Прототипирование *

Современный автомобиль — это распределенная вычислительная система на колесах. И если раньше основное внимание уделялось механике, то сегодня значительная часть функциональности автомобиля определяется электроникой и ПО.

Для электромобиля эта зависимость еще сильнее: десятки электронных блоков должны непрерывно обмениваться данными, координировать свою работу и при этом оставаться энергоэффективными.

Разберемся, как наладить между ними коннект и заставить работать в унисон.

Начиная с 2023 года автономные грузовики Navio ежедневно возят коммерческие грузы по главным магистралям страны. За это время мы получили богатый опыт, подробно изучили отрасль и выявили основные трудности с которыми она сталкивается. Ответом на эти вызовы стал прототип автономного тягача Navio L5. Его концепция отражает наше видение ближайшего будущего автономных грузоперевозок. В прошлой статье мы подробно рассказывали о ключевых идеях и о процессе создания дизайна тягача L5.

Однако мы видим долгосрочный потенциал в развитии рынка автономных грузоперевозок, поэтому хотим взглянуть еще дальше — на перспективу 30-50 лет вперед. 

Эта статья написана по результату проектирования информационной системы на базе ИИ для медицинских работников. Я не буду описывать интерфейсы системы, но хочу остановиться на отдельном ее элементе, который нередко оказывается за рамками внимания дизайнеров и начинающих разработчиков, потому что основная часть всего описываемого процесса находится вне интерфейса, и только некоторые небольшие фрагменты системы торчат на уровне пользователя.

Как продакт-оунер в Exante выпускает сложные фичи в два раза быстрее благодаря AI — и почему продуктовые решения по-прежнему принимает сама.

Анализ, архитектура, вайбкодинг и даже комиксы — всё это здесь.

Цели статьи: 1) проверить жизнеспособность концепции максимально простого и дешевого интернет-банкинга и заодно 2) протестировать возможности ИИ в качестве инструмента прототипирования.

Наш рабочий процесс часто выглядит как хаос.

Аккуратно вести записи—требует усилия.
Особенно в прототипировании, где ты постоянно пробуешь варианты, что-то меняешь, возвращаешься назад и снова переделываешь.
Я хочу работать быстро — в своём стиле — а порядок пусть наводит кто-то другой.

Кроме того, когда задача на конечный результат, есть области, где мы совсем не специалисты, а вникать глубоко, или привлекать специалиста нет времени, или смысла.

В статье покажу не сложный прием  использования ИИ который помогло решить эти две проблемы и сэкономил нам много сил и времени.

При видеокаротаже мы опускаем в скважину камеру и видим на экране обсадную трубу, фильтры, отложения и повреждения, застрявшие насосы и тд. Но есть проблема: на видео нет глубины. Ты видишь картинку, но не знаешь, на какой глубине находится камера. Можно конечно сделать метки на кабеле, условно, каждые 1 -2 метра, но это жутко не удобно и их нужно стоять и считать, вообще тот еще костыль. Раньше использовали вторую видео камеру, которая снимала механический счетчик с отображением метров, но тоже костыль. Нужно потом накладывать друг на друга картинку, что не самый удобный вариант.

А можно наложить глубину прямо на видеопоток в реальном времени. Это экономит часы расшифровки и исключает ошибки, а главное это отображение глубины и видео прямо тут и сейчас.

Вот как я это сделал. Начнем с железа:
Микроконтроллер: Arduino Nano
Почему? Простота и размер. Он маленький, дешёвый, легко программируется. Вставляется в разъём на плате OSD‑модуля. В сети куча примеров по данной теме, решил использовать то, что уже было сделано другими.

Чип OSD: MAX7456 
Этот чип умеет в реальном времени накладывать символы на аналоговый видеосигнал. Выпускается в готовых модулях — например, MinimOSD. Такие модули изначально делали для квадрокоптеров (F3/F4 flight controllers), но они отлично подходят для каротажа.

Почему не готовый видеорегистратор со встроенным OSD?

Привет! Кто не любит прикольные интерьерные штуки? Я, например, всегда любил вид неоновых вывесок. В какой-то момент мне пришла в голову мысль: а почему бы не сделать свою собственную? Правда, не неоновую, а светодиодную. Да ещё и с кучей эффектов и управлением со смартфона. Так появилась идея для очередного «проекта на лето», реализация которого у меня растянулась на полгода. С виду простая задумка таила в себе кучу технических сложностей и мелочей, которые нельзя было упускать из виду. Добро пожаловать в невероятно интересную историю создания, которую я вам сейчас поведаю…

Привет! Я не AI-инженер, у меня нет ML образования. Я проджект-менеджер со старым бекграундом в качестве веб-разработчика и с опытом более 10 лет в управлении командами разработки ПО. И с приходом полноценных AI-агентов я стал по выходным заниматься экспериментами на своих пет-проектах. 

