Теги → mit
Быстрый переход

«Умная» плёнка для окон не пропускает жару в помещение

В жару в помещениях с окнами на солнечную сторону их обитатели вынуждены активнее пользоваться кондиционерами. Либо завешивать окна жалюзи или плотными шторами, из-за чего приходится включать искусственное освещение. Всё это ведёт к лишним энергозатратам, но в Массачусетском технологическом институте и Гонконгском университете нашли способ понизить расходы на электроэнергию в жаркое время года. Они создали плёнку, которая не требует электропитания, но при этом «понимает», когда надо «включать» защиту от солнечных лучей, и при этом пропускает свет.

Суть технологии заключается в том, что в стандартный полимерный материал интегрированы наполненные водой сферы. До температуры 32 °C плёнка остаётся прозрачной, однако при её повышении сферы начинают сжиматься, выдавливая жидкость и заставляя полимерные волокна сближаться. Из-за этого плёнка приобретает матовые свойства и выглядит как покрытое инеем стекло. В таком «режиме» светопропускание сохраняется, но 70 % поступающего извне тепла блокируется.

Подобные «блокаторы жары» существовали и ранее, но их эффективность являлась недостаточной. Разработчики из Массачусетского технологического института и Гонконгского университета увеличили продуктивность своего изобретения, связав размеры водонаполненных сфер с длиной волны инфракрасного излучения, которое воспринимается человеком как тепло. Оптимальным размером водных «пузырей» они посчитали 500 нм.

В ходе испытаний изобретения инженеры создали небольшую камеру и направили на неё источник излучения, имитирующего солнечный свет. Температуру в камере замеряли с наклеенной плёнкой и без неё. В первом случае она составила 33,89 °C, во втором поднялась до 38,89 °C. Как отметили исследователи, хоть разница и кажется небольшой, она способна значительно снизить затраты электроэнергии на работу кондиционеров. Да и на достигнутом работа не прекращается: учёным ещё предстоит выяснить, есть ли у технологии потенциал для дальнейшего усовершенствования продукта.

Создана система, упрощающая связь подлодок с самолётами

Исследователи из Массачусетского технологического института (MIT) разработали систему, которая призвана решить проблему связи подводных лодок с воздушными судами. Сейчас беспроводные подводные датчики не способны обмениваться данными с датчиками на суше или над ней, поскольку сигналы от систем радио- и сотовой связи, GPS, свободно проходящие по воздуху, быстро рассеиваются в воде. В то же время гидроакустические сигналы, посылаемые подводными устройствами, отражаются от поверхности воды, не будучи способными выйти за её пределы.

Изобретённая в MIT Media Lab технология названа трансляционной акустико-радиочастотной связью (Translational Acoustic-RF, TARF). Подводный передатчик направляет гидроакустический сигнал на поверхность воды, который создаёт на ней слабые вибрации разной частоты (100 и 200 Гц). Эти вибрации соответствуют символам «0» и «1», используемым в двоичной системе счисления. Находящийся над водой высокочувствительный приёмник считывает эти вибрации и перекодирует в полезную информацию.

Как утверждают учёные, TARF пока находится на ранней стадии разработки, но открывает новые возможности для коммуникации. Особенно данная технология должна заинтересовать военных, ведь в наши дни для передачи данных с подводных лодок на самолёты первым приходится всплывать, тем самым обнаруживая свою дислокацию.

Но и «на гражданке» TARF имеет перспективы. Так, к примеру, систему можно использовать при исследовании морской жизни при помощи подводных дронов. Ещё одна полезная сфера применения TARF — обнаружение упавших в море самолётов. В таком случае передатчик должен быть заранее встроен в чёрный ящик авиалайнера.

Грядёт революция в текстиле: «электроника» станет мягкой и шелковистой

Идея интеграции электроники в ткани и одежду далеко не нова, но с реализацией пока не складывается. Производители научились встраивать те или иные приборы в одежду — это гарнитуры, измерители пульса, потливости и другого, однако всё это делается на стадии, когда одежда сшита и выглядит скорее как «костыль», а не пошив гармоничной одежды. Для создания электронного текстиля XXI века  необходимо научиться выпускать нить с интегрированными полупроводниковыми приборами, чтобы ткацкий станок работал с нею, как с обычной нитью. Именно такую нить создали в лаборатории MIT. Но самое главное, разработан техпроцесс массового выпуска «электронной» нити, и он будет запущен в коммерческое производство уже в начале следующего года.

