novinjadid

محققان در آزمایشگاه MIT Media یک بستر پوشیدنی را ایجاد کرده اند که سلامت و شناختی در زمان واقعی ، شخصی سازی شده و آگاهی از متن را فراهم می کند. سیستم آنها ، به نام یادگیرنده فعال شخصی (PAL) ، در مقاله ای از قبل منتشر شده در arXiv ارائه شده است .

پیشرفت های اخیر در هوش مصنوعی (AI) امکان توسعه ابزاری را فراهم آورده است که می توانند مقادیر زیادی از داده ها را مورد تجزیه و تحلیل قرار دهند تا از انواع شرایط سلامتی جسمی و روانی جلوگیری و یا مانیتور شوند. این ابزارها شامل سیستمهای پزشکی مبتنی بر داده برای پیش بینی یا پیشگیری از مشکلات بهداشتی ، سیستم عاملهای همراه است که سیستمهای پشتیبانی روانشناختی و تقویت هوش (IA) را ارائه می دهند ، که به منظور ارتقاء مهارت های شناختی مانند حافظه ، یادگیری یا تصمیم گیری طراحی شده اند.

محققان MIT در مقاله خود نوشتند: "ما معتقدیم كه پشتیبانی و سلامت كاملاً مؤثر و بهداشتی نیاز به ترکیب داروی داده محور ، روانشناسی سیار و شناخت بیشتر برای ارائه پشتیبانی در زمان واقعی ، آگاهی از زمینه و شخصی سازی شده برای کاربران دارد." "در حالی که داروی داده محور می تواند بینش های عملی را در اختیار کاربران قرار دهد ، روانشناسی موبایل و تقویت شناختی می توانند پشتیبانی رفتاری ، روانشناختی و شناختی را برای توانمندسازی کاربران برای انجام عملكرد در بینش های شخصی فراهم كنند."

PAL ، سیستم جدیدی که توسط محققان ساخته شده است ، دارای چندین مؤلفه است: یک دستگاه پوشیدنی ، یک برنامه تلفن همراه ، یک پایگاه داده ابری ، یک برنامه وب تجسم داده ها و یک سرور یادگیری ماشین. دستگاه پوشیدنی از سنسورهای چند مودال (یعنی دوربین ، میکروفون و مانیتور ضربان قلب) ، یادگیری دستگاه و صدای گوش آزاد برای ارائه پشتیبانی شناختی ، رفتاری و روانی برای کاربران خود استفاده می کند. دستگاه ماژولار است ، به این معنی که اجزای آن به راحتی قابل حذف یا اضافه شدن به آن هستند.

اعتبار: خان و همکاران.
با استفاده از PAL ، توسعه دهندگان می توانند به سرعت انواع سیستم عامل ها و برنامه های کاربردی را ایجاد کنند که بینش و پشتیبانی مفیدی را براساس داده های مرتبط با سلامتی ارائه می دهند. به عنوان مثال ، PAL به کاربران اجازه می دهد تا ارتباطات طولانی مدت بین فعالیت های روزانه خود و حالات فیزیولوژیکی ردیابی کنند ، تا بتوانند تصمیم گیری در مورد شیوه زندگی را آگاه تر کنند. متخصصان بهداشت نیز می توانند از این سیستم برای دریافت اطلاعات شخصی در مورد بیماران خود در زمان واقعی استفاده کنند.

محققان نوشتند: " پلت فرم انعطاف پذیر پمپ وکیوم آبی ، مدولار و توسعه پذیر PAL ترکیبی از روندهای پزشکی داده محور ، روانشناسی سیار و تقویت شناختی را برای پشتیبانی از برنامه های کاربردی سلامت و شناخت مبتنی بر داده ها و توانمندسازی است."

محققان در مقاله اخیر خود ، نسخه منبع باز PAL را ارائه دادند که هر کس می تواند برای توسعه برنامه های خود برای پشتیبانی از سلامت و پشتیبانی از آن استفاده کند. در کنار آن ، آنها سه نمونه از سیستم عامل ها را که با استفاده از PAL توسعه یافته اند ، یافتند ، یکی برای حافظه مبتنی بر چهره ، دیگری برای یادگیری زبان متنی و دیگری برای پشتیبانی روانی مبتنی بر ضربان قلب.

محققان نوشتند: "ما PAL را به عنوان یك همكار ثابت یك كاربر طراحی كرده ایم تا به كاربران كمك كنیم فعالیت ها و حالات فیزیولوژیك خود را با گذشت زمان و یادگیری ارتباط بین فعالیت های آنها و حالت های فیزیولوژیك انجام دهند." "پلت فرم آگاهی از PAL همچنین مداخلات در زمان واقعی ، شخصی و متناسب با آگاهی را برای کاربران فراهم می کند تا نه تنها خودآگاهی را تقویت کند بلکه به خودیاری و تغییر کمک می کند."

در آینده ، سیستم ایجاد شده توسط این تیم از محققان می تواند به پیشرفت بسترهای بی شماری با هدف ترویج سلامت بیشتر و بهزیستی روانشناختی کمک کند. هم اکنون تیم قصد دارد PAL را در مقیاس بزرگتری مستقر کند و اثربخشی آن را برای برنامه های مختلف آزمایش کند. آنها همچنین امیدوارند که مواردی را برای یادگیری ماشین و اجزای تجسم داده ها در سیستم بهبود بخشند ، تا دامنه وسیع تری از موارد استفاده بالقوه را پوشش دهند. سرانجام ، محققان دوست دارند یک بستر داده باز را ایجاد کنند که به توسعه دهندگان امکان می دهد داده های PAL را با اطمینان بیشتری به اشتراک بگذارند ، به عنوان مثال با استفاده از تکنیک های حریم خصوصی دیفرانسیل.

ال جی اخیراً عناوین جدیدی را منتشر کرده است زیرا اکنون تراشه هوش مصنوعی خاص خود را دارد. ال جی قصد دارد با تراشه خود برای محصولات خانگی هوشمند تأثیر بگذارد - تا آنها را باهوش تر کند.

چطور؟ هنری سنت لگر در TechRadar گفت: " چیپ هوش مصنوعی ... بر اساس موتور عصبی اختصاصی ساخته شده است که تلاش می کند تا روش کار مغز انسان را تقلید کند."

ال جی اختصاصی خود را "موتور عصبی ال جی" کار کرده است. به علاوه ریچارد لولر در Engadget گفت: علاوه بر این ، این برنامه برای پردازش داده های صوتی و تصویری حتی هنگامی که به ابر متصل نیست ، پردازش شده است .

Datelined Seoul ، 17 مه ، ال جی اعلام کرد: "به عنوان بخشی از استراتژی خود برای تسریع در توسعه دستگاه های هوش مصنوعی برای خانه ، ال جی تراشه هوش مصنوعی خود (AI Chip) را با موتور عصبی اختصاصی ال جی توسعه داده است تا از شبکه عصبی بهتر تقلید کند. مغز انسان

آنها در حال قرار دادن "تراشه" به عنوان نمونه بزرگ C هستند.

لاولر ، Engadget: "چند سال اخیر ال جی تلاش می کند ویژگی های هوش مصنوعی را در انواع محصولات با برند ThinQ خود ادغام کند ، و اکنون سخت افزارهای سفارشی طراحی کرده است تا پردازش هوش مصنوعی روی دستگاه را فعال کند."

عدنان فاروقی، رونمایی ، گفت: (1) روی دستگاه پردازش می سازد آن را قادر به عامل بدون اتصال به اینترنت. (2) "منطقه امنیتی جداگانه اجرا شده سخت افزاری" برای ذخیره داده های شخصی است.

Lawler در Engadget روی پردازش روی دستگاه گسترش یافته است. "به طور مشابه ، موتور عصبی LG قصد دارد داده های صوتی و تصویری را حتی در هنگام اتصال به ابر پردازش نکند. این بدان معنی است که یک دستگاه دارای تراشه می تواند محیط خود را تشخیص داده و تنظیمات را براساس آن تنظیم کند ، از طریق محلی که قبلاً نبوده است حرکت کند. و دستورات کاربر را به زبان طبیعی درک کنید - همه آفلاین هستند.

ال جی گفت: "پردازش هایی که به امنیت بالایی احتیاج ندارند ، به گونه ای طراحی شده است که در یک منطقه عمومی انجام شود و کارهایی که نیاز به امنیت بالاتر دارند در یک منطقه امنیتی با اجرای سخت افزار جداگانه اجرا شوند."

فراتر از بحث از موتور پمپ های وکیوم و enablements آن، با این حال، "جزئیات فنی در AI تراشه نازک بر روی زمین هستند، گفت:" الستر استیونسون در نظرات مورد اعتماد "، اما LG می گوید که دستگاه های هوشمند را به طور قابل توجهی بهبود فضایی آگاهی، تصویر و تشخیص شیء و قدرت نقشه برداری مکان . "

"چیپ هوش مصنوعی ما به گونه ای طراحی شده است که راه حل های بهینه سازی شده هوش مصنوعی برای محصولات آینده ال جی را ارائه دهد."

LG Electronics قصد دارد "جیپ چی" را در جاروبرقی های آینده روبات ها ، ماشین های شستشو ، یخچال ها و سیستم های تهویه مطبوع قرار دهد .

