Biztató kísérletek folynak a neves amerikai egyetemen az önműködő repülő objektumokkal. Egy friss videón több nézőpontból is megcsodálhatjuk, milyen ügyesen boldogul repülőjük zárt térben.
Hirdetés
Miközben a Google önmaguktól boldoguló autói már 300 ezer kilométert tettek meg balesetmentesen és a hagyományos autógyártók is egyre több számítógéppel vezérelt elemet igyekeznek beépíteni a járművekbe, a levegő robotizálása is jó ütemben halad. Erre szolgált jó példával az MIT napokban közzétett videója, amely egy olyan kísérleti repülést mutat be, ahol a vitorlázó eszköz teljesen magától, nagy sebességgel és hiba nélkül közlekedik zsúfolt beltéri környezetben. Ez utóbbi azért nagy szó, mert az épületek belsejében nem használható a navigációban majdhogynem megerülhetetlennek számító GPS. Ellentétben az Irán által eltérített amerikai kémrepülővel, a fejlesztők láthatóan jól elboldogulnak műholdas segítség nélkül is.
Nehéz terepen ■A kutatók eredménye azért is elismerésre méltó, mert a sok szempontból könnyebb helikopter helyett egy vitorlázó repülővel hajtották végre az emberi beavatkozás nélküli manőverezést. Mivel a szerkezet nagyon gyorsan mozog és csak limitált korrigálási lehetősége van, ezért a kutatók első körben előre megadták a járműnek a bejárandó terület térképét, azaz nem menetből kell feltérképeznie a környezetet. Ennek ellenére a pillanatnyi pozícióját, sebességét természetesen valós időben kell meghatároznia a gépnek, amihez a lézeres távolságmérőn kívül gyorsulásmérő és giroszkóp is a rendelkezésére áll.
A robotrepülő összességében 15 változó alapján tudja pontosan elhelyezni magát a térben, ami komoly számítási kapacitást igényel. A feladat gyorsítására két különböző algoritmust használnak egyszerre a pozíció meghatározására. Az egyik pontos, de időigényes, a másik lényegesen gyorsabb, de csak bizonyos szituációkban működik, így akkor "segít be", amikor a feltételek ehhez adottak.
Térkép nélkül ■ Mint az a videón is jól látszik, nagyon szűk helyeken is kiválóan bevált az első generációs önműködő vitorlázó gép rendszere, de természetesen a kutatók nem lennének kutatók, ha már most nem a következő probléma megoldásán törnék a fejüket. A projekt vezetője elmondta, hogy második lépésként megpróbálják kihagyni az előre beprogramozott térképet, hogy a gépnek repülés közben kelljen megismernie környezetét.
Nemcsak drága, hanem az OpenAi szerint nem is népszerű, így a bonyolultabb kérdésekre adott pontosabb válaszokhoz ismét manuális modellválasztásra lesz szükség.
Miért bukik el annyi adattudományi kezdeményezés már az indulás után? A válasz gyakran nem az algoritmusok összetettségében, hanem az adatok minőségében és kezelésében keresendő. Stabil adatforrások, következetes feature-kezelés és egy jól felépített Feature Store nélkül a gépi tanulás ritkán jut el a valódi üzleti értékteremtésig.
Sok szervezet adatvezéreltnek tartja magát, mert van BI rendszere és heti dashboardja. A valóságban azonban ennél többről van szó; a kérdés ugyanis nem az, hogy van-e elég adat, hanem, hogy mennyire jól használják a döntések meghozatalához.
a melléklet támogatója a One Solutions
EGY NAPBA SŰRÍTÜNK MINDENT, AMIT MA EGY PROJEKTMENEDZSERNEK TUDNIA KELL!
Ütős esettanulmányok AI-ról, agilitásról, csapattopológiáról. Folyamatos programok három teremben és egy közösségi térben: exkluzív információk, előadások, interaktív workshopok, networking, tapasztalatcsere.
Amióta a VMware a Broadcom tulajdonába került, sebesen követik egymást a szoftvercégnél a stratégiai jelentőségű változások. Mi vár az ügyfelekre? Vincze-Berecz Tibor szoftverlicenc-szakértő (IPR-Insights) írása.