Categoría

Tecnología

Cómo la inteligencia artificial robótica mercado está ganando perspectivas de crecimiento

AMA introdujo recientemente el Estudio integral de robótica artificial de inteligencia por tipo, estudio de mercado con una visión general detallada, describiendo el alcance del producto / industria y elaborando las perspectivas y el estado del mercado hasta 2023. El estudio de mercado está segmentado por regiones clave que aceleran la comercialización. En la actualidad, el mercado está desarrollando su presencia y algunos de los actores clave del estudio completo son NVIDIA (Estados Unidos), Intel (Estados Unidos), IBM (Estados Unidos), Microsoft (Estados Unidos), Xilinx (Estados Unidos), Alphabet (Estados Unidos), Softbank (Japón), Hanson Robotics (China), Amazon (Estados Unidos) y Blue Frog Robotics (Francia), etc.

Solicite una muestra de estudio de robótica de inteligencia artificial por tipo (Robots de servicio, Robots industriales, Segmentación de la industria, Fuerzas armadas y defensa, Cumplimiento de la ley, Asistencia médica, Educación y entretenimiento, Asistencia personal y Cuidado), Aplicación (Relaciones públicas, Gestión de stock, otros) , Tecnología (Aprendizaje de máquina, Visión por computadora), Oferta (Jugadores de procesamiento gráfico (GPU), Reproductores de procesamiento MIDI (MPU)) y Región - Perspectiva del mercado global hasta 2023.

Indicadores de mercado
Aumento de las aplicaciones de los robots para uso personal, incluidos los entretenimientos y la compañía.
La creciente infraestructura de automatización y robótica está mejorando la demanda global

Tendencia del mercado
Demanda creciente de robots artificialmente inteligentes en aplicaciones domésticas
Introducción a los sistemas de asistencia no tripulados en la industria agrícola y la proliferación de drones habilitados para IA

Las oportunidades
Concentración en el desarrollo de robots habilitados para la IA en numerosas aplicaciones de propósito especial en las que los robots pueden generar el máximo retorno de la inversión y una mayor conciencia sobre los robots altamente automatizados en países subdesarrollados

Análisis competitivo:
Los actores clave son la innovación altamente enfocada en las tecnologías de producción para mejorar la eficiencia y la vida útil. Las mejores oportunidades de crecimiento a largo plazo para este sector se pueden capturar al garantizar mejoras continuas en los procesos y flexibilidad financiera para invertir en las estrategias óptimas. Sección de perfil de la compañía de jugadores como NVIDIA (Estados Unidos), Intel (Estados Unidos), IBM (Estados Unidos), Microsoft (Estados Unidos), Xilinx (Estados Unidos), Alphabet (Estados Unidos), Softbank (Japón), Hanson Robotics (China), Amazon (Estados Unidos) y Blue Frog Robotics (Francia) incluye su información básica como nombre legal, sitio web, sede, posición histórica en el mercado, antecedentes históricos y los 5 competidores más cercanos por capitalización de mercado / ingresos junto con información de contacto. Las cifras de ingresos de cada jugador / fabricante, la tasa de crecimiento y el margen de ganancia bruta se proporcionan en un formato tabular fácil de entender durante los últimos 5 años y una sección separada sobre desarrollos recientes como fusiones, adquisiciones o cualquier nuevo producto / lanzamiento de servicio, etc.

Segmentos de mercado:
El Estudio integral de robótica artificial por tipo de mercado se ha dividido en tipo, aplicación y región.
Sobre la base del tipo de: Robots de servicio, Robots industriales, Segmentación de la industria, Fuerzas militares y defensa, Cumplimiento de la ley, Asistencia médica, Educación y entretenimiento, Asistencia personal y Cuidado.
Sobre la base de la aplicación: (relaciones públicas, gestión de stock y otros)
Sobre la base de la región, este informe está segmentado en geografías clave, con producción, consumo, ingresos (millones de USD) y cuota de mercado, tasa de crecimiento del Estudio integral por tipo de inteligencia artificial por tipo en estas regiones, desde 2013 hasta 2023 (previsión ), cubriendo
- Norteamérica (EE. UU. Y Canadá) {Ingresos del mercado (miles de millones de USD), Análisis de crecimiento (%) y Análisis de oportunidad}
- América Latina (Brasil, México y el resto de América Latina) {Ingresos del mercado (miles de millones de USD), Participación en el crecimiento (%) y Análisis de oportunidades}
- Europa (EE. UU., Alemania, Francia, Italia, España, Polonia, Suecia y RU) {Ingresos del mercado (miles de millones de USD), Participación en el crecimiento (%) y Análisis de oportunidades}
- Asia-Pacífico (China, India, Japón, Singapur, Corea del Sur, Australia, Nueva Zelanda, Resto de Asia) {Ingresos del mercado (miles de millones de USD), Participación en el crecimiento (%) y Análisis de oportunidades}
- Medio Oriente y África (CCG, Sudáfrica, África del Norte, RoMEA) {Ingresos del mercado (miles de millones de USD), Participación en el crecimiento (%) y Análisis de oportunidades}
- Resto del mundo {Ingresos de mercado (miles de millones de USD), Análisis de crecimiento (%) y Análisis de oportunidad}

