Несмотря на великолепные экспертные отзывы относительно будущего беспилотных автомобилей, пока ситуация с соответствующими технологиями выглядит весьма сомнительной. Беспилотный транспорт превратился в проблему для властей Сан-Франциско и жителей города.

Источник изображения: Waymo

Как сообщает NBC News, компании Cruise (принадлежит GM) и Waymo (Google), получившие разрешения на эксплуатацию беспилотных такси в городе в 2022 году, сегодня ответственны в среднем за три вызова службы «911» ежедневно. Сообщается, что это стало проблемой для местных пожарных и других экстренных служб. Например, беспилотники останавливаются, завидев проблесковые маячки экстренных служб — так создаются пробки.

В пожарном ведомстве сообщают, что с участием беспилотников происходит как минимум один инцидент в день. Более того, беспилотные автомобили могут проехаться по пожарных рукавам, когда огнеборцы находятся в процессе работы на горящих объектах. Известны случаи, когда пожарным приходилось разбивать стёкла роботизированных такси, чтобы остановить их, и этим список жалоб не исчерпывается. По мнению руководства пожарных, технология не готова к полноценному использованию.

Местный Департамент транспорта не имеет достаточно полномочий, чтобы контролировать машины GM и Google — специальные правила приняты на уровне властей Калифорнии и, в частности, не позволяют городу регулировать работу беспилотных автомобилей.

По данным представителя сервиса Waymo, инциденты с участием беспилотников компании происходят «очень нечасто» относительно проделанных ежедневно расстояний и общего числа экстренных вызовов.

Кроме того, Waymo рассчитывает даже увеличить число машин компании на улицах города в 10 раз уже этим летом. По словам представителей властей города, это приведёт к крайне неблагоприятным последствиям — от перебоев в работе транспортной системы до увеличения времени, за которые экстренные службы добираются к местам вызовов.

Компания OpenAI уже некоторые время не использует и в дальнейшем не будет использовать данные пользователей для обучения своих языковых моделей GPT. Об этом в разговоре с изданием CNBC сообщил глава OpenAI Сэм Альтман (Sam Altman).

Источник изображения: Tumisu / pixabay.com

«Наши клиенты определённо не хотят, чтобы мы обучали свои модели на их данных, поэтому мы изменили наш подход и не будем этого делать», — заявил Альтман. Изменения в политике компании были внесены и отражены в новой редакции пользовательского соглашения ещё 1 марта, о чём свидетельствуют данные Internet Archive.

«Мы не используем для обучения [языковых моделей] данные с нашего API. Не делаем это уже некоторое время», — добавил Альтман в разговоре с журналистами CNBC. API или программные интерфейсы приложений представляют собой фреймворки, которые позволяют пользователям напрямую подключаться к программному обеспечению OpenAI. Бизнес-клиенты компании OpenAI, в число которых входят Microsoft, Salesforce и Snapchat, с большой вероятностью пользуются преимуществами, представленного несколько месяцев назад API OpenAI в своих сервисах. Новая политика безопасности пользовательских данных OpenAI распространяется только на клиентов, которые пользуются её API.

Компания пообещала, что не будет использовать передаваемые ей данные для обучения моделей без согласия клиентов. Это должно развеять опасения последних в том, что бот начнёт оперировать в своей работе подлежащей защите информацией. По этой причине та же компания Amazon предупредила своих сотрудников о недопустимости вносить конфиденциальную информацию в запросы ИИ-чат-бота ChatGPT, поскольку она может тем или иным образом отразиться в запросах других пользователей чат-бота.

Изменения в политике использования умных чат-ботов происходят на фоне растущего возмущения общественности, считающей, что продвинутые языковые модели в конечном итоге заменят работу людей. Например, Гильдия сценаристов США во вторник начала забастовку из-за того, что не смогла договориться с кинокомпаниями по вопросам ограничений использования того же чат-бота ChatGPT в создании или редактировании сценариев.

Новые компьютерные технологии обещают головокружительные перспективы в области помощи людям с поражениями мозга или нервной системы. Пока такие решения не очень чувствительные и весьма громоздкие, и это лишь вопрос времени, когда они станут доступны широкому кругу пациентов. Приблизить этот момент могут системы искусственного интеллекта, которые на принципе самообучения способны кратно повысить чувствительность мозговых интерфейсов.

