Занимательный компьютер: Моделирование эволюции в мире биоморфов // Дьюдни А. К. ≪ ∀ x, y, z
ЕСЛИ живые существа уподобить часовым механизмам, то создавший их часовой мастер, по мнению Р.Докинза, биолога из Оксфорда, автора книги «Эгоистичный ген» (The Selfish Gene), должен быть слепым. В конце концов эволюцией управляют слепые физические силы.
Докинз присоединился к полемике между креационистами и эволюционистами, поддерживая последних, о чем свидетельствует написанная им недавно другая книга – «Слепой часовой мастер» (The Blind Watchmaker).
Чтобы проиллюстрировать одно из главных положений своей книги, Докинз написал компьютерную программу, которая позволяет пользователю моделировать эволюционный процесс, придумывая и графически изображая свои собственные формы жизни, абстрактные организмы, которые Докинз называет биоморфами.
Программа, которую мы так и назовем WATCHMAKER (часовой мастер), демонстрирует ошибочность довода, часто выдвигаемого критиками теории эволюции.
Каким образом нечто такое сложное, как «машина жизни», может возникнуть просто в результате стечения случайных событий? На первый взгляд кажется, что это действительно невероятно. Интуитивно мы чувствуем, что здесь не обошлось без «часового мастера», как говорил У.
Пэйли, английский теолог, живший в XVIII в. Доказывая, что у всех форм жизни должен быть Создатель, Пэйли рассуждал следуюшим образом. Если, идя по полю, мы наткнемся на камень, то можно, конечно, подумать, что он лежал там вечно.
«Однако предположим, – писал Пэйли, – что я нашел на земле часы и захотел узнать, как они здесь оказались. Едва ли я удовлетворюсь тем же ответом, что и в предыдущем случае… Часы, должно быть, имели своего творца».
Пэйли умер еще до того, как родился Чарлз Дарвин, однако современные креационисты соглашаются с аргументом Пэйли.
При каком стечении случайных событий могли появиться часы на поле, о котором говорит Пэйли? Ошибочность этого аргумента заключается в неявном предположении, что случайные события, которые привели к появлению часов (или их творца), происходили более или менее одновременно. Здесь не принимаются в расчет эффекты кумулятивных, т. е. накапливающихся изменений.
Программа WATCHMAKER как раз и показывает на примере вычислительных процессов, сколь значительными могут быть кумулятивные изменения. Правда, творения этой программы – не живые организмы, а лишь биоморфы: статические формы, напоминающие живых существ.
Процесс начинается с очень простого образования в центре экрана, который делится на большие клетки:
Генетические вариации нейтрального дерева
Предположим, к примеру, что центральная клетка содержит маленькое дерево с несколькими ветвями. Программа WATCHMAKER порождает деревья – вариации исходного, которые заполняют соседние клетки на экране. У одних деревьев становится больше веток, у других меньше, одни становятся выше, другие ниже.
Характер изменений, которым могут подвергаться деревья, определяется некоторым набором генов. Но об этом мы поговорим несколько позже. Все производные деревья рассматриваются как потомки центрального дерева. Они представляют собой те видоизменения, которые возможны в популяции на данный момент.
Программа WATCHMAKER выполняется на персональном компьютере «Макинтош». Поэтому эволюционный процесс управляется «мышью» – устройством ввода, которое пользователь перемещает рукой по контактной площадке. Движение мыши сопровождается таким же движением маленького темного квадратика – указателя на экране компьютера.
В ходе работы программы WATCHMAKER пользователь выбирает, какое из изображенных на экране деревьев должно дать потомство в следующем поколении. Для этого нужно загнать указатель, управляемый мышью, в один из квадратов, в котором находится выбранное дерево.
У мыши есть кнопка, на которую нужно нажать, когда указатель уже находится в выбранной клетке; в этом случае все последующие деревья будут потомками выбранного. Оно перемещается в центральный квадрат. Теперь цикл отбора повторяется.
Такая селекционная последовательность порождает филогенетическую линию деревьев, представители которой в каждом поколении несколько отличаются от родителя. Однако медленное накопление незначительных изменений может привести к удивительным результатам.
Докинз пишет, что, собираясь в первый раз запустить программу WATCHMAKER, он «надеялся увидеть плакучие ивы, ливанские кедры, ломбардийские тополя, водоросли, и может быть, оленьи рога.
