دیوار سبز ۸۰۰۰ کیلومتری آفریقا برای نجات زمین

به گزارش سیتنا، در ادامه، به بررسی رکوردهای جدید این ربات، دلایل برتری ربات‌های انسان‌نما و جایگاه Unitree در صنعت رباتیک می‌پردازیم.

رکوردشکنی در دوی سرعت و پرش ارتفاع

ربات سوپرمن Unitree با ثبت سرعت ۱۲.۶۶ متر بر ثانیه و پرش عمودی ۲ متری، از رکوردهای جهانی انسان‌ها پیشی گرفته است. رکورد جهانی دوی سرعت انسان ۱۲.۴ متر بر ثانیه و پرش ارتفاع ۱.۸ متر است.

چرا ربات‌های انسان‌نما از انسان‌ها بهتر عمل می‌کنند؟

ربات‌های انسان‌نما به چند دلیل می‌توانند از انسان‌ها بهتر عمل کنند: تعداد موتورهای بیشتر: بیش از ۴۰ موتور مفصلی برای حرکات دقیق هوش مصنوعی پیشرفته: مدل‌های AI برای تعادل و هماهنگی طراحی متفاوت: برخی ربات‌ها از تکنیک‌های راه‌رفتن با زانوهای صاف یا ترکیب چرخ و پا استفاده می‌کنند که کارآمدتر از بدن انسان است.

Unitree؛ پیشگام رباتیک چین بزرگ‌ترین تولیدکننده ربات انسان‌نما در جهان شکستن رکورد سرعت در سال ۲۰۲۴ با مدل H1 اجرای هماهنگ با دانشجویان هنرهای رزمی در سال نو چینی

قیمت و دسترسی

ربات G1 انسان‌نمای Unitree با قیمت ۱۷,۹۹۰ دلار در آمازون موجود است.

عصر جدید رباتیک

ربات سوپرمن Unitree نشان‌دهنده سرعت و دقت بالای فناوری رباتیک چین است. با پیشرفت‌های مداوم در زمینه موتورهای مفصلی و هوش مصنوعی، این ربات‌ها نه‌تنها رکوردهای انسانی را می‌شکنند، بلکه در کاربردهای صنعتی، لجستیکی و حتی هنری نیز نقش‌آفرینی می‌کنند. آینده رباتیک انسان‌نما روشن‌تر از همیشه به نظر می‌رسد.

جدول اطلاعات کلیدی ویژگی رکورد سرعت دویدن ۱۲.۶۶ متر بر ثانیه پرش عمودی حدود ۲ متر رکورد جهانی دوی انسان ۱۲.۴ متر بر ثانیه رکورد جهانی پرش انسان ۱.۸ متر تعداد موتورها بیش از ۴۰ موتور مفصلی شرکت سازنده Unitree Robotics قیمت مدل G1 ۱۷,۹۹۰ دلار

انتهای پیام

مقاله مشترک محمدجواد شایگان‌فرد عضو هیئت علمی دانشکده هوش مصنوعی و کامپیوتر دانشگاه علم و فرهنگ و سپهر سماواتی دانش‌آموخته رشته کارشناسی ارشد مهندسی کامپیوتر ـ نرم‌افزار که برآمده از پایان‌نامه کارشناسی ارشد این دانش‌آموخته است، با عنوان «A lightweight transfer learning framework with dynamic data augmentation for few-shot remote sensing image classification» در مجله Geomatica از انتشارات Elsevier منتشر شد.

به گزارش دانشگاه علم و فرهنگ، این پژوهش به ارائه یک چارچوب سبک و کارآمد مبتنی بر هوش مصنوعی برای طبقه‌بندی تصاویر سنجش از دور در شرایط کمبود داده‌های آموزشی می‌پردازد.

پژوهشگران در این مطالعه با ترکیب روش‌های یادگیری انتقالی و افزایش پویای داده‌ها، روشی را ارائه کرده‌اند که امکان آموزش مدل‌های یادگیری عمیق را با حجم محدودی از تصاویر برچسب‌گذاری‌شده فراهم می‌کند.

کمبود داده‌های برچسب‌گذاری‌شده یکی از چالش‌های مهم در توسعه مدل‌های هوش مصنوعی برای تحلیل تصاویر ماهواره‌ای است؛ چراکه تهیه و برچسب‌گذاری این داده‌ها به زمان و منابع قابل‌توجهی نیاز دارد.

چارچوب پیشنهادی این پژوهش با هدف کاهش وابستگی مدل به حجم بالای داده‌های آموزشی طراحی شده است.

نتایج آزمایش‌ها روی تصاویر ماهواره‌ای نشان داد که روش پیشنهادی، ضمن حفظ کارایی محاسباتی و سبک‌بودن مدل، موجب کاهش خطای طبقه‌بندی و بهبود عملکرد آن می‌شود.

این ویژگی می‌تواند استفاده از مدل‌های هوش مصنوعی را در شرایطی که داده‌های آموزشی محدود یا منابع محاسباتی در دسترس کم است، امکان‌پذیرتر کند.