Мозг шлёт телеграммы. Источник изображения: Jerry Tang/Martha Morales/The University of Texas at Austin

Очередной шаг в направлении неинвазивных методов регистрации мыслей сделали учёные из Техасского университета в Остине, представив семантический декодер. Они использовали метод функциональной магнитно-резонансной томографии (фМРТ) для регистрации активности головного мозга пациентов, которую с помощью ИИ — машинного обучения на больших языковых моделях, подобных GPT от Open AI — транслировали в образы с помощью текстовых сообщений. Проще говоря, модель прямым текстом в чате сообщала всё то, о чём в данный момент думает человек. Но при этом всё не так просто.

Во-первых, описание было тем точнее, чем охотнее пациент сотрудничал с учёными. Это, кстати, предотвращает насильственное чтение мыслей. Если вы не хотите выдавать «мысли» — думайте о чём-то другом. Во-вторых, данные интерпретировались правильно только в том случае, если ИИ обучался на конкретном пациенте. В частности, каждый из испытуемых в течение 16 часов прослушивал устную речь, в процессе чего модель изучала активность его мозга. Если же ИИ пытался расшифровать мысли, не обучаясь на мозговой активности подопытного, то результаты были неразборчивыми.

«Мы очень серьёзно относимся к опасениям, что это может быть использовано в плохих целях, и постарались этого избежать, — сказал Джерри Танг (Jerry Tang), ведущий автор исследования. — Мы хотим убедиться, что люди используют подобные технологии только тогда, когда они этого хотят, и что это им помогает».

Предложенное решение опирается на то, что в процессе создания образов в голове и, в частности, словесных конструкций уровень кислорода повышается там и тогда, когда мозг реагирует на что-то определённое. Это может быть как визуализация (ниже показан пример дешифровки с помощью ИИ активности мозга при просмотре ролика без звука), а также собственные мысли пациента. Прибор фМРТ регистрирует такие области, а машинное обучение связывает их с образами и транслирует в понятный всем текст.

Результат не является дословным пересказом мыслей. Вместо этого исследователи разработали систему таким образом, чтобы она улавливала суть сказанного или продуманного, и система работает, хотя и несовершенно. Примерно в половине случаев, когда дешифратор обучен отслеживать мозговую активность участника, машина выдает текст, близко (а иногда и точно) соответствующий смыслу исходных слов.

Например, в ходе экспериментов участник слышал фразу «У меня еще нет водительских прав», которую декодер переводил свои «Она еще даже не начала учиться водить». Слова «Я не знала, что делать: кричать, плакать или убегать. Вместо этого я сказала: "Оставь меня в покое!"» были расшифрованы как «Начала кричать и плакать, а потом просто сказала: "Я же сказала тебе оставить меня в покое"».

Скорость такой регистрации низкая — уровень кислорода повышается и понижается в течение 10 секунд. За это время человек успевает услышать около 20 слов. Фактически это сегодняшний уровень расшифровки образов. На каждый образ, который можно декодировать исходя из зарегистрированной таким образом активности головного мозга человека, требуется интервал примерно в 20 слов.

Платформа фМРТ требует работы в лабораторных условиях, что не годится для её массового применения. Исследователи считают перспективным другой подход, который даёт тот же результат — это функциональная спектроскопия в ближней инфракрасной области (fNIRS). Датчики fNIRS компактные и в этом плане удобные. Они фиксируют активность кровотока в головном мозге и поэтому могут опираться на тот же принцип и ту же модель обучения, что и в случае фМРТ. Возможно, это станет следующим шагом в исследованиях научной группы.

Компания «Яндекс» в декабре прошлого года зарегистрировала в техасском Остине новое юридическое лицо Yandex Self Driving Group по разработке беспилотных автомобилей. Теперь компания «Яндекс» по разработке беспилотных технологий, зарегистрированная изначально в 2020 году в штате Делавэр, представлена в трёх штатах США: Техасе, Мичигане и Массачусетсе. В компании от комментариев отказались.

Источник изображения: Yandex Self-Driving Group

Компания «Яндекс» развивала направление беспилотных автомобилей с 2017 года сначала под общим брендом «Яндекс.Такси». В 2020 году это направление было выделено в отдельную компанию под названием Yandex Self-Driving Group. «Мы ведём разработку систем для беспилотных автомобилей с начала 2017 года, а с декабря 2017 года работаем с инженерами мирового уровня над тестированием таких машин на дороге», — сообщается на сайте компании.