Conseguir el control de la cooperación humano-robot.

La respuesta proviene del estudio titulado "Sobre la elección del tipo de agarre y la ubicación cuando se entrega un objeto", publicado en Ciencia robótica por un equipo de investigación del Instituto BioRobotics de Scuola Superiore Sant’Anna y el Centro Australiano para la Visión Robótica. El estudio revela los principios rectores que regulan la elección del tipo de agarre durante un intercambio de objetos, fomentando la cooperación entre un sistema robótico y una persona.

El estudio, realizado en 2018, analizó el comportamiento de las personas cuando tienen que agarrar un objeto y cuando, en lugar de usarlo por sí mismas, necesitan entregarlo a un compañero. Los investigadores investigaron la elección de agarre y la colocación de la mano en esos objetos durante un traspaso cuando las tareas subsiguientes son realizadas por el receptor. Los transeúntes tienden a agarrar la parte intencional de los objetos y dejan los "mangos" sin obstrucciones a los receptores. De manera intuitiva, esta opción permite a los receptores realizar cómodamente las tareas subsiguientes con los objetos.

"Nos dimos cuenta de que, hasta la fecha, no se ha prestado suficiente atención a la forma en que un robot capta un objeto en los estudios sobre la interacción humano-robot", explica Francesca Cini, estudiante de doctorado del Instituto BioRobotics y uno de los dos autores principales del artículo. . "Este aspecto es muy fundamental en este campo. Por ejemplo, cuando pasamos un destornillador sabiendo que el receptor debe usarlo, dejamos el mango libre para facilitar el agarre y el uso posterior del objeto. El objetivo de nuestra investigación es transferir todos estos principios rectores a un sistema robótico para que se utilicen para seleccionar un tipo de agarre correcto y para facilitar el intercambio de objetos ".

El impacto del estudio colaborativo abre nuevos escenarios de innovación tecnológica, lo que aporta beneficios a diversas actividades sociales donde la cooperación entre humanos y robots está bien establecida y aún no se ha establecido. De hecho, sería posible mejorar los pasos de producción en un contexto industrial mientras que, en rehabilitación, los robots podrían ayudar a los pacientes con resultados más naturales y efectivos.

"Collaborative Robotics es la próxima frontera de la robótica industrial y asistencial", dice Marco Controzzi, investigador del Instituto BioRobotics e investigador principal de Human-Robot Interaction Lab. “Por esta razón, necesitamos una nueva generación de robots diseñados para interactuar con los humanos de una manera natural. Estos resultados nos permitirán instruir al robot para que manipule objetos como un colaborador humano a través de la introducción de reglas simples "." Tal vez sorprendentemente, el agarre y la manipulación se consideran acciones muy intuitivas y directas para los humanos ", dice Valerio Ortenzi, un investigador Fellow en el Australian Centre for Robotic Vision y el otro autor principal del artículo. "Sin embargo, simplemente no lo son. "Teníamos la intención de arrojar una luz sobre el comportamiento de los seres humanos mientras interactuamos en una tarea de manipulación común y un traspaso es un ejemplo perfecto donde se realizan pequeños ajustes para lograr el objetivo compartido de pasar un objeto de una persona a otra de manera segura".

