ну, какие сердечники, вы о чём? И какие 150 тыс обминов? Выше 60 тыс (PW207K) в турбовальных не найдёте
Ну какие 572 л.с. для одноместного самолета, вы о чем? Или это просто пример для оборотов? Данные PW207K не нашел, взял мощность из ближайших 207 серии. И это на валу, а тепловая мощность, я так понимаю, там на уровне 4.5 МВт. Как ее отводить-то на режиме висения?
Для электрических самолетов нужны турбины максимум на два-три десятка кВт, не больше. У такого самолета, как в статье, потребляемая мощность в полете от силы 20 л.с… А вот турбины такой размерности вполне крутятся на 100-150 тыс. оборотов.
Для вертикального взлета и посадки логично использовать буферные аккумуляторы, а электродвигатели и так можно перегружать по току в несколько раз без всяких последствий. Пока там железо прогреется (небольшим падением кпд при перегрузке можно пренебречь), самолет уже улетит/приземлится. Чего ему висеть на месте, это же не вертолет.
Насчет сердечников — катушки намотаны на сердечники из электрохимической стали. Собранные из тонких пластин для борьбы с вихревыми токами. Но этого мало. Переменный ток, возникающих в этих катушках, перемагничивает эти пластины то в одну, то в другую сторону. Из-за этого они греются. Если собрать сердечник генератора или электромотора из тех пластин, что рассчитаны на переменный ток из розетки 50 Гц, а реальные электрические обороты (они в общем случае из-за магнитной редукции могут отличаться от механических) будут хотя бы 400 Гц, как было принято в советской военной авиации, то такой электромотор не выдаст расчетную мощность. Сердечники катушек будут сильно греться и как магнитопровод они толком работать не будут. Там есть сильная зависимость от температуры. Поэтому там нужна специальная электротехническая сталь. 400 Гц уже проблема, а требуемые 2500 Гц для 150 тыс. об/мин на валу турбины это я даже не знаю, существуют ли таки марки.
А что вы думаете об электросамолете с подпиткой не от аккумуляторов, а от центрального генератора, движимого турбовальным двигателем?
Это первая замена аккумуляторам, которая приходит в голову любому инженеру ). Турбины крутятся на больших оборотах, что снижает вес генератора. Мощность равна оборотам, умноженным на момент. Создаваемый момент ограничен массой магнитов. Поэтому заставив электрогенератор крутиться на больших оборотах, можно увеличить его выходную мощность без увеличения массы самого генератора. А турбовальный двигатель идеально подходит, чтобы крутить такой генератор на больших оборотах.
В теории это хорошо. Были даже проекты по крохотным турбинкам на несколько сотен ватт для военных, как замена аккумуляторам. Но на практике и сами турбовальные двигатели технически сложные. И высокооборотистые электрогенераторы ограничены теплоотводом и возможностью железа сердечника по перемагничиванию. Сердечники бытовых трансформаторов на 50 Гц и сердечники авиационных электрогенераторов на 400 Гц это совсем разные классы (и стоимости) материалов. А для турбин нужны еще выше. Турбины крутятся на 2500 Гц (150 тыс. оборотов в минуту). Редукторы же съедают весь выигрыш в массе. Впрочем, электрогенераторы бывают безсердечниковые, которые по оборотам из-за этого не ограничены. Но там возникают уже проблемы с медными проводами катушек. На больших частотах (а они нужны для переключения катушек для высоких оборотов) токи начинают течь не внутри всего провода, а по тонкому поверхностному слою, что резко ухудшает параметры.
Со всем этим сталкиваются предельные экземпляры электромоторов и электрогенераторов даже для RC моделек. Что уж говорить про полноразмерные аппараты… В общем, причина кроется в нюансах технической реализации. Иначе все давно летали бы на таких. Но идея хорошая.
Аккумуляторы в 10 раз хуже бензина по массе. Поэтому самолет, способный летать от ДВС 10 часов, можно без проблем перевести на электричество, но с временем полета 1 час. Отсюда и вся математика. Экономическая и энергетическая обоснованность.
Во всем остальном электричество лучше — система лучше резервируется (надежнее), моторы с винтами можно ставить где угодно, так как электромоторы в 5-10 раз легче ДВС. И поэтому их можно закрепить в местах, куда ДВС поставить нельзя. Кратковременно электромоторы могут выдать в несколько раз больше мощности, чем их длительная номинальная мощность (ограниченная в основном теплоотводом, кстати). Что полезно для режимов вертикального взлета и посадки. Сами электромоторы на порядок дешевле и проще ДВС.
Эти преимущества электромоторов позволяют реализовать различные аэродинамические схемы, практически недостижимые на самолетах с ДВС. В первую очередь, интересны вертикальный взлет и посадка.
