образовач

Четвероногого робота научили вставать с колен.

Образовач/nplus1.ru
Швейцарские, немецкие и американские инженеры научили робота ANYmal ходить, бегать и восстанавливаться после падений, используя нейросетевой алгоритм, а не заданные вручную алгоритмы-контроллеры. Особенность работы также заключается в том, что сначала алгоритм обучался во время симуляции, а затем выученный навык удалось перенести на реального робота, рассказывают авторы статьи в Science Robotics.

Инженеры уже создали множество ходячих роботов разных конструкций, в том числе достаточно совершенных. К примеру, широко известны роботы компании Boston Dynamics, способные удерживаться на ногах после ударов. Однако помимо аппаратной составляющей не менее важна программная. И здесь пока существует явная проблема — обычно инженерам приходится разрабатывать алгоритмы-контроллеры самостоятельно, основываясь на поведении реальных ходячих животных или виртуальных моделей. Такой подход отнимает много времени, а также не гарантирует, что разработчики найдут оптимальную походку для имеющейся конструкции. Существуют работы, в которых инженеры использовали нейросеть для управления и сначала симулировали ее поведение в виртуальном мире, а затем переносили в реальный, но в них использовались роботы с простой конструкцией.

Группа инженеров под руководством Марко Хюттера (Marco Hutter) из Швейцарской высшей технической школы Цюриха использовала аналогичный подход, но применила его для гораздо более сложного по конструкции робота ANYmal. Он имеет четыре ноги, состоящие из двух сегментов. Всего в роботе установлено 12 электромоторов — по три на каждую ногу, два из которых сгибают ее, а один, установленный в основании, отклоняет всю ногу вбок относительно корпуса.

Исследователи применили двухступенчатый подход, при котором одна нейросеть отвечает за планирование движений сегментов в целом, а вторая получает эти движения и подбирает конкретные значения усилия для каждого электромотора. Обе сети имеют структуру многослойного перцептрона. Для их обучения различным движениям авторы использовали метод обучения с подкреплением, при котором алгоритм получает от виртуальной среды награду за выполняемые действия и благодаря этому постепенно учится оптимальным действиям. После обучения в виртуальной среде обученные нейросетевые модели загрузили в компьютер реального робота ANYmal.
Схема алгоритмов управления роботом
Благодаря новым алгоритмам инженерам удалось получить три основных результата. Во-первых, движения робота стали более стабильными и энергоэффективными. Во-вторых, максимальная скорость движения робота на 25 процентов выше, чем с применением других существующих алгоритмов для него. В-третьих, робот научился самостоятельно вставать на ноги из лежачего положения.
Хюттер и его коллеги давно занимаются экспериментами с роботом ANYmal, причем не только его программным обеспечением. К примеру, недавно они создали его модификацию, на концах ног которой закреплены колеса, приводимые в движение электродвигателями. Благодаря этому робот может переключаться между различными режимами движения и проходить по сложному рельефу эффективнее, чем аналогичные разработки.

Для велосипедистов разработали надувной жилет безопасности

http://short.nplus1.ru/vjKOszsvJI

Зайцы-беляки оказались падальщиками и каннибалами

Ошибка планирования.

Образовач
Бóльшая часть изученных когнитивных искажений относится к ошибкам человеческого мышления, влияющим на процесс принятия решений. Самыми главными исследователями таких искажений по праву считаются двое ученых: Даниел Канеман (Daniel Kahneman), получивший Премию по экономике памяти Альфреда Нобеля в 2002 году, и его коллега Амос Тверски (Amos Tversky). Они стоят отдельного упоминания еще и потому, что одними из первых начали менять экономическую науку, показывая в своих исследованиях (которые, к слову, больше относились к области когнитивной психологии), что модели рыночных отношений не могут быть формальными — просто потому, что формальные модели пренебрегают очень важным фактором — человеческим поведением.

Одним из когнитивных искажений, которое они впервые описали, считается «ошибка планирования» (planning fallacy) — излишний оптимизм, выражающийся в недооценке времени, необходимого для выполнения той или иной задачи. Впервые Канеман и Тверски ввели этот термин в своей работе 1979 года: они отметили, что ошибка планирования носит систематический характер и, что очень важно, не зависит от опыта — даже если в прошлом человек уже сталкивался с точно такими же задачами и потратил на них больше времени, чем предполагал вначале, он все равно склонен преуменьшать необходимый на их выполнение срок.
В дальнейшем описанная ими «ошибка планирования» неоднократно изучалась эмпирически — и в разных ситуациях.

