Отечественный оператор кикшеринга и разработчик решений для средств индивидуальной мобильности Whoosh сообщил о запуске пилотной программы по тестированию электросамокатов с большим информационным дисплеем и модулем компьютерного зрения.

Источник изображения: Eduardo Alvarado / unsplash.com

Новые технологии испытают на новых электросамокатах Ninebot — программа будет запущена в этом году в Москве. Дашборд, то есть экран, будет устанавливаться на руле самоката и заменит смартфон. Информация на износостойком и влагоустойчивом дисплее будет оставаться видимой в любых погодных условиях: маршрут и навигационные данные поездки, помощь по эксплуатации и парковке самоката.

Технологии компьютерного зрения нужны для анализа работы кикшеринга. Система будет собирать обезличенные данные о поездках, различные сценарии реакций на внешние условия, а также статистику о поездках, включая наиболее популярные маршруты и информацию о дорожном покрытии. Самокат предупредит о необходимости снизить скорость или спешиться, если пользователь приближается к пешеходному переходу, а также даст советы по приоритетным маршрутам.

«Эти разработки — ещё один большой шаг в развитии микромобильного транспорта, который поможет нам лучше понимать пользователя и работать с безопасностью поездок, комфортом использования сервиса. Мы запускаем пилотную эксплуатацию на базе самой современной модели самоката, чтобы проанализировать, как технологии покажут себя в разных городских условиях», — прокомментировал инициативу основатель и генеральный директор Whoosh Дмитрий Чуйко.

Исследователи ИИ компании Meta✴ сегодня объявили о нескольких ключевых разработках, связанных с адаптивной координацией навыков и репликацией зрительной коры, которые позволят роботам с ИИ автономно функционировать в реальном мире. Эти разработки являются крупным шагом вперёд в создании универсального «воплощённого ИИ», способного взаимодействовать с реальным миром без вмешательства человека.

Источник изображений: Meta✴ AI

Зрительная кора — область мозга, которая позволяет организмам использовать зрение для совершения действий. Таким образом, искусственная зрительная кора является ключевым требованием для любого робота, которому необходимо выполнять задачи на основе того, что он видит перед собой. Искусственная зрительная кора VC-1 обучена на наборе данных Ego4D, который содержит тысячи часов видео с носимых камер участников исследования по всему миру, выполняющих повседневные действия, такие как приготовление пищи, уборка, спорт и ремесла.

Однако зрительная кора — это лишь один из элементов воплощённого ИИ. Чтобы робот мог работать полностью автономно в реальном мире, он должен быть способен манипулировать объектами реального мира — перемещаться к объекту, поднимать его, переносить в другое место и размещать объект — и делать все это на основе того, что он видит и слышит.

Чтобы решить эту проблему, эксперты по ИИ Meta✴ в сотрудничестве с исследователями из Технологического института Джорджии разработали новую технологию ASC (Adaptive Skill Coordination — Адаптивная координация навыков), где обучение происходит в симуляциях, а затем эти навыки передаются реальному роботу. Meta✴ продемонстрировала эффективность ASC в сотрудничестве с Boston Dynamics. ASC была интегрирована с робопсом Spot, который обладает надёжными возможностями распознавания, навигации и манипулирования, хотя и требует значительного вмешательства человека.

Исследователи ставили перед собой цель создать модель ИИ, которая сможет воспринимать мир с помощью бортовых датчиков через API Boston Dynamics. Сначала ASC была обучена в симуляторе Habitat с использованием наборов данных HM3D и ReplicaCAD, содержащих 3D-модели более тысячи домов. Затем виртуального робота Spot научили передвигаться по незнакомому дому, подбирать предметы, переносить их и класть в нужное место. Позже эти знания были переданы реальным роботам Spot, которые автоматически выполняли те же задачи, основываясь на полученном представлении о помещениях.

«Мы использовали две совершенно разные среды реального мира, в которых Spot попросили переставить различные объекты — полностью меблированную квартиру площадью 185 м² и университетскую лабораторию площадью 65 м². — Сообщают исследователи. — ASC добилась почти идеальной производительности, преуспев в 59 из 60 эпизодов, преодолев аппаратные нестабильности, сбои выбора и состязательные помехи, такие как движущиеся препятствия или заблокированные пути».