Обычно считается, что машины они никогда не заменят чисто по физическим причинам. Из-за того что энергозатраты в полете выше, чем при езде по земле. И оттого, что находясь в воздухе в режиме зависания, самолет движется относительно воздуха (земли-то он не касается). А значит, любые порывы ветра будут сдвигать этот зависший самолет вместе с собой. Представьте, что обычный порыв ветра 10 м/с, с такой же скоростью 10 м/с будет бросать такой самолет в любую непредсказуемую сторону. Те кто запускал маленькие комнатные квадрокоптеры в ветер, понимают о чем речь. Хотя с увеличением массы до тонн снижают этот эффект за счет инерции.
Но все не так плохо. Возможность электромоторов на несколько секунд выдавать мощность как минимум в три раза выше своей штатной (если контроллер позволяет и аккумулятор может выдать соответствующие токи), позволит в теории бороться с порывами. Да и вертикально взлетать/садиться можно на более слабых и дешевых моторах. С ДВС такой трюк не прокатил бы. Авиационные ДВС и так работают на 80% своей максимальной мощности (а вот автомобильные на 20-30%, поэтому у них такой большой ресурс по сравнению с авиационными двигателями).
С энергозатратами тоже вопрос неоднозначный. На большой скорости на автомобиле основные потери аэродинамические — от сопротивления воздуха. По сути, автомобиль на скоростях выше 100 км/час представляет собой почти самолет. Только еще с дополнительным трением колес о землю. Правда, у самолетов появляется дополнительное "трение" винта о воздух. Винт у самолета — это замена шин у автомобиля.
И проблема в том, что винты с высоким кпд (80-90%) достижимы только в очень узком диапазоне масс самолета, необходимой для полета мощности (т.е. аэродинамической формы самолета) и размера (диаметра) винта. А на практике нужны обычно совсем другие пропорции — массу груза хотелось бы побольше, массу самолета поменьше, мотор послабее, чтобы был дешевле, а винт поменьше, чтобы не цеплял полосу. Ради всего этого приходится жертвовать расходом бензина. Отсюда и кажущаяся прожорливость самолетов. Хотя хорошо спроектированный самолет должен быть (да так и есть в частных случаях) экономичнее машины.
Это похоже на иерархический RL. Первые успехи в длинных последовательностях действий роботов несколько лет назад были сделаны именно на таком подходе. Там на низком уровне нейросети были обучены простым действиям: сдвинуть руку на такие-то координаты, схватить предмет. А более высокоуровневая нейросеть рулила этими простыми командами. В итоге робот смог собрать игрушки на столе и сложить их в коробку или вроде того. Что для того времени было большим успехом. С длинными маршрутами перемещений по городу тоже была статья, кажется, у BAIR (группа в Berkeley университете, активно занимающаяся ИИ). Там агент на простом первом уровень мог делать небольшие локальные перемещения на сотню метров, а общий длинный маршрут между двумя районами города строил второй уровень.
Ссылок не приведу, так как это было давно и с тех пор эти области сильно усложнились. Но помню как года три назад на arxiv.org и разных конференциях была куча публикаций по иерархическому RL. От него все с воодушевлением ждали результатов. Но постепенно тема заглохла, так и не добившись ничего, что стоило бы внимания. Мне кажется такое иерархическое разбиение задач было слишком искусственным, что ограничивало свободу нейросетей по поиску решения в общем пространстве параметров.
Вот если бы подобные иерархические структуры образовывались бы естественным путем через какой-нибудь self-supervising, то может был бы толк… Это как сравнить вручную созданные дескрипторы вроде SIRF, ORB для поиска паттернов на картинках. И фильтры сверток, которые сверточные сети сами создают при своем обучении. Результат налицо за последние несколько лет, как говорится.
Хорошая работа. Сделать математическую модель человеческого тела совсем не просто. Когда вы сгибаете одну часть тела, например руку, остальные части тела тоже сдвигаются. Причем по очень нелинейным зависимостям. Как из-за самой структуры тела (суставы, мышцы, связки), так и из-за подобранной эволюцией минимизации затрат энергии на поддержание позы. Более того, в позу включается также готовность к следующим действиям. Например, перед боем поза будет напряжённая, жертвуя минимизацией энергии. Потому что в этом случае для выживания выгоднее иметь преднапряженные мышцы.
В итоге почти невозможно написать математическую модель человеческого тела, чтобы позы получались реалистичными. Тут недостаточно просто описать физиологию. Позы вроде готовности к бою (или позу при ловле мяча, например) вообще никак не смоделировать в обозримом будущем.