Беспилотные автомобили «Яндекса» проходили тестирование на улицах города Энн-Арбор в штате Мичиган. Кроме того в партнёрстве с Grubhub «Яндекс» осуществлял доставку еды роботами-курьерами в кампусах американских университетов. В марте 2022 года деятельность Yandex Self-Driving Group в США была приостановлена. «Яндекс» планировал перевезти роботов из кампусов в другие локации, где была представлена компания.

В августе 2022 года сообщалось о возможном переносе разработок технологий беспилотного транспорта «Яндекс» в Израиль и перевод этих сервисов на облачную инфраструктуру зарубежных провайдеров. Представители «Яндекса» тогда заверяли, что исходный код проекта останется в России, а компания просто намерена выйти на новые зарубежные рынки. Сегодня акции «Яндекса» на Московской бирже выросли на 1,08 % до 2011 рублей за акцию.

Из-за стремительного роста спроса на аппаратное обеспечение, необходимое для обучения и развёртывания технологий искусственного интеллекта, передовые ускорители вычислений NVIDIA H100 продаются на торговой онлайн-площадке eBay более чем за $40 тыс.

Источник изображения: NVIDIA

На ситуацию обратил внимание пионер игровой индустрии и бывший технологический консультант компании Meta✴ Джон Кармак (John Carmack). В пятницу как минимум восемь ускорителей NVIDIA H100 предлагалась продавцами на eBay по ценам от $39,995 до почти $46 000. Немного ранее некоторые продавцы отпускали их по $36 000 за штуку.

Источник изображения: eBay

Флагманский ускоритель вычислений H100, являющийся наследником модели A100 стоимостью $10 тыс., был представлен NVIDIA в прошлом году.

Разработчики используют H100 для создания так называемых языковых моделей (LLM), являющихся основной для таких ИИ-приложений, как чат-бот ChatGPT от компании OpenAI. Это очень дорогие и энергозатратные системы, способные всего за несколько дней или недель обрабатывать терабайты информации, необходимой для обучения ИИ.

Процесс обучения ИИ-моделей, особенно таких больших как GPT, требует одновременной работы сотен передовых ускорителей NVIDIA. Та же компания Microsoft потратила сотни миллионов долларов на закупку десятков тысяч ускорителей NVIDIA A100 предыдущего поколения, на базе которых проводилось обучение чат-бота ChatGPT для OpenAI.

В ассортименте компании NVIDIA также есть готовые суперкомьютеры DGX, в состав которых входят сразу по восемь ускорителей вычислений. В этом году компания запустила облачный сервис DGX Cloud, позволяющий арендовать доступ к системам DGX A100 за $37 тыс. в месяц.

Группа американских учёных предприняла попытку улучшить первое в истории прямое изображение чёрной дыры — оно было получено в 2017 году, а «позировала» на этом снимке сверхмассивная чёрная дыра в центре галактики M 87 (Messier 87) на расстоянии более 53 млн световых лет от Земли.

Слева оригинальное фото, справа — улучшенное ИИ. Источник изображения: iopscience.iop.org

Изображение объекта было получено в 2017 году при помощи Телескопа горизонта событий (EHT) — сети радиотелескопов планетарного масштаба, действующих как единый инструмент. В оригинальном виде снимок имеет вид «нечёткого пончика», поэтому исследователи решили улучшить его качество при помощи алгоритма PRIMO на основе машинного обучения. Как пояснили исследователи, система искусственного интеллекта была обучена на 30 000 симуляций чёрных дыр. Иными словами, ИИ оперировал данными, основанными на том, что человеку известно о законах Вселенной, и особенно о чёрных дырах.

Чёрные дыры — загадочные космические объекты, которые образуются, когда умирающие звезды коллапсируют под действием собственной гравитации. Звезда превращается в объект относительно небольшого размера, а граница чёрной дыры называется горизонтом событий, и всё его пересекающее обратно уже не возвращается, даже свет.

«На самом деле мы изучаем корреляции между различными участками снимка. Для этого мы анализируем десятки тысяч изображений высокого разрешения, созданных симуляциями», — прокомментировала проект астрофизик Лия Медейрос (Lia Medeiros). По словам исследователей, изображение согласуется с тем, что предсказывал Альберт Эйнштейн. Дополнительно повысить качество изображений помогут новые решения в области искусственного интеллекта и совершенствование приборов на телескопе.