Представим рядового студента университета. За время своего обучения он или она пишет не одну курсовую работу и, возможно, каждый раз делает это в спешке, дописывая текст ночами и, в большинстве случаев, предоставляя на проверку не самый качественный материал. Скорее всего, наш студент обещает себе, что в следующий раз подойдет к задаче более ответственно. Но на следующем курсе история повторяется — во многом из-за того, что время, на самом деле необходимое на выполнения задачи, оказывается недооцененным.
Разумеется, среди студентов найдутся и действительно ответственные и трудолюбивые люди, умеющие планировать, — они не переоценивают свои возможности и не недооценивают свое время. В 1994 году канадские ученые, опросив студентов старших курсов, показали, что таких меньшинство. Исследователи попросили добровольцев, работающих над дипломной работой, подсчитать, сколько примерно времени им понадобится на завершение проекта. Средняя оценка необходимого времени составила 33 дня, но на деле — более 50 дней. Из всех опрошенных студентов только 30 процентов написали работу в заранее намеченные сроки.
Конечно, недооценка времени, необходимого для выполнения задачи, — черта не только учащихся и других людей, занятых выполнением больших проектов, требующих сдачи в определенные сроки. Другие исследователи показывали, что «ошибке планирования» также подвержены люди, которые считают налоги, собирают пазлы или мебель.
В целом, у этого когнитивного искажения есть несколько объяснений. Имеющийся опыт, как отмечали Канеман и Тверски, часто не помогает объективно оценить необходимые для выполнения задачи ресурсы. Даже если человек несколько раз не справлялся с задачей за предполагаемое им время, ничто не мешает ему надеяться, что в этот раз у него все получится.
Так происходит из-за того, что человек часто реагирует на те проблемы, которые случались с ними в прошлом в похожей ситуации, оптимистично — например, считает, что в этот раз он сможет побороть прокрастинацию или что дополнительный опыт, полученный за это время, сыграет ему на руку. Другими словами, здесь может действовать «позитивное искажение» (зонтичный термин, под который также попадает «ошибка планирования»), или уверенность в том, что все будет намного лучше, чем диктуют обстоятельства.
С другой стороны, в основе этого искажения также может лежать простое желание сделать все лучше и быстрее, чтобы сэкономить имеющиеся ресурсы (это касается не только времени, но и умственных и — иногда — финансовых затрат): здесь может действовать так называемое «принятие желаемого за действительное» (wishful thinking). Кроме того, на появление «ошибки планирования» влияют и внешние факторы: к примеру, ученые показали, что в том случае, если оценка необходимого времени не становится достоянием окружающих, люди меньше переоценивают свои силы (и недооценивают время).
«Ошибку планирования», разумеется, можно отнести к позитивным иллюзиям (точно так же, как, например, «иллюзия контроля», о которой мы уже писали), но не стоит считать ее показателем психического здоровья. Постоянная недооценка времени, необходимого для выполнения задач, может привести к дополнительному стрессу, возникающему, когда желаемое все-таки не соответствует действительному, и, как следствие, к различным психическим расстройствам.

Гаджеты оказались для подростков не вреднее молока и картошки.

Образовач
Психологи из Оксфордского университета использовали большой (более 355 тысяч участников) датасет с информацией о жизни и здоровье подростков, чтобы проверить, как время, проведенное за использованием гаджетов, связано с психическим состоянием молодежи. Использовав статистический метод анализа кривой спецификаций, они выяснили, что технологии объясняют лишь 0,4 процента различий в показателях психического здоровья подростков — примерно столько же, сколько потребление картофеля и молока. Статья с результатами работы опубликована в Nature Human Behaviour.

