[Алгоритмы, Разработка робототехники, Схемотехника, Робототехника] О том, как нейросеть исследует физику толпы…
Автор
Сообщение
news_bot ®
Стаж: 6 лет 8 месяцев
Сообщений: 27286
...чтобы потом обучать урбанистических роботов.Цифровой двойник плотных скоплений хаотически движущихся объектов разрабатывают для задач навигации роботов студенты НИТУ «МИСиС», ИТМО и МФТИ. Он будет представлять собой веб-сервис с применением графовых нейронных сетей и позволит изучать физику толпы, законы роевого поведения у животных и принципы движения «активной материи». Эти данные активно требуются для обучения роботов-курьеров, беспилотников и других автономных устройств, работающих в условиях многолюдных пространств. Первые результаты опубликованы в журнале Journal of Physics: Conference Series. Если при движении в потоке людей в метро мы начинаем фокусировать взгляд на ком-то из встречных, мы обязательно остановимся среди толпы и с кем-то столкнемся. Когда мы расслабленно, «интуитивно» идем сквозь толпу, то безошибочно выбираем нужную траекторию и лавируем в потоке, никого не задевая. И это умеет почти каждый человек. Так происходит потому, что мозг работает, как сложная нейросеть. Незаметно для сознания он использует накопленные за годы интуитивные знания, быстро просчитывает меняющиеся условия и выбирает оптимальный путь. 
Вадим_Порватов (НИТУ "МИСиС") объясняет механику движения роботов 
Вадим Порватов и Георгий Гриценко обсуждают теоретическую модель Современным инженерам нужно понять, как именно работает эта нейросеть, чтобы перенять ее принципы и интегрировать их в цифровую среду. Задача навигации роботов в плотных скоплениях (людей, машин, других роботов и т.д.) с каждым годом становится всё актуальнее. При этом, для успешного управления устройствами необходимо отслеживание и экстраполяция траектории каждого отдельного агента в таких скоплениях, что само по себе является сложной задачей.Подобные системы можно эффективно описывать статистически как «активную материю», в которой каждая частичка сама закачивает энергию в систему, и успешно моделировать такую материю с помощью ансамблей хаотически движущихся роботов -- например, имитировать поведение стаи птиц или косяка рыб. Для этого нужно создать симуляцию активной материи, т. е. сгенерировать роевое поведение. 
Алина Розенблит (ИТМО) изготавливает роботовДля реализации подобных систем роевой робототехники многочисленным лабораториям по всему миру необходимы большие «скопища» движущихся по простым законам роботов - как платформы для экспериментальной симуляции физики толпы. Однако проведение подобных экспериментов требует значительных ресурсов, и доступно не всем научным группам.
«Реализация подобной экспериментальной платформы требует компетенции в схемотехнике, а для создания достаточного количества структурно однородных роботов необходимы значительные финансовые затраты. В качестве альтернативы мы предлагаем создание цифрового двойника экспериментальной установки, позволяющего как исключить затраты на её физическую реализацию, так и ускорить и автоматизировать процесс постановки экспериментов. Возможность эффективного построения подобного программного обеспечения подтверждается недавними применениями графовых нейронных сетей в схожих задачах, включая симуляции гидродинамики», - рассказал лидер студенческого научного коллектива, выпускник кафедры «Инженерная кибернетика» НИТУ «МИСиС» Вадим Порватов.
Тестирование системы роботовПо словам разработчиков, в качестве источника данных для нейросетевого алгоритма используется собранная командой проекта экспериментальная установка, состоящая из 100 движущихся роботов. Движение системы записывается с помощью видеокамеры. В качестве основного инструмента отслеживания индивидуальных траекторий будут применены алгоритмы, предоставляемые библиотекой OpenCV. Информация о конфигурации установки вместе с полученными в результате движения роботов траекториями будут использованы для обучения графовой нейронной сети.
Система созданных роботов в движении. Цветом обозначены кластеры
«Разработанная нейронная сеть позволит научным группам существенно упростить процесс изучения физических процессов в плотных скопления хаотически движущихся частиц, и может поставляться как продукт. Извлечение всех координат и скоростей роботов позволит получить исчерпывающее описание процессов, происходящих в системе, в том числе, информацию о фазовых переходах и кластеризации роботов», - пояснил соавтор исследования, аспирант Физического факультета ИТМО Никита Олехно.