13–14 апреля состоится международная конференция Data Fusion 2023, посвящённая машинному обучению, анализу данных и технологиям искусственного интеллекта (ИИ). Мероприятие пройдёт в онлайновом формате. Участие в конференции бесплатное.

Data Fusion 2023 — это точка сближения науки и бизнеса. Конференция будет полезна разработчикам и специалистам в области Data Science (DS), руководителям по цифровой трансформации (CDO), бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки.

Первый день конференции будет посвящён аспектам управления данными, практикам перехода на доверенные технологии, доступности дата-сетов для ИИ и другим темам, актуальным для CDO и руководителей бизнес-подразделений.

Программа второго дня адресована специалистам и исследователям в сфере Data Science. Темы докладов и сессий распределены по трём стримам — ML+, AI Classic и ML Environment. Первый стрим — ML+ — подойдёт для тех, кто мыслит за рамками алгоритмов машинного обучения и интересуется такими темами, как ML+Physics, диффузионные модели, мультимодальный ML. В рамках второй трансляции — AI Classic — будут затронуты темы от технологий обработки естественного языка (NLP) до особенностей построения рекомендательных систем. Третий стрим — ML Environment — объединит такие темы как MLOps, инструменты Open Source, новые технологии передачи данных.

Ознакомиться с информацией о конференции можно на сайте cnrlink.com/datafusion3dnews. Про приведённой ссылке также можно найти сведения о ходе подготовки мероприятия, оставить заявку на участие и решить прочие организационные вопросы.

Спустя всего две недели с момента своего ухода из компании Intel Раджа Кодури (Raja Koduri) стал членом совета директоров канадской компании Tenstorrent. Последняя занимается созданием систем ИИ и машинного обучения, а также производительных процессоров с архитектурой RISC-V. У фирмы есть офисы в США и Канаде, в британском Кембридже, индийском Бангалоре и сербском Белграде.

Источник изображения: Intel

Компания была основана 2016 году Любишей Бажичем (Ljubisa Bajic), а в настоящий момент ею руководит Джим Келлер (Jim Keller). Всех трёх связывает опыт сотрудничества в прошлом.

Кодури работал с Келлером и Бажичем в AMD, в Intel (с Келлером) и в Apple (с Келлером). Последняя совместная работа Кодури и Келлера была связана с разработкой высокопроизводительных GPU и CPU. Келлер занял пост главы Tenstorrent в начале этого года, однако к компании он присоединился ещё два года назад. Келлер и Кодури обладают опытом в совершенно разных сферах, однако оба имеют экспертные знания в области создания высокопроизводительного вычислительного оборудования, что безусловно пригодится такой компании, как Tenstorrent.

Источник изображения: Tenstorrent

Должность в совете директоров компании не означает, что Кодури будет иметь какое-либо влияние на разработки новых процессоров и ИИ-ускорителей. Однако он определённо будет иметь голос в вопросах, связанных с выбором общего направления и стратегического развития компании, что также немаловажно.

Магнитогорский метизно-калибровочный завод (ММК-МЕТИЗ) начал тестирование беспилотного грузовика «Урал». Речь идёт о модели с третьим уровнем автономности, все действия которой контролируются оператором. На пятом уровне автономности грузовик будет работать без участия человека, а его окупаемость займёт всего лишь год или два при ежедневной эксплуатации.

Источник изображения: autonews.ru

Автономный «Урал-432067-73» имеет длину 6,5 метров и высоту 2,3 метра. Разработчики машины отказались от использования кабины, сразу за капотом начинается грузовая площадка. С технической точки зрения автомобиль почти повторяет стандартные грузовики, но в нём используется не механическая коробка передач, а «автомат».

Программное обеспечение и вычислители для грузовика созданы в НПО «Андроидная техника» из Магнитогорска, которое также известно как создатель робота «Фёдора», побывавшего на МКС. Необычная зелёно-оранжевая окраска корпуса дополняет автономный грузовик. Автономный «Урал-432067-73» способен выполнять те же операции, что и обычные грузовики. Кроме того, беспилотное авто может эксплуатироваться в любое время суток и при любой погоде.