Но ни моя интуиция биолога, ни двадцатилетний опыт программирования компьютеров, ни самые необузданные полеты моей фантазии не подготовили меня к тому, что я увидел на экране в действительности.
Я уже не помню, глядя на какой элемент последовательности, я начал впервые подозревать, что… может получиться нечто вроде насекомого… Все меньше веря своим глазам, я наблюдал, как сходство с насекомым становится все более отчетливым». И вот, наконец, под триумфальные звуки фанфар на экране появились насекомоподобные существа:
Насекомоподобные биоморфы, порожденные программой WATCHMAKER
Докинз плохо спал в ту ночь, перед его глазами роились насекомые.
Так появилась первая из тех форм, для которых позже Докинз придумал общее название биоморфы. На самом деле все формы, порождаемые программой, представляли собой деревья.
Причудливо изгибающиеся ветви могут придать этим деревьям формы, в которых мы узнаем не только тело, крылья и ножки насекомых, но и мириады других биоморфов, включая древовидных лягушек, летучих мышей и даже орхидеи.
Могут появиться и такие технические формы, как лампочки и лабораторные весы:
Каким же образом программа «исполняет вариации на заданную тему»? Как я уже говорил, форма каждого дерева, порождаемого программой, определяется генами. Всего их 16. Роль некоторых генов объяснить просто.
Эффект других заранее предсказать невозможно, потому что их роль зависит от взаимодействия с третьими. Несколько генов определяют количество ветвей и общие размеры дерева.
Из генов второго типа три гена в определенных сочетаниях влияют на горизонтальную протяженность ветвей, в то время как пять других совместно определяют их вертикальную протяженность.
Мир Докинза представляет собой 16-мерное пространство, населенное всевозможными вариантами биоморфов. В конце концов каждое существо полностью определяется набором из 16 чисел, представляющих его генетическую наследственность.
Эти числа можно считать значениями координат, и тогда каждый биоморф становится просто точкой в пространстве, которое Докинз называет миром биоморфов.
Программа WATCHMAKER представляет собой отличное средство, при помощи которого можно исследовать этот мир.
Программа Докинза слишком длинна и сложна, и я не смогу ее здесь описать прежде всего потому, что в ней осуществляется выбор большого количества различных режимов и параметров, и каждую процедуру выбора можно считать отдельной программой.
Например, в программе можно выбрать режим конструирования. Пользователь знакомится с комментарием, прилагаемым к программе, чтобы научиться непосредственно манипулировать генами, с целью получить те или иные конкретные биоморфы.
Среди других режимов есть и так называемая «история ископаемых останков». В этом режиме эволюционные ветви хранятся в виде отложений различных исторических эпох. Есть также режим «в поисках чудовища», в котором происходит случайный отбор потомства в каждом поколении.
Этот процесс продолжается до тех пор, пока не появится какая-нибудь интересная форма, может быть даже чудовище.
Вот здесь креационист, наверное, воскликнет: «Обман!» – И не без оснований. Ведь это, по существу, искусственный отбор выживающих вариантов, совершаемый человеком. Другими словами, это не естественный отбор, а направленная селекция. Дарвин говорил об успешной деятельности селекционеров, чтобы подкрепить свой тезис о существовании изменчивости в популяциях.
Конечно, эта деятельность не доказывает существования естественного отбора. Аргументы в пользу последнего Дарвин черпал из многих источников, в том числе он их находил и в истории ископаемых останков. Цель, преследуемая Докинзом, тем не менее была достигнута. Эффекты накапливающихся изменений могут быть весьма впечатляющими.
Они были бы еще более впечатляющими, если на обвинение в обмане можно было ответить более непосредственным образом.
Нельзя ли, скажем, сделать так, что бы процедура отбора в программе не направлялась человеком и даже не была случайным процессом, а определялась в той или иной форме требованиями окружающей среды? Могла бы эволюция быть результатом конкурентного взаимодействия между различными видами?
Докинз сформулировал следующую задачу для программистов: «Биоморфы должны взаимодействовать в компьютере, который моделировал бы враждебную среду. Какие-то детали формы организмов должны определять, выживут они или погибнут в данной среде».
Он указывает, далее, что уязвимость организмов должна следовать из самой модели, а не быть заранее «встроенной» программистом. Число генов можно варьировать.