"La manipulación del mundo real sigue siendo uno de los mayores desafíos en robótica y nos esforzamos por ser el líder mundial en el campo de la investigación de la manipulación robótica guiada por la vista", dice el Director del Centro Australiano para la Visión Robótica, Peter Corke. "Esta colaboración de investigación con Scuola Superiore Sant’Anna forma una asociación vital hacia nuestro objetivo de superar la última barrera para el despliegue ubicuo de robots verdaderamente útiles en la sociedad. Si bien la mayoría de la gente no piensa en levantar y mover objetos, algo que los cerebros humanos han aprendido a través del tiempo a través de la repetición y la rutina, para los robots, agarrar y manipular es sutil y esquivo ".

El primer robot andante que se mueve sin GPS.

Las hormigas del desierto son extraordinarios navegantes solitarios. Los investigadores se inspiraron en estas hormigas cuando diseñaron AntBot, el primer robot andante que puede explorar su entorno al azar y volver a casa automáticamente, sin GPS ni mapas. Este trabajo abre nuevas estrategias de navegación en vehículos autónomos y robótica.

Los ojos humanos son insensibles a la luz polarizada y la radiación ultravioleta, pero ese no es el caso de las hormigas, que lo utilizan para ubicarse en el espacio. Las hormigas del desierto de Cataglyphis, en particular, pueden cubrir varios cientos de metros bajo la luz solar directa en el desierto para encontrar comida, y luego regresar en línea recta al nido, sin perderse. No pueden usar feromonas: salen cuando la temperatura quema la menor caída. Su extraordinario talento para la navegación se basa en dos piezas de información: el rumbo medido con una especie de "brújula celeste" para orientarse utilizando la luz polarizada del cielo y la distancia recorrida, medida simplemente contando los pasos e incorporando la velocidad de movimiento relativa a la Sol medido ópticamente por sus ojos. Distancia y rumbo son las dos piezas fundamentales de información que, una vez combinadas, les permiten regresar sin problemas al nido.

AntBot, el nuevo robot diseñado por los investigadores del CNRS y la Universidad de Aix-Marsella (AMU) en el ISM, copia las excepcionales capacidades de navegación de las hormigas del desierto. Está equipado con una brújula óptica utilizada para determinar su rumbo por medio de luz polarizada, y por un sensor de movimiento óptico dirigido al sol para medir la distancia recorrida. Armado con esta información, se ha demostrado que AntBot puede, como las hormigas del desierto, explorar su entorno y regresar por sí solo a su base, con una precisión de hasta 1 cm después de haber cubierto una distancia total de 14 metros. Con un peso de solo 2,3 kg, este robot tiene seis pies para una mayor movilidad, lo que le permite moverse en entornos complejos, precisamente donde el despliegue de robots y drones con ruedas puede ser complicado (áreas de desastre, terreno accidentado, exploración de suelos extraterrestres, etc.).

La brújula óptica * desarrollada por los científicos es sensible a la radiación ultravioleta polarizada del cielo. Usando esta "brújula celeste", AntBot mide su rumbo con una precisión de 0.4 ° mediante clima despejado o nublado. La precisión de navegación lograda con sensores minimalistas demuestra que la robótica bioinspirada tiene una capacidad inmensa de innovación. Aquí tenemos un trío de avances. Se ha desarrollado un robot novedoso, se han diseñado sensores ópticos nuevos, innovadores y poco convencionales, y AntBot aporta nuevos conocimientos sobre cómo navegan las hormigas del desierto, al probar varios modelos que los biólogos han imaginado para imitar a este animal. Antes de explorar aplicaciones potenciales en robótica aérea o en la industria del automóvil, por ejemplo, se debe avanzar, por ejemplo, en cómo operar este robot por la noche o en distancias más largas.

Este trabajo recibió el apoyo de la región de Dirección General, CNRS, AMU, región de Provenza-Alpes-Costa Azul y de ANR en el marco del proyecto Equipex / Robotex.

Esta brújula se compone de solo dos píxeles coronados por dos filtros polarizados que se convierten en equivalentes a un sensor óptico compuesto de dos filas de 374 píxeles. Convertir los filtros mecánicamente es una innovación que ha reducido considerablemente el costo de producción del sensor, de más de 78,000 € a solo unos cientos de euros, dentro de las limitaciones de la biomimética.

Cinco formas en que la tecnología está cambiando Aprendizaje y Desarrollo

La tecnología está dando forma fundamental a la forma en que las organizaciones aprenden ...