MIT

MIT

Технологию производства «электронной» нити разработали в Массачусетском технологическом институте (MIT). Адаптацию технологии для массового производства на современных ткацких станках помогли сделать исследователи из компании AFFOA (Advanced Functional Fabrics of America). Ткань из нити со встроенными полупроводниковыми приборами изготовили в сердце текстильной промышленности США в городе Инман Милс в Южной Калифорнии. Технология оказалась рабочей и не требует больших затрат на производство. Разработчики считают, что данное изобретение станет чем-то типа закона Мура для развития электронной ткани.

MIT

MIT

Традиционно оптоволокно делается из полимерной заготовки с помощью нагрева (размягчения) и вытягивания. Для производства электронной полимерной нити предложен процесс без вытягивания. К заготовке добавляют два тончайших медных провода толщиной с волос человека и напаянные на них светодиоды или фотодиоды (два варианта нитей). В процессе нагрева полимер обволакивает провода с диодами и затем застывает. Заявлено, что процесс происходит быстро и годится для массового производства нити. После этого из нити можно ткать ткань и шить одежду. Такую одежду можно стирать и гладить. Полупроводники в нити от этого не повреждаются.

MIT

MIT

В качестве эксперимента ткань с фотодиодами погрузили в аквариум с водой и с помощью внешнего источника света (лампы) начали передавать на неё последовательность сигналов с закодированной музыкой. Сигналы, снятые с нити, в реальном времени воспроизводили музыкальную композицию. Ткань и рыбки в процессе не пострадали. Из подобной ткани можно делать умные бандажи и напульсники, как и многое другое. Докладывают, что Пентагон уже заинтересовался изобретением для использования электронных нитей в униформе.

МТИ создал носимое устройство, реагирующее на мысли человека

Исследователи Массачусетского технологического института (МТИ) изобрели систему под названием AlterEgo, способную распознавать невербальные сигналы — то есть, по сути, читать мысли носителя. Разработка состоит из компьютерной системы и устройства, которое закрепляется за ухом, проходит по линии подбородка и заканчивается подо ртом пользователя.

Электроды носимого устройства улавливают нервно-мышечные сигналы в челюсти и лице, которые создаёт внутренняя речь — слова, которые человек произносит у себя в голове. Эти сигналы передаются системе машинного обучения, которая анализирует данные и связывает определённые сигналы со словами.

Система также может взаимодействовать с пользователем через «костнопроводной» наушник, передавая вибрации от лица к уху. Он предназначен для того, чтобы носителю было удобно получать нужную информацию, не прерывая разговор.

Исследователи протестировали систему в различных ситуациях, включая игру в шахматы, умножение и сложение, использовав в каждом случае лексикон из 20 слов. С этими 20 словами разработка достигает точности 92 %.

Со временем исследователи хотят достичь точности 100 %. Ещё один пример использования AlterEgo — выбор фильма для просмотра посредством управления тем, что отображается на экране телевизора.

Чтобы создать такое устройство, пришлось определить расположение лицевых точек с самыми надёжными нервно-мышечными сигналами. Для этого подопытным установили 16 электродов в разных частях лица и попросили четыре раза произнести в уме последовательности одних и тех же слов. Так было найдено семь самых эффективных зон. Теперь сотрудники института пытаются создать такое же устройство, но использующее только четыре точки на линии челюсти.

Искусственный интеллект MIT позволяет воспроизводить видео из Сети без прерываний

Лаборатория искусственного интеллекта Массачусетского технологического института разработала ИИ под названием Pensieve. Он выбирает лучшие алгоритмы для воспроизведения видео из Сети без прерывания и в наилучшем качестве.

Метод команды исследователей под предводительством профессора Мохаммада Ализаде (Mohammad Alizadeh) основывается на уже существующих технологиях. Одна из них — адаптивный битрейт, который позволяет YouTube продолжать воспроизводить видео при нестабильном соединении за счёт снижения качества ролика.

