foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
e-mail: office@stell.com
Phone: +43 666 777 666


Trust Primo Ultra-thin Powerbank

Power bank wielkości smartfona o pojemności pozwalającej naładować telefon kilka razy.

Więcej

Genesis Helium 100BT RGB

Kiedyś wystarczyło, by głośniki grały głośno, potem by dobrze brzmiały, a dziś mają jeszcze dobrze się prezentować.

Więcej

Acer ConceptD 3 Ezel

ConceptD 3 przyzwyczaił mnie już do białej obudowy i sporej wagi. Ale ten model ma coś, co szybko rzuca się w oczy

Więcej

Zestaw NATEC Hi, I’m Tetra!

Wielu użytkowników komputerów chce widzieć na swoim biurku akcesoria komponujące się ze sobą wyglądem i kolorem.

Więcej

Kalendarz

Pn Wt Śr Cz Pt So N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

Podziel się ze mną swoimi uwagami na temat mojego bloga, co Ci się podoba, co Ci się nie podoba, jakie recenzje chciałbyś tu zobaczyć itp.

Kliknij mnie

 

Robot kelner uczy się nakrywać do stołu, obserwując ludzi

Do tej pory uczenie robota wymagało albo kodowania, przeprowadzania testów, wyszukiwania i poprawiania błędów, albo prowadzenia go ręcznie przez tzw. punkty kontrolne. Naukowcy chcą jednak znaleźć rozwiązanie, w którym robot będzie uczył się samodzielnie, obserwując świat.

Specjaliści od programowania robotów z MIT opracowali system Planning with Uncertain Specifications (PUnS), który pomaga robotom uczyć się skomplikowanych zadań właśnie na podstawie obserwacji. Aby skłonić robota do właściwego działania, zespół ustalił różne kryteria, które pomogą botowi spełnić ogólne warunki. Kryteria mogą spełniać formuły o najwyższym prawdopodobieństwie, największej liczbie formuł a nawet o najmniejszej szansie niepowodzenia. Projektant robota może go zoptymalizować pod kątem bezpieczeństwa, jeśli pracuje z materiałami niebezpiecznymi lub o stałej powtarzalności ruchów, jeśli to model przemysłowy.
System MIT jest znacznie bardziej skuteczny niż tradycyjne podejścia stosowane w dotychczasowych metodach programowania robotów. Robot szkolony przy pomocy PUnS popełnił tylko sześć błędów na 20.000 prób ustawienia stołu. I to nawet wtedy gdy naukowcy wprowadzili komplikacje takie, jak np. ukrycie widelca. Robot zakończył pozostałe zadania i wrócił do widelca, gdy ten się pojawił w jego zasięgu. W ten sposób wykazał się ludzką zdolnością do wyznaczania celu i improwizacji w trakcie jego realizacji.
Developerzy chcą rozwinąć swój system do momentu, gdy robot będzie się nie tylko uczył obserwując, ale i będzie reagował na opinie. Docelowo będzie można robotowi podać ustne poprawki lub skrytykować jego działanie. Będzie to wymagało znacznie więcej pracy ale doprowadzić ma do sytuacji, gdy roboty domowe będą mogły dostosowywać się do nowych obowiązków patrząc, jak ty je realizujesz.

Znajdziesz mnie:

Subscribe on YouTube