Gracias al desarrollo de diversas tecnologías de aprendizaje electrónico, el aprendizaje en línea se ha convertido en una realidad. Esto hace que llevar a cabo el desarrollo profesional continuo (CPD) sea absolutamente vital para los profesionales de L&D que desean mantener sus habilidades relevantes.

Hablamos con Watson Martin Partnership, un proveedor líder de calificaciones profesionales, para descubrir cinco de las formas clave en que la tecnología está cambiando. Aprendizaje y desarrollo

  • El auge de los dispositivos móviles y tabletas.

El auge de los dispositivos portátiles nos ha dado mucho: una forma de navegar por las redes sociales y chatear sobre la marcha; una plataforma para disfrutar de una gama de aplicaciones; la oportunidad de buscar en Google los síntomas de todas las enfermedades que hemos tenido (OK, esta podría no ser un beneficio).

Pero aparte de ofrecer un sentido de comodidad en nuestras vidas recreativas, los dispositivos móviles y tabletas también han brindado el lugar perfecto para el contenido de aprendizaje interactivo.

Como ahora se puede acceder a los materiales a través de una variedad de dispositivos, se ofrece a los estudiantes un mayor nivel de autonomía, flexibilidad y control. No solo pueden elegir cuándo y dónde estudian, sino que también pueden aprender a su propio ritmo.

Estos desarrollos también han brindado a los profesionales de L&D las bases que necesitan para apoyar mejor los procesos de aprendizaje individuales.

  • El aumento en "llevar tu propio dispositivo al trabajo"

Con un número cada vez mayor de empleados que optan por usar sus propios dispositivos no solo en el trabajo, sino también desde casa o cuando trabajan de forma remota, las organizaciones han encontrado nuevas formas de facilitar el acceso universal.

Al crear aplicaciones y programas de aprendizaje, las organizaciones pueden brindar a las personas acceso directo a los materiales y recursos de aprendizaje desde cualquier dispositivo, lo que en última instancia ayuda a maximizar la productividad de su fuerza laboral.

Los profesionales de L&D también usan aplicaciones para comunicarse de manera más efectiva con los delegados, ya sea para rastrear un evento, registrar su asistencia o proporcionar un depósito en línea de materiales de aprendizaje.

  • La gamificación del aprendizaje.

Es probable que hayas tenido una buena cantidad de adicciones leves a los juegos móviles (ver: Plants Vs. Zombies / Candy Crush / Pokemon GO / todo lo anterior).

Con la amplia variedad de juegos móviles y tabletas que están disponibles ahora, no es de extrañar que la industria del aprendizaje y el desarrollo hayan utilizado su popularidad.

Desde los micro cursos gamificados que ayudan a los empleados a familiarizarse con los procedimientos o el software, hasta las aplicaciones educativas que enseñan a través de pruebas, videos, tarjetas de memoria y juegos de memoria: la gamificación de materiales de aprendizaje proporciona una manera rápida y fácil de digerir la información.

Al vincular los juegos con las actividades de aprendizaje, las organizaciones pueden aprovechar los deseos de las personas de socializar, ser recompensados y tomar decisiones, lo que, en consecuencia, hace que sea más probable que se involucren con el contenido y apliquen lo que aprendieron en la práctica.

  • La oportunidad de interactuar virtualmente.

¿No entiendes una pregunta? ¿Trabajando en un proyecto grupal? ¿Solo necesito desahogarme? No hay problema.

Ya sea para ayudar a la comunicación de equipos virtuales o para construir una comunidad de aprendizaje en línea, el aumento de los medios sociales y otras herramientas de comunicación han jugado un papel importante en el apoyo a los estudiantes.

Ofrece la manera perfecta de conectar a grupos de personas que están tratando con el mismo tema, ya sea que estén tomando un curso en línea o en el aula, realicen una aventura de aprendizaje independiente o realicen un aprendizaje y desarrollo basados en el trabajo.

Al crear grupos en línea o utilizar hashtags, los instructores, los profesionales de L&D y los alumnos pueden compartir y acceder a una variedad de información; Desde cuestionarios y cuestionarios, hasta imágenes y consejos.

Porque las redes sociales no tienen por qué ser una distracción (siempre que las uses correctamente).

  • La valoración del progreso.

Como resultado de los avances en tecnología, el seguimiento de su desarrollo nunca ha sido tan fácil.