Исследователи Meta✴ сегодня открывают исходный код модели VC-1, делясь подробными сведениями о масштабировании модели и размерах наборов данных. Следующей целью команды будет попытка интегрировать VC-1 с ASC, чтобы создать единую систему, которая станет ближе к истинному воплощённому ИИ.

Хотя у роботов большое будущее, пока их механические руки не очень хорошо справляются на складах с обработкой отдельных заказов, маркированных штрих-кодами. Последние может быть трудно обнаружить и прочитать, особенно на товарах нестандартной формы. Новая система, предложенная Amazon, позволит избавиться от штрих-кодов полностью — поможет в этом компьютерное зрение.

Источник изображения: Maximalfocus/unsplash.com

Фотографии товаров, снятые на складах Amazon, и тренировка на них компьютерного зрения, позволили техногиганту разработать систему камер, способную точно распознавать товары на конвейерной ленте. В конце концов эксперты Amazon по ИИ и робототехнике намерены интегрировать разработку в роботов, которые смогут узнавать товары в процессе упаковки для последующей отправки.

По словам представителя разработчиков Amazon, без поиска штрих-кодов роботы смогут намного быстрее упаковывать товары для отправки покупателям. Система, названная мультимодальной идентификацией, полностью заменит штрих-коды ещё нескоро, но уже сейчас она применяется на объектах компании в Барселоне и Гамбурге. При этом в компании заявляют, что система уже позволяет ускорить время обработки заказов. Ожидается, что технология будет внедряться в самых разных проектах компании, включая розничную торговлю.

Эксперты Amazon в области искусственного интеллекта уже начали формировать библиотеку изображений продуктов — до начала реализации данного проекта такой необходимости не было. Сами изображения, как и данные о размерах предметов, обрабатываются первыми версиями алгоритмов, а камеры последовательно делают всё новые снимки для тренировки ИИ-модели компании.

Когда алгоритм начал впервые использоваться, его точность составляла 75-80 %, сейчас в компании заявляют, что она достигла 99 %. Изначально у системы были некоторые проблемы с распознаванием цветов, но после доработки её точность заметно повысилась. Хотя отправка не тех товаров, что были заказаны, происходит, по данным Amazon, довольно редко, даже такие ошибки в масштабах такой огромной компании, как Amazon, способны принести немало неприятностей.

В ИИ-команде Amazon заявляют, что будет сложнее настроить систему мультимодальной идентификации для товаров, обрабатываемых людьми, поэтому конечной целью является доработка технологий до того уровня, на котором будет возможно использование вместо них роботов.

Компания Lime, занимающаяся производством электрических велосипедов и самокатов, а также владеющая сервисами их проката, объявила о планах по внедрению усовершенствованной системы безопасности Advanced Rider Assistance Systems. Для этого была создана собственная платформа компьютерного зрения для выявления езды по тротуарам. В таких случаях пользователь будет уведомляться о нарушении звуковым сигналом или путём принудительного снижения скорости движения.

Источник изображения: Lime

Согласно имеющимся данным, Lime начнёт тестировать новую систему на 400 самокатах в Сан-Франциско к середине августа. К концу года планируется расширить действие пилотного проекта на шесть городов, включая Париж, где компания впервые и продемонстрировала новую технологию.

Отмечается, что за последнее время многие крупные сервисы микромобильности пытались внедрить ту или иную форму ARAS для самокатов. Bird, Superpedestrian и Neuron полагаются на системы, основанные на определении местоположения, чтобы фиксировать, где ездят и паркуются пользователи. Voi, Spin и Zipp опробовали технологии компьютерного зрения сторонних разработчиков. В Lime рассказали, что компания также тестировала системы компьютерного зрения сторонних разработчиков, чтобы проверить жизнеспособность такого подхода. В конечном счёте было принято решение об инвестировании в создание собственной технологии, которая позволит фиксировать и препятствовать случаям езды по тротуарам.

Системы ARAS на основе определения местоположения и компьютерного зрения имеют немало сторонников. Приверженцы первого варианта отмечают, что система определения местоположения дешевле и её проще интегрировать. Также отмечается, что технология компьютерного зрения ещё не развита настолько, чтобы быть по-настоящему эффективной. Не говоря уже о том, что для компьютерного зрения требуется дополнительное оборудование, которое может сломаться или стать объектом вандализма на улицах.