در این یادداشت ، سنت لگر چیپ هوش مصنوعی را برای تمام خوانندگان خود به خانه آورده است. وسایل شما چشم و گوش خاص خود را دارند. وی گفت: "درج داده های بصری و شنوایی به طور موثر چشم و گوش به وسایل شما می دهد ... اطلاعات بیشتری را در اختیار آنها قرار می دهد تا بتوانند به طور موثر وظایف خود را انجام دهند." همچنین ممکن است منجر به تشخیص تغییرات جسمی و شیمیایی آنها در محیط شود که ممکن است استفاده را تحت تأثیر قرار دهد.

لاولر فکر می کند "قطعاً آخرین چیزی نیست که در مورد LG و AI خواهیم شنید." وی گفت که این شرکت کره ای سرمایه گذاری زیادی در شرکت AI انجام داده است. این آزمایشگاه جدید تحقیقاتی را در تورنتو افتتاح کرد ، که از آن مکان دیگری در آمریکای شمالی در سیلیکون دره پیروی می کند.

ربات Salto با فاصله کمتر از یک پا ، شبیه یک واکر امپراتوری جنگ ستارگان در مینیاتور است. اما از اندازه آن گول نخورید - این ربات کوچک در پله خود دارای چشمه ای قدرتمند است. Salto می تواند بیش از سه برابر ارتفاع خود را به صورت تک تکه ای طاق کند.

محققان دانشگاه کالیفرنیا ، برکلی ، ابتدا در سال 2016 از قابلیت های پرنده پرواز Salto پرده برداری کردند. حال ، آنها این ربات را با مهارت های جدیدی مجهز کرده اند و این امکان را برای گزاف گویی در محل مانند چوب پوگو و پرش از روی مانع فراهم آورده اند. دوره هایی مثل یک سگ چابکی Salto حتی می تواند زامبی های کوتاهی در اطراف پردیس داشته باشد که توسط یک کنترل کننده رادیویی تهیه شده است.

محققان امیدوارند که Salto توسعه روبات های کوچک و زیرک را که می تواند از طریق قلوه سنگ جهش کند ، برای کمک به ماموریت های جستجو و نجات حرکت کند. آنها مهارت های جدید این روبات را امروز (سه شنبه ، 21 ماه مه) در کنفرانس بین المللی 2019 ... اوتیک و اتوماسیون در مونترال شرح می دهند.

"روبات های کوچک برای بسیاری از چیزها بسیار عالی هستند ، مانند در حال اجرا در مکانهایی که روبات های بزرگتر یا انسان نمی تواند در آن جا بگیرد. به عنوان مثال ، در یک سناریوی فاجعه ، جایی که افراد ممکن است در زیر آوار گیر بیایند ، ممکن است روبات ها در پیدا کردن مفید باشند. مردم به روشی که برای امدادگران خطرناک نباشد و حتی سریعتر از آن باشد که امدادگران می توانستند دست به دست هم دهند. " "ما می خواستیم Salto نه تنها كوچك باشد ، بلكه بتواند خیلی سریع و خیلی سریع به سرعت پرش كند تا بتواند در این مناطق دشوار پیمایش كند."

محققان دانشگاه کالیفرنیا ، برکلی ، برای اولین بار در سال 2016 ربات پرش از سالتو را رونمایی کردند. حال ، آنها این ربات را با مهارت های جدیدی مجهز کرده اند و به این توانایی می دهند تا مانند یک چوب پوگو در مکان خود گزاف گویی کند و از روی موانع مانند پرش کند. یک سگ چابکی در اینجا ، آن را از سطح شیب دار به سطح شیب دار در یک دوره داخلی پرتاب می کند. اعتبار: عکس UC برکلی توسط استفان مک نالی
ییم با رونالد ترسینگ ، استاد مهندسی برق و کامپیوتر در UC Berkeley همکاری می کند ، که آزمایشگاه Biomimetic Millisystems به بررسی چگونگی استفاده از مکانیک حرکت حیوانات برای ایجاد روبات های چابک تر می پردازد.

آزمایشگاه Fearing برای ساخت روبات های الهام بخش از حشرات شناخته شده است که می تواند با خیال راحت در سطوح حیله و تزویر که خیلی صاف یا خیلی خشن هستند برای ربات چرخ دار حرکت کند. در طراحی Salto ، که مخفف "تحرک نمکی در موانع زمین" است ، از ترس در عوض می خواست روبی را ایجاد کند که با جابجایی از جایی به جای دیگر حرکت کند.

پاهای مجرد و قدرتمند سالتو پس از آن که از گالاگو یا همان کودک بوش سنگال ساخته شده است ، مدل می شود. ماهیچه ها و تاندون های بدوی کوچک درخت ساکن ، انرژی را به شکلی ذخیره می کنند که به موجودات جادوگری این امکان را می دهد که در چند ثانیه جهش های مختلفی را با هم جمع کنند. با اتصال یک سری پرش سریع ، Salto همچنین می تواند به زمینهای پیچیده حرکت کند - مانند شمع زباله - که عبور از آن بدون پریدن یا پرواز غیرممکن است.

ترس گفت: "بر خلاف ملخ یا کریکت که باد می رود و یک پرش به دست می دهد ، ما به دنبال مکانیسمی هستیم که بتواند پرش ، پرش ، پرش ، پرش کند." "این اجازه می دهد تا ربات ما از مکانی به مکان دیگر پرش کند ، که این امکان را می دهد که به طور موقت بر روی سطحی که ممکن است نتوانیم روی آن بچرخیم ، فرود آید."

از زمان نخستین بار پرده برداری از سالتو در سال 2016 ، محققان UC Berkeley این ربات را با استفاده از توانایی های جدید به روز کرده اند. اکنون ، می تواند با سهولت مسیر مسیری را طی کند و در محوطه دانشگاه برکلی پیاده روی کند. اعتبار: Roxanne Makasdjian و Stephen McNally
سه سال پیش ، تیم طراحی Salto نشان داد که چگونه روبات می تواند یک جهش را انجام دهد و پس از آن بلافاصله با بهم زدن دیوار ، بهاری بالاتر برود و آن را به ربات های عمودی ترین چابک جهان تبدیل کرد. از آن زمان ، ییم تلاش کرده است تا طراحی سیستم های پیشرفته کنترل را انجام دهد که به Salto اجازه می دهد تا به طور فزاینده ای کارهای پیچیده ای را انجام دهد ، مانند تندرست در محل ، حرکت در مسیر مانع یا دنبال کردن یک هدف در حال حرکت.

ییم همچنین Salto را به فناوری جدیدی پمپ وکیوم مجهز کرده است که به او اجازه می دهد بدن خود را "احساس" کند و به او بگوید که چه زاویه ای را نشان می دهد و خم پای خود را. بدون این توانایی ها ، سالتو در یک اتاق در یکی از ساختمانهای مهندسی برکلی قرار گرفته است ، جایی که دوربین های ضبط حرکت ، زاویه و موقعیت دقیق آن را ردیابی می کنند و آن داده ها را به یک رایانه منتقل می کنند ، که سریعاً اعداد را خرد می کند تا به Salto بگوید که چگونه خود را زاویه دهد. جهش بعدی آن

حال که Salto حسی از خود و حرکت خاص خودش دارد ، این ربات می تواند این محاسبات را برای خودش انجام دهد ، به Yim اجازه می دهد تا این روبات را به بیرون ببرد و از یک کنترلر جوی استیک و رادیو استفاده کند تا به آن بگوید کجا برود.

"ضبط حرکت برای پرش ربات در یک محیط کنترل شده بسیار دقیق است ، و داده های بسیار خوبی به ما می دهد. مشکل اینجاست که ما نمی توانیم این مسئله را خارج کنیم و از آن استفاده کنیم در هر جای دیگر ، زیرا این امر طول می کشد. مدت زمان طولانی برای تنظیم همه این دوربین ها است. " "ما واقعاً می خواستیم بتوانیم روبات را بیرون بیاوریم و به اطراف پرش کنیم . و برای انجام این کار ، به ربات نیاز داشتیم تا بتواند محاسبه کند که در کجاست و چه کاری انجام می دهد - فقط با کامپیوتر بالای بدن خود. ""

محققان دانشگاه ایالتی کارولینای شمالی چارچوبی جدید برای ساخت شبکه های عصبی عمیق از طریق تولید کنندگان شبکه گرامر هدایت کرده اند. در آزمایش های تجربی ، شبکه های جدید با نام AOGNets از فریم ورک های مدرن موجود ، از جمله سیستم های ResNet و DenseNet به طور گسترده استفاده می کنند ، در کارهای تشخیص تصویری.

Tianfu Wu ، استادیار مهندسی برق و کامپیوتر در ایالت NC و نویسنده مسئول مقاله در مورد این کار می گوید: "AOGNets از دقت پیش بینی بهتری نسبت به هر یک از شبکه هایی که ما آن را با آنها مقایسه کرده ایم". "AOGNets همچنین قابل تفسیر تر است ، به این معنی که کاربران می توانند ببینند چگونه سیستم به نتیجه گیری خود می رسد."

چارچوب جدید پمپ وکیوم از یک رویکرد دستور زبان ترکیبی برای معماری سیستم استفاده می کند که بهترین شیوه های سیستم های شبکه قبلی را به کار می گیرد تا به صورت موثرتر اطلاعات مفیدی را از داده های خام استخراج کند.

وو می گوید: "ما دریافتیم که گرامر سلسله مراتبی و ترکیبی یک روش ساده و زیبا برای یکپارچه سازی رویکردهای معماری سیستم قبلی به ما داده است و به بهترین دانش ما ، این نخستین اثری است که از گرامر برای تولید شبکه استفاده می کند."

