просто нужно вводить производтсвенную практику, чтобы не только тупо теорию учить, не понимаю а зачем оно надо, но и ходить на завод и наблюдать за реальной работой команды разработчиков, ну и помогать по мелочи «принеси-подай».
Отличий от часов много. Для начала — удобное управление медиацентром. Не зря выход на ТВ сделали. В будущем — управление умным домом, один из ключевых элементов интерфейса к нему. Умные дома — еще один тренд который пока не стартовал как следует, но есть все шансы.
У колонок потенциал побольше, но пока технологии не готовы. Если ИИ будет достаточно умным, польза от такого помощника будет. Пока же эти помощники не понимают смысла элементарных запросов, есть только несколько хорошо проработанных тематик, которые и качают маркетологи. Развитие идет очень быстро. так что это задел на будущее. Застолбить нишу, а не срубить бабла на пару лет как с 3D телевизорами и смарт-часами.
Это вы лет на 30 назад заглянули. Тогда были персептроны и примерно такое «на пальцах» примитивное понимание. Примерно как «вот компьютер, там микросхемы, сигналы 0/1 бегают, в байты собираются. Главный принцип такой, в дальше все просто, сами разберетесь».
Можно энергию запасать увеличением высоты, скажем на 5 км, а за ночь сбрасывать. Я так понимаю, планеры очень эффективны в плане потери высоты за единицу времени.
Добавлю что парусное судно может идти под углом к ветру быстрее, чем дует сам ветер — эффект сдавливания арбузной косточки между пальцами. Но нужны две силы во встречных направлениях. В дирижабле их нет, вернее сила винтов есть но она энерго-затратна, и ветер использовать не получится.
Качество видео — это все второстепенно. На Pro оно низкое, но на это не обращаещь особого внимания при любительской съемке. Гораздо важнее надежность, дальность и время полета, удобство и точность управления, действия автопилота в критических ситуациях. Уже то, что удалось хоть что-то снять и не потерять дрон, обычно радует. А жуткие артефакты компрессии, оверсэмплинг, неестественные цвета и плохая автоэкспозиция, засветки от солнца, уже не очень парят :)
Вообще я так подозреваю что такая техника давно применяется и гораздо глубже прорабатывается в задаче распознавания рукописного текста. Еще в 2000 году, когда я писал диплом, встречал нечто похожее — использование взаимосвязи векторов для понижения размерности пространства.
Выделить контрастами вектора из картинки, снизить размерность и найти ближайшую точку к образцу в новом пространстве — это в принципе все тривиально, и достаточно прозрачно, как и хотел автор.
Сильная идея — это кластеры, т.е. использование фрактального разбиения. Жаль что нет подробностей. И еще нет подробностей, как устраняются инвариантность к базовым преобразованиям картинки: вращениям (в том числе взаимным между кластерами), масштабу, взаимному расстоянию, параллаксу и т.д. Тут нейросети хорошо справляются, но и чисто математические решения, думаю, есть.
Все же удивительно, как классно стали снимать камеры в смартфонах. Единственное, чего им пока не хватает — это вариативной глубины резкости. И тут ничего не поделать, против физики не попрешь. Софтовые ухищрения добавить глубину по двум камерам не повторяют реальную оптику.
Ну да, это вроде как не проблема. Когда понадобились высокомоментные двигатели для серв прямого привода, просто сделали их в виде блинчиков, увеличили диаметр, поставили 40 пар полюсов и намотали обмотку из большего числа витков.
Если я правилно понял, то вместо внутренего магнита в редукторе можно поставить статор мотора, и генерировать магнитное поле в нем? Т.е. добавка промежуточного «водила» к обычному БК мотору, между его ротором и статором, может выполнить редукцию?
Ну может не все так бесперспективно? Обкатают производство, возможно даже себе в убыток. Потом и более денежные покупатели подтянутся. Контракт всего на два года — явно не планируется китайцам в рабство продаваться навечно. И лучше пока такой контракт, чем простой.
Я люблю писать код, и иногда делаю это с удовольствием. Мой лучший код получается так. Но иногда это удовольствия не приносит, иногда даже бывает противно, и нужны другие мотивации. Все перечисенные типы компаний вполне рабочие, просто нужно подобрать подходящих сотрудников под каждый.
Решетка звукоизлучателей и проще, и там не остается нерешенной проблемы управления (зачем перестраивать линзу, когда есть полный контроль над полем уже в источнике). В общем, очень сомнительное изобретение и явно революцию оно не делает. По аналогии с оптикой, LCD и линзы дешевле чем формирование поля матрицей источников (OLED), но со звуком это может оказаться наоборот из-за разных длин волн.
А мечтания о зонирвании звука выглядят не революционно. направлять получится только высокочастотные звуки, которые не так подвержены дифракции. НЧ нужно или вырезать или их будет слышно т.е. опять компромисс и полумера а не революция.
Сразу после выхода китайцы его разберут и выпустят в три раза дешевле и без полной автоматизации. А вообще судя по скудной информации, больше похоже на кабинку для электроскутера. С очень большой степенью натяжки его можно сравнивать с поноценным автомобилем.
Тогда да, не поможет. Нужно выбирать диапазон погрубее. Кстати из-за высокой шумности таких датчиков, я вообще не понимаю зачем нужны диапазоны меньше 16G — в покое уровень шума в несколько раз больше, чем LSB (минимально-значащий бит) на этом диапазоне.
Нет, только про акселерометр. Интегрирование выполняет фильтр, считывая данные на высокой скорости и выдавая на низкой. Если частота динамики процесса гораздо ниже частоты вибраций, то он поможет. Например, поставьте его на 20Гц и все что выше, он уберет.
В акселерометрах обычно есть встроенный LPF-фильтр. Если частота сэмплирования небольшая, то можно настроить его отсечку в два-три раза ниже этой частоты, и он уберет все вибрации, при этом не потеряв (проинтегрировав) данные. Но, кончено, это не исключает пользу правильно-настроенной виброразвязки.
Выделить контрастами вектора из картинки, снизить размерность и найти ближайшую точку к образцу в новом пространстве — это в принципе все тривиально, и достаточно прозрачно, как и хотел автор.
Сильная идея — это кластеры, т.е. использование фрактального разбиения. Жаль что нет подробностей. И еще нет подробностей, как устраняются инвариантность к базовым преобразованиям картинки: вращениям (в том числе взаимным между кластерами), масштабу, взаимному расстоянию, параллаксу и т.д. Тут нейросети хорошо справляются, но и чисто математические решения, думаю, есть.
А мечтания о зонирвании звука выглядят не революционно. направлять получится только высокочастотные звуки, которые не так подвержены дифракции. НЧ нужно или вырезать или их будет слышно т.е. опять компромисс и полумера а не революция.