Post Views: 39,373 引言 “无人机”为无人驾驶飞机的简称，英文缩写为“UAV”，是利用无线电遥控设备以及自备的程序控制装置操纵的不载人飞机。从技术角度定义可分为：无人直升机、无人固定翼机、无人多旋翼飞行器、无人飞艇，以及无人伞翼机等。随着无人机科技日渐成熟，越来越多的企业希望利用它们为客户运送包裹，现在就随《大橙报》，来了解无人机在这一方面的最新发展。 掌控美国（United States）谷歌公司（Google Inc）的“字母表”公司（Alphabet）于2015年11月2日表示，谷歌计划2017年实现借助无人机向消费者运送包裹。 经过两年前期研究，该公司2014年8月公布“翼计划”（Project Wing），并且在知名社交网站“优管”（Youtube）发布了一个视频，显示在澳洲（Australia）实地测试无人机投递。 “翼计划”的负责人戴维·沃斯（David Vos）于2015年11月2日在美国一场空中交通管制会议中说，谷歌正与联邦航空局（Federal Aviation Administration，FAA）和其他股东磋商，目标是2017年启动商业无人机投递业务。 “我们认为，接下来的3个月、6个月和一年，我们将大有收获，”沃斯说，“我们也期望得到强有力支持，让它实现。” 实际上，沃斯还担任美国联邦航空局的无人机注册工作组联席负责人一职。按照他的说法，接下来的12个月内，该工作组将设立一套完整的无人机空中相遇准则和运营商认定体系。 而在2015年12月20日前，美国政府就可能出台无人机注册细则，这将会是商业无人机运作发展的重要一步。“这个市场空间大有可为，”他说道。按预期，谷歌无人机的飞行高度约150米，沃斯称这一高度以内为“G级”空域。设计合理的情况下，无人机可以顺利避开在同一空域飞行的载人直升机和其他飞行物，并穿越人口稠密地区。 据了解，“翼计划”还与美国国家航空航天局（NASA）联手展开测试。在澳洲的实测中，谷歌无人机宽1.5米，长0.8米，搭载四叶螺旋桨。只是，推向市场的谷歌无人机最后面纱，可能还得等一段时间才能揭晓。 “无人机”为无人驾驶飞机的简称，英文缩写为“UAV”，是利用无线电遥控设备以及自备的程序控制装置操纵的不载人飞机。从技术角度定义可分为：无人直升机、无人固定翼机、无人多旋翼飞行器、无人飞艇、无人伞翼机等。 无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。无人机+行业应用，是无人机真正的刚需。目前在航拍、农业植保、测绘等领域应用，大大的拓展了无人机本身的用途。 Previous Post Next Post
Post Views: 38,542 世界卫生组织公布了一组数据：世界范围内视力受损的人数约为2.85亿，其中2.46亿人有残留视力。也就是说，“盲人”群体里，近85%的人有视觉残留和光感。 中国（China）也根据光感和视野半径，将视力残疾分为全盲以及低视力两种。中国有视力残疾人1691万，其中578万全盲，1113万（65%）是低视力者。 对于低视力者，或者称为半盲的盲人群体，靠谱的助视产品并不多，当中包括手杖，放大镜，或者像BB机一样便携的可放大书上文字的助视器。 而不仅在中国，其实在全球范围内，帮助盲人去“看”、去感知周围整体环境的产品几乎没有。 而如今，牛津大学的Oxsight智能眼镜，就是为了填补这个空白诞生的。Oxsight利用电脑图形学技术，和增强现实技术，来帮助视力残障的人士看见周围的世界。 Oxsight的产品是一个配备了3D摄像机的眼镜。3D摄像机捕捉周围环境中物体的形状和距离，再通过软件，分析这一些信息，将需要盲人注意的、特别是距离近的物体通过高亮等方式强化出来，变成适合盲人的眼睛的图像，再传输到眼镜的显示屏上，以让盲人“看见”周围的环境和物体。 Oxsight公司所研发的这个产品，在2014年谷歌社会影响力大赛中夺得英国（United Kingdom）冠军，并获得了谷歌公司（Google Inc）50万英镑的奖金。 Oxsight的宗旨是，提升智能眼镜对于盲人的可用性，并让盲人负担得起。从而，每个盲人都能够享用到这项服务。 Oxsight眼镜的创始人及产品发明者是史提芬·希克斯博士（Dr Stephen Hicks），及首席执行员（CEO）拉克斯·罗山（Rakesh Roshan）。 希克斯是全球顶尖的神经科学家。他出生于澳洲（Australia），毕业于英国帝国理工大学，现为牛津大学的神经科学及视觉假肢的研究员。 他若干年前的博士后研究就与眼睛有关，他当时制作了一个可戴在头上的模拟器，来研究传递给移植视网膜的信息如何被优化。他认为，人们看东西时，视神经真正感知到的，其实都是经过筛选的。最后进入大脑的，并不代表看见的全部。 这或许也是Oxsight的产品的理论基础。Oxsight利用一系列的算法，来模拟神经科学中对所看见的事物的筛选过程，从而将最重要、最关键的影像强调出来，后变成视觉信息提供给盲人。 Oxsight眼镜 分为5种模式 这种眼镜分为5种模式，因为要应对不同的光线条件，和盲人不同的视力问题。 ·第一种模式下，密探视野里只有黑白灰色块。离得近的史提芬为白色，离得远的拉克斯为浅灰色，离得距离越远，色度就越暗； ·第二种模式中，在场的人和物体的外轮廓被高亮的线条强调了出来； ·第三、四种模式就像是卡通，通过像黑白漫画一样的色块，将物体的不同部分强化区分，例如人的脸和头发，特别适用于有Cloudy Eyes（视野模糊）问题的群体； ·第五种，则是彩色模式，最接近真实环境，适合光照比较好的环境。 