Поэтому применять нейросети или машинное обучение правильный подход. Обучить на существующих датасетах (в идеале — на позах живых людей), и будут получаться реалистичные позы. Тут простая моделька, поэтому это может не очень видно, так как похожий результат получается более простыми методами (вроде ограничений на углы поворотов конечностей). Но в перспективе это может дать результаты, которые никакими другими методами недостижимы в принципе.
Скорее так: 1 Мп в глазу приходится на 1.5 градуса поля зрения. У человека поле зрения примерно 170 градусов. Значит фотоаппарат должен обладать разрешением 113 Мп, чтобы делать снимки как мы видим глазами. Чтобы создавать картинку, которую мы можем всю пробежать своими 1 Мп, вращая глазами при неподвижной голове.
На самом деле поле зрения по разным осям разное, это только по горизонтали близкое к 180 град. Да и для фотографии/монитора достаточно угла около 90 град (типичный угол зрения в играх, чтобы картинка казалась плоской, а не широкоугольной). Так что получается нужно где-то 60 Мп, чтобы фотоснимки казались с таким же разрешением, как у наших глаз.
Вы же понимаете, что реальное конкурентное преимущество у вас было бы, если бы вы в мобильном браузере сделали блокировщик рекламы? Либо свой (но не уступающий лучшим образцам и использующий их базы обновлений), либо добавив возможность расширений, чтобы использовать сторонние.
Федор работал в режиме аватара. В этом режиме, кстати, куча автономии. Сделать повтор движений человека — задача не шибко тривиальная.
Вот именно. Режим аватара, на самом деле, почти не отличается от полноценного автономного робота. Невозможно буквально повторять движения человека-оператора. Робот при ходьбе упадет из-за другого центра масс. И даже повторять движения верхних рук сложно, обычного PID контроллера недостаточно (или он должен быть невероятно точно настроен, но при других условиях уже не подойдёт).
По сути, аватар должен быть полноценным автономным роботом, самостоятельно поддерживающим свое равновесие и умеющий адекватно двигать руками (усилия, ускорения, обратная связь). И по своему собственному "желанию" старающийся повторять движения оператора.
Именно поэтому Федор не умеет сам ходить, хотя это не так уж сложно, и за последние годы оттестировано множеством других фирм. Что мы видим? Невероятно медленные движения рук. Либо изначально так заложили в механике, чтобы не париться, либо простейшие ПИД контроллеры не справляются и пришлось искусственно замедлить. Плохая динамика и дерганные движения говорят скорее о втором.
Но надо признать, что полноценная имитация человекообразных движений в андроидных роботах не решена во всем мире, а не только в России. Просто другие фирмы хотя бы пытаются что-то сделать — ускоряют динамику, совершенствуют алгоритмы. А у нас какая позорная дубовая пропаганда. Стыдоба.
Вот и ноги пригодились! За них можно прикрутить робота болтами к стене. А вы говорили не нужны они там, не нужны. Шах и мат, инженеры. Журналист и философ по образованию (текущий глава Роскосмоса) по-любому лучше разбирается в таких вопросах, чем вы.
Синапсы ведь однонаправленные… Кроме того, в них просто негде хранить производные, чтобы потом использовать в обратном распространении ошибки. Не говоря уж о разделении на слои. Хотя сигнал от глаз до мышц проходит примерно 10 слоев (время реакции одного нейрона примерно 10 мс, а общее время реакции человека на зрительный стимул 100 мс), из чего можно сделать вывод, что наш мозг минимально равен десятислойной нейронной сети. Но это не совсем слои, скорее сигнал от глаз до мышц проходит через примерно 10 отделов мозга разной степени эволюционной древности. Плюс всякие петли обратной связи. Так что напрямую со слоями в искусственных нейронных сетях это сравнивать нельзя, и классический послойный backpropagation тут неприменим.
Ну и вообще, там все на порядки сложнее. Например, мышечные двигательные нейроны не только тормозят соседние нейроны, отвечающие за мышцы-антогонисты, но и свою собственную частоту регулируют весьма оригинальным способом, см. клетки Реншоу. И вот таких вещей в мозге полно. Мало каким из них есть математические аналоги в искусственном обучении нейросетей. Но что характерно, каждый появлявшийся метод регуляризации, чем-то похожий на те механизмы, которые есть в биологическом мозге (dropout, разные виды нормализации, curiosity, actor-critic и т.д.) сразу давали резкий скачок в качестве работы нейросетей. Отсюда такой оптимизм, в том числе в этой работе, что повторение биологических принципов (не буквально, а только принципов) и дальше будет улучшать работу нейросетей. Мол, эти механизмы отточены эволюцией. Да и как ни крути, эти биологические механизмы дают результат — нашу разумность.