Как пишет портал Arstechnica, жульничество в видеоиграх вышло на новый уровень. Хакеры разработали специальное устройство, которое помогает игроку точно наводить прицел на противника. Фактически речь идёт об аппаратном аналоге Aim Bot. Разработчики заявляют, что этот чит невозможно обнаружить никакой защитой, поскольку он не нарушает целостности игровых файлов, что характерно для программных читов. Устройство можно использовать как с ПК, так и с консолями.

По понятным причинам Arstechnica не стал говорить настоящее название устройства, формально обозначив его CVCheat, а также не предоставил ссылки, где его можно приобрести. Однако сами хакеры охотно поделились с порталом тем, как оно работает. Собственно, CVCheat является продвинутой картой видеозахвата, которая подключается к ПК или консоли с помощью разъёма HDMI и отслеживает кадры, передаваемые GPU на экран. С помощью встроенных алгоритмов искусственного интеллекта и компьютерного зрения CVCheat определяет в центральной области экрана, куда смотрит игрок, расположение врагов.

Далее в работу вступает алгоритм, который точно просчитывает, как далеко и в каком направлении необходимо переместить мышку для того, чтобы враг оказался в перекрестии прицела. CVCheat может определять не только врага целиком, но и его отдельные части тела, позволяя, например, эффективно раздавать хедшоты. Собранные картой захвата данные отправляются на специальное устройство сквозного ввода, например, Titan Two или Cronus Zen, которое используется для эмуляции движения мыши или геймпада, чтобы довести прицел до цели и совершить выстрел.

По отдельности, все устройства, использующиеся для работы CVCheat, вполне законны. Например, те же карты Titan Two или Cronus Zen применяются для возможности использования компьютерных мышек и клавиатур с игровыми приставками, а также для создания игровых макросов. Однако все вместе они создают эффективный чит, который не требует модификаций игровых файлов, поэтому никакой античит не может его обнаружить.

У CVCHeat имеются гибкие настройки, позволяющие определять размер области доведения прицела, скорость прицеливания, части тела, куда необходимо стрелять и так далее. В текущем варианте CVCheat работает по принципу Triggerbot, то есть позволяет производить точные выстрелы по противнику, которые попали в область доводки прицела. Помимо этого, он обладает функцией контроля отдачи после каждого выстрела.

В разработке уже находится более продвинутая версия, которая предложит полностью автоматизированные процесс прицеливания и стрельбы, и сможет работать с любой игрой для ПК, а также игровых консолей Xbox и PlayStation. Pro-версию CVCheat хакеры оценили в $50. По словам его разработчиков, он эффективно работает в играх, отображаемых с частотой до 240 кадров в секунду. А на определение врага на экране и произведение выстрела ему требуется всего 10 мс.

Разработчики игр уже забили тревогу. Например, издатель Activision блокирует на YouTube любые рекламные ролики с использованием CVCheat в их онлайн-шутерах Call of Duty: Warzone, поскольку в игре уже появились люди, его использующие. По словам самих хакеров, их разработкой пользуются уже около 200 человек.

Компания Intel продолжает второй сезон проекта CV Academy для опытных разработчиков — вебинары по компьютерному зрению, глубокому обучению и оптимизации.

17 марта 19:00 – 20:30 — Применение компьютерного зрения в медицине

Регистрация: https://jsc-intel.timepad.ru/event/1446273

На вебинаре Вы узнаете о современных подходах к решению вычислительно трудоемких задач в области медицины (хирургия, гистология, исследование ДНК) и биохимии.

Спикером выступит Дмитрий Куртаев, инженер по разработке ПО, Intel, нейросетевой хирург, IOTG Russia.

24 марта 19:00 – 20:30 — Компиляторы для нейронных сетей

Регистрация: https://jsc-intel.timepad.ru/event/1446273

Будут рассмотрены существующие компиляторы, их плюсы и минусы, особенности и концепции. Будут описаны основные программные методы, которые используются для выбора оптимального способа исполнения алгоритма на устройстве из всех возможных. Также Вы узнаете о перспективах развития данной области.

Спикер — Александр Новак, разработчик из команды Neural Network Compilers, Intel, IOTG Russia.