En el pasado, la retroalimentación solo se podía dar al final de una intervención de aprendizaje, que consistía en una revisión, en lugar de una evaluación en el lugar. Con las nuevas herramientas en línea, los estudiantes pueden beneficiarse de un mejor sistema de monitoreo que rastrea su aprendizaje a medida que avanzan.

Esto significa que los alumnos reciben un enfoque más personalizado, personalizado y efectivo en sus módulos de aprendizaje en línea y en línea. Y con más tipos de evaluaciones formativas, la auto-reflexión y la mejora son mucho más fáciles.

También se puede proporcionar retroalimentación personalizada si es necesario, lo que permite que el alumno se identifique de inmediato y reflexione sobre su aprendizaje.

La energía eólica estadounidense a gran escala causaría un calentamiento que tardaría aproximadamente un siglo en compensar

Todos los sistemas de energía a gran escala tienen impactos ambientales, y la capacidad de comparar los impactos de las fuentes de energía renovables es un paso importante en la planificación de un futuro sin energía de carbón o gas. La extracción de energía del viento causa impactos climáticos que son pequeños en comparación con las proyecciones actuales de calentamiento del siglo XXI, pero grandes en comparación con el efecto de reducir las emisiones de electricidad de los EE. UU. A cero con la energía solar. La investigación publicada en la revista Joule el 4 de octubre informa sobre el modelado más preciso hasta el momento de cómo el aumento de la energía eólica afectaría el clima, y descubrió que la generación de energía eólica a gran escala calentaría los Estados Unidos continentales a 0.24 grados centígrados porque las turbinas eólicas redistribuyen el calor en la atmósfera.

"El viento vence al carbón por cualquier medida ambiental, pero eso no significa que sus impactos sean insignificantes", dice el autor principal David Keith, profesor de ingeniería y políticas públicas en la Universidad de Harvard. “Debemos hacer una transición rápida de los combustibles fósiles para detener las emisiones de carbono. Al hacerlo, debemos elegir entre varias tecnologías de baja emisión de carbono, todas las cuales tienen algunos impactos sociales y ambientales ".

"Las turbinas eólicas generan electricidad, pero también alteran el flujo atmosférico", dice el primer autor Lee Miller. “Esos efectos redistribuyen el calor y la humedad en la atmósfera, lo que afecta el clima. Intentamos modelar estos efectos a escala continental ".

Para comparar los impactos de la energía eólica y solar, Keith y Miller comenzaron a establecer una línea de base para el clima de 2012-2014 en Estados Unidos utilizando un modelo estándar de pronóstico del tiempo. Luego agregaron el efecto en la atmósfera de cubrir un tercio de los EE. UU. Con suficientes aerogeneradores para satisfacer la demanda actual de electricidad en los EE. UU. Este es un escenario relevante si la energía eólica juega un papel importante en la descarbonización del sistema energético en la segunda mitad de este siglo. Este escenario calentaría la temperatura de la superficie de los EE. UU. Continentales en 0,24 grados centígrados.

Su análisis se centró en la comparación de los impactos y beneficios climáticos. Descubrieron que llevaría aproximadamente un siglo compensar ese efecto con reducciones relacionadas con el viento en las concentraciones de gases de efecto invernadero. Esta escala de tiempo fue aproximadamente independiente de la elección específica de generación de energía eólica total en sus escenarios.

"Los impactos climáticos directos de la energía eólica son instantáneos, mientras que los beneficios se acumulan lentamente", dice Keith. “Si su perspectiva es los próximos 10 años, la energía eólica en realidad tiene, en algunos aspectos, más impacto climático que el carbón o el gas. Si su perspectiva es los próximos mil años, entonces la energía eólica es enormemente más limpia que el carbón o el gas ".

Más de diez estudios anteriores han observado ahora el calentamiento local causado por los parques eólicos de EE. UU. Keith y Miller compararon su calentamiento simulado con observaciones y encontraron una consistencia aproximada entre las observaciones y el modelo.

También compararon los impactos de la energía eólica con proyecciones previas de la influencia de la energía solar en el clima. Encontraron que, para la misma tasa de generación de energía, los impactos de la energía solar serían aproximadamente 10 veces más pequeños que el viento. Pero ambas fuentes de energía tienen sus pros y sus contras.