Инженеры NVIDIA представили исследовательскую работу, в которой сообщили о значительной пользе алгоритмов машинного обучения при проектировании сверхбольших интегральных схем (СБИС). Созданные компанией алгоритмы и программные инструменты, ускоряемые графическими процессорами, справляются с размещением больших групп транзисторов намного эффективнее и быстрее классических программ проектирования. В конечном итоге это ведёт к снижению себестоимости чипов.

Источник изображений: NVIDIA

Утверждается, что в своей работе специалисты NVIDIA воспользовались наработками исследователей из Техасского университета. В то же время компания ещё в 2019 году для обучаемого проектирования СБИС представила ускоряемый GPU фреймворк DREAMPlace на базе нейронных сетей, от которого ожидала 40-кратного ускорения размещения транзисторов в СБИС. В новой работе на примере оптимизации дизайна чипа с 2,7 млн ячеек и 320 макросами было показано, что система на базе одной системы NVIDIA DGX Station A100 справилась с работой всего за 3 часа.

«Эта работа демонстрирует перспективность и потенциал объединения алгоритмов с GPU-ускорением и методов машинного обучения для автоматизации проектирования СБИС, — резюмируют исследователи. — В результате мы можем генерировать высококачественные предсказуемые решения, улучшая качество размещения макросов в академических эталонах по сравнению с базовыми результатами, полученными с помощью академических и коммерческих инструментов».

Нелишне напомнить, что закон Мура продолжает работать за счёт наращивания числа различных «фишек», а не в классическом предсказании — за счёт удвоения числа транзисторов каждые 24 месяца. Снижение стоимости проектирования и оптимизация электронных цепей (читай — размещение миллионов и миллиардов транзисторов) сегодня выходят на первый план. С этим ещё что-то можно сделать, тогда как техпроцессы начинают упираться в физические пределы атомарной структуры материи.

«Вы больше не получаете экономию от такого масштабирования, — сказал главный научный сотрудник компании Билл Дэлли (Bill Dally). — Чтобы продолжать двигаться вперед и предоставлять больше преимуществ потребителям, мы не можем добиться этого за счет более дешевых транзисторов. Мы должны добиться этого за счет более продуманной конструкции».

Компания Apple значительно продвинулась в создании собственной системы автономного вождения для беспилотных авто. По сообщениям сетевых источников, в системе автономного вождения IT-гиганта могут быть задействованы лидары китайской компании Wenmao, которая уже поставляет Apple лидары для iPhone.

Источник изображения: MacRumors

По данным источника, Apple усовершенствовала систему автономного вождения своего транспортного средства и расширила программу, в рамках которой проходит его тестирование. По всей видимости, центральное место в этой системе занимают лидары — лазерные дальномеры, которые излучают инфракрасный свет для определения расположения и формы объектов. Благодаря этим сенсорам транспортное средство может определять объекты на дороге и рядом с ней, включая другие машины, пешеходов и др. Предполагается, что сотрудничество Apple с Wenmao, поставляющей лидары для iPhone, может быть расширено в рамках разработки системы автономного вождения.

Источник отмечает, что крупнейший контрактный производитель iPhone в лице тайваньской Foxconn имеет тесные связи с немецким промышленным гигантом Siemens в рамках создания передовых систем помощи водителю. Не исключено, что стратегия Apple предполагает использование одного из этих решений. В распоряжении Foxconn есть производственные мощности, позволяющие наладить серийный выпуск автомобилей. Ожидается, что Apple продолжит тестирование системы автономного вождения до тех пор, пока она не станет жизнеспособным потребительским продуктом.

Ранее также сообщалось, что Apple пересмотрела свои планы относительно беспилотного авто. Изначально предполагалось, что в салоне не будет рулевого колеса, дизайн интерьера будет ориентирован на комфортную перевозку пассажиров, а стоимость авто составит $120 тыс. Теперь же сообщается, что интерьер машины Apple будет гораздо более традиционным, авто дополнит система ограниченной помощи водителю, а его стоимость составит менее $100 тыс. Ожидается, что авто Apple будет выпущено к 2026 году.

Одной из главных проблем чат-бота ChatGPT является его неумение оперировать актуальными данными. Это является следствием того, что его ИИ обучен на информации, полученной из глобальной сети до сентября 2021 года. Благодаря партнёрству с Microsoft, компания-разработчик OpenAI обеспечила своему боту доступ к данным в реальном времени.