Докинз считает, что если кто-нибудь и справится с задачей, то это будут программисты из «числа тех, кто сочиняет всем знакомые видеоигры». Должен сказать, что я в этом сомневаюсь.
Хотя сам я, наверное, не справлюсь с задачей Докинза, я все же могу проиллюстрировать в общих чертах модель, которую он имел в виду.
В конце концов можно придумать два каких-нибудь взаимодействующих вида, которые постепенно изменяются в результате взаимодействия. Однако уязвимость видов я как «часовой мастер-любитель» встроил в них заранее.
Возможно, описанный ниже пример вдохновит кого-нибудь из читателей, и он превзойдет мою скромную попытку, создав настоящую эволюционную (если не сказать революционную) программу.
Рассмотрим организмы, изображенные на рисунке внизу. Назовем их шипофитом и гнутозавром. Гнутозавр не может жить без сочных листьев, растущих на верхушке шипофита.
К сожалению, у основания шипофит окружен ошейником из колючих ядовитых шипов.
Однако гнутозавр, как говорит само его имя, имеет в своем теле изгиб, позволяющий ему избегать смертельных уколов колючек шипофита, когда он пытается достать сочные листья последнего.
Взаимозависимая эволюция шипофита и гнутозавра
Это, как говорится, хорошо. Плохо же то, что гнутозавр ужасно негибкий. Его тело всегда изогнуто под углом 90°. Более того, ни шея, ни тело его не гнутся. Поэтому гнутозавр осужден на то, чтобы есть листья лишь на определенном уровне, конечно, при условии, что его шея окажется достаточно длинной, чтобы достать их.
Само собой разумеется, что обе популяции подвержены случайным вариациям в своем генетическом коде. Гнутозавры могут быть различной высоты (измеряемой по высоте плеч) и могут иметь шеи разной длины. Колючки шипофита все одинаковой длины у одного и того же растения, но их длина может быть неодинаковой у разных растений. Высота шипофита также подвержена небольшим случайным изменениям.
Чтобы управлять формой каждого из этих биоморфов, им достаточно иметь по два гена. У гнутозавра один ген ответствен за высоту, другой за длину шеи. У шипофита также два гена, один задает высоту и один длину шипов.
При определенных условиях, указанных в программе, которую я назвал ESCAPEMENT эволюция этих двух форм жизни может быть взаимозависимой.
В эволюционной перспективе изменения своих генов шипофит «стремится» избавиться от гнутозавра (отсюда название программы: escapement, что в переводе означает «избавление»), видоизменяясь так, чтобы последнему было все труднее добывать его листья.
Программа ESCAPEMENT поочередно предоставляет возможность обоим биоморфам изменять свою форму. Например, шипофит может стать несколько выше или ниже, а его шипы – длиннее или короче. Высота тела и длина шеи гнутозавра также могут меняться в ту и другую сторону.
Поскольку для обоих биоморфов существуют абсолютные верхние пределы размера, бесконечная «гонка вооружений» невозможна. Например, сумма длины шипов и высоты ствола шипофита не может превысить некоторого предельного значения, которое я назову smax.
Аналогичным образом длина гнутозавра, измеряемая от его головы до кончиков пальцев на ногах, не превышает предельного значения bmax. Чтобы сделать модель интереснее, я решил, что bmax будет больше smax.
Каким образом программа ESCAPEMENT решает, какой из потомков каждого биоморфа выживет? Критерий заключается в величине, называемой дистанцией кормления. Она измеряет расстояние между головой гнутозавра и ароматными листьями шипофита. Предположим гнутозавр имеет рост w, а длина его шеи равна х.
Если высота ствола шипофита равна у, а длина его колючек z, то дистанция кормления выражается обычной формулой евклидова расстояния: квадратным корнем из величины (z – х)2 + (у – w)2. Если z оказывается меньше х, формула изменяется.
В этом случае гнутозавр может стоять сколь угодно близко к шипофиту, и рассматривается только второй член формулы.
Неудивительно, что шипофит стремится эволюционировать так, чтобы максимально увеличить дистанцию кормления. Задача гнутозавра, наоборот, заключается в том, чтобы сделать это расстояние минимальным.
Каждый биоморф, когда до него доходит очередь, порождает двух отпрысков. Например, если высота шипофита в данном поколении равна у, то в следующем она может стать равной у – 1 или у + 1.
Длина шипов может либо увеличиться от z до z + 1, либо уменьшиться до z – 1.