ИИ способен выбирать различные алгоритмы в зависимости от состояния сети и избавляться от недостатков воспроизведения в таких условиях. В рамках экспериментов благодаря технологии число подзагрузок видео снизилось на 10–30 %, а качество улучшилось на 10–25 %.

Основное отличие Pensieve от традиционных методов заключается в том, что при воспроизведении используются не одни только алгоритмы, но и нейронная сеть. Она обучается благодаря системе наград, а не зацикливается на конкретных правилах, используемых технологиями на основе алгоритмов. Благодаря этому плавность видео постоянно растёт.

По словам исследователей, пользователи смогут настраивать систему под свои нужды. Можно будет заставить Pensieve улучшать качество видео или, наоборот, стараться потреблять как можно меньше данных.

Команда планирует протестировать разработку на VR-видео. Открытый исходный код проекта будет представлен на конференции SIGCOMM, которая пройдёт на следующей неделе в Лос-Анджелесе.

Исследователи MIT научились использовать радиоволны для беспроводного отслеживания моделей сна

Исследователи Массачусетского технологического института разработали новый метод беспроводного слежения за сном человека. Система работает аналогично эхолокации — в направлении пользователя исходят радиоволны, которые при столкновении с телом захватывают изменения в организме и с полученной информацией возвращаются к устройству.

В исследовании команда использовала маломощные передатчики радиоволн. Благодаря искусственному интеллекту система способна переводить еле заметные движения в информацию о моделях сна: фазах сна, движении и частоте дыхательных движений.

Сотрудники университета проводили тесты на 25 волонтёрах в течении 100 ночей. Руководитель исследования профессор Дина Катаби (Dina Katabi) рассказала TechCrunch, что система обнаруживала модели сна с точностью до 80 %. Примерно той же точности достигают соответствующие отраслевым стандартам тесты с использованием электроэнцефалографии.

В процесс на конечных стадиях были вовлечены носимые устройства вроде Fitbit и Apple Watch. Однако они по большей части использовались для отслеживания движений с помощью акселерометра.

«Носимые устройства — это здорово, но наше видение заключается в установке так называемых “невидимых устройств”, — сказала Катаби. — Это устройство, которое остаётся незамеченным на фоне вашего дома, но в то же время отслеживает любые проблемы со здоровьем с помощью одних только беспроводных сигналов».

Система принимает во внимание гораздо больше факторов, чем носимые устройства. Она работает незаметно для пользователя: устройство можно расположить на полке или повесить на стену в нескольких метрах от человека.

Разработка использует гораздо меньше энергии, чем устройства Wi-Fi, и не требует калибровки под разных пациентов. Благодаря этому её можно легко использовать в домашних условиях.

Google и Массачусетский институт разрабатывают алгоритмы ретуши фото во время съёмки

Всё сложнее и сложнее выдавать более высокое качество фотографий с помощью новых аппаратных модулей камер для смартфонов. Поэтому компании вроде Google прибегают к вычислительной фотографии: различным алгоритмам и ИИ-технологиям, призванным улучшать снимки (например, HDR+, появившаяся впервые в Nexus 6). Последнее исследование поискового гиганта, проведённое вместе с учёными из Массачусетского технологического института (MIT), переводит эту идею на новый уровень благодаря алгоритмам, ретуширующим фотографии в реальном времени, прямо во время съёмки.

Исследователи использовали машинное обучение для создания своего ПО и обучения нейронных сетей на наборе из 5000 фотографий, созданных в Adobe и MIT. Каждый снимок этого набора был отретуширован пятью различным профессиональными фотографами, а алгоритмы Google и MIT использовали эту информацию для того, чтобы научить ИИ улучшать соответствующим образом фотографии автоматически. Речь идёт об улучшениях вроде усиления яркости в одном месте, снижении насыщенности в другом, изменения баланса белого и так далее.

Машинное обучение для улучшения фотографий использовалось и ранее, но настоящим плюсом нового исследования является создание небольших и эффективных алгоритмов, способных исполняться на потребительских устройствах прямо во время съёмки. Размер всего ПО не превышает размера одной цифровой фотографии и, согласно публикации в блоге MIT, может использоваться для обработки снимков в различных стилях.

