мотора, массу, начальное и конечное местоположение всех грузов. Пользователи могут получить доступ к этой статистике через веб-интерфейс.
«Это отличный пример использования роботов для повышения безопасности тяжёлых работ. У Roborigger есть возможность стать стандартом де-факто по всему миру», – сказал Рик Бейкер, соучредитель Blackbird Ventures.
Видео:
Источник: https://www.brisbanetimes.com.au/business/companies/winning-ways-continue-for-wa-robot-crane-after-5-million-cash-injection-20200210-p53zhq.html
Источник: https://www.brisbanetimes.com.au/business/companies/winning-ways-continue-for-wa-robot-crane-after-5-million-cash-injection-20200210-p53zhq.html
10.02.2020 10:02
Открылся набор на летние «Бассейны» в бесплатную Школу программирования от Сбербанка в Москве
Если вы хотите стать востребованным IT-специалистом, приходите учится в Школу 21! Это образовательный проект, основанный на международном опыте французской школы кодинга «Ecole 42». Здесь учат программированию с нуля на: C, C++, Java, Python, Ruby и многим другим языкам.
Обучение проходит без учителей, лекций, оценок и расписаний. Школа 21 работает 24/7 — здесь нет расписаний, ты сам определяешь, когда тебе учиться. Обязательный пункт — две гарантированные стажировки, чтобы будущие специалисты получили практический опыт работы в крупных IT-компаниях с реальными проектами.
В общем, Школа 21 — это возможность круто изменить свою жизнь в лучшую сторону. Не пропустите новый набор: http://sber.me/?p=xxb5i
07.02.2020 18:02
Робот с ИИ делает прокол вены под контролем ультразвука
Команда исследователей из Университета Ратгерса в Нью-Джерси сообщила о начале клинических испытаний роботизированной системы для забора крови у пациентов.
Об этой разработке мы писали пару лет назад. Тогда она была на стадии прототипа, и её демонстрировали на муляже – искусственной руке с имитирующими сосуды трубочками, заполненными кровезаменителем.
Сейчас завершилась серия испытаний с участием реальных пациентов, и результаты оказались многообещающими. В группе из 25 добровольцев робот успешно взял образец крови у 24.
Формально процент успеха получился 96%, что превосходит показатели эффективности медсестёр, но стоит учесть эффект малой выборки и её слабой рандомизации. Людей отобрали схожего телосложения и возраста. У всех 25 вены были легкодоступны для пункции.
В другом тесте с участием 31 добровольца, процент успешности составил уже 87%. Исследователи утверждают, что (по их собственным данным) при отсутствии видимых вен медицинский персонал способен взять кровь только в 73% случаев.
Проблемы с забором крови возникают при глубоком расположении вен и их слабом наполнении. Медсестра в таком случае может просто выбрать другую вену, а робот пока обучен использовать только поверхностные вены руки.
Зато в нём используется система ультразвуковой визуализации, которая помогает найти ближайшую крупную вену (чаще всего – медиальную) и выполнить её пункцию без участия человека.
В ходе клинических испытаний были получены данные, которые разработчики планируют использовать для обучения подсистемы ИИ робота. В будущем наряду с получением образцов крови, такой робот может также использоваться в процедурах, требующих внутривенной катетеризации.
Источник: https://news.rutgers.edu/new-robot-does-superior-job-sampling-blood/20200204
07.02.2020 13:02
Ко дню робототехники, который отмечается сегодня, 7 февраля, мы попросили представителей НАУРР, Университета Иннополис, ABB в России, Promobot, «Роббо» и др. рассказать о состоянии рынка, его тенденциях и потребностях, а также о наиболее развитых направлениях робототехники в России и кадровых вопросах.
Подробнее об этом читайте на нашем сайте
05.02.2020 18:02
Китайский робот поможет остановить эпидемию коронавирусной инфекции
В Китае разрабатывают медицинского робота, который сможет брать мазки для определения заражённых коронавирусом 2019-nCoV. Сейчас эту работу выполняют медсёстры, которые сами подвергаются риску инфицирования. Правительство КНР считает, что робот поможет остановить распространение эпидемии.
После расшифровки генома 2019-nCoV были разработаны методики обнаружения опасного штамма в мазках из носа и зева пациентов. Одни выполняются на месте методом ИФА (иммуноферментного анализа) и занимают всего 10 – 15 минут. Другие проводятся в условиях лаборатории, занимая несколько часов, зато позволяют гарантированно обнаружить сами вирусные частицы методом ОТ-ПЦР (обратной транскрипционной полимеразной цепной реакции).
В любом случае, сначала нужно взять биоматериал. Проблема в том, что при его заборе медицинский персонал сам рискует заразиться, а затем инфицировать следующего пациента во время скрининга. Обычная медицинская маска не закрывает глаза и не обеспечивает надёжной защиты.
Логичный выход – сделать процедуру взятия мазков дистанционной, чтобы непосредственно с пациентом контактировал робот. Создать такую роботизированную систему было поручено сразу нескольким компаниям под общим руководством Шэньянского института автоматизации Академии наук Китая.
В ближайшее время прототип будет готов у фирмы Siasun Robot and Automation. Она была основана в Шеньяне (на северо-востоке Китая) в 2000 году, а в 2009-м включена в список растущих предприятий.
Каких-то подробностей пока не сообщается. Известен лишь общий дизайн прототипа – это будет гибкая механическая рука, которой медсёстры смогут дистанционно управлять из-за стеклянной перегородки в смотровом кабинете.