В каждом случае выбор осуществляется случайным образом. Аналогично возникают два видоизмененных потомка у гнутозавра. Вместе с двумя видоизмененными потомками родительский биоморф сохраняется для последующего оценивания перед лицом своего биологического противника. Критерием и в этом случае является дистанция кормления.
Например, тот из трех шипофитов, которому удается держать «живущего» в данный момент гнутозавра на наибольшей дистанции, отбирается, так сказать, в квазиестественном процессе и сохраняется для следующего раунда эволюции. Теперь наступает очередь гнутозавра. Он сам и его два видоизмененных потомка проверяются на выживание в среде с новой моделью шипофита.
Тот, у которого дистанция кормления окажется минимальной, будет родителем нового поколения.
Было бы замечательно, если бы программа ESCAPEMENT имела графические возможности, позволяющие ей изображать шипофитов и гнуто-завров, представителей двух древних и знаменитых биоморфов, так, как это сумел сделать наш художник. Однако это выше моих возможностей.
Я остановил свой выбор на простейших диаграммах, одна из которых приведена на самом рисунке. Здесь нет практически ничего, кроме представления основных переменных в виде прямолинейных отрезков.
Читатели, которые не пожелают возиться даже с такими простейшими изображениями, могут удовлетвориться тем, чтобы программа просто распечатывала значения четырех переменных в конце каждого раунда.
Программа ESCAPEMENT построена в виде единого цикла, в теле которого оба биоморфа изменяются, оцениваются и демонстрируются:
input bmах, smax
input w, х, у, т.
input gen
for i – 1 to gen
создать потомков шипофита оценить шипофитов создать потомство гнутозавра оценить гнутозавров
показать победителей
Пользователь, конечно, должен ввести исходные значения шести основных переменных от руки, а также задать значение величины gen, число поколений, или витков эволюции. Затем выполняются итерации в двух внутренних подциклах размножения биоморфов, их оценивания и показа.
Биоморф воспроизводится путем выбора двух случайных чисел, определяющих, увеличится или уменьшится значение каждого гена.
Например, алгоритм, с помощью которого порождаются два видоизмененных гнутозавра, получает мутации а и Ь соответственно для генов w и х следующим образом:
r – random
if r< 0,5 then a = w – 1
else a = w + 1
s = random
if s < 0,5 then b = x – 1
else b = x + 1
Теперь программа располагает тремя гнутозаврами. Их генетические наборы могут быть представлены в виде трех пар чисел: [w, х], [а, х], [w, b].
Который из них является наилучшим? Программа ESCAPEMENT оценивает эти три модели, подсчитывая для них соответствующие дистанции, на которых гнутозавры могут добыть себе корм с каждой текущей модели шипофита.
Обозначив дистанции dl, d2 и d3, их можно вычислить по существу с помощью одной и той же формулы. Вот, например, как программа вычисляет второе расстояние, d2, между гнутозавром [а, х] и шипофитом [ у, z]:
if x < z then d2 = (z – x}2 + (у – а)2
else d2 = (у – а)2
В каждом случае применяется формула евклидова расстояния, в которую подставляются соответствующие координаты головы животного и листа растения. Когда все три расстояния вычислены, наименьшее из них определяется путем последовательных сравнений:
if d2
Облачная робототехника: эволюция роботов
Хотите получать интересные статьи на email каждое утро и расширять кругозор? Присоединяйтесь к Eggheado!
Облачная робототехника использует облако и интернет, и это дает роботам доступ к безграничным вычислительным мощностям и позволяет в реальном времени учиться взаимодействовать с незнакомыми ранее предметами и объектами, загружая необходимые программы поведения, — практически так же, как это делали герои «Матрицы».
Идеолог облачной робототехники, создатель первого робота с веб-интерфейсом Кен Голдберг изучает роботов с разных сторон. Он ведет исследования в лабораториях промышленной инженерии и компьютерных наук, преподает в Школе информатики и занимается Центром новых медиа, где его студенты изучают, как связаны роботы, искусство и социальные медиа.
Облачная робототехника состоит из пяти элементов:
- работа с большими объемами данных в интернете
- облачные вычисления
- системы с открытым кодом, в которых люди делятся кодом, данными, дизайном
- возможность для роботов делиться данными и результатами действий
- возможность для роботов запросить информацию у людей, когда она необходима.