Источник изображения: Alexandra_Koch/pixabay.com

Чат-бот использует поиск Microsoft Bing, в свою очередь, получивший собственный интегрированный ИИ, родственный ChatGPT. Известно, что в ходе тестов на запрос о новых призёрах премии «Оскар» бот не только просматривал тематические сайты, но и самостоятельно «кликал» для перехода к необходимым ему источникам информации.

Хотя ChatGPT и без того немало знает о нашем мире, дополнительные сведения ему обеспечат специальные плагины, позволяющие получить доступ к отраслевым хранилищам информации. Например, о времени авиарейсов и ценах на них можно получить данные с помощью плагина Kayak, сложном математическом моделировании — при помощи расширения Wolfram Alpha и т. д.

Также в системе была реализована «песочница» с выделенным дисковым пространством, позволяющая генерировать и тестировать код в GhatGPT и загружать сторонние файлы. Это согласуется и с новой функцией — возможностью визуализации. В частности, ChatGPT можно будет использовать для решения задач, связанных с визуализацией, включая преобразование файлов из одного формата в другой.

Не исключено, что в будущем ChatGPT сможет решать более сложные задачи вроде создания ИИ-произведений искусства. Таким образом, со временем продукт OpenAI сможет стать действительно универсальной платформой, способной на генерирование невероятного контента.

Сегодня принадлежащая Alphabet компания Waymo опубликовала документ, в котором излагаются доводы в пользу безопасности автономных (беспилотных) транспортных средств (autonomous vehicles, AV), которые, по словам компании, должны служить образцом для всей отрасли. Waymo рассчитывает, что регулирующие органы, общественность и конкуренты присоединятся к этому начинанию.

Источник изображения: Waymo

Waymo представила аргументированные доказательства безопасности AV и надеется, что другие производители — по сути, её конкуренты — будут использовать аналогичный подход, чтобы доказать регулирующим органам безопасность широкомасштабного развёртывания беспилотных машин. При этом Waymo надеется улучшить отношение общественности к беспилотным автомобилям, которое, как показывают опросы, с годами ухудшается.

Повышение безопасности — один из главных аргументов индустрии AV, в том числе и для сохранения финансирования от инвесторов. Ежегодно во всём мире в автокатастрофах погибает более миллиона человек в год, и разработчики беспилотных автомобилей все чаще используют этот довод для получения разрешения от регулирующих органов на использование практически полностью автономных транспортных средств на дорогах общего пользования. Аргумент кажется убедительным на первый взгляд — беспилотники не употребляют алкоголь, не отвлекаются, не превышают скорость и не нарушают закон — но пока недостаточно данных, доказывающих, что полностью автоматизированные транспортные средства безопаснее, чем водители-люди.

Waymo показала себя одной из самых прозрачных компаний в сфере беспилотных автомобилей, опубликовав данные об одном миллионе миль (1,61 млн км), пройденном её автономными транспортными средствами по дорогам общего пользования в Калифорнии и Аризоне. Компания заявила, что за всё время испытаний её автомобили стали участниками двух серьёзных ДТП и 18 «незначительных контактов». Ранее Waymo стремилась определить безопасность своих AV, моделируя десятки реальных аварий со смертельным исходом, которые произошли в Аризоне за десятилетие. Компания также представила научные статьи для экспертной оценки и публикации, сравнивая характеристики автономных транспортных средств с вождением человека.

Безусловно, Waymo публикует не само фактическое доказательство безопасности AV, а скорее структуру представления обоснования безопасности AV регулирующим органам. «Фактические случаи безопасности с аргументами и доказательствами обычно передаются соответствующим регулирующим органам через установленные процессы, поскольку они часто содержат конфиденциальную и важную для бизнеса информацию», — пояснила представитель Waymo Юлия Ильина (Julia Ilina).

Неясно, последуют ли конкуренты Waymo её примеру. Такие компании, как Cruise, Zoox, Motional и другие, имеют свой собственный подход к безопасности AV, но цель состоит в том, чтобы все игроки — конкуренты, регулирующие органы, общественность — были на одной волне.

Компания Zipline, уже развернувшая с помощью воздушных дронов службу доставки медицинских товаров в удалённые районы Руанды, переходит на новый уровень обслуживания. До сих пор груз сбрасывался с дронов на парашюте. Новая платформа позволит опускать заказ на тросе прямо к входной двери клиента. В городах и даже в пригороде парашют не лучшее решение, ведь он легко может зацепиться за провода или дерево, а доставка вертикальным спуском контейнера на тросе позволит выполнять всё предельно точно.