Интересно, насколько такой подход применим для снижения числа полигонов в моделях для игр? Создания внутриигровых LOD и прочее. По идее, эта сегментация при переводе в CAD модель, должна выделять острые границы между частями объекта, что позволит потом сделать реалистичную модель с меньшим числом полигонов. И без разрывов. Сейчас лучшие алгоритмы пытаются просто сохранить контур фигуры при взгляде камерой с любой точки зрения, но это работает не очень хорошо.
Двигатели, сжигающие углеводородное или любое другое топливо, ограничены КПД тепловой машины (см. КПД Карно), и при существующих температурах сгорания топлива и температуре окружающей среды, т.е. охладителя, их КПД в принципе невозможно поднять до высоких значений. Всегда будет что-то около половины вылетать в трубу. Поэтому повышать КПД бензинового двигателя с 25% до 35%… Ну, дело хорошее, но проблему не решает.
Но энергию, заключённую в бензине или спирте, можно добывать не только сжигая их, преобразуя в низкопотенциальное тепло и потом переводя тепловой машиной в механическую энергию. Можно добывать ее и химическим путем. Например, с помощью топливных элементов. По сути, это то же горение (окисление) бензина/спирта, только окислитель и восстановитель разделены мембраной. Однако это уже не тепловая машина, поэтому КПД топливного элемента вполне может стремиться к 100%.
Так что если говорить об эффективности двигателей на углеводородном топливе, то самый радикальный способ повысить их КПД — это использовать топливные элементы. К примеру, на возобновляемом спирте. С КПД под 80-90%. То что сейчас в топливных элементах используют водород — он просто удобнее, так как он чистый и является газом, но это не значит что такой же топливный элемент не может работать на спирте или бензине. Или вообще, на всем что может гореть, т.е. на окислительно-восстановительных реакциях. Вопрос, как всегда, в технологиях.
В таком виде, как используется в искусственных нейронных сетях, точно нет. Биологические нейроны вообще физически не способны пропускать сигнал в обратном направлении. А ведь именно с обратным распространением ошибки и градиентным спуском связаны многие проблемы, не позволяющие пока на базе нейронных сетей сделать сильный ИИ. Это и исчезающие/взрывающиеся градиенты (да, в статических сетях нашли решение через функцию активации ReLu, хоть она и приводит к деактивации до половины нейронов в сети из-за обнуления, но в реккурентных сетях это все ещё большая проблема), и катастрофическое забывание, и ужасная производительность в недифференцируемых задачах. Особенно важных в RL для имитации жизни или памяти. Использовать их можно и нужно, но видимо на каких-то низких уровнях, где градиентный спуск даёт быстрый результат. Но поверх него должен быть какой-то другой механизм. Который есть в биологическом мозге, но нет в современных нейронных сетях. Что это за механизм, понятное дело, пока никто не знает. Его функции в современных нейронках сейчас выполняют разного вида регуляризации (без которых уже немыслима даже любая простая сеть). Но те что есть, кажутся полумерами, так как не решают полностью задачу.
Но некий другой аналог обратного распространения ошибки в мозге, возможно, есть. Почитать об этом можно, например, тут: arxiv.org/abs/1808.06934
Мда… Ну что тут еще скажешь. Дальновидность — не самая сильная черта вице-премьера Юрия Борисова.
Менять каменные топоры на винтовки экономически невыгодно и не соответствует нуждам обороны, так как для этого придется заменить весь существующий парк каменных топоров. Кто все это оплатит? Это огромные деньги, считает вице-премьер Юрий Борисов )
Вероятно критерием, который в природе можно в некотором роде принять за НЕправильность выбранной ветки — это исчезновение особи вместе с головным процессором без благодарных потомков.)
И то не всегда, есть стратегии альтруистического поведения. Когда отдельные особи жертвуют своей жизнью ради выживания популяции. И это характерно не только для человека. Если не ошибаюсь, подобное поведение есть даже у некоторых бактериальных колоний.
Насколько я знаю, эти упрощённые «карты» горизонтальных и вертикальных линий формируются, но уже в зрительной коре, а не до нее. Рецептивные поля, вот это все. В сверточных нейронных сетях это называют «features» — содержание внутренних и выходных слоев в сверточной сети. Вроде как доказано, что эти карты фич в искусственных сетях совпадают с теми, что формируются в зрительной коре животных.
Про нейрогенез интересно, но разве он имеет аналоги в природе? Нейроны ведь формируются как и все клетки — за счёт градиентов растворов внутри клетки и давления от соседних клеток, а вовсе не от сигнала. А вот аналог того, как в природе формируются аксоны и дендриты, то есть связи между готовыми нейронами в зависимости от частоты сигнала, был разработан ещё на заре компьютерной техники. Это правило Хэбба и его модификации. Но такое обучение нейросетей не показало хороших результатов, градиентные методы оказались намного эффективнее.