"En términos de diferencia de temperatura por unidad de generación de energía, la energía solar tiene aproximadamente 10 veces menos impacto que el viento", dice Miller. “Pero hay otras consideraciones. Por ejemplo, los parques solares son densos, mientras que la tierra entre los aerogeneradores puede ser co-utilizada para la agricultura ”. La densidad de los aerogeneradores y la hora del día en que operan también pueden influir en los impactos climáticos.

Las simulaciones de Keith y Miller no consideran ningún impacto en la meteorología a escala global, por lo que sigue siendo algo incierto cómo un despliegue de energía eólica puede afectar el clima en otros países.

“El trabajo no debe verse como una crítica fundamental de la energía eólica. Algunos de los impactos climáticos del viento pueden ser beneficiosos. Así que, más bien, el trabajo debe verse como un primer paso para ser más serios en la evaluación de estos impactos ”, dice Keith. "Nuestra esperanza es que nuestro estudio, combinado con las recientes observaciones directas, marque un punto de inflexión en el que los impactos climáticos de la energía eólica comiencen a recibir una seria consideración en las decisiones estratégicas sobre la descarbonización del sistema energético".

Keith y Miller también tienen un documento relacionado, "Factores de la capacidad de energía solar y eólica basados en observaciones y densidades de potencia", que se publicará en Environmental Research Letters el 4 de octubre, que valida las tasas de generación por unidad de área simulada aquí mediante observaciones.

Marco basado en AI crea texturas realistas en el mundo virtual

A muchos diseñadores para el mundo virtual les resulta difícil diseñar texturas o patrones complejos creíbles de manera eficiente a gran escala. De hecho, la llamada "síntesis de textura", el diseño de texturas precisas como las ondulaciones del agua en un río, paredes de concreto o patrones de hojas, sigue siendo una tarea difícil para los artistas. Una gran cantidad de texturas no estacionarias en el "mundo real" podrían recrearse en juegos o mundos virtuales, pero las técnicas existentes son tediosas y requieren mucho tiempo.

Para enfrentar este desafío, un equipo global de científicos informáticos ha desarrollado una técnica única basada en inteligencia artificial que entrena a una red para aprender a expandir pequeñas texturas a otras más grandes. El método basado en datos de los investigadores aprovecha una técnica de IA llamada redes de confrontación generativa (GAN) para capacitar a las computadoras para expandir las texturas de un parche de muestra a instancias más grandes que se parezcan mejor a la muestra original.

"Nuestro enfoque aborda con éxito texturas no estacionarias sin ningún nivel o descripción semántica de la estructura a gran escala", dice Yang Zhou, autor principal del trabajo y profesor asistente en la Universidad de Shenzhen y la Universidad de Ciencia y Tecnología de Huazhong. “Puede hacer frente a texturas muy desafiantes que, según nuestro conocimiento, ningún otro método existente puede manejar. Los resultados son diseños realistas producidos en alta resolución, de manera eficiente y en una escala mucho más grande ".

El objetivo básico de la síntesis de texturas basada en el ejemplo es generar una textura, generalmente de mayor tamaño que la entrada, que capture de cerca las características visuales de la muestra de entrada, aunque no sea del todo idéntica, y mantiene una apariencia realista. Los ejemplos de texturas no estacionarias incluyen texturas con estructuras irregulares a gran escala, o las que muestran una variación espacial en ciertos atributos como el color, la orientación local y la escala local. En el documento, los investigadores probaron su método en ejemplos tan complejos como las plumas de pavo real y las ondulaciones del tronco de árbol, que parecen no tener fin en sus patrones repetitivos.

Su método consiste en entrenar una red generativa, llamada generador, para aprender a expandir (es decir, duplicar la extensión espacial de) un bloque de textura arbitrario recortado de un ejemplar, de modo que el resultado expandido sea visualmente similar a un bloque ejemplar que contiene el tamaño apropiado (dos veces más grande). La similitud visual entre el bloque expandido automáticamente y el bloque contenedor real se evalúa mediante una red discriminativa (discriminador). Como es típico de las GAN, el discriminador se entrena en paralelo al generador para distinguir entre bloques grandes reales de los ejemplares y los producidos por el generador.

Dice Zhou: "Sorprendentemente, descubrimos que al utilizar una estrategia de entrenamiento adversarial tan simple y auto-supervisada, la red capacitada funciona casi perfectamente en una amplia gama de texturas, incluidas las texturas estacionarias y las no estacionarias".