محققان برای آزمایش چارچوب جدید خود ، AOGNets تهیه کرده و آنها را در برابر سه معیار طبقه بندی تصویر: CIFAR-10 ، CIFAR-100 و ImageNet-1K آزمایش کردند.

وو می گوید: "AOGNets عملکرد قابل توجهی بهتر از همه شبکه های مدرن با مقایسه عادلانه از جمله به دست آورد." "AOGNets همچنین بهترین نمره interpretability مدل با استفاده از کالبد شکافی شبکه متریک به دست آمده در ImageNet. AOGNets بیشتر را نشان می دهد پتانسیل بسیار زیادی در دفاع خصمانه و به کارگیری پلت فرم اگنوستیک (تلفن همراه در مقابل ابر)."

محققان همچنین با استفاده از سیستم وانیل ماسک R-CNN ، عملکرد AOGNets را در تشخیص اشیاء و بخش بندی معنایی نمونه ، بر اساس معیار Microsoft COCO آزمایش کردند .

وو می گوید: "AOGNets از ستون فقرات و با اندازه مدلهای کوچکتر و زمان استنتاج مشابه یا کمی بهتر نتیجه بهتری کسب کرد." "نتایج نشان می دهد اثربخشی یادگیری AOGNets از ویژگیهای بهتری در کارهای تشخیص و تفکیک شی.

این تستها به این دلیل مرتبط هستند که طبقه بندی تصویر یکی از اصلی ترین کارها در تشخیص بصری است و ImageNet معیار طبقه بندی استاندارد در مقیاس بزرگ است. به همین ترتیب ، تشخیص اشیاء و تقسیم بندی دو وظیفه بینایی در سطح بالا هستند و MS-COCO یکی از معیارهای بسیار مورد استفاده است.

وو می گوید: "برای ارزیابی معماری های جدید شبکه برای یادگیری عمیق در شناخت بصری ، آنها تخته های طلایی هستند." "AOGNets تحت یک چارچوب دستور زبان اصولی توسعه داده می شود و پیشرفت قابل توجهی در هر دو ImageNet و MS-COCO بدست می آورند ، بنابراین اثرات بالقوه گسترده و عمیقی برای یادگیری بازنمایی در برنامه های کاربردی متعدد عملی نشان می دهند.

وو می گوید: "ما از چارچوب AOGNet با راهنمایی دستور زبان هیجان زده ایم و در حال بررسی عملکرد آن در سایر برنامه های یادگیری عمیق مانند درک عمیق زبان طبیعی ، یادگیری عمیق عمیق و یادگیری تقویت عمیق هستیم."

مقاله "AOGNets: معماری دستوری ترکیبی برای یادگیری عمیق" در کنفرانس شناخت بینایی رایانه و الگوی IEEE ، که از 16 تا 20 ژوئن در لانگ بیچ برگزار می شود ، ارائه می شود. .D دانشجوی NC ایالت. این مقاله توسط نویسنده Xi Song ، یک محقق مستقل ، همکاری شده است.

محققان دانشگاه لیدن و دانشگاه ملی فناوری دفاعی (NUDT) ، در چین ، اخیراً رویکرد جدیدی را برای تطبیق متن متن با نام CycleMatch ایجاد کرده اند. رویکرد آنها ، که در مقاله ای منتشر شده در ژورنال تشخیص الگوی Elsevier ، مبتنی بر یادگیری سازگار با چرخه است ، روشی است که گاهی برای آموزش شبکه های عصبی مصنوعی در کارهای ترجمه تصویر به تصویر استفاده می شود. ایده کلی در مورد ثبات چرخه این است که هنگام تبدیل داده های منبع به داده های هدف و برعکس ، بالاخره باید نمونه های منبع اصلی را بدست آورید.

وقتی صحبت از ابزارهای هوش مصنوعی کارکرد پمپ وکیوم (AI) می شود که در کارهای چند مودال یا چند رسانه ای عملکرد خوبی دارند ، پیدا کردن راه هایی برای ایجاد تصاویر و نمایش تصاویر متن از اهمیت بسیار بالایی برخوردار است. مطالعات گذشته سعی در دستیابی به این هدف با کشف معانی و یا ویژگیهای مرتبط با دید و زبان دارند.

هنگام آموزش الگوریتم های مربوط به همبستگی بین روش های مختلف ، با این حال ، این مطالعات غالباً از پرداختن به قوام معنایی درون مودال غفلت کرده یا نتوانسته اند ، که این قوام معنایی برای معیارهای فردی (یعنی بینایی و زبان) است. برای برطرف کردن این کاستی ، تیم محققان دانشگاه لیدن و NUDT رویکردی را ارائه می دهند که تعبیه های متناسب با چرخه را در یک شبکه عصبی عمیق برای تطبیق بازنمایی های تصویری و متنی اعمال می کند.

محققان در مقاله خود نوشتند: "رویکرد ما ، به نام CycleMatch ، می تواند همبستگی بین مدولار و همگرایی درون مودال را با نقشه برداری دوتایی و نقشه برداری های بازسازی شده به روشی چرخه ای حفظ کند." "علاوه بر این ، برای دستیابی به یک استنتاج قوی ، ما پیشنهاد می کنیم از دو رویکرد دیررس همجوشی استفاده کنیم: همجوشی متوسط و همجوشی سازگار."

رویکرد ابداع شده توسط محققان ، سه ویژگی تعبیه شده (تعبیه دوگانه ، بازسازی شده و نهفته) با یک شبکه عصبی را برای تطبیق متن با تصویر ادغام می کند. این روش دارای دو شاخه چرخه است ، یکی شروع از یک ویژگی تصویر در فضای بصری و دیگری از یک ویژگی متن در فضای متن.

برای هر یک از این چرخه ها ، رویکرد آنها به یک نقشه برداری دوگانه می انجامد ، و یک ویژگی ورودی را در فضای منبع به یک تعبیه دوگانه در فضای هدف تبدیل می کند. محققان سپس نقشه های بازسازی شده را اعمال می كنند ، سعی می كنند این تعبیه دوگانه را به فضای مبدأ برگردانده شود.

رویکرد آنها همچنین به محققان اجازه می دهد تا در هر دو نقشه برداری دوتایی و بازسازی شده ، یک فضای پنهان را بدست آورند و متعاقباً با تعبیه های نهفته ارتباط داشته باشند. بر خلاف سایر تکنیک ها برای تطبیق متن با متن ، بنابراین ، روش آنها می تواند هر دو نگاشت بین مدول (یعنی تصویر به متن و متن به تصویر) و نگاشت های درون مودال (تصویر به تصویر و متن به) را بیاموزد. -متن)

برای ارزیابی رویکرد آنها ، محققان با استفاده از دو مجموعه داده مشهور چند مودم ، Flickr30K و MSCOCO ، یک سری آزمایش را انجام دادند. روش آنها به نتایج پیشرفته ای از هنر دست یافته و از روشهای سنتی بهتر عمل کرده و منجر به پیشرفتهای چشمگیر در بازیابی متقابل شده است.

این یافته ها نشان می دهد که جابجایی های سازگار با چرخه می تواند عملکرد شبکه های عصبی را در کارهای چند حالته ، مانند تطبیق تصویر با متن ، تقویت کند ، و به آنها امکان می دهد تا هم نقشه نویسی بین مدولار و هم درون مودال را بدست آورند. محققان در کارهای آینده خود قصد دارند با در نظر گرفتن روابط محلی در تطبیق تصاویر و متن ، رویکرد خود را بیشتر توسعه دهند (به عنوان مثال ارتباط معنایی بین مناطق بصری و عبارات).

من ، رشد کرده ایم همه چشم ها به روزرسانی سخت افزاری و فریم های جدید روی Glass Enterprise Edition 2. قرار دارند. گوگل گلس از اولین حضور خود در سال 2013 فاصله زیادی گرفته است. همانطور که اسکات استین در CNET اظهار داشت ، "ممکن است شما شیشه را به عنوان پاورقی عجیب سال 2013 به یاد بیاورید ."

گزارشگر TechCrunch ، لوکاس ماتنی با اشاره به گوشی "تصفیه شده توسط شرکت" (Google Glass Enterprise Edition دو سال پیش اعلام شد) اکنون "فارغ التحصیل از کارخانه X Moonshot" با یک به روزرسانی است که جذابیت شرکت ها را امتحان می کند.

شرکت سریع سه دلیل برای توجه داشت: ظاهر جدید ، پردازنده سریعتر ، صفحه نمایش روشن تر.

اکنون این سیستم عامل بر روی سیستم عامل Android اجرا می شود. براندون هیل ، HotHardware ، به سه میکروفون پرتوی موجود بر روی صفحه و یک تاچ پد ژست چند لمسی برای حرکت در UI اشاره کرد.

با این حال ، یکی از ویژگی هایی که همه سایت ها در آن صحبت می کردند ، SoC بیشتر نسخه جدید بود. به طور خاص ، نسخه جدید از مزیت پلتفرم Snapdragon XR1 کوالکام (10 نانومتر ، پردازنده چهار هسته ای 1.7 گیگاهرتزی) بهره می برد.

لوکاس ماتنی در TechCrunch درباره انتقال هدست به چیپست XR1 با تمرکز AR / VR Qualcomm صحبت کرد.