Да кто ж знает, на что это похоже ). Технически там просто электрические сигналы, распространяющиеся по разветвленной сети. Причем часть с обратными связями, как отрицательными, так и положительными. Дополнительно каждый из нейронов усиливает сигнал до максимального (поэтому мозг отчасти цифровое устройство, а не просто аналоговое: сигнал не затухает, а передается как цифровой независимо от дальности). А на пути между нейронами возникает препятствие в виде синаптической щели, в которой дальнейшее прохождение электрического сигнала, да и вообще, вся работа последующих нейронов регулируется двумя десятками молекул-нейромедиаторов. А ещё каждый нейрон постоянно качает ионы из внешней среды с помощью своих натрий-кальциевых насосов, и когда набирает достаточный потенциал, выпускает электрический сигнал (точнее, целую серию коротких импульсов), даже если вокруг ничего не происходит.
И вот как все это богатство привести к брокерам и агентам, я понятия не имею ). То есть, вызывает сомнения даже сама правомерность подобных аналогий.
А сколько народу в фидо ловилось на первые чат-боты :) Проснувшегося сонного админа слали подальше и просили оставить поболтать с ботом ). В то время многие даже не представляли, что в чате может писать компьютер, принимали за живого человека. Особенно, если у бота имя было Кристина или вроде того ))
А как реализован этот механизм внимания? Вот в мышечных двигательных нейронах если активен нейрон, отвечающий за определенную мышцу, он автоматически тормозит соседние нейроны, отвечающие за мышцы с противоположной стороны (иначе мы вообще не смогли бы согнуть руку, например). Скорее всего и тут так же. Мозг думает всегда сразу о нескольких вещах параллельно, но победитель забирает все. Наиболее активные в данный момент нейроны либо тормозят специальным нейромедиаторами остальные, либо через положительную обратную связь сверхвозбуждаются и тоже забирают себе все лавры. Все кровоснабжение, например. А когда стимул удовлетворен, наиболее активной группой оказываются какие-то другие нейроны из оставшихся параллельных. Получается и внимание, и автоматическая сортировка по важности.
Ну какие 572 л.с. для одноместного самолета, вы о чем? Или это просто пример для оборотов? Данные PW207K не нашел, взял мощность из ближайших 207 серии. И это на валу, а тепловая мощность, я так понимаю, там на уровне 4.5 МВт. Как ее отводить-то на режиме висения?
Для электрических самолетов нужны турбины максимум на два-три десятка кВт, не больше. У такого самолета, как в статье, потребляемая мощность в полете от силы 20 л.с… А вот турбины такой размерности вполне крутятся на 100-150 тыс. оборотов.
Для вертикального взлета и посадки логично использовать буферные аккумуляторы, а электродвигатели и так можно перегружать по току в несколько раз без всяких последствий. Пока там железо прогреется (небольшим падением кпд при перегрузке можно пренебречь), самолет уже улетит/приземлится. Чего ему висеть на месте, это же не вертолет.
Насчет сердечников — катушки намотаны на сердечники из электрохимической стали. Собранные из тонких пластин для борьбы с вихревыми токами. Но этого мало. Переменный ток, возникающих в этих катушках, перемагничивает эти пластины то в одну, то в другую сторону. Из-за этого они греются. Если собрать сердечник генератора или электромотора из тех пластин, что рассчитаны на переменный ток из розетки 50 Гц, а реальные электрические обороты (они в общем случае из-за магнитной редукции могут отличаться от механических) будут хотя бы 400 Гц, как было принято в советской военной авиации, то такой электромотор не выдаст расчетную мощность. Сердечники катушек будут сильно греться и как магнитопровод они толком работать не будут. Там есть сильная зависимость от температуры. Поэтому там нужна специальная электротехническая сталь. 400 Гц уже проблема, а требуемые 2500 Гц для 150 тыс. об/мин на валу турбины это я даже не знаю, существуют ли таки марки.
Это первая замена аккумуляторам, которая приходит в голову любому инженеру ). Турбины крутятся на больших оборотах, что снижает вес генератора. Мощность равна оборотам, умноженным на момент. Создаваемый момент ограничен массой магнитов. Поэтому заставив электрогенератор крутиться на больших оборотах, можно увеличить его выходную мощность без увеличения массы самого генератора. А турбовальный двигатель идеально подходит, чтобы крутить такой генератор на больших оборотах.