La herramienta está diseñada para ayudar a los artistas de la textura en el diseño de videojuegos, realidad virtual y animación. Una vez que se lleva a cabo el entrenamiento adversario auto-supervisado para cada muestra de textura dada, el marco puede usarse para generar automáticamente texturas extendidas, hasta duplicar el tamaño de la muestra original. En el futuro, los investigadores esperan que su sistema sea capaz de extraer información de texturas de alto nivel de manera no supervisada.

Además, en el trabajo futuro, el equipo pretende entrenar un modelo "universal" en un conjunto de datos de texturas a gran escala, así como aumentar el control del usuario. Para los artistas de texturas, la síntesis controlada con la interacción del usuario probablemente será aún más útil, ya que los artistas tienden a manipular las texturas para su propio diseño.

Seguro para usar dispositivos de manos libres en el auto.

Con la tecnología de manos libres, los conductores pueden hacer llamadas y realizar una variedad de otras tareas mientras mantienen sus manos en el volante y los ojos en la carretera.

“Cualquier actividad que imponga demandas visuales o manuales al conductor, por ejemplo, enviar mensajes de texto, navegar o marcar un teléfono de mano, aumenta considerablemente el riesgo de accidentes. Sin embargo, nuestro estudio reciente ha encontrado que la tarea secundaria principalmente cognitiva de hablar en un dispositivo de manos libres no parece tener ningún efecto perjudicial ", dijo Tom Dingus, director de VTTI y el investigador principal del estudio.

El objetivo del proyecto era determinar hasta qué punto el riesgo de choque podría verse afectado principalmente por conductas mentales, conocidas como distracciones cognitivas. Las distracciones cognitivas ocupan la mente pero no requieren que el conductor desvíe la vista de la carretera o retire sus manos del volante. Los ejemplos incluyen interactuar con un pasajero, cantar en el automóvil, hablar en un teléfono celular de manos libres y marcar en un teléfono de manos libres a través del software activado por voz.

Mediante el uso de video y otros datos de sensores del estudio de conducción naturalista del Segundo Programa de Investigación de Autopistas Estratégicos, el mayor estudio de vehículos livianos de su tipo que se haya realizado, Dingus y el equipo de investigación analizaron secuencias de video de 3,454 conductores, 905 accidentes (incluyendo 275 accidentes más graves) y 19,732 períodos de control de "conducción normal" para casos de distracción cognitiva. A modo de comparación, también estudiaron ejemplos de conductores que realizan actividades visuales y manuales, como enviar mensajes de texto en un teléfono de mano o ajustar la radio.

Los conductores que usaron un teléfono de mano aumentaron su riesgo de choque entre 2 y 3,5 veces en comparación con los conductores modelo, que se define como alerta, atento y sobrio. Cuando se observó una combinación de tareas secundarias cognitivas, el riesgo de choque también aumentó, aunque no en casi el mismo grado. En algunos casos, el uso del teléfono celular con manos libres se asoció con una tasa de choques más baja que el grupo de control. Ninguno de los 275 daños más graves a la propiedad y los accidentes con lesiones analizados se asociaron con el uso de sistemas de manos libres.

"Hay varias razones por las que el uso de un dispositivo de manos libres podría mantener a los conductores más comprometidos y enfocados en ciertas situaciones", dijo Dingus. “Uno es que el conductor espera más durante la conversación. Aunque participar en la conversación podría causar una pequeña cantidad de retraso en el procesamiento cognitivo, es más probable que el conductor esté mirando en la dirección de un evento precipitante, como que otro automóvil se detenga o salte de repente. La conversación telefónica también podría servir como una contramedida para la fatiga en viajes más largos por carretera. Quizás lo más importante es que es menos probable que un conductor que está hablando en un teléfono de manos libres participe en mensajes de texto / navegación / marcación manuales y otros comportamientos de mucho mayor riesgo ".

El 5 de febrero, los legisladores estatales aprobaron una ley que apunta a hacer que sostener un teléfono celular mientras se conduce sea ilegal.

"La investigación de VTTI ha demostrado de manera consistente que las actividades que requieren que un conductor retire la vista de la carretera, como enviar mensajes de texto o marcar desde un teléfono de mano, representan el mayor riesgo. También es importante tener en cuenta que en muchos automóviles nuevos, el conductor puede realizar algunas tareas de forma manos libres utilizando interfaces bien diseñadas. "Darle al conductor la opción de usar un sistema más seguro ayudará con el cumplimiento de una nueva ley y dará lugar a menos choques relacionados con la distracción", dijo Dingus.

