Znajdź zawartość
Wyświetlanie wyników dla tagów 'balansowanie ołówkiem' .
Znaleziono 1 wynik
-
Wśród najtrudniejszych zagadnień informatyki i robotyki prym wiodą balansowanie - utrzymywanie równowagi i przetwarzanie obrazu z wydobywaniem z niego istotnych informacji. Wiele dekad zajęło konstruktorom skonstruowanie robota, który potrafiłby iść, nie mówiąc już o bieganiu. Z kolei „rozumienie" obrazu, który zwykle zawiera mnóstwo nadmiarowej i zbędnej informacji, trudnej zwykle do odseparowania, wymaga bardzo dużej mocy obliczeniowej i wymyślnych algorytmów. Połączenie tych dwóch zagadnień, czyli utrzymywanie równowagi na podstawie danych wizualnych urasta przy tym do rangi superproblemu, choć przecież nawet proste biologiczne organizmy potrafią to robić całkowicie intuicyjnie. O ile balansowanie dużym kijem jest dla zaawansowanych konstrukcji wykonalne, o tyle zrobienie tego samego w mniejszej skali niedawno było nierealne. Bo przecież, choć balansować kijem od szczotki może nauczyć się każdy, to balansowanie ołówkiem nawet dla człowieka jest trudniejsze. Trzej inżynierowie z Instytutu Neuroinformatyki na University Zurich: Jorg Conradt, Tobi Delbruck i Matthew Cook, dokonali przełomu, konstruując automat potrafiący dowolnie długo balansować zwykłym ołówkiem, korzystając jedynie z obrazu z dwóch prostopadłych kamer: http://www.youtube.com/watch?v=f9UngTdngY4 Wbrew temu, co można by myśleć, kluczem do sukcesu nie jest superszybki komputer ukryty pod stołem. Zamiast szukać skutecznego algorytmu autorzy pomysłu zastosowali sprytny trik: kamery, obserwujące ołówek nie rejestrują pełnej informacji o obrazie, ale jedynie jego zmiany. Kamera, nazwana przez nich krzemową siatkówką, złożona jest z fotoczułych elementów, które reagują na zmiany jasności. W rezultacie każdy piksel reprezentuje już przefiltrowaną informację o zmianach zachodzących przed okiem kamery. Odpowiednie algorytmy już bez trudu wyławiają z nich położenie i kąt nachylenia ołówka, a odpowiednio szybkie serwomotory korygują jego położenie. Inspiracją dla rozwiązania były biologiczne sieci neuronowe.
- 16 odpowiedzi
-
- Matthew Cook
- Tobi Delbruck
- (i 6 więcej)