Другими словами, нейронная сеть может быть натренирована на новом наборе изображений, чтобы имитировать стиль определённых фотографов. Примерно так работают художественные фильтры в приложениях от компаний Prisma и Facebook, имитирующих стилистику тех или иных живописцев. Конечно, современные смартфоны и камеры уже обрабатывают захваченные данные в реальном времени, но новые методы позволяет дополнительно развить возможности фотографирования на смартфонах.

С целью уменьшения сложности алгоритмов исследователи применяли несколько различных методов. Например, все вносимые в фотографии изменения они представляли в виде формул и использовали сетку с координатами, чтобы сразу отбрасывать незатронутые участки. Google считает, что это исследование позволит существенно улучшать фотографии на смартфонах в реальном времени без особого влияния на заряд батареи и без возникновения заметных задержек при съёмке. Возможно, подобные технологии появятся уже в смартфонах Pixel 2 в этом году?

Исследователи MIT заставили роботов учиться друг у друга

Существует два основных способа обучать роботов: многократно демонстрировать им то, чему вы хотите их научить, или программировать напрямую с помощью методов планирования движений. Исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института разработали третий способ, который совмещает два вышеуказанных. Метод позволяет роботам обмениваться умениями и знаниями.

Система C-LEARN создаётся для того, чтобы каждый, вне зависимости от уровня навыков программирования, мог обучать роботов выполнению широкого круга задач. Технология не требует раз за разом показывать машине действия или вручную писать код. Пользователю достаточно ввести информацию о том, как обычно происходит взаимодействие с объектами, с которыми будет работать «подопытный», и провести одну-единственную демонстрацию. После этого робот сможет делиться кинематическими данными с себе подобными.

Сперва пользователь добавляет информацию о том, как нужно протягивать руку, хватать и удерживать предметы, с которыми предстоит работать машине. Так робот не будет ломать всё, к чему притрагивается.

Затем с помощью системы автоматизированного проектирования человек создаёт демонстрацию. Это напоминает традиционную рисованную анимацию: определённые движения и позиции робота являются своеобразными ключевыми кадрами, с помощью которых заполняются пробелы.

Конечно, последнее слово всё равно за человеком: он должен подтвердить каждое движение. Но даже без вмешательства пользователя роботы смогли разработать оптимальную схему движения в 87,5 % случаев. Когда человек вносил корректировки, то это число возрастало до 100 %.

Двурукий робот для обезвреживания бомб Optimus стал первым, на котором опробовали систему C-LEARN. Команда исследователей научила его открывать двери, переносить предметы и даже вытаскивать объекты из сосудов. Затем Optimus смог передать знания другому роботу — 1,8-метровому 181-килограммовому Atlas.

В MIT нашли способ измерять скорость ходьбы с высокой точностью и без носимых устройств

Лаборатория компьютерных наук и искусственного интеллекта Массачусетского технологического института (MIT) нашла способ измерять скорости ходьбы с точностью от 95 до 99 % без необходимости использовать дополнительные нательные устройства. Технология WiGait задействует беспроводные сигналы, отправляемые устройствами наподобие роутеров. Такие устройства могут располагаться в разных частях дома.

Система WiGait предназначена для домашнего использования: установить её можно в любом удобном месте так, чтобы она совершенно не мешала. Она постоянно измеряет скорость ходьбы и длину шага, причём пользователю не нужно носить на себе какое-либо устройство и, соответственно, беспокоиться о зарядке.

Возможность отслеживать скорость ходьбы несёт огромную пользу для клинических исследований. Появляется всё больше доказательств того, что этот показатель помогает прогнозировать проблемы со здоровьем. Способность замечать изменения в длине шага также помогает идентифицировать определённые заболевания — например, болезнь Паркинсона.

WiGait выделяется среди других решений в этой сфере, поскольку не требует каких-либо носимых устройств и не задействует камеры, которые также могут быть полезны, но зачастую имеют ряд проблем с конфиденциальностью. Пациенту гораздо комфортнее, когда за его шагами следит простой сенсор, а не глазок камеры, который даже на подсознательном уровне может восприниматься как устройство для слежки.