Ochocientas cuarenta y tres personas murieron en las carreteras de Virginia en 2017, según el Departamento de Vehículos Motorizados de Virginia. De estas, 208 muertes y 14,656 lesiones se atribuyeron a la conducción distraída, un aumento del 18,2 por ciento en comparación con 2016. El uso de mensajes de texto / teléfonos celulares fue citado como una de las tres causas principales.

La inteligencia artificial puede identificar organismos marinos microscópicos.

Específicamente, el programa de IA ha demostrado ser capaz de identificar seis especies de foraminíferos o forams, organismos que han prevalecido en los océanos de la Tierra durante más de 100 millones de años.

Los forams son protistas, ni vegetales ni animales. Cuando mueren, dejan atrás sus diminutas conchas, más de un milímetro de ancho. Estas conchas les brindan a los científicos información sobre las características de los océanos, tal como existían cuando los forams estaban vivos. Por ejemplo, diferentes tipos de especies de foram prosperan en diferentes tipos de ambientes oceánicos, y las mediciones químicas pueden informar a los científicos sobre todo, desde la química del océano hasta su temperatura cuando se formó la concha.

Sin embargo, la evaluación de las conchas y fósiles de foram es tediosa y consume mucho tiempo. Es por eso que un equipo interdisciplinario de investigadores, con experiencia que va desde la robótica a la paleoceanografía, está trabajando para automatizar el proceso.

"En este punto, la IA identifica correctamente los forams aproximadamente el 80 por ciento del tiempo, lo que es mejor que la mayoría de los humanos entrenados", dice Edgar Lobaton, profesor asociado de ingeniería eléctrica e informática en la Universidad Estatal de Carolina del Norte y coautor de un Papel sobre la obra.

“Pero esta es solo la prueba de concepto. Esperamos que el sistema mejore con el tiempo, porque el aprendizaje automático significa que el programa será más preciso y más consistente con cada iteración. También planeamos expandir el alcance de la IA, para que pueda identificar al menos 35 especies de forams, en lugar de las seis actuales ".

El sistema actual funciona colocando un foramen bajo un microscopio capaz de tomar fotografías. Un anillo LED ilumina la luz en el foram desde 16 direcciones, una a la vez, mientras toma una imagen del foram con cada cambio de luz. Estas 16 imágenes se combinan para proporcionar la mayor cantidad de información geométrica posible sobre la forma del foram. La IA luego usa esta información para identificar las especies del foram.

El escaneo y la identificación toman solo unos segundos, y ya son tan rápidos, o más rápidos, que los expertos humanos más rápidos.

"Además, la IA no se cansa ni se aburre", dice Lobatón. "Este trabajo demuestra el primer paso exitoso hacia la construcción de una plataforma robótica que será capaz de identificar, seleccionar y clasificar forams automáticamente".

Lobaton y sus colaboradores han recibido una subvención de la National Science Foundation (NSF), a partir de enero de 2019, para construir el sistema robótico completamente funcional.

"Este trabajo es importante porque los océanos cubren alrededor del 70 por ciento de la superficie de la Tierra y juegan un papel enorme en su clima", dice Tom Marchitto, profesor asociado de ciencias geológicas en la Universidad de Colorado, Boulder, y autor correspondiente del artículo.

“Los forams son omnipresentes en nuestros océanos, y la química de sus conchas registra las características físicas y químicas de las aguas en las que crecieron. Estos diminutos organismos son testigos de propiedades pasadas como la temperatura, la salinidad, la acidez y las concentraciones de nutrientes. A su vez, podemos usar esas propiedades para reconstruir la circulación oceánica y el transporte de calor durante eventos climáticos pasados.

"Esto importa porque la humanidad se encuentra en medio de un" experimento "climático no intencional a escala global debido a nuestra emisión de gases de efecto invernadero", dice Marchitto. “Para predecir los resultados de ese experimento, necesitamos una mejor comprensión de cómo se comporta el clima de la Tierra cuando se altera su balance energético. "La nueva IA, y el sistema robótico que habilitará, podría acelerar significativamente nuestra capacidad de aprender más sobre la relación entre el clima y los océanos a lo largo de vastas escalas de tiempo".