В теории это хорошо. Были даже проекты по крохотным турбинкам на несколько сотен ватт для военных, как замена аккумуляторам. Но на практике и сами турбовальные двигатели технически сложные. И высокооборотистые электрогенераторы ограничены теплоотводом и возможностью железа сердечника по перемагничиванию. Сердечники бытовых трансформаторов на 50 Гц и сердечники авиационных электрогенераторов на 400 Гц это совсем разные классы (и стоимости) материалов. А для турбин нужны еще выше. Турбины крутятся на 2500 Гц (150 тыс. оборотов в минуту). Редукторы же съедают весь выигрыш в массе. Впрочем, электрогенераторы бывают безсердечниковые, которые по оборотам из-за этого не ограничены. Но там возникают уже проблемы с медными проводами катушек. На больших частотах (а они нужны для переключения катушек для высоких оборотов) токи начинают течь не внутри всего провода, а по тонкому поверхностному слою, что резко ухудшает параметры.
Со всем этим сталкиваются предельные экземпляры электромоторов и электрогенераторов даже для RC моделек. Что уж говорить про полноразмерные аппараты… В общем, причина кроется в нюансах технической реализации. Иначе все давно летали бы на таких. Но идея хорошая.
Аккумуляторы в 10 раз хуже бензина по массе. Поэтому самолет, способный летать от ДВС 10 часов, можно без проблем перевести на электричество, но с временем полета 1 час. Отсюда и вся математика. Экономическая и энергетическая обоснованность.
Во всем остальном электричество лучше — система лучше резервируется (надежнее), моторы с винтами можно ставить где угодно, так как электромоторы в 5-10 раз легче ДВС. И поэтому их можно закрепить в местах, куда ДВС поставить нельзя. Кратковременно электромоторы могут выдать в несколько раз больше мощности, чем их длительная номинальная мощность (ограниченная в основном теплоотводом, кстати). Что полезно для режимов вертикального взлета и посадки. Сами электромоторы на порядок дешевле и проще ДВС.
Эти преимущества электромоторов позволяют реализовать различные аэродинамические схемы, практически недостижимые на самолетах с ДВС. В первую очередь, интересны вертикальный взлет и посадка.
Обычно считается, что машины они никогда не заменят чисто по физическим причинам. Из-за того что энергозатраты в полете выше, чем при езде по земле. И оттого, что находясь в воздухе в режиме зависания, самолет движется относительно воздуха (земли-то он не касается). А значит, любые порывы ветра будут сдвигать этот зависший самолет вместе с собой. Представьте, что обычный порыв ветра 10 м/с, с такой же скоростью 10 м/с будет бросать такой самолет в любую непредсказуемую сторону. Те кто запускал маленькие комнатные квадрокоптеры в ветер, понимают о чем речь. Хотя с увеличением массы до тонн снижают этот эффект за счет инерции.
Но все не так плохо. Возможность электромоторов на несколько секунд выдавать мощность как минимум в три раза выше своей штатной (если контроллер позволяет и аккумулятор может выдать соответствующие токи), позволит в теории бороться с порывами. Да и вертикально взлетать/садиться можно на более слабых и дешевых моторах. С ДВС такой трюк не прокатил бы. Авиационные ДВС и так работают на 80% своей максимальной мощности (а вот автомобильные на 20-30%, поэтому у них такой большой ресурс по сравнению с авиационными двигателями).
С энергозатратами тоже вопрос неоднозначный. На большой скорости на автомобиле основные потери аэродинамические — от сопротивления воздуха. По сути, автомобиль на скоростях выше 100 км/час представляет собой почти самолет. Только еще с дополнительным трением колес о землю. Правда, у самолетов появляется дополнительное "трение" винта о воздух. Винт у самолета — это замена шин у автомобиля.
И проблема в том, что винты с высоким кпд (80-90%) достижимы только в очень узком диапазоне масс самолета, необходимой для полета мощности (т.е. аэродинамической формы самолета) и размера (диаметра) винта. А на практике нужны обычно совсем другие пропорции — массу груза хотелось бы побольше, массу самолета поменьше, мотор послабее, чтобы был дешевле, а винт поменьше, чтобы не цеплял полосу. Ради всего этого приходится жертвовать расходом бензина. Отсюда и кажущаяся прожорливость самолетов. Хотя хорошо спроектированный самолет должен быть (да так и есть в частных случаях) экономичнее машины.
Это похоже на иерархический RL. Первые успехи в длинных последовательностях действий роботов несколько лет назад были сделаны именно на таком подходе. Там на низком уровне нейросети были обучены простым действиям: сдвинуть руку на такие-то координаты, схватить предмет. А более высокоуровневая нейросеть рулила этими простыми командами. В итоге робот смог собрать игрушки на столе и сложить их в коробку или вроде того. Что для того времени было большим успехом. С длинными маршрутами перемещений по городу тоже была статья, кажется, у BAIR (группа в Berkeley университете, активно занимающаяся ИИ). Там агент на простом первом уровень мог делать небольшие локальные перемещения на сотню метров, а общий длинный маршрут между двумя районами города строил второй уровень.