جی Kothari ، پروژه شیشه ای Lead ، نوشت: "Glass Enterprise Edition 2 بر روی پلت فرم Qualcomm Snapdragon XR1 ساخته شده است ، که دارای یک پردازنده قدرتمند چند هسته ای (واحد پردازش مرکزی) و یک موتور هوشمند جدید مصنوعی است که بطور قابل توجهی قدرتمندتر است. بهبود عملکرد و پشتیبانی از دید رایانه ای و قابلیت های پیشرفته یادگیری ماشین. "

Google شروع به چرخش شیشه از تبلیغات در بازار انبوه كرد و به ابزاری برای كاركنان مانند جراحان و پرسنل كارخانه تبدیل كرد. مارك ساليوان در شركت Fast با اشاره به شيشه هايي كه پس از تعطيل شدن براي شروع ناگهاني در فضاي مصرف كننده ، خانه جديدي در آن تاسيس كرده است. (به طور خاص ، به تولید ، مراقبت های بهداشتی ، لجستیک ، صنایع غذایی و صنایع خدمات میدانی فکر کنید.)

به نظر می رسد روند تجارت برای همه این موارد کاملاً مدنظر باشد. این به طور مستقیم به مصرف کنندگان فروخته نمی شود. شرکای تجاری به اطمینان حاصل می کنند که Google Glass به اندازه کافی از گردش کار خاص خود پشتیبانی خواهد کرد. این شرکت عینک ، توسعه برنامه و خدمات را از طریق شریک به عنوان بسته خریداری می کند.

دستگاه های شیشه ای و راه حل های نرم افزاری از طریق Glass Partners فروخته و پشتیبانی می شوند . سالیوان: "شریک زندگی در این نصب ها به عنوان یکپارچه عمل می کند - مدیریت اتصال به شبکه ، مدیریت دستگاه های تلفن همراه و ادغام سیستم های back-end و همچنین پشتیبانی و آموزش."

با توجه به این مدل ، توسعه دهندگان نقش مهمی در آینده Google Glass بازی خواهند کرد. این سیستم عامل بر روی سیستم عامل منبع باز آندروید اجرا می شود و باعث می شود توسعه سریع و آسان شود.

"توسعه دهندگان از صنایع مختلف نیاز دارید که قادر به ایجاد سفارشی برنامه های کاربردی برای ظروف شیشه ای، و نسخه جدید 2 باید که آسان تر می کند، گفت:" رایان Whitwam، ExtremeTech در . "شیشه هنوز Android را با پشتیبانی از API توسعه یافته اجرا می کند ، و نسخه جدید مدیریت دستگاه تلفن همراه Android Enterprise را اضافه می کند."

سایر ویژگی ها شامل عملکرد بهتر دوربین و اتصال USB-C است.

اما صبر کنید انتشارات "تصدی" این سؤال را مطرح می کند که فناوری در واقع در یک محیط کاری واقعی به چه میزانی می آید. برای این پاسخ ، بحث سالیوان در شرکت سریع به این نکته می رسد. وی گفت ، اینها شناسایی گوگل از سه برنامه اصلی شیشه در شرکت بود.

بیشتر بخوانید: چگونگی کارکرد پمپ وکیوم

"مورد اول به عنوان یاری برای یادآوری کارکنان از رویه های عملیاتی استاندارد است ، به این معنی که روش مناسب برای جمع آوری یک محصول یا بسته بندی آن برای حمل و نقل. حالت دوم یک سناریوی I-See-what-you-می بینید که در آن ناظر یا متخصص است. می تواند به کار یک شخص بپردازد و راهنمایی یا مشاوره ای را ارائه دهد ... سومین مورد از موارد بازرسی است که در آن گلس فیلمبرداری می کند و در حین بازپرس کاربر از یک ماشین یا دارایی ، یادداشت های صوتی را ضبط می کند. "

Kothari همچنین به موارد استفاده و نتایج پرداخت. "کارگران می توانند از شیشه برای دسترسی به لیست های چک ، مشاهده دستورالعمل ها یا ارسال عکس ها یا فیلم های بازرسی استفاده کنند ، و مشتریان شرکت ما بارهای تولید سریعتر ، کیفیت بهتر و کاهش هزینه ها را پس از استفاده از شیشه گزارش داده اند."

چند سال پیش ، هنگامی که روبات های اجتماعی در فروشگاه ها و خانه ها شروع به نمایش کردند ، گای هافمن از این سوال که چرا همه اینقدر یکسان به نظر می رسند ، تعجب کرده است.

هافمن ، استادیار و عضو هیئت علمی خانواده میلز در دانشکده مهندسی مکانیک و هوافضا گفت: "من توجه کردم که بسیاری از آنها دارای یک نوع ویژگی بسیار مشابه هستند - سفید و پلاستیکی ، مانند دستگاه های الکترونیکی مصرفی". "به خصوص هنگامی که این روبات های اجتماعی بخشی از خانواده های ما به بازار عرضه می شدند ، فکر می کردم برای همه اعضای خانواده یکسان عجیب است."

او ربات هایی را که از مواد گرمتر و خانگی مانند چوب و پشم ساخته شده بودند ، تصور می کرد. او همچنین روبات هایی را که می توانست توسط صاحبان آنها تنظیم شود تصور می کرد ، بنابراین هر کدام بی نظیر هستند. یکی از دوستانش مدل های قلاب بافی از روبات های خود را به او داد و او فکر کرد: اگر ربات چه شود خود قلاب بافی باشد ، چه می شود؟ بنابراین او یاد گرفت که قلاب دوزی کند.

سپس او بخش دیگری از روبات پمپ وکیوم آبی قلاب دوزی را خیلی سریعتر از آنچه ممکن بود تماشا کرد. وی گفت: "این باعث شد تا فکر کنم افرادی که مهندس نیستند نیز می توانند در ساخت ربات شرکت کنند."

این ایده ها هافمن را به وجود آورد تا Blossom را ایجاد کند - یک سکوی ربات ساده ، رسا ، ارزان قیمت که می تواند از یک جعبه ساخته شود و با مواد خلاقانه و خلاقانه سازگار باشد.

هافمن ، نویسنده ارشد کتاب "Blossom: A Handcrafted Robot Open Source" که در ماه مارس در انجمن محاسبات تراکنش های ماشین آلات بر روی انسان منتشر شد ، گفت: "ما می خواستیم به مردم قدرت دهیم تا ربات خود را بسازند ، اما بدون آنکه قربانی آن را ابراز کنیم." تعامل روبوت. "همچنین ، خوشحال است که هر روباتی کمی متفاوت باشد. اگر ربات خود را گره می زنید ، هر خانواده ربات خود را خواهند داشت که برای آنها بی نظیر است."

طراحی مکانیکی Blossom - که با مایکل سوژیتان ، دانشجوی دکترا در آزمایشگاه هافمن و اولین نویسنده مقاله تهیه شده است - بر روی سکوی شناور "سر" شناور با استفاده از رشته ها و کابل های حرکتی متمرکز شده است و حرکات آن را نسبت به نمونه های یک ربات انعطاف پذیر و ارگانیک تر می کند. متشکل از قطعات سفت و سخت.

Blossom همکاری بین همکاری انسان و ربات دانشگاه کرنل و آزمایشگاه همراهی و Google Creative Technologies سنگاپور است. اعتبار: دانشگاه کرنل
Blossom را می توان با حرکت تلفن هوشمند با استفاده از یک برنامه شفیره توله سگ منبع باز کنترل کرد. حرکات روبات شبیه به تندرست ، کشش و رقص است. هزینه قطعات مورد نیاز برای مونتاژ یک Blossom کمتر از 250 دلار است و محققان هم اکنون در حال کار روی کیت Blossom هستند که کاملاً از مقوا ساخته شده است ، که حتی ارزانتر خواهد بود.

هافمن گفت تا حدودی به دلیل سادگی ، Blossom انواع مختلفی از کاربردهای بالقوه را دارد. محققان تعامل انسان و روبات که مهندس نیستند ، می توانند خود را از یک کیت برای استفاده در مطالعات بسازند. به دلیل سهولت در تعامل با روبات و تجربه مفید کمک به ساخت آن ، می تواند به کودکان در مورد رباتیک کمک کند .

در یک مطالعه موردی ، کودکان 4-8 ساله فرصتی برای کنترل و ساخت لوازم جانبی برای شکوفه در یک نمایشگاه علمی داشتند. برخی از کودکان لوازم جانبی ، مانند زائده ها یا جواهرات را ایجاد می کردند ، در حالی که برخی دیگر ربات را کنترل می کردند تا موارد جدید بتوانند به آن وصل شوند و نشان می دهد که چگونه Blossom می تواند الهام بخش همکاری باشد.

نویسندگان نوشتند: "كودكان نیز از جنبش روبات انتظار بیشتری داشتند ، مانند ایجاد لوكوموت و پرش. این انتظارات با این واقعیت تأکید شد كه چند كودك تصمیم گرفتند زائده هایی مانند پاها و بالها را بسازند."

هافمن گفت ، در ماه های آینده ، Blossom توسط منطقه مدرسه عالی در انتاریو ، کانادا ، برای آموزش ریاضی به دانش آموزان چهارم استفاده خواهد شد.

وی گفت تیم وی همچنین روی الگوریتمی کار کرده است تا شکوفه در مورد فیلم های YouTube واکنش نشان دهد - اجرای یک رقص خاص در پاسخ به یک آهنگ خاص ، به عنوان مثال ، براساس تحقیقات قبلی که نشان می دهد پاسخ یک ربات به گوش دادن به آهنگ ها می تواند بر روی یک انسان تأثیر بگذارد. واکنش. هافمن گفت این ممکن است به ویژه در مدل سازی رفتار برای کودکان مبتلا به اوتیسم مفید باشد.