Это все довольно новые вещи. До последнего времени роботы были совершенно изолированными, у робота было только то, что в него встроили. Идея облачной робототехники в том, что роботы являются частью сети и они способны получить нужную им информацию, обрабатывая данные в облаке, а не на борту, как говорится.
Три закона робототехникив научной фантастике — обязательные правила поведения для роботов, впервые сформулированные Айзеком Азимовым в рассказе «Хоровод» (1942).
Законы гласят:
В одном из рассказов цикла персонаж Азимова приходит к заключению об этической основе Трёх Законов:
В 1986 году в романе Роботы и Империя Азимов предложил Нулевой Закон:
0. Робот не может причинить вреда человеку, если только он не докажет, что в конечном счёте это будет полезно для всего человечества.
Первое — это новый способ взаимодействия и сотрудничества. Люди обладают огромными массивами информации, интернет — это громадное вместилище данных. И робот может (и должен) этим пользоваться.
Например, роботы-помощники по дому до сих пор несовершенны. Самое сложное для робота — это разобраться с объектами, с которыми робот может столкнуться в квартире, ведь число этих объектов практически бесконечно.
В gm хотят заработать на пассажирах робомобилей. verizon запустит 5g в 4 городах сша в этом году. эволюционирующие роботы
В GM разрабатывают интерьеры автономных автомобилей
В General Motors (GM) занимаются разработкой кастомизированных интерьеров для автономных робокаров. По словам Майка Абельсона (Mike Abelson), вице-президента GM по глобальной стратегии, это будет нечто, “несравнимое” с дизайном других современных авто, – сообщает Reuters.
Как планируют в GM, будут постоянно создаваться все новые интерьеры автомобилей, чтобы в любой момент времени они отвечали ожиданиям потребителей. Ключевое новшество – отсутствие руля или педалей, особенно по мере приближения разработок компании к достижению пятого уровня автономности робомобилей.
В GM планируют начать выпуск автономных автомобилей с 2019 года. На первых порах многие из них все же будут оснащены рулем и педалями.
Прогноз отгрузок полностью автономных автомобилей, рынок США, 2018-2025, в тыс.штук.
Разработки в области дизайна, вместе с созданием рынка потребителей, находящихся в автомобиле, по-задумке дадут GM возможность “присвоить” себе большую часть пользовательского опыта пассажиров. Еще в 2017 году в GM предоставили владельцам “подключенных автомобилей” возможность заказывать места в ресторанах и покупать различные товары, не выходя из автомобиля.
Оставаясь “хранителем входа” в экосистему автомобиля, GM может пытаться блокировать доступ к клиентам таких конкурентов, как Apple, что поможет компании GM максимизировать прибыль.
Как ожидается, первое время автономные автомобили будут покупать для комплектации своих автопарков различные службы доставки и общественного транспорта, включая службы такси. Розничные потребители начнут массово пересаживаться на робомобили примерно в 2023-2025 годы.
Verizon объявил, что вторым городом с 5G станет Лос-Анджелес
Verizon планирует запустить широкополосный домашний беспроводный интернет на базе сети 5G в четырех городах США в 4q2018. В частности, сервис запустят в Лос-Анджелесе и Сакраменто. Оператор намеревается на первых порах предлагать услуги 5G в виде фиксированного беспроводного доступа.
На момент запуска сети Verizon 5G, компания планирует развернуть более тысячи сайтов 5G, став первым в США оператором, который запустит массово доступные коммерческие услуги на базе сети 5G. О том, в каких еще двух городах будет развернута поддержка 5G Verizon обещает сообщить позднее в этом году.
Запуская услугу фиксированного доступа поверх сети 5G, оператор намеревается усилить позиции на рынке, где представлены такие конкуренты, как AT&T, Alphabet, Comcast и Charter Communications.
Сейчас немалому числу пользователей интернета доступно предложение только одного провайдера ШПД.
Расширяя присутствие на рынке домашнего интернета, Verizon потенциально сможет нарастить аудиторию лояльных пользователей своими услуги.
Запуск сети 5G для предоставления услуг фиксированного беспроводного доступа позволит компании накопить необходимый опыт работы с 5G к 2019 году, когда планируется запускать услуги для мобильных абонентов.