Достаточно часто в проблемах с психическим состоянием подростков принято обвиняют гаджеты: использование социальных сетей и различных сайтов, а также видеоигры. Научные данные по этому вопросу разнятся: некоторые работы обвиняют видеоигры в повышении риска суицида у американских студентов и связывают злоупотребление соцсетями с синдромом дефицита внимания и гиперактивности (СДВГ), в то время как другие утверждают, что нет связи между увлечение жестокими играми и повышенной агрессией у подростков.
Подобные исследования требуют репрезентативной выборки: только с ее использованием можно сделать выводы, которые бы имели достаточную статистическую значимость и при этом могли бы быть перенесены на другую популяцию, то есть обладали бы высокой внешней валидностью. Большие датасеты в социологических и психологических исследованиях также важны еще и потому, что позволяют учесть все возможные побочные переменные, которые могут повлиять на результат: к примеру, если ученому необходимо проследить корреляцию между использованием гаджетов подростком и его психическим состоянием, в качестве очень важной побочной переменной он должен будет использовать социоэкономическое положение его родителей, историю наличия у них самих психических расстройств и их отношения с ребенком. Другими словами, использовать одни лишь только данные о пребывании в социальных сетях, просмотре телевизора и увлечении видеоиграми, с одной стороны, и о психическом здоровье, с другой, нельзя. Кроме того, при использовании больших датасетов нельзя учитывать только уровень значимости: из-за большого количества данных различие между сравниваемыми группами может быть значимым статистически, но в реальных цифрах иметь совершенно небольшое и непрактичное значение.

Эми Орбен (Amy Orben) и Эндрю Пшибыльски (Andrew K. Przybylski) решили использовать статистический метод, который позволяет эмпирически протестировать гипотезу и оценить все факторы, которые могут повлиять на зависимую переменную — анализ кривой спецификаций (specification-curve anaysis). Такой метод является разновидностью регрессионной модели и позволяет проверить все возможные валидные гипотезы на количественных данных, а не только те, которые поставлены исследователем. Другими словами, вместо того, чтобы проверить зависимость между использованием гаджетов и психическим состоянием, исследователи смогли проверить зависимость психического состояния от всех факторов, для которых было доступно достаточно информации.
Для этого ученые использовали несколько крупных датасетов, содержащих данные о подростках, родившихся в начале 2000-х годов в США и Великобритании: всего в анализе использовались данные о 355358 подростках. В качестве показателя психического здоровья, в зависимости от датасета, были использованы данные о психическом самочувствии подростков (включая ответы на вопросы вроде «Считаете ли вы свою жизнь бессмысленной?»), попытках суицида и уровне одиночества.
В результате ученые действительно обнаружили статистически значимую негативную корреляцию между использованием гаджетов и психическим состоянием, но она была очень мала. Авторы рассчитали, что этот фактор может объяснить только около 0,4 процента различий в психическом состоянии подростков из выборки: примерно такое же влияние на этот показатель у потребления молока и картофеля, а также ношения очков. Переменными, которые в действительности негативно ассоциируются с психическим самочувствием подростков, оказались курение сигарет и марихуаны, драки и буллинг, а среди позитивных факторов ученые отметили достаточное количество сна, регулярный завтрак и потребление овощей и фруктов.
Авторы работы отмечают важность учета всех факторов, которые могут значимыми для самочувствия и психического здоровья подростков, и указывают на то, что использование гаджетов может быть не таким опасным, как временами утверждается. Тем не менее, авторы подчеркивают, что их анализ выявил только корреляцию, и из полученных данных нельзя с уверенностью выделить информацию о каких-либо причинно-следственных связях: для этого, как минимум, необходимо проводить долгосрочные исследования.
Прошедшей осенью американские ученые провели небольшое исследование с участием 143 студентов, с помощью которого показали, что сокращение времени в социальных сетях может положительно сказаться на психическом самочувствии: уменьшить симптомы депрессии и чувство одиночества.

В возросшей кровожадности синиц обвинили изменение климата

Ученые-экологи считают, что в возросшей агрессивности синиц виновато изменение климата. В Current Biology сообщается, что европейские мухоловки-пеструшки из-за теплых зим зачастую меняют поведение и конкурируют с большими синицами за место для гнезда. Это привело к плачевным последствиям: более крупные синицы стали чаще убивать конкурентов.