وی گفت: "منظور این است که یک کیت انعطاف پذیر باشد که هزینه بسیار کمی نیز دارد. به خصوص اگر بتوانیم آن را از مقوا تهیه کنیم ، شما می توانید آن را بسیار ارزان تهیه کنید." "به دلیل محاسبات بسیار قدرتمند ، می تواند روشی کاملاً باز برای افراد باشد تا هر کاری را که می خواهند با روباتیک انجام دهند."

ما انسانها در همکاری بسیار خوب هستیم. به عنوان مثال ، هنگامی که دو نفر برای حمل یک جسم سنگین مانند یک میز یا مبل با یکدیگر کار می کنند ، آنها تمایل دارند که حرکات خود را بطور غریزی هماهنگ کنند ، مرتباً مجدداً حساب می کنند تا اطمینان حاصل کنند که دست های آنها در همان ارتفاع با شخص دیگر است. توانایی طبیعی ما در انجام این نوع تنظیمات به ما امکان می دهد تا در کارهای بزرگ و کوچک همکاری کنیم.

اما یک کامپیوتر یا ربات هنوز نمی تواند با سهولت از سرب انسان پیروی کند. ما معمولاً یا با صراحت آنها را با استفاده از دستگاه سخنرانی برنامه ریزی می کنیم ، یا به آنها آموزش می دهیم تا حرفهای ما را بفهمند ، دستیارهای مجازی مثل سیری یا الکسا.

در مقابل ، محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) اخیراً نشان داده اند که یک روبات نرم و صاف انسان با یک سیستم جدیدی که توسعه داده اند امکان پذیر است ، جایی که ماشین ها به افراد کمک می کنند تا با نظارت بر حرکات ماهیچه ای ، اشیاء را بلند کنند.

با استفاده از RoboRaise ، این سیستم شامل قرار دادن حسگرهای الکترومیوگرافی (EMG) بر روی دو سر و عضله کاربر برای نظارت بر فعالیت عضلات است. سپس الگوریتمهای آن به طور مداوم تغییراتی در سطح بازوی شخص و همچنین حرکات دست بالا و پایین گسسته کاربر ممکن است برای کنترل دقیق تر موتور تشخیص دهد.

این تیم برای یک سری کارها از جمله برداشت و مونتاژ اجزای هواپیمای مسخره از سیستم استفاده کردند. در آزمایشات ، کاربران با استفاده از این رباتها روی این کارها کار می کردند و توانستند با بلند کردن و سپس باز کردن بازوی خود ، آن را در چند اینچ از ارتفاعات مورد نظر کنترل کنند. در حین استفاده از حرکات دقیق تر بود و ربات تقریباً 70 درصد از کل حرکات را به درستی پاسخ داد.

جوزف دلپرتو نویسنده اصلی ، توانایی سیستم پمپ وکیوم آبی در آینه دادن به حرکات خود را با نظارت بر فعالیت عضلات نشان می دهد. اعتبار: جوزف DelPreto / MIT CSAIL
جوزف دلپرتو دانشجوی کارشناسی ارشد می گوید که وی می تواند افرادی را که از RoboRaise استفاده می کنند تصور کند تا بتواند در تنظیمات ساخت و ساخت یا حتی به عنوان دستیار در خانه کمک کند.

DelPreto ، نویسنده اصلی مقاله جدید درباره پروژه با MIT می گوید: "رویکرد ما برای بلند کردن اشیاء با روبات هدف این است که بصری و شبیه به نحوه ممکن است شما با شخص دیگری بلند شوید - تقریباً کپی از حرکات یکدیگر را کپی کنید. استاد و مدیر CSAIL دانیلا روس. "بینش اصلی استفاده از نشانه های غیر کلامی است که دستورالعمل های مربوط به نحوه هماهنگی را رمزگذاری می کند ، برای مثال کمی بالاتر یا پایین تر استفاده کنید. استفاده از سیگنال های عضلانی برای برقراری ارتباط تقریباً باعث می شود که روبات یک پسوند از خود باشد که بتوانید به طور روان کنترل کنید."

این پروژه سیستم موجود تیم را ایجاد می کند که به کاربران امکان می دهد اشتباهات روبات را با امواج مغزی و حرکات دستی فوراً اصلاح کنند ، اکنون حرکت مداوم را با روشی مشترک تر امکان پذیر می کند. روس می گوید: "ما هدف ما ایجاد تعامل انسان و روبات است که در آن روبات به جای روش دیگر با انسان سازگار می شود. به این ترتیب این روبات به ابزاری هوشمند برای کارهای بدنی تبدیل می شود."

سیگنال های EMG برای کار با آنها دشوار است: آنها اغلب بسیار پر سر و صدا هستند و پیش بینی دقیق نحوه حرکت اندام بر اساس فعالیت عضلات دشوار است. حتی اگر بتوانید نحوه حرکت یک شخص را تخمین بزنید ، چگونه می خواهید خود ربات پاسخ دهد ، نامشخص است.

RoboRaise با کنترل انسان از این مسئله دور می شود. سیستم این تیم از سنسورهای غیر تهاجمی روی بدن استفاده می کند که شلیک نورون ها را هنگام تنش یا آرامش عضلات تشخیص می دهد. استفاده از پوشیدنی ها همچنین باعث بروز مشکلات انسداد یا سر و صدای محیط می شود که می تواند کارهایی از جمله دید یا گفتار را پیچیده کند.

هنگامی که توفان ها اعتصاب می کنند ، اتلاف برق به عنوان یکی از مهمترین نگرانی های امدادگران است. خاموشی که یک هفته یا بیشتر طول بکشد ، می تواند مانع تلاشهای بهبودی ، بیمارستان های کرکره ، سلامت عمومی و تهدید حمل و نقل شود. تلاش چند ماهه برای بازگرداندن نیرو به پورتوریکو پس از فصل طوفان 2017 باعث شده است تا علاقه مجدد به یافتن راههای ابتکاری برای بازگرداندن شبکه های برق آسیب دیده بصورت آنلاین بازگردد.

کار جدید که در ژورنال انرژی تجدیدپذیر و پایدار توضیح داده شده است ، به دنبال راهبردی برای این امر است که چگونه دستگاه های شناور که انرژی امواج اقیانوس ها را به دست می آورند ، قادر به ارائه این کمک بسیار مورد نیاز هستند. یک محقق در دانشگاه جان هاپکینز در حال مطالعه رویکرد جدیدی برای تأمین برق است که هم به صورت بالقوه راهی برای بهینه سازی تلاشهای بازیابی فراهم می کند و هم سؤالاتی را در مورد چگونگی انجام امداد در حال حاضر در مناطق فاجعه ایجاد می کند .

محقق امش کورد دریافت که بهبود خطی پایدار در زیرساختها ممکن است سریعترین راه برای بازگشت به مناطق آسیب دیده بصورت آنلاین نباشد. وی گفت که سكوك های اقیانوس تولید كننده برق می توانند از طریق دریا به چنین مناطقی منتقل شوند تا انرژی با سرعت بیشتری به مناطق آسیب دیده وارد شود.

با استفاده از حساب تغییرات ، Korde دریافت که آیا دستگاه های تولید برق از طریق اقیانوس می توانند به واقعیت تبدیل شوند ، به نظر می رسد که یک مسیر بازیابی سریعتر می تواند از طریق زنجیر زدن به دستگاه های انرژی موج چندگانه با اتصال موقت به ساحل انجام شود.

"سؤال این است كه از بین همه كاركردهای مختلف زمان ، این كاركردی كه طول كل زمان لازم را برای به دست آوردن توان کافی برای راه اندازی مجدد شبکه برق یك جزیره به حداقل برساند ، چیست؟" او گفت.

بیشتر بخوانید: پمپ وکیوم کوچک

در اثر اعتصاب توفان ، صدمه به شبکه برق منطقه باعث می شود مناطق دیگر در شبکه ملی به برق تبدیل نشوند. یک شبکه جدا شده نسبتاً کوچک در جزیره ای مانند پورتوریکو ممکن است از دسترسی به یک شبکه عملکردی در این نزدیکی برخوردار باشد و خاموشی کامل را تجربه کند.

کورد گفت: "آنچه در بسیاری از موارد مشاهده می کنید این است که آنها به اندازه کافی از لوازم یدکی دسترسی ندارند تا خودشان را روشن کنند." "ما فقط ممکن است به اندازه کافی برای" شروع سیاه "آن شبکه را فراهم کنیم."

در حال حاضر ، با این حال ، بهینه سازی Kord محاسبه شده است یک طرح آزمایشی در انتظار در دسترس بودن فن آوری صحیح. تعداد انگشت شماری از پروژه های تولید موج موج در سراسر جهان برق تولید می کنند ، اما این ژنراتورها به اندازه کافی موبایل نیستند که بتوانند پس از طوفان ها به سرعت مستقر شوند.

کورد امیدوار است که مقاله وی به محققانی که به دنبال بهبود فن آوری مولد موج هستند دامنه وسیع تری از چگونگی استفاده از فناوری آنها برای تأمین نیازهای فاجعه مناطق فاجعه ، کمک کند.

کاغذ ، قوطی قلع ، شیشه - جهان تا حد ممکن بازیافت می کند. بنابراین چرا دی اکسید کربن گاز گلخانه ای (CO 2 ) را نیز به عنوان یک محصول بازیافت اعلام نمی کنیم؟ سوخت های مایع مبتنی بر کربن با وجود تلاش های بین المللی برای کاهش آنها ، همچنان در آینده نقش مهمی را ایفا می کنند. بنابراین به نظر می رسد بازیابی اگزوز CO 2 از محیط و استفاده مجدد از آن معقول است .