Один из таких проектов - мобильное приложение для запоминания карточек/слов: я учу японский язык и не нашёл ни одного сервиса, в котором добавлять новые слова в словарь было бы не мучительно, поэтому решил сделать своё, для себя. Что ж, для этого у меня не было GPU-кластера и команды, но был MacBook, свободное воскресенье и конкретная проблема, которую я хотел решить.

Ниже я опишу свои наблюдения с точки простого PM'a, и вытекающую ​идею и концепт.

Решил к предыдущей статье (https://habr.com/ru/articles/1041000/) добавить практики немного. А именно поездка на очередную скважину на моей каротажке.

Всем привет, вот появился свободный денек для написания части про каротажный регистратор. Если в предыдущей статье я описал все подряд, весьма обобщенно и не конструктивно, то теперь, я решил все разбить на этапы. Начнем с каротажного регистратора.

Классические регистраторы от именитых брендов, типа "Велко", "Вулкана" и тд. имеют свой интерфейс, выглядят очень круто, и стоят очень дорого. Как правило большинство приборов используют Манчестер-2 для общения прибор-регистратор. Для этого им достаточно иметь на кабеле одну жилу и броню. Но тут сразу появляется очень много НО ( на мой профессиональный взгляд из всех не профессиональных )). Во-первых как по одной жиле передать видео сигнал ? AHD скажите вы, согласен но геофизический кабель не коаксиал и далеко видео сигнал не кинешь. Бывают коаксиальные геофизические кабели, согласен, но коаксиал для видео не AHD такое себе. Далее расскажу почему AHD идея не сработала у меня. ( спойлер OSD).

В целом, список требований к регистратору:

1) он должен принимать сигнал с каротажной видеокамеры.

2) принимать данные с каротажного прибора

3) должен быть экран для вывода глубины

4) нужно контролировать питание прибора и выводить на дисплей

5) контролировать глубину исследования и скорость спуска

Примерно такой лист требований был у меня в голове. Кабель был 3х жильный геофизический в броне. И так начинаем рисовать: Сердце регистратора будет stm32f401 - черная таблетка. К ней мы подключим дисплей DWIN. На дисплей нужно вывести кнопки управления режимами прибор либо видеокамера, подача питания, надо учесть возможность подключения аналоговых приборов, а также вывод глубины на видеопоток.

В последние годы количество запросов на поддержку RedOS значительно выросло& Ранее Test IT позволяла использовать готовые сборки под Ubuntu или CentOS с запуском в контейнерах. Однако рынок идет вперед и клиентам требуется нативный дистрибутив под RedOS 8.02 с официальным подтверждением совместимости и внесением в реестр отечественного ПО. Делимся, как со стороны технической команды прошел крупный проект налаживанию совместимости с отечественной операционной системой.

Здравствуй, Хабр! Разработка ингибиторов мутантного онкобелка KRAS ( особенно формы G12D)- одна из главных задач современной онкофармакологии. Используя наш проприетарный матаппарат мы рассчитали несколько секвенсов под целевой карман мишени. Мы оперировали секвенсами от 7 до 21 остатка на мишенях длиной от 102 до 188 остатков, полученные при докинге результаты ipTM в AlfaFold Server варьировались от 0.58 до 0.92.

Привет, меня зовут Андрей, я занимаюсь виртуальными расчетами прочности и жесткости для Атома.

Моя задача — сделать электромобиль максимально надежным, комфортным и долговечным, и сейчас я расскажу как делаю это с помощью компьютерного моделирования (CAE).

Самый ценный объект в отделе расчетов прочности сегодня — это цифровой двойник. Виртуальный клон автомобиля, который ломают, давят и испытывают тысячи раз, не потратив ни грамма металла. 

Почему без него невозможно построить ни один электромобиль — рассказываю изнутри.

В марте мы написали на Хабре, что хотим сделать платформу, где учёные смогут находить друг друга не «по знакомым», а по конкретным задачам. Тогда это была гипотеза и черновик MVP.

За эти два месяца мы прошли закрытый бета-тест, переделали ключевой экран приложения, поняли, что половину фич из первого плана делать не нужно — и недавно выложили Synaps в RuStore.

В этом посте — что из изначальной гипотезы выжило, а что пришлось переписать после первых живых пользователей.