Разработка имеет большой терапевтический потенциал в долгосрочном уходе и гериатрической медицине. Интерес к направлению, которое специализируется на болезнях старческого возраста, растёт по мере того, как увеличивается средняя продолжительность человеческой жизни, но, в то же время, происходит демографическое старение населения. 

В MIT показали возможности подводного мини-робота из гидрогеля

Учёные Массачусетского технологического института (MIT) всегда находятся на передовой инновационных решений, о чём свидетельствуют анонсируемые ими проекты, наработки в самых разных отраслях и прототипы смарт-устройств. В списке наиболее привлекательных направлений для американских исследователей особое место занимает робототехника и все связанные с ней автоматизированные системы. В этот раз команда лаборатории MIT рассказала об успехах в создании устройства в виде клешни-щупальца для функционирования в водной среде. 

Запечатлённый на видео роботизированный механизм представляет собой конструкцию, основная часть которой выполнена из материала под названием гидрогель. Благодаря ему устройство кажется практически невидимым в воде, что позволяет сделать его малозаметным для человеческого глаза. 

news.mit.edu

news.mit.edu

Роботизированная клешня из гидрогеля способна демонстрировать манёвренность под водой не хуже, чем это делают биологические представители местной фауны. Это позволяет роботу приблизиться к рыбе и схватить её до того, как она распознает в необычной конструкции чужеродный и представляющий для неё опасность объект. 

Для изготовления манипулятора исследователи из MIT прибегли к технологии трёхмерной печати. Сложенное из набора кубиков щупальце приводится в движение шприцевым электронасосом. Используя доступную в безграничном количестве воду для ускорения робота вместе с гибкостью его составных частей, которая обеспечивается свойствами гидрогеля, конструкция способна за считанные секунды совершить рывок для захвата движущейся цели. 

С учётом малозаметности и неприглядности робота, которого можно перепутать с медузой, представленная система выглядит достаточно интересным прототипом для последующего развития заложенной в неё идеи. Однако в ближайшие несколько лет потенциальное коммерческое применение гидрогелевому устройству вряд ли найдётся. 

Специалисты MIT разработали алгоритм, способный предсказать развитие событий на фото

Чтобы запечатлеть событие, достаточно воспользоваться соответствующим условиям съёмки инструментом. Последним может выступить как обычный смартфон или фотоаппарат, так и любой другой гаджет с интегрированным модулем камеры. Однако ввиду технических ограничений, а также ряда других причин не всегда удаётся снять происходящее действо от начала и до конца. Для случаев, когда за кадром остаются самые интересные моменты, на помощь готово прийти программное решение от учёных Массачусетского технологического института. 

Усилиями специалистов лаборатории CSAIL был разработан самообучающийся алгоритм, способный не просто задействовать «компьютерное зрение» для идентификации объектов и окружающей их обстановки на представленном изображении, а сгенерировать на его основе короткий видеоряд. Проанализировав отдельные составляющие картинки и потенциальные варианты их взаимодействия, ПО предскажет, что могло бы произойти с предметами или людьми на следующем кадре. 

В основу «обучающего курса» системы, базирующейся на нейронных сетях и применяющей для вычислений «компьютерное зрение», легло детальное исследование 2 млн самых разнообразных видеофайлов. На данном этапе технология нуждается в глобальной доработке, так как процесс конвертации изображения в видео далёк от совершенства и лимитирован по ряду критериев. Длительность создаваемого программой ролика ограничена 1,5 с, а выглядит конечный результат пусть и имеющим право на жизнь, но не слишком реалистичным. К тому же нейросеть часто ошибается с масштабированием объектов. Тем не менее, рассматриваемая технология справилась с воссозданием таких сложных сцен, как омывающие побережье волны или марширующие по траве люди.

В перспективе алгоритм массачусетских учёных способен качественно улучшить системы автопилотирования, а именно —способность в режиме реального времени оценивать не только текущую обстановку на дороге, но и предугадывать возможные манёвры других участников движения.  