محققان ETH زوریخ ، PSI و دانشگاه های زوریخ ، برن و دانشگاه علم و فناوری نروژ (NTNU) به همراه تیمی از Empa این ایده را محاسبه کرده و نشان داده اند که جزایر متانول خورشیدی می تواند در طولانی مدت سوخت کافی تولید کند. مدت لازم است تا همه CO 2 از منابع حمل و نقل منتقل شود بی طرف — در سراسر جهان. در وسط اقیانوسها ، هیدروژن (H2) از انرژی خورشیدی (و آب) تولید می شود ، که سپس با استفاده از CO 2 که از آب دریا استخراج می شود ، در محل تبدیل به متانول می شوید . برای این منظور ، محققان با تفصیل سناریویی را مورد تجزیه و تحلیل قرار داده اند که هنوز کاملاً فرضی به نظر می رسد ، اما در حال حاضر زمینه را برای اجرای احتمالی فراهم می کند. آنها نتایج خود را در ژورنال ارائه می دهندمجموعه مقالات آکادمی ملی علوم ( PNAS ).

از خورشید گرفته تا برق تا هیدروژن گرفته تا متانول

این ایده در جزایر خورشیدی است ، یعنی سکوهای شناور مجهز به سیستمهای فتوولتائیک. با این حال ، از آنجا که انرژی خورشیدی نمی تواند از آنجا ذخیره و انتقال شود ، یک نیروگاه خورشیدی در دریا معنی ندارد. متانول مایع (CH3OH) و همچنین متان گازی (CH4) از دی اکسید کربن و هیدروژن تولید می شوند. ایده محققان این است که مواد اولیه می توانند مستقیماً از اقیانوس به دست آمده یا در آنجا تولید شوند.

در حال حاضر نیروگاه هایی با انرژی بزرگ در گاز وجود دارند که هیدروژن و CO 2 را به سوخت تبدیل می کنند - از جمله این سکوی تظاهرات "حرکت" در محوطه دانشگاه Empa در Dübendorf. بنابراین این سؤال پیش می آید: چرا با آن به دریا می روید؟ چرا ، همانطور که گیاهان موجود انجام می دهند ، CO 2 را از هوا استخراج نمی کنند؟ پاسخ ساده است: فضای مورد نیاز برای تأمین سوخت در سراسر جهان بسیار زیاد خواهد بود. آندریاس بورگشولت از آزمایشگاه فن آوری های پیشرفته تحلیلی Empa توضیح می دهد : "مساحتی حدود 170،000 کیلومتر 2 برای تولید تقاضای سالانه حمل و نقل جهانی نیاز است." این امر می تواند به بهترین وجه توسط سیستم های انرژی خورشیدی در دریا حاصل شود ، منطقه ای که قبلاً استفاده نشده بود و متعلق به کسی نیست. CO 2همچنین می توان از هوا در دریا استخراج کرد ، اما گزینه جایگزین جذاب و هنوز آشکار استفاده از تقریباً 125 برابر غلظت CO 2 از آب دریا برای "برداشت دی اکسید کربن" است.

امکانات بیشتر برای متانول

بیشتر بخوانید: پمپ وکیوم کوچک

در گیاهان موجود ، CO 2 استخراج شده از جو بیشتر برای تولید متان مورد استفاده قرار می گیرد ، که در جزایر خورشیدی نیز ممکن است. با این حال ، محققان در جریان ملاحظات خود تصمیم به تولید سوخت مایع گرفتند زیرا حمل و نقل آن آسان تر است. علاوه بر این ، از متانول می توان نه تنها به عنوان سوخت بلکه برای ساخت سایر محصولات شیمیایی مانند پیش سازهای تولید پلیمر استفاده کرد. بنابراین ، امکان استفاده از آن (و سودهایی که با آن حاصل می شود) بسیار بیشتر است.

با این حال ، چنین " جزیره متانولی " قیمت خود را دارد: ساخت چنین کارخانه شیمیایی در اقیانوس حدود 90 میلیون دلار آمریکا هزینه خواهد داشت. این شامل حدود 70 جزیره فتوولتائیک به قطر حدود 100 متر مربع و کشتی با گیاهان الکترولیز و سنتز است. این نتیجه می تواند به مساحت حدود 550،000 متر مربع برسد. اما یک خوشه واحد برای دستیابی به تعادل صفر CO 2 به مراتب کافی نیست . در مجموع 170،000 جزایر از این دست برای بازیافت همان مقدار CO 2 مورد نیاز استهمانطور که در حال حاضر منتشر شده است - یک هدف اتوپیایی ، اما ارزش دنبال کردن دارد. بورگشولت می گوید: "ایده های عالی مورد نیاز است. راه حل های کوچک فقط بخش های کوچکی از جهان را تأمین می کنند ، اما همه آنها را نمی توان."

اپل روز دوشنبه خبر از سقوط سکوی پیشگامانه iTunes خود به نفع سه برنامه متناسب دیگر داد ، زیرا این پیشنهادات خود را به عنوان مرحله ای برای موسیقی دیجیتال ، فیلم ، پادکست و موارد دیگر پالایش می کند.

کریگ فدریگی معاون ارشد مهندسی نرم افزار اپل گفت که iTunes نحوه خرید و گوش دادن به موسیقی را پس از راه اندازی آن در سال 2001 تغییر داد ، اما اکنون به تدریج کنار گذاشته شده است.

فدریگی گفت: "آینده iTunes یک برنامه نیست بلکه سه برنامه است."

"Apple Music ، Apple Podcasts و Apple TV."

از زمان راه اندازی iTunes ، شیوه های زندگی به پخش موسیقی ، ویدئو و موارد دیگر از طریق اینترنت تغییر یافته است زیرا مراکز داده آنلاین و اتصالات پهنای باند ، انتظارات سرگرمی تقاضا را افزایش می دهد.

نرم افزار iTunes به کاربران این امکان را می دهد تا مجموعه موسیقی را کنترل کرده و به آنها گوش دهند و همچنین نسخه های دیجیتالی آهنگ ها را بخرند.

"دلیلی برای وجود iTunes وجود ندارد ، دوره." گفت کارولینای میلانزی ، تحلیلگر استراتژی های خلاقیت.

"اگر من موسیقی بخواهم ، برنامه ای دارم. اگر می خواهم تلویزیون داشته باشم ، برنامه را دارم. این طور است که امروز مردم فکر می کنند."

تبدیل iTunes به سه برنامه جداگانه با آماده سازی اپل بین المللی یک تلویزیون پویا + در اواخر سال جاری صورت می گیرد.

محتوای جدید از طریق اپلیکیشن به روز شده اپل تی وی عرضه خواهد شد که در تلویزیون های هوشمند و سیستم عامل های شخص ثالث از جمله Roku و Fire TV Amazon قرار خواهد گرفت.

شرکت کالیفرنیا نیز روز دوشنبه برنامه پادکست خود را نشان داد و گفت که این سرویس متناسب با کار مستقل در ساعت هوشمند خود طراحی شده است.

معاون فناوری ، کوین لینچ ، معاون فناوری اطلاعات اپل ، هنگام سخنرانی اصلی در گردهمایی سالانه شرکت ها از توسعه دهندگان صحبت می کند ، جایی که نوآوری ها و پیشرفت های نرم افزاری ، کل خط تولید این شرکت از جمله مچ بند را لمس می کند.
برخی از ویژگی های iTunes در سایر برنامه های اپل ذوب می شود.

بیشتر بخوانید: پمپ وکیوم کوچک

هنوز مشخص است که چه نسخه‌ای از iTunes متناسب با رایانه های ویندوز ارائه خواهد شد یا چگونه مردم قادر به جابجایی کتابخانه های موسیقی خود خواهند بود.

نوآوری ها و پیشرفت های نرم افزاری که در روز افتتاحیه کنفرانس جهانی توسعه دهندگان (WWDC) فاش شد ، کل خط تولید این شرکت را از پوشیدن مچ تا آیفون و بازی اتومبیل به همراه دستیار هوشمند سیری لمس کرد.

این نوآوری ها در حالی صورت می گیرد که اپل برای تأکید بر محتوای دیجیتالی و سایر خدمات به منظور جبران بازپرداخت در بازار گوشی های هوشمند یکبار پرتلاش ، و بسیاری از سازمان های خبری در تلاش هستند تا از خدمات آنلاین خود سود ببرند .

اپل در تلاش است تا موقعیت خود را با حدود 900 میلیون نفر در سرتاسر جهان که حداقل یکی از دستگاه های خود را استفاده می کنند ، اعمال کند.

ورود به سیستم اپل

مخاطبان بسته بندی شده WWDC هنگام صحبت از مدیران از پیشرفت هایی که قول می دادند کار را در یک دستگاه آسان تر می کند ، ابراز خوشحالی کردند.

ظاهرا اپل در تلاش است تا سازندگان اپلیکیشن را که از طریق آیفون جستجو می کنند به سخت افزار خانواده این شرکت با پیام "بهتر با هم" بدست آورند.

این تحلیلگر گفت: "این در مورد وسعت آن وسایل با هم است."

به گفته میلانی ، در حالی که تلفن های مجهز به سیستم عامل اندرویدی ساخته شده توسط گوگل برای کاربران آیفون جذاب تر می شوند ، داشتن برنامه هایی که تجربیات خود را در سراسر Apple Watch ، iPad ، TV و Mac افزایش می دهد ، به وفاداری آنها به این برند کمک می کند.