14 апреля 19:00 – 20:30 — Оптимизация нейронных сетей

Регистрация: https://jsc-intel.timepad.ru/event/1446273

На вебинаре будут рассмотрены актуальные методы, позволяющие ускорить вычисление нейронных сетей. Особое внимание будет уделено методам квантизации нейросетей как наиболее эффективным с точки зрения критерия “точность – ускорение”. Вы узнаете, как сделать мир интеллектуального Интернета вещей еще умнее.

Спикер — Александр Козлов, инженер по глубокому обучению, Intel, IOTG Russia.

Регистрация на вебинары CV Academy обязательна и позволяет:

• Узнать о новейших трендах в AI / Deep Learning от экспертов мирового уровня
• Принять участие в живой Q&A сессии с ведущими разработчиками Intel
• Получить эксклюзивный доступ к видеозаписям вебинаров

Все вебинары в рамках CV Academy, на которые открыта регистрация:

• 17 марта — Применение компьютерного зрения в медицине
• 24 марта — Компиляторы для нейронных сетей
• 31 марта — OpenCV для встраиваемых платформ
• 7 апреля — Введение в OpenCV G-API, современный API в области компьютерного зрения
• 14 апреля — Оптимизация нейронных сетей
• 21 апреля — Оптимизация производительности
• 28 апреля — Concept-Based polymorphism в С++

С февраля по апрель 2021 года Intel в России проводит второй сезон CV Academy — серию открытых вебинаров по компьютерному зрению, глубокому обучению и оптимизации производительности алгоритмов. Цель проекта — расширить знания разработчиков, уже имеющих опыт в данной области, а также помочь тем, кто имеет опыт разработки на С++/Python и базовые знания в области машинного и глубокого обучения, ближе познакомиться с указанными темами.

Вебинары CV Academy возобновляются с 10 февраля 2021 года. Планируется провести 12 вебинаров в течение февраля, марта и апреля. Темы: основные методы автоматического распознавания речи, синтез речи на основе нейронных сетей, обзор техник и моделей обработки естественного языка, применение компьютерного зрения в медицине, федеративное машинное обучение, компиляторы для нейронных сетей и т. д.

Для участия в вебинарах необходима регистрация на странице CV Academy на Timepad. Регистрация проводится отдельно на каждое мероприятие — можно выбрать наиболее интересные для себя темы. Вебинары будут проводиться еженедельно по средам, с 19:00 до 20:00. Подробное описание вебинаров, а также оперативная информация об изменениях в расписании доступны на той же странице.

Вебинары проводят эксперты мирового уровня — инженеры подразделения Intel IOTG Computer Vision в России. Слушатели CV Academy узнают о технологиях, работа над которыми ведется в Центрах исследований и разработок Intel в России, а также получат информацию о карьерных возможностях в сфере компьютерного зрения.

Intel в России ведет сейчас активный набор опытных разработчиков по направлениям, связанным с искусственным интеллектом, и одной из ключевых задач CV Academy является создание кадрового резерва специалистов в данной области. Непосредственным предшественником CV Academy был проект для студентов CV School, в котором приняло участие более 400 слушателей. А 30 участников проекта в итоге устроились на стажировку в компанию.

Первый сезон CV Academy состоялся в ноябре-декабре 2020 года. Среди тем были изучение набора инструментов OpenVINO Toolkit, обзор методов сопровождения объектов на видео, методики обработки звука в OpenCV, алгоритмы 3D-реконструкции в OpenCV в режиме реального времени, подготовка данных для тренировки нейронных сетей и так далее. Материалы прошедших вебинаров доступны на сайте Академической программы в Intel.

Государственная корпорация Ростех сообщает о том, что компания NtechLab разработала новое решение на основе компьютерного зрения, которое позволит бизнес-структурам анализировать демографический состав клиентов.

NtechLab специализируется на искусственных нейронных сетях и средствах машинного обучения. Компания является разработчиком комплекса FindFace Security — платформы интеллектуальной видеоаналитики на базе распознавания лиц. Именно эта система и легла в основу нового программного решения.

Представленный продукт позволяет собирать общую анонимизированную информацию о количестве людей, находящихся перед камерой. Компании смогут анализировать пол, возраст, время посещения и локализованность клиентов по площадям. Эти сведения помогут сформировать реалистичный портрет клиента и объективно определить заполняемость помещений без идентификации каждого конкретного посетителя. Бизнес-структуры также смогут лучше изучить поток своих клиентов и проанализировать их предпочтения.