В MIT и НАСА создали сверхлёгкое гибкое крыло для самолётов

Крылья являются одной из наиболее важных и технологически сложных частей самолёта. Среди основных проблем при конструировании летательных аппаратов можно отметить выбор оптимальной формы крыла, расчёт его аэродинамических свойств, прочности и так далее. Это сложная наука и придумать что-либо кардинально новое в данной отрасли непросто. Тем не менее, исследователи из Массачусетского технологического института и НАСА сумели изобрести новую архитектуру крыла, которая, по утверждению разработчиков, позволит сократить потребление топлива благодаря улучшенной аэродинамике и очень малому весу.

Тестирование структуры крыла

Тестирование структуры крыла

Это крыло состоит из сверхлёгких модулей, которые могут собирать маленькие специализированные роботы. Концепт описывается в последнем выпуске научного журнала Soft Robotics. Важной особенностью крыла является его гибкость. Учёные со всего мира уже не раз делали попытки создать такое гибкое крыло, но все они предполагали механически сопряжённые части, которые были настолько тяжёлыми, что весь выигрыш в эффективности нивелировался. Кроме того, сложная структура отрицательно влияла на надёжность. В новой разработке целое крыло может менять свою форму с помощью двух моторчиков, которые прикладывают силу скручивания к законцовкам крыла.

Тестирование структуры крыла

Концепт в действии

Основной принцип концепта состоит в использовании массива маленьких структурных частей, которые могут объединяться в самые разнообразные формы. В эксперименте эти части собирались вручную, но эту операцию можно автоматизировать с помощью миниатюрных роботов. Ещё одно достоинство — удобство сборки. Если при традиционном подходе необходимо большое специализированное оборудование для сборки крыла, то новые модульные структуры можно быстро воспроизводить в больших количествах и с помощью роботов собирать на месте. Также легко в ходе эксплуатации заменить повреждённые модули. Согласно экспериментальным исследованиям, новые гибкие крылья по аэродинамике как минимум не уступают традиционным крыльям, а по весу легче их в 10 раз.

По мнению компании Airbus, новая технология может найти применение и разных сферах авиационной промышленности, а также других отраслях. 

В MIT искусственный интеллект научили превращать людей в зомби

Машины уже и так научились создавать лица живых мертвецов и апокалиптические пейзажи, но с помощью пользователей такие картинки становятся ещё более жуткими. Исследователи из Массачусетского технологического института (MIT) и австралийского Государственного объединения научных и прикладных исследований (CSIRO) придумали так называемую «Машину ужасов» — алгоритм искусственного интеллекта, способный превратить нормальное лицо или пейзаж в нечто совершенно ужасное. Сначала ИИ проанализировал фотографии нормальных человеческих лиц, и вскоре после этого научился генерировать свои собственные лица, однако исследователям этого оказалось мало.

«Мы хотим делать страшные лица», — заявил доктор Мануэль Цебриан (Manuel Cebrian) изданию Sydney Morning Herald. «Поэтому мы взяли лицо зомби — по-настоящему страшное — и отдали его нейронной сети». С помощью всего одной «тяжеловесной» картинки алгоритм смог самостоятельно начать создавать очень жуткие изображения. Правда, иногда вместо страшных ИИ выдаёт откровенно бестолковые картинки.

Команда попросила людей проголосовать за самые страшные лица, а затем снова «скормила» данные нейронной сети. После более чем 200 тысяч голосов алгоритм стал куда более последовательным. Любой пользователь может проголосовать здесь за картинки в разных стилях, включая «бойню», «токсичный город» и «вторжение инопланетян».

И если вы считаете, что таким образом лишь поможете исследователям создать нечто, что особенно сильно ужасает именно вас, то сотрудники MIT и CSIRO, наоборот, думают, что их работа может помочь человечеству. Идея заключается в том, чтобы показать машинам нечто, что люди не любят, а затем научить их делать совершенно противоположное, способное помочь человеку. «Ту же технологию, которую мы используем в этом нелепом проекте, на самом деле можно было бы использовать для того, чтобы смягчить людей, призвать их сотрудничать с машинами», — сказал доктор Цебриан.  