Никита Олехно проводит измерения с роботамиИспользование цифрового двойника позволит проводить отраслевые исследования, связанные с навигацией в хаотических окружениях. К примеру, виртуальные симуляции уже применяются компанией NVidia для отработки алгоритмов навигации беспилотных автомобилей. Результаты проекта могут быть использованы для обучения алгоритмов управления наземными дронами, перемещающимися в плотных людских потоках. Подобные симуляции могут быть особенно полезны для тестирования роботов-курьеров.“На данный момент собрана довольно сложная экспериментальная установка, которую мы и будем дальше использовать для создания цифрового двойника”, - говорят авторы. 
Процесс 3d печати роботов
===========
Источник:
habr.com
===========
Похожие новости:
- [Алгоритмы, Машинное обучение, Искусственный интеллект] ИИ обучили предсказывать поведение человека по видео
- [Python, Обработка изображений, Машинное обучение] Сервис распознавания капч, который больше не нужен
- [Алгоритмы, Научно-популярное, Мозг] Без границы. Системный подход и алгоритмы творчества
- [Работа с 3D-графикой, Алгоритмы, Математика, Машинное обучение] Неочевидные лайфхаки 3D реконструкции людей
- [Схемотехника] Индуктивность
- [Разработка робототехники, Робототехника, Транспорт] Мичиганский университет показал город для тестирования робомобилей
- [Робототехника, Научно-популярное, 3D-принтеры, Будущее здесь] Цифровизация ресторанного бизнеса
- [Хакатоны, Робототехника, История IT, Научно-популярное, Электроника для начинающих] Как идея изобрести один прибор обернулась в создание научного центра?
- [Алгоритмы, Математика] Летняя студенческая школа по теории сложности вычислений
- [Python, Алгоритмы, Big Data, Машинное обучение, Искусственный интеллект] DataScience Digest — 24.06.21
Теги для поиска: #_algoritmy (Алгоритмы), #_razrabotka_robototehniki (Разработка робототехники), #_shemotehnika (Схемотехника), #_robototehnika (Робототехника), #_nejroset (Нейросеть), #_grafy (графы), #_roboty (роботы), #_algoritm (алгоритм), #_roevoe_povedenie (роевое поведение), #_roevaja_robototehnika (роевая робототехника), [url=https://torrents-local.xyz/search.php?nm=%23_blog_kompanii_nitu_«misis»&to=0&allw=0&o=1&s=0&f%5B%5D=820&f%5B%5D=959&f%5B%5D=958&f%5B%5D=872&f%5B%5D=967&f%5B%5D=954&f%5B%5D=885&f%5B%5D=882&f%5B%5D=863&f%5B%5D=881&f%5B%5D=860&f%5B%5D=884&f%5B%5D=865&f%5B%5D=873&f%5B%5D=861&f%5B%5D=864&f%5B%5D=883&f%5B%5D=957&f%5B%5D=859&f%5B%5D=966&f%5B%5D=956&f%5B%5D=955]#_blog_kompanii_nitu_«misis» (
Блог компании НИТУ «МИСиС»
)[/url], #_algoritmy (
Алгоритмы
), #_razrabotka_robototehniki (
Разработка робототехники
), #_shemotehnika (
Схемотехника
), #_robototehnika (
Робототехника
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 01-Ноя 07:20
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 8 месяцев |
|
|
...чтобы потом обучать урбанистических роботов.Цифровой двойник плотных скоплений хаотически движущихся объектов разрабатывают для задач навигации роботов студенты НИТУ «МИСиС», ИТМО и МФТИ. Он будет представлять собой веб-сервис с применением графовых нейронных сетей и позволит изучать физику толпы, законы роевого поведения у животных и принципы движения «активной материи». Эти данные активно требуются для обучения роботов-курьеров, беспилотников и других автономных устройств, работающих в условиях многолюдных пространств. Первые результаты опубликованы в журнале Journal of Physics: Conference Series. Если при движении в потоке людей в метро мы начинаем фокусировать взгляд на ком-то из встречных, мы обязательно остановимся среди толпы и с кем-то столкнемся. Когда мы расслабленно, «интуитивно» идем сквозь толпу, то безошибочно выбираем нужную траекторию и лавируем в потоке, никого не задевая. И это умеет почти каждый человек. Так происходит потому, что мозг работает, как сложная нейросеть. Незаметно для сознания он использует накопленные за годы интуитивные знания, быстро просчитывает меняющиеся условия и выбирает оптимальный путь.  