وی گفت: "نه تنها شما بیشتر مشغول همکاری با اپل هستید ، بلکه خطر این را دارید که کاربران به جای دیگری بروید."

اپل از رایانه رومیزی جدید با عملکرد بالا Mac Pro با هدف حرفه ای ها و قیمت اولیه 5،999 دلار رونمایی کرد.
به گفته فدریگی ، نرم افزار نسل بعدی آیفون های iOS که در اواخر سال جاری به بازار عرضه می شوند ، "از بالا به پایین" دوباره پردازش شدند تا سریعتر باشند.

تیم کوک ، رئیس اپل و دیگر مدیران متمرکز بر ویژگیهای حریم خصوصی نرم افزارهای بهبود یافته در طیف وسیعی از دستگاهها بودند.

محافظت از افزودن محافظ به نرم افزار عامل موبایل iOS شامل امکان دادن مجوز به برنامه ها به جای همه زمان ها به یک مکان ، و به کاربران اطلاع می دهد که برنامه ها در حال پیگیری محل زندگی خود هستند.

ویژگی جدید "ورود به سیستم با اپل" به عنوان جایگزینی برای ورود به سیستم با استفاده از حساب های Facebook یا Google راه اندازی می شود.

فدریگی گفت: "این می تواند راحت باشد ، اما می تواند به قیمت حفظ حریم خصوصی شما نیز بیاید."

"این ورود به سیستم می تواند برای ردیابی شما استفاده شود."

ویژگی ورود به سیستم در iOS باعث می شود افراد با استفاده از اطلاعات AppleID وارد برنامه شوند ، اما گزینه ای برای پوشاندن نام کاربر یا آدرس های ایمیل با اطلاعات تولید شده به طور تصادفی را فراهم می کند.

فدریگی گفت: "تمام تجربه این است که به شما کمک کند کنترل داده های خود را کنترل کنید."

"عشق زیادی به آدرسهای تصادفی در اینجا."

اپل همچنین تغییراتی را اعلام کرد که استفاده از iPad ها را به عنوان صفحه نمایش کمکی برای رایانه های مک راحت تر می کند و حتی کمی بیشتر شبیه به خود لپ تاپ ها با قابلیت هایی مانند چندین ویندوز که به طور همزمان کار می کنند ، انجام می شود.

این شرکت از رایانه رومیزی جدید با عملکرد بالا Mac Pro با هدف حرفه ای ها و قیمت اولیه 5،999 دلار رونمایی کرد.

اپل iOS 13 خود را برای دستگاه های تلفن همراه پیش نمایش کرد ، که شامل نمایشگر "حالت تاریک" ، برنامه نقشه های به روز شده و دسترسی سریعتر از طریق ورود به سیستم تشخیص چهره است.

در آینده دستگاه های کوچک کاغذی و پلاستیکی قادر خواهند بود برای مدت کوتاهی به اینترنت وصل شوند و قبل از دور ریختن اطلاعاتی در مورد همه چیز از مراقبت های بهداشتی گرفته تا محصولات مصرفی ارائه دهند. محققان دانشگاه بینگامتون ، دانشگاه ایالتی نیویورک یک میکرو بیوباتری تولید کرده اند که می تواند این حسگرهای یکبار مصرف را تأمین کند.

اینترنت اشیاء یکبار مصرف پدیده ای است که در آن سنسورهای بی سیم تقریباً به هر نوع دستگاه وصل می شوند تا بتوانند از طریق اینترنت اطلاعات به روز را ارائه دهند . به عنوان مثال ، یک سنسور می تواند به بسته بندی مواد غذایی متصل شود تا بر تازه بودن مواد غذایی داخل نظارت کند.

سوخون چوی ، استادیار مهندسی برق و کامپیوتر در دانشگاه بینگامتون گفت: "اینترنت چیزهای یکبار مصرف (IoDT) یک الگوی جدید برای تکامل سریع شبکه های حسگر بی سیم است." "این تکنیک جدید ، که در یک بسته کوچک ، کم حجم و یکبار مصرف در یک نقطه قیمت پایین ساخته شده است ، می تواند کارایی ارزان قیمت را برای تنها یک دوره برنامه ریزی شده متصل کند و سپس به آسانی دور شود."

سلولهای سوختی میکروبی قبلی کوچک چوی از چگالی توان کم و عملکرد تغذیه سیال با شدت انرژی رنج می برد ، بنابراین او فکر کرد که یک سکوی باتری کوچک میکروبی باتری با قدرت جامد ، یکبار مصرف ، با حالت جامد و بدون سیستم سیال کاربردی تر است. و به طور بالقوه قابل تحقق است.

بیشتر بخوانید: پمپ وکیوم کوچک

چوی گفت: "پیش از این ، گروه من دو جهت داشت: 1) بیوبستری های مبتنی بر کاغذ یکبار مصرف برای سیستم های کم مصرف یکبار مصرف (به عنوان مثال حسگرهای زیستی) و 2) سلولهای سوختی میکروبی بلند مدت برای کاربردهای پایدار." وی ادامه داد: "بیوباتری که این بار توسعه دادیم نوعی تکنیک ترکیبی از آن دو بود ؛ مدت زمان مصرف با استفاده از محفظه های حالت جامد به طور قابل توجهی افزایش یافته است اما دستگاه نوعی باتری بدون سیستم های پیچیده تغذیه سیال است که دارای سوخت میکروبی معمولی هستند. سلولها نیاز دارند. "

سوخون چوی استادیار مهندسی برق و کامپیوتر در دانشگاه بینگامتون ، دانشگاه ایالتی نیویورک است. اعتبار: دانشگاه بینگامتون ، دانشگاه ایالتی نیویورک
چوی افزود: "IoDT های فعلی بیشتر از باتری های گران قیمت و خطرناک برای محیط زیست استفاده می کنند ، بنابراین ، درنهایت منجر به افزایش قابل توجه هزینه ها و مسائل زیست محیطی برای استقرار در مقیاس بزرگ آنها می شوند." "بیوباتری ما ارزان قیمت ، یکبار مصرف و سازگار با محیط زیست است."

چوی در حال ادغام بیوباتری های سریال متصل شده با مبدل DC-DC است.

اشیاء ساخته شده با چاپ 3 بعدی می توانند سبک تر ، قوی تر و پیچیده تر از نمونه هایی باشند که از طریق روش های تولید سنتی تولید می شوند. اما قبل از اینکه چاپ 3 بعدی تولید بیشتر دستگاه ها را تغییر دهد ، باید چندین چالش فنی برطرف شوید.

پرینترهای قابل دسترس تجاری معمولاً فقط مواد پر سرعت ، دقت بالا و یا کیفیت بالا را ارائه می دهند. به ندرت آنها هر سه را ارائه می دهند ، و سودمندی آنها را به عنوان یک ابزار تولید محدود می کنند. امروزه از چاپ 3 بعدی عمدتا برای نمونه سازی و تولید کم حجم قطعات تخصصی استفاده می شود.

اکنون Inkbit ، یک راه اندازی خارج از MIT ، در تلاش است تا تمام مزایای چاپ 3 بعدی را برای محصولاتی که قبلاً چاپ نشده است به دست آورد و هدف آن انجام این کار در حجمهایی است که باعث اختلال در روند تولید در انواع صنایع.

بیشتر بخوانید: پمپ وکیوم کوچک

این شرکت در حال انجام این توسط جفت شدن multimaterial جوهر افشان 3-D خود چاپگر با دستگاه بینایی و سیستم های یادگیری ماشینی. سیستم بینایی به طور جامع هر لایه از شیء را به عنوان چاپ شده برای تصحیح خطاها در زمان واقعی اسکن می کند ، در حالی که سیستم یادگیری ماشین از این اطلاعات برای پیش بینی رفتار پیچشی مواد و ساخت محصولات نهایی دقیق تر استفاده می کند.

دیوید مارینی ، بنیانگذار و مدیرعامل Inkbit ، می گوید: "این شرکت به این دلیل ساخته شده است که یک چاپگر 3 بعدی با چشم و مغز تحمل کند." '03

این ایده طیف وسیعی از برنامه های کاربردی برای دستگاه Inkbit را باز می کند. این شرکت می گوید که می تواند مواد انعطاف پذیر تری را با دقت بیشتری نسبت به چاپگرهای دیگر چاپ کند. اگر یک شیء ، از جمله تراشه رایانه یا سایر قطعات الکترونیکی ، در قسمت چاپ قرار گیرد ، دستگاه می تواند دقیقاً مواد اطراف آن را چاپ کند. و هنگامی که یک شی کامل است ، دستگاه یک ماکت دیجیتالی را نگه می دارد که می تواند برای تضمین کیفیت استفاده شود.

Inkbit هنوز یک شرکت در مراحل اولیه است. در حال حاضر دارای یک چاپگر درجه تولید عملیاتی است. اما این کار فروش محصولات چاپی را اواخر امسال آغاز می کند ، و با خلبانی با جانسون و جانسون آغاز می شود ، قبل از فروش چاپگرهای خود در سال آینده. اگر Inkbit بتواند علاقه فعلی شرکتهایی را که فروش تجهیزات پزشکی ، کالاهای مصرفی و قطعات خودرو را به فروش می رسانند ، اهرم کند ، ماشینهای آن در چند سال آینده از میزبان دندانپزشکی گرفته تا صنعتی ، نقش اصلی را در میزبان بازارهای چند میلیارد دلاری ایفا می کنند. ماسک های آپنه و ابزار و خواب.