2015年6月，Oxsight在英国做了一个试点项目，将一批原型机借给300个盲人一个月的时间，搜集他们的反馈。这些盲人的视力问题包括老年性黄斑变性（AMD）、青光眼等。 结果让大家都很兴奋。根据英国媒体当时的报道，有人说，这个眼镜使自己更独立，走路更自由，还能泡茶了，大大提升生活质量； 有人说：“我终于认得别人的脸了，现在可以绕过障碍物，甚至，第一次看见自己的导盲犬！” 这次的试点也得到了一些负面评价，基本是关于重量。现在的原型机重量大约200克，还需接一个外接设备，搭载Android的操作系统及电池，让很多盲人觉得不方便。 所以，希克斯现在全力研发的下一代的产品，就在着重改善重量和电池的问题。新的产品将是可以商业化的产品，预计眼镜重量在70克左右，外接一个小型的控制设备。电池也会更小，续航能达到2-4小时。 希克斯表示，目前的原型机制作成本要几百英镑。而要知道，世界卫生组织调查得出的数据表明，全世界大约90%的视力受损者生活在低收入国家。 之前也有英国媒体报道，Oxsight的眼镜上市价格或在300英镑左右。这么贵的产品，怎么让每个盲人都能用上？ 这也是Oxsight的罗山一直在思考的问题。 罗山分享了他们的一个想法：建立“盲人中心”网络，以服务的形式将这个产品提供给盲人。什么服务呢？比如说，盲人来到中心，他们可接受检查，看眼睛残障的情况是否适合这个眼镜；这个中心还可以给盲人提供培训，教他们如何使用眼镜；中心也可能和地方上的眼科专家合作，提供培训给他们。 而盲人中心的建立者和合作伙伴，除了Oxsight，还可以拥有医院、盲人学校、政府，甚至保险公司。他们正在每个国家寻找合适的合作伙伴，而中国也是他们的首批目标市场之一。 Previous Post Next Post
Post Views: 39,867 引言 世界著名围棋高手–韩国（South Korea）的李世石（Lee Sedol）与谷歌（Google）旗下子公司DeepMind研发的Alpha Go之间的人机大战引发全球高度关注。可以注意到两个点的是：第一，大数据的支撑让Alpha Go能够厘清头绪，形成了对规则的认知。第二，Alpha Go能通过机器学习自我优化。现在就随《大橙报》来了解这个神奇的新科技。 备受瞩目的李世石（Lee Sedol）对阵Alpha Go的围棋大战，将这款由谷歌（Google Inc）旗下位于伦敦（London）的子公司DeepMind研发的系统将近两年逐渐火爆的人工智能（AI）又推上了风口浪尖。 打败人类就必须像人类那样学习和思考，而不是像国际商业机器（IBM）的“深蓝”（DeepBlue）用搜索穷举方式。 Alpha Go系统将最先进的蒙特卡洛树状搜索技术以及两个深度神经网络相结合，用“策略网络”预测下一步棋、将搜索范围缩小至最有可能触发的那些步骤；并且用“价值网络”减少搜索树的深度，每走一步估计一次获胜方，而不是搜索所有的结束棋局的途径–两个神经网络之间通过成千上万的对弈，采用被称为强化学习的试错法逐步进行改善，并最终发现新策略。据说，DeepMind团队给Alpha Go输出海量的职业棋手的对局，其自我演绎的对局高达3000万局。 可以注意到两个点：第一，大数据的支撑让Alpha Go能够厘清头绪，形成了对规则的认知。第二，Alpha Go能通过机器学习自我优化。 Alpha Go的程序原理有二：“深度学习”和“两个大脑”。 深度学习 Alpha Go的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性的激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。 两个大脑 Alpha Go通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些谷歌图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。 这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这一个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。 ·第一大脑：落子选择器（Move Picker） Alpha Go的第一个神经网络大脑，是“监督学习的策略网络（Policy Network）”。观察棋盘布局企图找到最佳的下一步。事实上，它预测每个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。 ·第二大脑：棋局评估器（Position Evaluator） Alpha Go的第二个大脑相对落子选择器是回答另一个问题，不是去猜测具体下一步，它预测每一个棋手赢棋的可能。在给定棋子位置情况之下，这“局面评估器”就是“价值网络（Value Network）”，通过整体局面判断来辅助落子选择器。这一个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”，Alpha Go能决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行，那么人工智能就跳过阅读在这一条线上的任何更多落子。 Previous Post Next Post