Можно вспомнить, что AT&T заявляет о планах запуска мобильных услуг в США на базе сети 5G в конце 2018 года. Известно, что смартфоны, способные работать в сетях 5G начнут появляться с 2019 года и позднее, причем в основном будут ограничены премиальным сегментом. В 2018 году, если и появятся смартфоны с 5G, их выбор будет ограничиваться буквально несколькими моделями.
Как ожидается, запуск сетей 5G придаст новый импульс росту популярности технологий VR и AR, создаст возможности для улучшения эксплуатации роботизированных автомобилей. Кроме того, только сети 5G смогут обеспечить работу триллионов устройств IoT, которые, согласно прогнозам будут подключены к этим сетям в следующие 10 лет.
Роботы учатся учиться ходить
Если бы не отсутствие головы, робот, созданный группой исследователей Университета Осло, Норвегия, выглядел бы неприятно похожим на живое существо. Квадрупед, как принято называть такие конструкции, самостоятельно учится ходить по различным типам местности, обучаясь на сделанных им ошибках.
DyRET не сразу обрел нынешнюю форму, его конструкция несколько раз дорабатывалась после его первого выхода на люди в 2015 году.
Его текущий форм-фактор считается наиболее подходящим для передвижения по льду, камням и другим поверхностям.
За счет самообучаемости, каждый следующий шаг, неуверенно сделанный DyRET, приближает исследователей к созданию настоящего робота, способного передвигаться по бездорожью.
Когда робота помещают на новый тип поверхности, он начинает по ней перемещаться по-разному сгибая конечности, и иногда падает. Постепенно управляющая программа выделяет паттерны движения конечностей, которые обеспечивают роботу максимальную стабильность, робот начинает использовать только их, и падения практически прекращаются.
Освоив базовое движение по новому типу ландшафта, DyRET не прекращает заботиться об оптимизации движений.
В частности, если роботу требуется быстро перемещаться в заданном направлении, он движется на максимально вытянутых ногах, что позволяет делать шаги наибольшей длины. Так получается двигаться быстрее, но на это уходит изрядное количество энергии.
По мере того, как истощается запас электричества в аккумуляторе, робот укорачивает шаги, так он движется медленнее, но сможет дольше оставаться в движении.
Постоянная оценка роботом своих действий позволяет зачислить его в категорию “эволюционная робототехника”.
Но если в природе для эволюции обычно требуется смена многих поколений, то в робототехнике эволюционировать может любой робот на протяжении собственной “жизни”.
Более того, выявленные им оптимальные паттерны нетрудно затем загрузить и в других роботов, построенных по той же схеме, тогда им не придется проходить самостоятельно цикл самообучения.
Эволюционный подход – одно из стратегически важных направлений робототехники. Если получится делать роботов, способных к успешному самообучению, это сэкономит гигантские усилия программистов, которые в противном случае пришлось бы потратить на алгоритмизацию и кодинг всевозможных сценариев поведения, которые могут потребоваться роботу.
Чем раньше мы научимся делать роботов, способных самостоятельно разобраться в том, как следует действовать в той или иной ситуации, например, просматривая энциклопедии, руководства или ролики на Youtube, тем скорее мы сможем предоставить их развитие и обучение им самим. Вопросом остается – будет ли это к лучшему или к худшему? Источник.
Посмотреть на других квадрупедов и других шагающих роботов можно в плейлисте по ссылке.
Всегда подключенные ПК получили бесплатный интернет от Sprint
Qualcomm и Microsoft приложили немалые усилия для того, чтобы вывести на рынок новый вид “нетбуков”, позиционируемых как “всегда подключенные ПК”. Основная привлекательная черта любого такого устройства в том, что оно всегда подключено к интернету, независимо от местонахождения владельца. Проблемой при этом остается то, что мобильный интернет – дело недешевое.
ASUS NovaGo, фото автора
Абоненты Sprint, приобретающие нетбуки на платформе Snapdragon, а именно, ASUS NovaGo, HP Envy x2 или Lenovo Miix 630, получают возможность бесплатного неограниченного потребления трафика 4G LTE (с ограничениями по скорости) до конца 2018 года. После этого, можно или отказаться от услуг оператора, или продолжить платить ему по $15 в месяц за интернет трафик ($10, если вы подключите опцию AutoPay). Источник.