Я, как и многие, залип в датасеты, метрики и нейросети - и в какой-то момент понял, что почти не думаю о главном, как вообще проходит процесс инспекции печатных плат.

Чтобы закрыть вопрос реального процесса инспекции печатных плат, было принято решение собрать собственный компактный стенд (подиум на алюминиевом профиле, камера, два шаговых двигателя и много (очень много) хомутов для проведения автоматической инспекции. Основные критерии, которые были заложены в основу будущего стенда: он должен быть простым в управлении, достаточно компактным, чтобы уместиться на рабочем столе и универсальным. Чтобы была возможность решать различные задачи инспекции.

В статье расскажу, почему я не стал делать конвейер, как в промышленности, какие компромиссы пришлось принять, что пошло не так при сборке и почему этот DIY-подход оказался полезнее, чем ещё один прогон модели на готовом датасете.

Если коротко, то я собрал из того, что было под рукой (местами буквально "на коленке"), и это неожиданно дало больше понимания, чем ещё одно обучение модели.

В условиях современного банковского надзора внезапный дефолт крупного банка — событие экстраординарное, особенно в США. Финансовые регуляторы выстроили глубоко эшелонированную систему защиты: Центральные банки непрерывно мониторят нормативы, проводят стресс-тесты и, как правило, действуют на упреждение.

В текущих реалиях довести банк до стихийного рыночного краха прежде чем регулятор превентивно вмешается и отзовет лицензию — задача со звездочкой, система спроектирована так, чтобы гасить пожары до их открытого возгорания.

В статье воссоздадим дефолт SVB в банковском ALM симуляторе: наберем тот самый портфель ценных бумаг, смоделируем изменение рыночной конъюнктуры и поведение вкладчиков.

Покажем, как невидимые банковские риски превращаются в реальную дыру в капитале, и убивают крупнейшие банки.

Почему домашний бар перестал быть просто набором бутылок и как сегодня можно пересмотреть актуальность DIY-наливаторов

Людей уже так давно подсадили на кофе, что даже пришельцами-червями из Людей в Черном никого не удивишь. Наш организм пропитан этим экстрактом кофейных семян настолько, что в голове уже кипят совершенно нереальные ежедневные мысли и инсайты. 

Мы измеряем утро эспрессо, рабочий день американо, а вечер крафтовым рафом, хотя есть еще люди, посасывающие бутылочки в барах или за телевизором по вечерам, в которых не совсем кофе. Кофемашины стали идеальными: точные, быстрые, бесшумные. 

Но в этой эффективности потерялось главное, ради чего мы вообще собираемся за столом. Ритуал. Общение. Тот самый момент, когда кто-то поднимает бокал, говорит пару слов, и комната на секунду становится теплее.

Мы решили вернуть это в быт. И создали устройство, которое не про кофе. Оно навряд ли заменит Вам вашу подружку-кофемашину, но даст в жизни действительно что-то новое кроме очередных кофейных эмоций. Устройство не просто молча и нужно наливает, а разговаривает, предлагает тосты и превращает домашнее распитие или встречу друзей в событие с особой, оригинальной, атмосферой. У него есть несколько названий, одно из них – «Наливатор». В статье немного пересмотрен подход и принципы, которые использованы в решении 2020 года.

Это перевод статьи Питера Штайнбергера (@steipete), того самого автора OpenClaw, которого недавно купили в OpenAI — «Shipping at Inference‑Speed». Этот пост, как мне кажется, спустя полгода после публикации читать только интереснее — потому что то, что он описывает как первые впечатления и вау‑эффект от работы с агентами для производства кода, а так же методы для работы с ними — сейчас уже в мейнстриме. Если вы активно пользуетесь агенсткими системами в разработке, то многое из описанного для вас стало привычно; этот пост помогает освежить воспоминания о том, как все было в мае прошлого года — и как сильно все изменилось к декабрю.

Мы живём в эпоху когда можно написать в чат «сделай мне CRUD» и получить рабочий код через десять секунд что в принципе удобно. И это, если честно, главная причина почему я периодически намеренно лезу в что-то сложное руками — чтобы не разучиться думать о том что происходит внутри.

ИИ я использую. Но в этом проекте он был исключительно быстрой документацией — особенно когда добрался до selection/range API, про которые до этого знал чуть меньше чем ничего. Реализация все равно была за мной.

Так вот — ReadGen. Блочный конструктор README-файлов. Месяц, 2-3 часа в день, React и TypeScript и небольшая пачка дополнительных библиотек для разумного облегчения жизни. Важно понимать что это не коммерческий продукт и не претендует на решение чьей-то боли. Просто техническая задача которую я давно хотел разобрать.