Машинное обучение помогает робо-руке понять намерения владельца


Исследователи из Сеульского национального университета (Республика Корея) в сотрудничестве с Исследовательским центром мягкой робототехники (Soft Robotics Research Center (SRRC)), предложили новую парадигму обнаружения намерений пользователей ранее разработанного мягкого носимого робота для рук (Exo-Glove Poly II).
Предложенный метод предсказывает намерение захватить/отпустить объект, основываясь на поведении пользователя. Это должно позволить пациентам с повреждением спинного мозга и потерявшим подвижность рук, брать и перемещать предметы.

( Читать дальше )

Робот играет в Дженга


Исследователи из MIT разработали алгоритм для робота который учится играть в Дженга.

( Читать дальше )

Обучение четвероногого робота ходьбе при помощи тренировки нейронной сети в симуляции


Чевероного робота-собаку ANYmal обучили ходить при помощи тренировки нейронной сети в симуляторе.
Подобный подход уже давно применяется в робототехнике, потому что использование симулятора имеет массу преимуществ в скорости, стоимости и безопасности.

( Читать дальше )

Обучение робота действию через однократную демонстрацию


Машинное обучение меняет подход к ручному программированию действий роботов. Исследователи из Калифорнийского университета в Беркли показали систему обучения робота PR2 действиям путём однократной демонстрации решения нужной задачи человеком.

( Читать дальше )

Кинетическая скульптура учится балансировать шариком при помощи Arduino и машинного обучения


Astrid Kraniger создала интересную инсталляцию: In Medio Stat Virtus — это кинетическая скульптура, балансирующая шариком на уголке, который удерживается двумя тросиками.
Длина тросиков изменяется шаговыми двигателями, а положение шарика определяется разницей в весе, который измеряется на тросах при помощи тензодатчиков, снятых с электрических безменов.
Таким образом, удержание баланса достигается, когда шаговые двигатели поднимают и опускают нужную сторону, чтобы выровнять вес на каждом тросе.

( Читать дальше )

TTA - аугментация во время теста

аугментация котиков
TTA — test-time augmentation — аугментация во время теста.
Это способ увеличить качество классификатора за счёт усреднения предсказаний для изображений и их аугментаций.

( Читать дальше )

Внимательное изучение данных - это необходимость

отличие научной  и индустриальной работ в области машинного обучения
Свежая статья Питера Уордена (Pete Warden) — «Почему вам необходимо улучшить свои тренировочные данные и как это сделать? (Why you need to improve your training data, and how to do it) снова поднимает серьёзный вопрос, касающийся практического применения алгоритмов машинного обучения для решения реальных задач.
Автор обращает внимание, что в научной среде, основной упор делается на разработку и исследование работы новых моделей, в то время как в индустрии — больше всего времени тратится на подготовку и обработку самих данных.

( Читать дальше )

Использование свёрточной сети на Raspberry Pi для подсчёта пчёл

детектирование пчёл
Вручную разметив фотографии пчёл и используя нейросетевую архитектуру u-net на одноплатнике Raspberry Pi, автору удалось подсчитывать пчёл на входе в улей.

Частичное обучение


Так как с камеры можно получить большое количество изображений, то можно воспользоваться интересным трюком: частичным обучением, оно же — обучение с частичным привлечением учителя (Semi-supervised learning).

В основе этого трюка лежит очень простой подход:

( Читать дальше )

Использование TensorFlow для распознавания ваших объектов


Чтобы научить нейронную сетку на TensorFlow распознавать нужные вам объекты, вам понадобится несколько сотен изображений этих объектов. Эти изображения можно найти и скачать из интернета, либо сделать собственные фотографии.

( Читать дальше )

Глубокое обучение и C++


Выступление Peter Goldsborough с рассказом о глубоком обучении и С++.

( Читать дальше )