Мухоловки-пеструшки (Ficedula hypoleuca) обитают в европейских лесах, а на зиму улетают в Северную и Тропическую Африку. Весной, после возвращения, мухоловки-пеструшки гнездятся в дуплах и щелях деревьев, под крышами домов, иногда занимая старые дупла некоторых видов птиц. В этом случае они конкурируют с более крупными по размеру большими синицами (Parus major), которые постоянно обитают в Европе и тоже предпочитают устраивать гнезда в дуплах. Для мухоловок конкуренция часто заканчивается плачевно: синицы их убивают. Исследователи предполагали, что подобное поведение может быть связано с изменением климата, но достаточных доказательств этого до сих пор не было.

Джелмер Самплониус (Jelmer Samplonius) и Кристиаан Бос (Christiaan Both) из Гронингенского университета решили прояснить этот вопрос и для этого следили за поведением больших синиц и мухоловок-пеструшек в национальных парках Дрентс-Фризе Вольд и Двингельдервельд с 2007 по 2016 годы. Всего ученые наблюдали за 950 гнездами. Также они отслеживали время прилета мухоловок весной, и время, когда синицы и мухоловки откладывали яйца.
Убитая мухоловка-пеструшка в гнезде большой синицы.

За время наблюдений исследователи обнаружили 88 убитых мухоловок, 86 самцов и двух самок. Всех их нашли в обитаемых гнездах синиц; у всех мухоловок на голове были серьезные травмы, а у некоторых синицы выклевали мозг.

Исследователи связали конкуренцию с сезонными колебаниями температуры. Они заметили, что температура больше влияет на оседлых больших синиц, а не на перелетных мухоловок-пеструшек. Когда зимы были более теплыми, больше синиц переживали суровое время года и, соответственно, большее количество птиц размножалось весной. На миграцию мухоловок температура не оказывала такого сильного влияния, они возвращались примерно в одно и то же время независимо от погоды. В результате синицы убивали больше мухоловок, когда их возвращение совпадало по времени с пиком гнездовой активности синиц. Смертность мухоловок в местах скопления синиц повышалась, в среднем, на девять процентов.
Синицы убивали больше мухоловок в те годы, когда возвращение мухоловок совпадало с пиком гнездовой активности синиц.

При этом ученые не заметили сокращения популяции мухоловок-пеструшек в результате конкуренции. Предположительно, синицы убивали «лишних» самцов, которые возвращались позднее остальных птиц и которым не хватило пары. Из этого исследователи заключили, что пока что популяцию мухоловок защищает от конкуренции с синицами большее количество самцов. Но по мере потепления климата конкуренция может существенно повлиять на численность мухоловок-пеструшек.

Акустический луч впервые заставил левитировать объект больше длины волны.

Образовач
Британским физикам впервые удалось создать акустический левитатор, способный с помощью направленного луча от единственного источника удерживать в воздухе объекты размером больше длины волны источника звука. С помощью создания акустических вихрей нужной конфигурации такое устройство способно заставить левитировать вращающийся полистирольный шарик диаметром 1,6 сантиметра, пишут ученые в Physical Review Letters.

Акустическая левитация объектов основана на создании в воздухе стоячей звуковой волны, способной удерживать частицы в подвешенном состоянии. Механизм основан на создании интерференции когерентных звуковых волн, за счет которой в среде формируются локальные области пониженного и повышенного давления, способные удерживать тело в нужной области пространства. Этот эффект известен еще с первой половины XX века, однако до недавнего времени для реализации механизма акустической левитации было необходимо использование двух источников, что не позволяло создать так называемый акустический захватный луч (tractor beam).

Впервые концепция подобного левитатора была разработана два года назад группой под руководством Азьера Марцо (Asier Marzo) из Бристольского университета. Предложенное учеными устройство с помощью направленного акустического луча было способно удерживать в воздухе полистирольные шарики размером не больше 4 миллиметров. При этом на максимальный размер левитирующих объектов тогда накладывалось фундаментальное ограничение: они должны были быть, как минимум, в два раза меньше длины стоячей волны.
На этот раз та же группа ученых разработала акустический левитатор, в котором это ограничение удалось преодолеть за счет использования акустических вихрей. В отличие от предыдущей версии левитатора, новое устройство имеет не плоскую геометрию, а сферическую. Предложенное устройство состоит из 192 ультразвуковых преобразователей частотой 40 килогерц (и длиной волны 0,87 сантиметра при комнатной температуре), расположенных на внутренней поверхности сферического сектора диаметром 19,2 сантиметра.
Пенопластовый шарик, левитирующий над устройством
Такая геометрия позволяет не просто создать стоячую волну, а привести к образованию в воздушной среде акустических вихрей, которые могут передавать помещенному в акустическое поле объекту угловой момент. За счет образования в воздухе нескольких вихрей одинаковой спиральности, но с противоположными направлениями в таком поле формируется «виртуальный вихрь», с помощью которого можно удерживать в подвешенном состоянии объекты, даже превосходящие длину стоячей волны, и изменять скорость его вращения.
Карта амплитуды (слева) и фазы (справа) возникающей стоячей волны над левитатором: поперечный (сверху) и продольный (снизу) срезы.
В результате ученые заставили левитировать полистирольный шарик размером 1,6 сантиметра, что почти в два раза больше длины волны источника. Изменяя направление акустических вихрей и таким образом управляя свойствами виртуального вихря, можно контролировать и скорость вращения шарика.