Спускаемый контейнер для груза — дроид. Источник изображения: Zipline

Новый грузовой беспилотник Platform 2 (P2) Zip компании Zipline будет нести внутри спускаемый на тросе контейнер. Заявленный максимальный вес груза достигает 3,6 кг. Радиус полёта беспилотника составляет 16 км или 39 км, если на пути будет промежуточная станция для подзарядки аккумуляторов. Такими станциями, например, оборудован склад с товарами. Беспилотники подвешиваются на улице, а контейнер на тросе опускается для загрузки заказа.

Аналогичными терминалами планируется оснащать медицинские центры в системах здравоохранения Мичигана: MultiCare и Intermountain Health в Солт-Лейк-Сити. Согласно предварительной договорённости, дроны P2 Zip будут перевозить рецепты, лекарства или биоматериалы для анализов в лаборатории.

Грузовой дрон будет держаться на высоте примерно 91 м (300 футов). Спускаемый контейнер опустится на тросе до земли и там автоматически оставит груз. Для стабилизации в воздухе при сильном ветре контейнер сможет удерживать положение с помощью собственного бортового пропеллера и системы датчиков ориентирования. Это очевидным образом улучшит точность приземления груза.

В Руанде, где дроны Zipline уже используются в сельской местности, новая платформа позволит организовать доставку в городах, где спуск на парашюте будет неуместным. Также в США доставку товаров дронами P2 Zip намерена развернуть сеть продуктовых магазинов Sweetgreen.

Компания Luminar, занимающаяся разработкой и производством лидаров, провела мероприятие, в рамках которого широкой публике представили новую версию датчика Iris Plus с дальностью действия до 300 метров. Лидар будет использоваться в серийных автомобилях Mercedes-Benz. Ещё компания объявила о ряде амбициозных планов, включая строительство нового завода в Мексике, реорганизацию дочерних компаний по производству чипов, а также приобретение подразделения по разработке лидаров Seagate.

Источник изображения: Luminar

Лидар является ключевым компонентом систем автономного вождения. Он представляет собой лазерный дальномер, который использует инфракрасный свет для определения формы объектов. За счёт этого автономные транспортные средства могут «видеть» другие объекты на дороге, включая автомобили, пешеходов и др. При этом им не требуется использовать GPS или постоянное подключение к сети.

По заявлению разработчиков, новый лидар Iris Plus будет способствовать выполнению «миссии по повышению безопасности транспортных средств и возможностей автономного транспорта, обеспечивая ещё большую производительность и предотвращая столкновения с небольшими объектами на скоростях до уровня автобана». Новый лидар спроектирован таким образом, чтобы плавно сливаться с крышей серийного автомобиля. Дальность его действия составляет до 300 метров, тогда как предыдущая версия обеспечивала дальность до 250 метров. Luminar работает над интеграцией лидара Iris Plus в автомобили Mercedes-Benz, а их массовое производство должно начаться в 2025 году.

Вместе с этим Luminar объявила о намерении приобрести подразделение компании Seagate, занимающегося разработкой лидаров, для ускорения процесса производства датчиков. Luminar также недавно купила Civil Maps для получения доступа к детализированным и автоматически обновляемым 3D-картам различных городов. Вместе с подразделением Seagate под контроль Luminar перейдёт соответствующая интеллектуальная собственность, активы и команда разработчиков.

В дополнение к этому во втором квартале этого года в Мексике будет запущено «специализированное высокоавтоматизированное крупносерийное производственное предприятие», которое будет эксплуатировать Celestica, контрактный производитель Luminar. Ещё одно предприятие в Таиланде, которое Luminar использует для производства оптических узлов совместно с Fabrinet, будет расширено.

На прошедшем мероприятии Luminar объявила о продолжении сотрудничества с Scale.ai в сфере развития системы машинного обучения. Также было объявлено об объединении дочерних компаний по разработке микросхем Black Forest Engineering, Optogration и Freedom Photonics. Luminar также будет сотрудничать со страховой компанией Swiss Re над изучением возможностей лидаров по снижению стоимости страхования за счёт повышения безопасности автономного транспорта.