Ссылок не приведу, так как это было давно и с тех пор эти области сильно усложнились. Но помню как года три назад на arxiv.org и разных конференциях была куча публикаций по иерархическому RL. От него все с воодушевлением ждали результатов. Но постепенно тема заглохла, так и не добившись ничего, что стоило бы внимания. Мне кажется такое иерархическое разбиение задач было слишком искусственным, что ограничивало свободу нейросетей по поиску решения в общем пространстве параметров.
Вот если бы подобные иерархические структуры образовывались бы естественным путем через какой-нибудь self-supervising, то может был бы толк… Это как сравнить вручную созданные дескрипторы вроде SIRF, ORB для поиска паттернов на картинках. И фильтры сверток, которые сверточные сети сами создают при своем обучении. Результат налицо за последние несколько лет, как говорится.
Хорошая работа. Сделать математическую модель человеческого тела совсем не просто. Когда вы сгибаете одну часть тела, например руку, остальные части тела тоже сдвигаются. Причем по очень нелинейным зависимостям. Как из-за самой структуры тела (суставы, мышцы, связки), так и из-за подобранной эволюцией минимизации затрат энергии на поддержание позы. Более того, в позу включается также готовность к следующим действиям. Например, перед боем поза будет напряжённая, жертвуя минимизацией энергии. Потому что в этом случае для выживания выгоднее иметь преднапряженные мышцы.
В итоге почти невозможно написать математическую модель человеческого тела, чтобы позы получались реалистичными. Тут недостаточно просто описать физиологию. Позы вроде готовности к бою (или позу при ловле мяча, например) вообще никак не смоделировать в обозримом будущем.
Поэтому применять нейросети или машинное обучение правильный подход. Обучить на существующих датасетах (в идеале — на позах живых людей), и будут получаться реалистичные позы. Тут простая моделька, поэтому это может не очень видно, так как похожий результат получается более простыми методами (вроде ограничений на углы поворотов конечностей). Но в перспективе это может дать результаты, которые никакими другими методами недостижимы в принципе.
Скорее так: 1 Мп в глазу приходится на 1.5 градуса поля зрения. У человека поле зрения примерно 170 градусов. Значит фотоаппарат должен обладать разрешением 113 Мп, чтобы делать снимки как мы видим глазами. Чтобы создавать картинку, которую мы можем всю пробежать своими 1 Мп, вращая глазами при неподвижной голове.
На самом деле поле зрения по разным осям разное, это только по горизонтали близкое к 180 град. Да и для фотографии/монитора достаточно угла около 90 град (типичный угол зрения в играх, чтобы картинка казалась плоской, а не широкоугольной). Так что получается нужно где-то 60 Мп, чтобы фотоснимки казались с таким же разрешением, как у наших глаз.
Вы же понимаете, что реальное конкурентное преимущество у вас было бы, если бы вы в мобильном браузере сделали блокировщик рекламы? Либо свой (но не уступающий лучшим образцам и использующий их базы обновлений), либо добавив возможность расширений, чтобы использовать сторонние.
Вот именно. Режим аватара, на самом деле, почти не отличается от полноценного автономного робота. Невозможно буквально повторять движения человека-оператора. Робот при ходьбе упадет из-за другого центра масс. И даже повторять движения верхних рук сложно, обычного PID контроллера недостаточно (или он должен быть невероятно точно настроен, но при других условиях уже не подойдёт).
По сути, аватар должен быть полноценным автономным роботом, самостоятельно поддерживающим свое равновесие и умеющий адекватно двигать руками (усилия, ускорения, обратная связь). И по своему собственному "желанию" старающийся повторять движения оператора.
Именно поэтому Федор не умеет сам ходить, хотя это не так уж сложно, и за последние годы оттестировано множеством других фирм. Что мы видим? Невероятно медленные движения рук. Либо изначально так заложили в механике, чтобы не париться, либо простейшие ПИД контроллеры не справляются и пришлось искусственно замедлить. Плохая динамика и дерганные движения говорят скорее о втором.
Но надо признать, что полноценная имитация человекообразных движений в андроидных роботах не решена во всем мире, а не только в России. Просто другие фирмы хотя бы пытаются что-то сделать — ускоряют динамику, совершенствуют алгоритмы. А у нас какая позорная дубовая пропаганда. Стыдоба.