Эмоциональное состояние человека можно определять с помощью сигнала Wi-Fi

Группа исследователей из лаборатории Computer Science and Artificial Intelligence Laboratory (CSAIL) знаменитого Массачусетского Технологического Института создала систему распознавания эмоционального состояния человека с помощью анализа беспроводного излучения. Допускается, что систему слежения за эмоциональным состоянием человека можно развернуть на базе обычных точек доступа Wi-Fi, хотя в лабораторных условиях для этого был применён самодельный прибор EQ-Radio с отдельными приёмником и передатчиком беспроводного сигнала.

Computer Science and Artificial Intelligence Laboratory

Computer Science and Artificial Intelligence Laboratory

Анализ отражённого от тела человека радиосигнала позволяет отделить и раздельно проанализировать сердечные ритмы и частоту дыхания. Уникальность предложенного учёными MIT метода и алгоритма заключается в том, что точность определения сердечного ритма почти такая же, как в случае носимых мониторов ЭКГ (для снятия электрокардиограммы). Отклонения в показаниях от носимых датчиков не превышают 0,3 %. Между тем, нательные датчики вызывают неудобства и могут смещаться в процессе движения человека, поэтому беспроводной метод в данном случае удобен вне всяких сомнений.

Группа разработчиков (Photo: Jason Dorfman/MIT CSAIL)

Группа разработчиков (Photo: Jason Dorfman/MIT CSAIL)

На данном этапе предложенная методика с высокой точностью способна определить четыре эмоциональных состояния человека: возбуждение, уныние, радость и гнев. Без набора статистики по конкретному человеку точность определения эмоционального состояния достигает 70 %. После короткого периода наблюдения точность определения смен настроения и полярности эмоциональных всплесков повышается до 87 %. Следует учитывать, что традиционные методы на основе визуальных наблюдений за мимикой человека часто дают сбой, чего не будет в случае беспроводного метода. За приветливой улыбкой человека может скрываться боль и ярость, что можно распознать только по частоте сердцебиения и изменившемуся дыханию.

Метод беспроводного слежения за эмоциональным состоянием человека может использоваться в быту, в коммерции, в шоу-бизнесе и в здравоохранении. Если проблемы можно скрыть за улыбкой и бесстрастностью, то сердце, образно выражаясь, врать не будет. У кого-то оно забьётся чаще при виде новой модели смартфона, кто-то порадуется интересной концовке фильма и будет ждать продолжения, а кто-то, зябко поёживаясь, внезапно уловит поток тёплого воздуха в комнате от вдруг включившегося обогревателя. Будущее ближе, чем кажется.

Новый 3D-принтер Массачусетского института печатает запоминающие форму объекты

3D-печать уже дала многое медицинской сфере: она позволяет создавать индивидуальные протезы, производить искусственные позвонки и даже создавать миниатюрные камеры. В будущем применение 3D-печати будет только расширяться: например, она может произвести революцию в доставке медикаментов. Исследователи Массачусетского технологического института (MIT) создали процесс 3D-печати небольших структур, которые меняют форму при определённых температурах. Благодаря этому в будущем станет возможным создание новой системы доставки, которая будет лечить пациента только если у того началась лихорадка.

Команда, впрочем, не создала пока таких таблеток, но технология уже на полпути к этому. Благодаря объединению процесса печати под названием микростереолитография со специальным полимером, который становится твёрже или мягче в зависимости от температурных условий, исследователи получили возможность создавать крошечные структуры, умеющие «запоминать» определённые формы.

Такие объекты могут быть приведены к нужной форме при определённой температуре, а при другой температуре — самостоятельно возвращаться в оригинальное состояние. Напечатанные этим методом объекты могут быть растянуты или скручены втрое по сравнению с первоначальной длиной без угрозы разрушения материала.

Стоит отметить, что новый процесс печати отличается столь высоким разрешением, что позволяет создавать структуры толщиной с человеческий волос. Он достаточно сложен, но открывает широкие горизонты. Команда надеется, что их метод 3D-печати в перспективе сможет найти применение в биомедицинских устройствах, солнечных ячейках изменяемой формы, аэрокосмических компонентах. Всё это дела отдалённого будущего, а пока команда создала крошечную детализированную копию Эйфелевой башни, а также инструмент, способный захватывать небольшие объекты.

window-new
Soft
Hard
Тренды 🔥