اعتبار: موسسه فناوری ماساچوست
مارینی می گوید: "همه می دانند که مزایای چاپ 3 بعدی بسیار زیاد است." "اما اکثر مردم با اتخاذ آن مشکلاتی را تجربه می کنند. این فناوری هنوز وجود ندارد. دستگاه ما اولین کسی است که می تواند خواص یک ماده را یاد بگیرد و رفتار آن را پیش بینی کند. من معتقدم که این تحول پذیر خواهد بود زیرا هر کسی را قادر می سازد خیلی سریع از یک ایده به یک محصول قابل استفاده بروید. این فرصت های تجاری را برای همه باز می کند. "

پرینتر با پتانسیل

برخی از سخت ترین مواد برای چاپ امروز نیز بیشترین استفاده را در فرآیندهای تولید فعلی دارند. این شامل مواد لاستیکی مانند سیلیکون ، و مواد با دمای بالا مانند اپوکسی ، که اغلب برای عایق بندی الکترونیک و در انواع محصولات مصرفی ، بهداشتی و صنعتی استفاده می شود.

چاپ این مواد معمولاً دشوار است و منجر به توزیع ناهموار و خرابی فرآیند چاپ مانند گرفتگی می شود. آنها همچنین به مرور زمان تمایل به کوچک شدن یا گرد شدن در لبه ها دارند. بنیانگذاران Inkbit Wojciech Matusik ، استادیار مهندسی برق و علوم کامپیوتر ، Javier Ramos BS '12 SM '14 ، Wenshou Wang و Kiril Vidimče SM '14 سالهاست که در گروه ساختهای محاسباتی Matusik در این مشکلات کار می کنند. آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL).

در سال 2015 ، بنیانگذاران در میان گروهی از محققان بودند که یک چاپگر دقیق 3 بعدی با نسبتاً کم هزینه را ایجاد کردند که می توانست با اعمال فشار دید دستگاه ، 10 ماده رکورد را به طور همزمان چاپ کند. این شاهکار مورد توجه بسیاری از شرکتهای بزرگ که علاقه مند به انتقال تولید به چاپ 3 بعدی هستند قرار گرفت و در سال بعد این چهار مهندس از مرکز Deshpande پشتیبانی کردند تا ایده خود را برای پیوستن به بینایی دستگاه با چاپ 3 بعدی بصورت تجاری در اختیار بگیرند.

در MIT ، گروه تحقیقاتی Matusik از یک اسکنر ساده 3 بعدی برای پیگیری پیشرفت دستگاه خود استفاده کرد. برای اولین چاپگر Inkbit ، بنیانگذاران می خواستند چشم "دستگاه" خود را به طرز چشمگیری بهبود بخشند. آنها تصمیم گرفتند از یک اسکنر توموگرافی انسجام نوری (OCT) استفاده کنند ، که از طول موجهای طولانی از نور استفاده می کند تا از طریق سطح مواد دیده شود و لایه های مواد را با وضوح کسری از عرض یک موی انسان اسکن کند.

از آنجا که اسکنرهای OCT به طور سنتی فقط توسط چشم پزشکان مورد بررسی قرار می گیرند تا سطح زیر چشم بیماران را معاینه کنند ، تنها موارد موجود برای اسکن هر لایه از یک قسمت چاپی 3 بعدی بسیار کند بود - بنابراین تیم Inkbit "گلوله را گاز می زند" ، همانطور که مارینی. آن را توصیف می کند ، و یک اسکنر OCT سفارشی ساخته است که به گفته وی 100 برابر سریعتر از هر چیز دیگری در بازار امروز است.

محققان در موسسه BioRobotics از Scuola با Superiore با سنت "آنا، شرکت رباتیک SRL و دانشگاه شفیلد هالام به تازگی یک رویکرد جدید به منظور بهبود تعامل بین انسان و ربات را به عنوان آنها در حال قدم زدن با هم ارائه شده است. این مقاله، در MDPI منتشر رباتیک مجله، پیشنهاد استفاده از سنسورهای پوشیدنی به عنوان ابزاری برای بهبود همکاری بین یک انسان و یک روبات که در یک محیط مشترک در حال حرکت هستند.

پیشرفت های اخیر فن آوری باعث شده است که روبات ها به عنوان دستیاران در طیف گسترده ای از موقعیت های زندگی روزمره به کار گیرند. با این حال ، برای عملکرد خوب در اکثر این تنظیمات ، رباتها باید بتوانند با کاربران انسانی یکپارچه و مؤثر ارتباط برقرار کنند. از این رو محققان برای تقویت توانایی روباتها در درک سیگنالهای اجتماعی و پاسخ به این روش ، رویکردها و تکنیکهایی را توسعه داده اند.

در مطالعه خود ، این تیم به ویژه روی کارهایی تمرکز کرده اند که شامل انسان ها و روبات هایی است که با هم قدم می زنند یا وظیفه ای را شامل می شوند که شامل ایستادن و حرکت در یک محیط مشترک است. هدف آنها ایجاد رویکردی بود که به انسان امکان می داد بدون نیاز به پیوندهای فیزیکی بین این دو ، به طور طبیعی در یک فضای معین به همراه یک ربات حرکت کند .

محققان در مقاله خود نوشتند: "در این مقاله استفاده از واحدهای اندازه گیری بی تحرک پوشیدنی (IMU) برای بهبود تعامل بین انسان و ربات در حین راه رفتن با یکدیگر و بدون پیوندهای بدنی و بدون محدودیت موقعیت نسبی بین انسان و ربات پیشنهاد شده است." .

طرح کار زیر (الف) و وظیفه دنبال کردن من (ب). اعتبار: مسقتی و همکاران.
رویکرد پیشنهادی محققان مستلزم استفاده از سنسورهای IMU است ، این دستگاه های الکترونیکی هستند که جهت گیری ، سرعت و سایر حرکات مربوط به داده ها را اندازه گیری و گزارش می دهند ، به طور معمول با استفاده از شتاب سنج ، ژیروسکوپ و / یا مغناطیس. این سنسورها توسط انسان پوشیده می شوند (به عنوان مثال روی کفش آنها) بدون اینکه باعث ناراحتی در آنها شود ، بنابراین به آنها اجازه می دهد تا آزادانه در فضای اطراف خود حرکت کنند.

IMU ها اطلاعات زمان واقعی را در مورد حرکات کاربر انسان و پارامترهای مربوط به راه رفتن (مانند سرعت پیاده روی ، طول گام ، زاویه جهت گیری و غیره) جمع آوری می کنند. متعاقباً ، این داده پردازش شده و برای شکل دادن به حرکت ربات مورد استفاده قرار می گیرد و درنهایت تعامل طبیعی تر بین دو عامل ایجاد می شود.

محققان یک سیستم نمونه اولیه IMU با نام SensFoot ساخته و صحت و اثربخشی آن را در یک سری آزمایشات که شامل انسانها و روبات ها در تعامل با یکدیگر بودند ، ارزیابی کردند. آنها 19 شرکت کننده انسانی را استخدام کردند و از آنها خواستند که دو کار مختلف را انجام دهند ، که آنها را یک کار "زیر" و "دنبال کردن من" عنوان می کنند.

ابتدا ، آنها با مقایسه اطلاعات راه رفتن محاسبه شده توسط یک سیستم دید مرجع با اطلاعات حاصل از داده های جمع آوری شده توسط IMU ، صحت سیستم خود را تأیید کردند. پس از آن ، آنها سنسورها را در یک سناریوی تعامل واقعی انسان و روبات آزمایش کردند.

نمونه ای از تست ها با کاربران (الف) و توالی های انجام شده از کار زیر (ب) و وظیفه دنبال کردن من (ج). اعتبار: مسقتی و همکاران.
محققان نوشتند: "ما با 19 شركت كننده انسانی در دو كار مختلف آزمایش كردیم تا ارزیابی در زمان واقعی پارامترهای راه رفتن برای یك روبات متحرك در حال حرکت با یك انسان انجام دهیم و امکان سنجی و قابلیت استفاده قابل درک توسط شركت كنندگان را بررسی كردیم." "این نتایج امکان پذیر بودن سیستم را نشان می دهد ، که بازخوردهای مثبتی از کاربران به دست آورده و اطلاعات ارزشمندی را برای توسعه یک سیستم تعامل طبیعی ارائه می دهد ، جایی که این روبات حرکات انسانی را با استفاده از سنسورهای پوشیدنی درک می کند."

ارزیابی های انجام شده توسط محققان ، نتایج بسیار امیدوارکننده ای به همراه داشت و نشان می دهد که استفاده از IMU می تواند تعامل بین انسان و روبات هایی را که در یک فضای مشترک در حال حرکت هستند ، به طور قابل توجهی بهبود بخشد. علاوه بر این ، بازخورد جمع آوری شده از شرکت کنندگان که سنسورها را آزمایش کردند بسیار مثبت بود. در آینده ، رویکرد ارائه شده توسط محققان می تواند راه را برای راه حل های رباتیک کمکی تطبیقی تر و کارآمد تر که شامل ادغام IMU یا حسگرهای دیگر با الگوریتم های یادگیری ماشین است ، هموار کند.

محققان نوشتند: "کارهای آینده شامل امکان افزایش درک سیستم از کاربر در حال پیاده روی ، بهبود دقت در پارامترهای استخراج شده و سازگاری ربات ، غلبه بر محدودیت های فعلی در کنترل و ادغام است."