Кроме того, новое решение на базе компьютерного зрения позволяет контролировать соблюдение эпидемиологических требований — наличие медицинских масок, возникновение очередей и скоплений людей.

Представленный продукт, как ожидается, заинтересует самые разные компании и структуры из сфер развлечений, обслуживания, ретейла и пр.

Amazon представила собственную технологию распознавания ладони, которая первоначально будет использоваться для бесконтактной оплаты товаров в фирменных магазинах компании. Технология Amazon One считается перспективной: в компании уверены, что в будущем она выйдет за пределы розничной сети и будет использоваться для идентификации людей в офисных зданиях, на стадионах и т.д.

Для использования данной технологии сначала требуется создание электронного «отпечатка ладони», учитывающего особенности строения руки пользователя, узора линий, вен и др. Когда такой отпечаток создан и привязан к банковскому счёту, клиенту остаётся только поднести ладонь к специальному считывателю, чтобы пройти идентификацию и оплатить покупки. На начальном этапе технология Amazon One будет задействована в собственных магазинах компании в Сиэтле, но в ближайшие месяцы она распространится на всю торговую сеть.

«Мы считаем, что технология Amazon One имеет перспективы широкого применения за пределами наших розничных магазинов, поэтому мы также планируем предлагать её использование третьим сторонам, таким как торговые точки, стадионы и офисные центры», — сказал вице-президент по розничному бизнесу Amazon Дилип Кумар (Dilip Kumar).

Сильное присутствие Amazon на розничном рынке поможет компании сделать оплату покупок с помощью ладони реальностью. Amazon не подтвердила, будет ли технология предоставлена другим розничным сетям, но заявила, что в настоящее время «ведутся активные переговоры с несколькими потенциальными клиентами». Также было сказано, что Amazon предпочла использовать распознавание ладони, поскольку такой подход оказался более конфиденциальным по сравнению, например, с распознаванием лиц.

«Одна из причин заключалась в том, что распознавание ладони считается более конфиденциальным, чем некоторые биометрические альтернативы, потому что нельзя установить личность человека по его ладони. Кроме того, для использования технологии требуется сделать определённый жест, задержав ладонь над специальным устройством», — пояснил Дилип Кумар.

Для сканирования ладоней клиентов Amazon будет использовать оборудование с собственными алгоритмами на основе компьютерного зрения для захвата и шифрования изображений. Использование сервиса не потребует наличия учётной записи Amazon, от покупателя будет достаточно номера телефона и банковской карты. Пользователи также смогут удалить свои биометрические данные с портала компании, если вдруг решат прекратить использование сервиса.

Сбербанк, розничная сеть «Азбука Вкуса» и международная платёжная система Visa открыли первый в России магазин, в котором нет ни продавцов, ни касс самообслуживания. За продажу товаров отвечает интеллектуальная система на базе компьютерного зрения.

Чтобы воспользоваться новым сервисом, покупателю необходимо скачать мобильное приложение Take&Go от Сбербанка и зарегистрироваться в нём, привязав к своему аккаунту банковскую карту для оплаты покупок. Кроме того, необходимо указать адрес электронной почты — на него будут приходить чеки.

Для совершения покупок в необычном магазине достаточно на входе в зону Take&Go отсканировать QR-код из мобильного приложения, взять с полок нужные товары и просто выйти: деньги с карты будут списаны автоматически.

После считывания QR-кода в дело вступает «умная» система наблюдения, которая непрерывно отслеживает количество и ассортимент товаров на полках, чтобы безошибочно собрать в виртуальную корзину продукты, которые выбрал покупатель. Если посетитель взял товар, а затем передумал и вернул его на полку, соответствующая позиция будет сразу же удалена из виртуальной корзины.

Как только клиент выходит из магазина, мобильное приложение Take&Go Сбербанка автоматически осуществляет списание. После прохождения оплаты покупатель получает push-уведомление на телефон и чек по электронной почте.

Сейчас система тестируется в закрытом режиме на ограниченном количестве клиентов в магазине «Азбука Вкуса» в деловом центре «Москва-Сити» (башня «Федерация», Пресненская набережная, 12). В течение месяца, как ожидается, сервис станет доступен всем желающим.