Источник: https://www.straitstimes.com/asia/east-asia/coronavirus-china-working-on-creating-robot-to-conduct-throat-testing
05.02.2020 11:02
12 февраля в 20.00 (мск) разработчиков и будущих IT-архитекторов будут рады видеть на открытом вебинаре «Шаблон проектирования «Адаптер», практика применения». На практическом занятии вы не только сможете изучить шаблон проектирования «Адаптер», но и научитесь его применять. Запишитесь заранее, чтобы получить ссылку на вебинар вовремя: https://otus.pw/sAhLf/
Вебинар проведет Матвей Калинин, автор и руководитель программы онлайн-курса «Архитектура и шаблоны проектирования» в Отус.Онлайн-образование.
Приходите, будет профессионально.
03.02.2020 18:02
Роботы осваивают акустическую левитацию
Научный сотрудник Швейцарского федерального технологического института в Цюрихе Марсель Шук разрабатывает инновационный метод, который позволит роботам перемещать небольшие объекты, не притрагиваясь к ним.
Обычно промышленные роботы узкоспециализированы. Каждый из них может удерживать и обрабатывать определённые детали. Отдельные модели оснащаются манипулятором со сменными захватами, но даже они порой не могут справиться с объектами нестандартной формы.
Марсель Шук изучает возможности манипулятора принципиально иной конструкции. Его захват представляет собой две полусферы, в каждой из которых размещён массив миниатюрных динамиков.
Вместе они создают ультразвуковые волны, распространяющиеся в противоположных направлениях. Их интерференция приводит к формированию стоячей волны, которая и удерживает небольшой предмет в воздухе.
Данное явление получило название «акустическая левитация». С её помощью можно, например, удерживать каплю над ультразвуковым излучателем. Звуковое давление компенсирует гравитацию, и капля висит в воздухе почти неподвижно (а если присмотреться, то видно как она дрожит).
При всей своей красоте, акустическая левитация не находила практического применения из-за множества инженерных ограничений. До сих пор удавалось генерировать лишь примитивную стоячую волну, которая удерживает лёгкие предметы, чья форма близка к идеальной сферической.
В реальности мы имеем дело с объектами разной формы. К тому же, всегда происходят потери энергии, а при передвижениях – ещё и какие-то нерасчётные отражения, что приводит к образованию бегущей волны. Ей управлять гораздо сложнее.
Для эффективного удержания микровинта, шестерёнки, или другого миниатюрного предмета требуется быстрая (за доли секунды) перестройка общего акустического фронта, иначе объект упадёт.
При помощи 3D-принтера Марсель Шук изготовил две глубоких полусферы, в каждой из которых разместил четыре ряда ультразвуковых излучателей. Вместе с коллегами он подобрал управляющие одноплатные компьютеры и написал программное обеспечение, корректирующее работу массива излучателей в реальном времени.
Он рассчитывает, что современный акустический захват найдёт применение в фармацевтической промышленности, лабораторных исследованиях и на линиях сборки, где требуется максимально аккуратное обращение с мелкими предметами.
Источник: https://www.technowize.com/new-robot-that-moves-thing-without-the-touch/
31.01.2020 18:01
Создан первый в мире «организм на чипе»
В биоинженерном институте Висса при Гарвардском университете создан первый в мире «организм на чипе». Это физическая модель десяти взаимосвязанных органов с живыми клетками, которую можно использовать вместо лабораторных животных.
Всё началось с проекта «лаборатория на чипе», который возник в конце нулевых годов как попытка ускорить и стандартизировать клинические анализы, а также исследования в области фармакологии.
В прозрачном акриловом корпусе размером с карту памяти создаётся один или несколько микроканалов. Затем в них подаётся физраствор, заменитель крови и/или исследуемый образец.
Перистальтический насос медленно перекачивает жидкость, а электронные системы постоянно анализируют её состав на разных участках, определяя наличие определённых маркеров и отображая динамику концентраций исследуемых веществ.
Дополнительный контроль осуществляется через обычный микроскоп, в который можно наблюдать все процессы в реальном времени.
Среднее время острой фазы сложных экспериментов – 2-3 минуты, что резко контрастирует с обычной практикой, требующей многодневных мучений животных во имя науки.
В 2010 году директор Института биоинженерных исследований Дональд Ингбер вместе с коллегами начал разработку «органа-на-чипе».
В них использовались два канала. Один был покрыт изнутри клетками эндотелия (точно также они выстилают сосуды), а другой - клетками определённых органов.
Например, пневмоциты имитируют лёгкие человека, гепатоциты – печень, энтероциты - кишечник и так далее.
Через два года Ингбер получил грант от DARPA, а спустя восемь лет и три прототипа представил готовую версию целого «организма-на-чипе» под названием Interrogator.
В нём смоделировано взаимодействие десяти органов, и довольно точно. Для проверки команда использовала цисплатин (препарат химиотерапии). Он был
метаболизирован за то же время и с теми равновесными концентрациями, которые наблюдались ранее у пациентов.
Более того, клетки «почки-на-чипе» даже выделяли те же биологические маркеры повреждения, что и живые почки во время химиотерапии.
Целый год потребовался для разработки пользовательского интерфейса, с которым легко могли бы работать биологи, не имеющие опыта программирования.
Вся машина целиком умещается в стандартный лабораторный инкубатор, который поддерживает живые клетки при постоянной температуре.
Сейчас в ней можно проводить эксперименты длительностью до 3 недель, то есть отслеживать не только мгновенные, но и кумулятивные эффекты.
Источник: https://www.nature.com/articles/s41551-019-0497-x