Вадим_Порватов (НИТУ "МИСиС") объясняет механику движения роботов  Вадим Порватов и Георгий Гриценко обсуждают теоретическую модель Современным инженерам нужно понять, как именно работает эта нейросеть, чтобы перенять ее принципы и интегрировать их в цифровую среду. Задача навигации роботов в плотных скоплениях (людей, машин, других роботов и т.д.) с каждым годом становится всё актуальнее. При этом, для успешного управления устройствами необходимо отслеживание и экстраполяция траектории каждого отдельного агента в таких скоплениях, что само по себе является сложной задачей.Подобные системы можно эффективно описывать статистически как «активную материю», в которой каждая частичка сама закачивает энергию в систему, и успешно моделировать такую материю с помощью ансамблей хаотически движущихся роботов -- например, имитировать поведение стаи птиц или косяка рыб. Для этого нужно создать симуляцию активной материи, т. е. сгенерировать роевое поведение.  Алина Розенблит (ИТМО) изготавливает роботовДля реализации подобных систем роевой робототехники многочисленным лабораториям по всему миру необходимы большие «скопища» движущихся по простым законам роботов - как платформы для экспериментальной симуляции физики толпы. Однако проведение подобных экспериментов требует значительных ресурсов, и доступно не всем научным группам. «Реализация подобной экспериментальной платформы требует компетенции в схемотехнике, а для создания достаточного количества структурно однородных роботов необходимы значительные финансовые затраты. В качестве альтернативы мы предлагаем создание цифрового двойника экспериментальной установки, позволяющего как исключить затраты на её физическую реализацию, так и ускорить и автоматизировать процесс постановки экспериментов. Возможность эффективного построения подобного программного обеспечения подтверждается недавними применениями графовых нейронных сетей в схожих задачах, включая симуляции гидродинамики», - рассказал лидер студенческого научного коллектива, выпускник кафедры «Инженерная кибернетика» НИТУ «МИСиС» Вадим Порватов.
 Тестирование системы роботовПо словам разработчиков, в качестве источника данных для нейросетевого алгоритма используется собранная командой проекта экспериментальная установка, состоящая из 100 движущихся роботов. Движение системы записывается с помощью видеокамеры. В качестве основного инструмента отслеживания индивидуальных траекторий будут применены алгоритмы, предоставляемые библиотекой OpenCV. Информация о конфигурации установки вместе с полученными в результате движения роботов траекториями будут использованы для обучения графовой нейронной сети.  Система созданных роботов в движении. Цветом обозначены кластеры «Разработанная нейронная сеть позволит научным группам существенно упростить процесс изучения физических процессов в плотных скопления хаотически движущихся частиц, и может поставляться как продукт. Извлечение всех координат и скоростей роботов позволит получить исчерпывающее описание процессов, происходящих в системе, в том числе, информацию о фазовых переходах и кластеризации роботов», - пояснил соавтор исследования, аспирант Физического факультета ИТМО Никита Олехно.
 Никита Олехно проводит измерения с роботамиИспользование цифрового двойника позволит проводить отраслевые исследования, связанные с навигацией в хаотических окружениях. К примеру, виртуальные симуляции уже применяются компанией NVidia для отработки алгоритмов навигации беспилотных автомобилей. Результаты проекта могут быть использованы для обучения алгоритмов управления наземными дронами, перемещающимися в плотных людских потоках. Подобные симуляции могут быть особенно полезны для тестирования роботов-курьеров.“На данный момент собрана довольно сложная экспериментальная установка, которую мы и будем дальше использовать для создания цифрового двойника”, - говорят авторы.  Процесс 3d печати роботов =========== Источник: habr.com =========== Похожие новости:
Блог компании НИТУ «МИСиС» )[/url], #_algoritmy ( Алгоритмы ), #_razrabotka_robototehniki ( Разработка робототехники ), #_shemotehnika ( Схемотехника ), #_robototehnika ( Робототехника ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 01-Ноя 07:20
Часовой пояс: UTC + 5