Пресс-служба торговой площадки eBay объявила о запуске новой функции, основанной на технологии компьютерного зрения. С её помощью продавцы смогут убирать фон с изображений товаров, благодаря чему покупателям будет проще находить что-либо. Новая технология не только сделает более эффективной функцию поиска по картинке, но также упростит SEO-оптимизацию.

Большое количество продавцов, использующих eBay, выкладывают изображения своих товаров, сделанные самостоятельно. Далеко не каждый из них тратит время на редактирование снимков или нанимает профессионала, чтобы придать изображениям более привлекательный вид. Это приводит к тому, что зачастую публикуются снимки, на которых присутствует большое количество лишних предметов. Из-за этого потенциальным покупателям становится сложнее искать интересующие их товары.

Исправить это поможет новая функция eBay, позволяющая автоматически заменить оригинальный фон изображения на белый. Для использования данного инструмента нужно зайти в раздел размещения товара с мобильного устройства. Далее следует сделать снимок товара или же загрузить заранее подготовленное изображение. После этого останется нажать кнопку «Удалить фон» и опубликовать снимок.

Задействованный алгоритм компьютерного зрения использует процессор пользовательского устройства для разделения переднего и заднего фонов на обрабатываемом снимке. За счёт этого удаётся убирать оригинальный фон, заменяя его белым. Стоит отметить, что качество обработки зависит от того, насколько однороден оригинальный фон на обрабатываемых снимках. Соответственно, чем меньше посторонних объектов на изображении, тем более качественно алгоритм встроит белый фон. Если пользователь останется недоволен результатом работы алгоритма, то он сможет самостоятельно отредактировать изображение, используя для этого набор встроенных инструментов.

На данный момент функция замены фона уже доступна для пользователей eBay из России, которые используют для взаимодействия с площадкой устройства под управлением Android и iOS.

Группа технологических компаний во главе с Intel разработала решение для компьютерного зрения, которое позволит экологам быстрее и точнее подсчитывать популяцию императорских пингвинов в Антарктиде, находящуюся под угрозой вымирания к концу столетия.

К печальному выводу о вымирании пингвинов пришла Британская антарктическая служба в результате исследования, проведенного в 2019 году. Это связано с климатическими изменениями, повлёкшими за собой серьёзные проблемы с воспроизводством у императорских пингвинов.

В разработке технологии компьютерного зрения, позволяющей различать пингвинов, участвовала AI Builders — курируемая Intel экосистема поставщиков программного обеспечения, наряду с инициативой AI for Earth компании Microsoft, а также с Gramener, консалтинговой компанией в области науки о данных. Для этого был проведен анализ фотографий колоний пингвинов Антарктиды, сделанных в рамках проекта «Наблюдение за пингвинами» Оксфордского университета. Речь идёт о миллионах фото, полученных в течение последнего десятилетия в более чем 40 местах.

Компания Intel сообщила о готовности продавать лидарную камеру для использования в помещениях ― модель RealSense L515. Цена вопроса составляет $349. Приём предварительных заявок открыт. По словам компании, это самое компактное и экономичное в мире решение для компьютерного зрения. Камера Intel RealSense L515 перевернёт рынок решений для восприятия мира в 3D и создаст устройства ранее недоступные для этой технологии.

Высокое разрешение и встроенный в камеру процессор по предварительной обработке данных, что, например, позволит бороться с размытостью при движении камеры или объектов съёмки, даёт возможность использовать камеру не только как стационарное решение, но также с роботизированной или другой умной техникой в виде навесного оборудования.

Также камера RealSense L515 обещает найти применение в логистике. Что важно, лидар сохраняет высокое разрешение без необходимости калибровки в течение всего срока службы. Устройство поможет с оценкой запасов продукции с точностью до миллиметра. Другие потенциальные ниши для RealSense L515 ― это здравоохранение и розничная торговля.

Лидар Intel RealSense L515 использует в своей основе микроэлектромеханическое зеркало в сочетании с лазером. Это дало возможность снизить мощность лазерного импульса для сканирования глубины сцены без ущерба для скорости и разрешения. Лидар считывает пространство с разрешением 1024 × 768 при 30 кадрах в секунду ― это 23 миллиона точечных пикселей в глубину. При этом он потребляет всего 3,5 Вт, что делает его терпимым к батарейному питанию.