یافته‌های این پژوهش می‌تواند در حوزه‌هایی همچون پایش محیط‌زیست، نقشه‌برداری کاربری و پوشش اراضی، کشاورزی هوشمند، مدیریت بحران، پایش منابع طبیعی و تحلیل تصاویر ماهواره‌ای کاربرد داشته باشد.

این مقاله در مجله Geomatica از انتشارات Elsevier منتشر شده، در پایگاه Scopus نمایه می‌شود و در چارک Q۲ قرار دارد.

انتهای پیام/

علی تقوی دانشجوی شیمی تجزیه به سرپرستی حسن سرشتی استاد دانشکدگان علوم با ساخت یک غشای کامپوزیتی نانوفیبری دولایه نامتقارن (جانوس) مغناطیسی، موفق به ارائه روشی کارآمد و دوستدار محیط زیست برای اندازه‌گیری ترکیبات سمی بنزن، تولوئن، اتیل‌بنزن و ایزومر‌های زایلن (BTEX) در نمونه‌های شهری شده‌اند.

به گزارش دانشگاه تهران، حسن سرشتی با اعلام این خبر گفت: این روش نوین که مبتنی بر میکرواستخراج فاز جامد با غشاء (M-SPME) است، با بهره‌گیری از شاخص‌های ارزیابی سبز (AGREEprep) و کاربردی (BAGI) تأیید کرده که می‌تواند جایگزین مناسبی برای روش‌های قبلی باشد.

وی افزود: ترکیبات آروماتیک فرار مانند BTEX از جمله آلاینده‌های مهم زیست‌محیطی به شمار می‌روند که به دلیل سمیت بالا و حضور گسترده در هوا، آب و خاک، همواره نگرانی‌های جدی برای سلامت عمومی ایجاد کرده‌اند.

استاد دانشکدگان علوم تأکید کرد: در تازه‌ترین تلاش علمی برای مقابله با این چالش، آزمایشگاه تحقیقاتی شیمی تجزیه موفق به طراحی و ساخت یک غشای نانوفیبری هوشمند با ساختار نامتقارن «جانوس» شده که به طور ویژه برای استخراج و پیش‌تغلیظ این آلاینده‌ها پیش از آنالیز با دستگاه کروماتوگرافی گازی-طیف‌سنجی جرمی (GC-MS) به کار می‌رود.

وی گفت: این غشای نوآورانه از یک لایه از جنس الیاف پلی‌آمید تقویت شده با سلولز میکروکریستالی و هیدروکسید دوگانه لایه‌ای نیکل-آلومینیوم تشکیل شده که بر روی بستری از نانوالیاف پلی‌اورتان تقویت شده با نانولوله‌های کربنی به وسیله تکنیک الکتروریسی نشانده شده است.

بیشتر بخوانید دانشگاه تهران ۶۰ عضو هیئت علمی برای توسعه فناوری‌های نوظهور جذب می‌کند؛ قرارداد هزار میلیاردی هوش مصنوعی در آستانه امضا هدف‌گذاری ۳ هزار میلیاردی دانشگاه تهران براساس قانون جهش تولیددانش‌بنیان؛ از اعتبار مالیاتی تا برج‌های فناوری پژوهشگران ایرانی مسیر تازه‌ای برای مطالعه ذرات حاوی کوارک تاپ گشوده‌اند

حسن سرشتی ادامه داد: ساختار این غشا با استفاده از تصاویر میکروسکوپ الکترونی (FE-SEM)، طیف‌سنجی مادون قرمز (FT-IR)، پراش اشعه ایکس (XRD) و آنالیز جذب-واجذب نیتروژن، تأیید شده است و نتایج آزمون‌های اعتبارسنجی نشان داد که این روش در محدوده غلظتی ۱۰ تا ۱۰۰۰۰ میکروگرم بر لیتر پاسخ خطی دارد و قادر است آلاینده‌ها را در سطوح غلظتی بسیار پایین (حد تشخیص بین ۰.۰۹ تا ۰.۴۵ میکروگرم بر لیتر) اندازه‌گیری کند.

تکرارپذیری روش (با انحراف استاندارد نسبی ۲.۵ تا ۷ درصد) و فاکتور‌های غنی‌سازی بین ۱۴.۸ تا ۲۳.۸، نشان از کارایی بالای این سامانه دارد.

از مهم‌ترین دستاورد‌های این پژوهش، عملکرد موفق غشا در نمونه‌های حقیقی جمع‌آوری‌شده از هوای شهری، آب‌های سطحی و خاک است که بازیابی قابل‌قبول را برای تمامی ترکیبات هدف به همراه داشت.

افزون بر این، غشا پس از ۷ چرخه استفاده متوالی، بیش از ۹۰ درصد کارایی اولیه خود را حفظ کرد که گواهی بر پایداری مکانیکی و شیمیایی مناسب آن است.

به این ترتیب، غشای نانوفیبری جانوس مغناطیسی نه تنها از نظر تحلیلی برتر از بسیاری روش‌های سنتی عمل می‌کند، بلکه از منظر زیست‌محیطی و اقتصادی نیز گزینه‌ای پایدار و منطبق با نیاز‌های روز آزمایشگاهی محسوب می‌شود.

انتهای پیام/