Ученые также показали, что в двумерной конфигурации (если шарик, например, лежит на столе, то есть одна его координата фиксирована) подобные устройства можно использовать для фокусировки и управляемого вращения частиц даже большего размера. В частности, ученым удалось таким образом управлять шариком диаметром 5 сантиметров, что почти в 6 раз больше длины волны. Поэтому ученые ожидают, что в ближайшем будущем подобные устройства, основанные на создании «виртуальных акустических вихрей», удастся использовать для разработки технологий центрифугирования и управления частицами различного размера: от микрокапсул до макрообъектов.
Несмотря на то, что акустические левитаторы существуют уже достаточно давно, и собрать акустический левитатор можно даже в домашних условиях, пока их довольно редко используют для решения каких-либо практических задач. Тем не менее, некоторые концепции для использования акустической левитации предлагаются. Например, ученые из Университета Сассекса предлагают использовать акустическую левитацию для переноса по воздуху капель воды и частичек пищи.

Представлена первая серийная терабайтная SD-карта.

Компания Lexar представила первую коммерчески доступную карту памяти SD объемом в один терабайт. Карта доступна для предзаказа, а ее цена составляет 399 долларов, сообщает The Verge.


Несмотря на то, что на сегодняшний день Secure Digital (SD) — далеко не самый компактный формат карт памяти, он остается одним из самых популярных и повсеместно используется во многих устройствах, таких как фотоаппараты, видеокамеры, дроны и других. Поскольку многие подобные устройства используются для съемки видео, в том числе в формате 4K и с частотой 60 кадров в секунду. При таких параметрах записи часовой ролик может занять от нескольких десятков до сотен гигабайт, поэтому производители постоянно наращивают объем памяти в картах, а также уменьшают стоимость их производства.

Впервые о преодолении рубежа в один терабайт заявила в 2016 году компания SanDisk, представившая прототип SD-карты с таким объемом, но за прошедшие полтора года этот прототип не был воплощен в виде серийного продукта. Первой серийной SD-картой с объемом один терабайт стала карта производителя Lexar. Она поддерживает протокол обмена данных UHS-I и сертифицирована для классов скорости U3 и V30. Это означает, что она способна поддерживать стабильную скорость записи от 30 мегабайт в секунду. Также производитель утверждает, что внутренние тесты показали скорость записи до 95 мегабайт в секунду. В общем случае скорости 30 мегабайт в секунду достаточно для записи видео в разрешении 4K с частотой 60 кадров в секунду. Карта памяти уже поступила в продажу по цене от 399 долларов, хотя рекомендуемая производителем цена составляет 499 долларов.


Стоит отметить, что на увеличение максимальной емкости SD-карт с одного гигабайта до одного терабайта у производителей ушло 15 лет — первая карта, на которую можно было записать гигабайт данных, появилась в продаже в январе 2004 года. В то же время другие распространенные карты формата microSD пока не достигли отметки в один терабайт и их максимальная емкость составляет 512 гигабайт.

Увеличение физических возможностей карт вынуждает их разработчиков адаптировать под них сам формат и протоколы передачи данных. В середине прошлого года SD Association представила новый стандарт SDUC, поддерживающий до 128 терабайт данных, а также стандарт SD Express, который добавляет поддержку интерфейсов PCIe и NVMe в SD-карты, что позволит в перспективе увеличить скорость обмена данными почти до гигабайта в секунду.