Вот и ноги пригодились! За них можно прикрутить робота болтами к стене. А вы говорили не нужны они там, не нужны. Шах и мат, инженеры. Журналист и философ по образованию (текущий глава Роскосмоса) по-любому лучше разбирается в таких вопросах, чем вы.
Синапсы ведь однонаправленные… Кроме того, в них просто негде хранить производные, чтобы потом использовать в обратном распространении ошибки. Не говоря уж о разделении на слои. Хотя сигнал от глаз до мышц проходит примерно 10 слоев (время реакции одного нейрона примерно 10 мс, а общее время реакции человека на зрительный стимул 100 мс), из чего можно сделать вывод, что наш мозг минимально равен десятислойной нейронной сети. Но это не совсем слои, скорее сигнал от глаз до мышц проходит через примерно 10 отделов мозга разной степени эволюционной древности. Плюс всякие петли обратной связи. Так что напрямую со слоями в искусственных нейронных сетях это сравнивать нельзя, и классический послойный backpropagation тут неприменим.
Ну и вообще, там все на порядки сложнее. Например, мышечные двигательные нейроны не только тормозят соседние нейроны, отвечающие за мышцы-антогонисты, но и свою собственную частоту регулируют весьма оригинальным способом, см. клетки Реншоу. И вот таких вещей в мозге полно. Мало каким из них есть математические аналоги в искусственном обучении нейросетей. Но что характерно, каждый появлявшийся метод регуляризации, чем-то похожий на те механизмы, которые есть в биологическом мозге (dropout, разные виды нормализации, curiosity, actor-critic и т.д.) сразу давали резкий скачок в качестве работы нейросетей. Отсюда такой оптимизм, в том числе в этой работе, что повторение биологических принципов (не буквально, а только принципов) и дальше будет улучшать работу нейросетей. Мол, эти механизмы отточены эволюцией. Да и как ни крути, эти биологические механизмы дают результат — нашу разумность.
Но энергию, заключённую в бензине или спирте, можно добывать не только сжигая их, преобразуя в низкопотенциальное тепло и потом переводя тепловой машиной в механическую энергию. Можно добывать ее и химическим путем. Например, с помощью топливных элементов. По сути, это то же горение (окисление) бензина/спирта, только окислитель и восстановитель разделены мембраной. Однако это уже не тепловая машина, поэтому КПД топливного элемента вполне может стремиться к 100%.
Так что если говорить об эффективности двигателей на углеводородном топливе, то самый радикальный способ повысить их КПД — это использовать топливные элементы. К примеру, на возобновляемом спирте. С КПД под 80-90%. То что сейчас в топливных элементах используют водород — он просто удобнее, так как он чистый и является газом, но это не значит что такой же топливный элемент не может работать на спирте или бензине. Или вообще, на всем что может гореть, т.е. на окислительно-восстановительных реакциях. Вопрос, как всегда, в технологиях.
Но некий другой аналог обратного распространения ошибки в мозге, возможно, есть. Почитать об этом можно, например, тут: arxiv.org/abs/1808.06934
Менять каменные топоры на винтовки экономически невыгодно и не соответствует нуждам обороны, так как для этого придется заменить весь существующий парк каменных топоров. Кто все это оплатит? Это огромные деньги, считает вице-премьер Юрий Борисов )
Про нейрогенез интересно, но разве он имеет аналоги в природе? Нейроны ведь формируются как и все клетки — за счёт градиентов растворов внутри клетки и давления от соседних клеток, а вовсе не от сигнала. А вот аналог того, как в природе формируются аксоны и дендриты, то есть связи между готовыми нейронами в зависимости от частоты сигнала, был разработан ещё на заре компьютерной техники. Это правило Хэбба и его модификации. Но такое обучение нейросетей не показало хороших результатов, градиентные методы оказались намного эффективнее.
И вот как все это богатство привести к брокерам и агентам, я понятия не имею ). То есть, вызывает сомнения даже сама правомерность подобных аналогий.
А как реализован этот механизм внимания? Вот в мышечных двигательных нейронах если активен нейрон, отвечающий за определенную мышцу, он автоматически тормозит соседние нейроны, отвечающие за мышцы с противоположной стороны (иначе мы вообще не смогли бы согнуть руку, например). Скорее всего и тут так же. Мозг думает всегда сразу о нескольких вещах параллельно, но победитель забирает все. Наиболее активные в данный момент нейроны либо тормозят специальным нейромедиаторами остальные, либо через положительную обратную связь сверхвозбуждаются и тоже забирают себе все лавры. Все кровоснабжение, например. А когда стимул удовлетворен, наиболее активной группой оказываются какие-то другие нейроны из оставшихся параллельных. Получается и внимание, и автоматическая сортировка по важности.