Глубина сканирования пространства в высоком разрешении начинается с 25 см и заканчивается 9 метрами. Точность определения глубины сцены не хуже одного миллиметра. Вес лидара RealSense L515 составляет 100 граммов. Его диаметр ― 61 мм, а толщина ― 26 мм. Устройство оснащено гироскопом, акселерометром и RGB-камерой с разрешением 1920 × 1080 пикселей. Для разработки ПО используется всё тот же Intel RealSense SDK 2.0 с открытым исходным кодом, что и для всех предыдущих устройств Intel RealSense.

«Яндекс» и Московский физико-технический институт (МФТИ) представили совместный проект по формированию новой исследовательской лаборатории.

Соглашение о создании структуры заключено между российским IT-гигантом и Физтех-школой прикладной математики и информатики МФТИ. Лаборатория будет заниматься исследованиями в области компьютерных наук.

В числе приоритетных направлений, в частности, названы технологии машинного обучения и компьютерного зрения, информационный поиск, рекомендательные системы, обработка естественного языка и машинный перевод.

В лабораторию смогут попасть студенты и аспиранты Физтеха и других вузов. Конкурсный отбор предусматривает выполнение нескольких тестовых заданий и собеседование. Важно отметить, что специалисты лаборатории будут получать зарплату, а поэтому смогут посвятить всё своё время реализации исследовательских проектов.

Результаты работ, как ожидается, будут освещаться на ведущих мировых научных конференциях, таких как ICML, NeurIPS и ACL. Руководить научной работой будут специалисты исследовательского подразделения «Яндекса» во главе с выпускником МФТИ Артёмом Бабенко.

«Мы очень рады тому, что открывается не просто очередная лаборатория, а лаборатория, которая будет развивать технологии не сегодняшнего, а завтрашнего дня в области машинного обучения», — заявляет руководство МФТИ.

На саммите AI Summit 2019 компания Intel представила третье поколение процессоров для реализации компьютерного зрения (VPU), получившее кодовое имя «Keem Bay». Новинка начнёт распространяться в первой половине нового года в виде чипов для встраиваемого применения, в формфакторе M.2 и в виде PCIe-адаптеров в многопроцессорных конфигурациях.

Раньше подобные чипы под именем Myriad X компания предлагала в виде USB-заглушек и встроенные в веб-камеры. Платформа позволяла на месте силами VPU распознавать образы и ускорять процессы с машинным обучением. Фактически это решение для пограничных вычислений. Оно будет конкурировать как с массой похожих разработок силами стартапов, так и с такими решениями, как NVIDIA Xavier (продукты Jetson TX2) и Huawei Hisilicon Ascend 310. И, что самое главное, обещает превзойти конкурентов по тем или иным характеристикам и даже по совокупности качеств.

Пока компания Intel скупо делится информацией о SoC или платформе Keem Bay. Заявлено, что объём бортовой памяти станет больше, а шина доступа к памяти будет расширена. Это и другие улучшения позволяют VPU Keem Bay десятикратно превзойти по производительности собственные продукты Myriad X последнего поколения (второго, если мы ничего не упустили).

По сравнению с конкурирующими продуктами, если верить внутреннему и не совсем прозрачному сравнению Intel, VPU Keem Bay оказывается в 4 раза производительнее SoC NVIDIA Xavier и на 25 % быстрее чипа Ascend 310 компании Huawei. В случае достижения одинаковой производительности с NVIDIA Xavier решение Intel VPU Keem Bay потребляет всего 1/5 от потребления конкурента. При этом Intel не раскрыла техпроцесс, площадь и потребление нового чипа. Данные получены на бенчмарке для модели ResNet-50 с использованием Int8, хотя для NVIDIA Xavier используются данные для вычислений с точностью FP16.

Остаётся ждать более подробной информации о новой разработке Intel. В чём можно не сомневаться, она действительно будет мощнее и более экономичнее, чем предыдущее поколение продуктов. В чём также можно не сомневаться, что мир становится всё более и более прозрачным. Вещи обретают зрение и память, которая ничего не забывает. Рано или поздно это перевернёт мир. Но это уже другая история.