Интересно, сделает ли кто-нибудь из российских операторов мобильной связи аналогичное предложение своим абонентам ? + +
Вездеходный робот учится ходить по разным поверхностям и эволюционирует после падений
Разработка норвежских инженеров из Университета Осло кажется весьма странной. Четвероногий робот DyRET выглядит абсолютно неуклюжим, когда изо всех сил пытается пройтись по новой для него поверхности и не упасть. Но так кажется только на первый взгляд. Постепенно движения устройства становятся всё более уверенными: DyRET начинает передвигаться медленно, но всё более и более умело.
Всё дело в том, что устройство учится, как ходить по различным поверхностям и обучается оно на своих ошибках, своего рода эволюционируя с каждым новым шагом.
Такой навык помогают DyRET адаптироваться к пространству и его изменениям, пишет издание WIRED.
Робототехники по всему миру пытаются решить проблему ориентации устройств в пространстве. И, например, двуногий Cassie или четвероногий SpotMini (недавно мы сообщали о его новых достижениях) кажутся более совершенными по сравнению с DyRET.
Между тем инженеры уверяют: несмотря на кажущееся несовершенство, DyRET уже стал сенсацией в мире современной робототехники. И с каждым новым шагом DyRET мир приближается к настоящим вездеходным роботам.
Как уже отмечалось выше, DyRET является интеллектуальной машиной, адаптирующейся к окружающей среде. Робот способен самостоятельно контролировать свои движения.
Поясним, что обычно роботы передвигаются по заранее закодированным инструкциям. DyRET учится ходить по определённой поверхности, скажем, ковру или даже льду, за счёт метода проб и ошибок.
Он приспосабливается к новой окружающей среде (каждый раз разной) благодаря специальным алгоритмам и роботизированным конечностям.
Последние автоматически укорачиваются и удлиняются, чтобы изменить центр тяжести робота.
Когда инженеры устанавливают робота на какую-либо поверхность, робот начинает “ощупывать” местность быстрым и неуклюжим топтанием на месте. DyRET пробует использовать различные по длине шаги, и в результате порой может даже потерпеть неудачу и упасть.
Но это и хорошо. Датчик движения DyRET вычисляет, насколько стабильна каждая походка. Он выбирает, какая длина конечностей, угол их сгибания и какой шаг обеспечат наибольшую стабильность роботу. Устройство запоминает это, а затем применяет на практике.
Подобное новшество называется эволюционной робототехникой (evolutionary robotics), и это потенциально может помочь машинам самостоятельно освоить новую местность, не требуя технической поддержки. Например, если речь идёт об изучении других планет, сигнал с Земли до которых может идти очень долго.
Проще говоря, инженерам, помещающим DyRET в новую окружающую среду, не нужно будет детально программировать робота, чтобы сделать его более приспособленным для, скажем, скользкой поверхности. Аппарат самостоятельно адаптирует свой способ передвижения.
Чтобы бот мог изменять не только своё поведение, но и конструкцию, каждая из его четырёх конечностей может удлиняться примерно на 12 сантиметров. Попадая на снег, робот научился укорачивать “ноги”, чтобы оптимизировать передвижение. (Оно должно быть одновременно стабильным и не слишком медленным.)
Отмечается, что длинные и быстрые шаги – идеальная “походка” робота, помогающая ему эффективно перемещаться на дальние расстояния. Но, по мере того как батарея садится, он начинает укорачивать свои ноги, дабы не тратить много энергии. Робот попытается компенсировать изменения, перемещаясь более быстро на более коротких конечностях.
Проще говоря, система адаптируется к и изменениям местности, и к изменениям в себе, например, к разряду аккумулятора.
Человек не может постоянно следить за работой роботов, если речь идёт о внедрении их в общество людей. С этой целью инженеры пытаются обучить ботов самостоятельно справляться с каждой ситуацией, в которую они попадают.
Создатели DyRET считают, что их робот сможет работать в качестве посыльного. Одной из главных проблем предыдущих моделей роботов-курьеров являлись резкие изменения в поверхности, из-за чего машины “терялись” и нуждались в помощи со стороны человека, которому приходилось постоянно наблюдать за их работой. Новый робот потенциально не будет иметь подобного недостатка.
К слову, ранее инженеры наделили насекомоподобного робота сверхскоростной походкой наперекор законам природы. Также авторы проекта “Вести.Наука” (nauka.vesti.ru) рассказывали о таракане-роботе с круглым панцирем, который легко преодолевает возникающие на пути препятствия.
