2016年12月9日 星期五

‧ 2016\12\09\3S Market Daily 智慧產業新聞

3S Market deliver Smart and Valuable information for Business

3S Market 傳遞 智慧應用與價值的商業資訊

今日主題 工業4.0、智慧城市與環保節能、車聯網、經營管理探討
3S Market 最讚報
工業4.0與智慧工廠 



10-Gigabit NETGEAR Nighthawk X10 Connection to your NAS | How To





車聯網與智慧車載 

智慧城市與環保節能  

經營管理探討  







                                                                                                                                                                                                                             

Netgear Nighthawk 網路極品即將在台問世,敬請期待!

.機器人領域最具影響力的人物和品牌 TOP100

The Most Awesome Robots



來源: 物聯網智庫

研究社交網路影響力的公司Onalytica,發佈了機器人技術領域 TOP100 最具影響力的人物和品牌,並分析了這些人物與品牌間的關係,同時生成了機器人領域,最熱門的技術話題。

  
機器人技術是多種學科的組合,包含機械工程,電氣工程和電算機科學。機器人產業包括機器人的設計,建造,操作和使用,以及用於其控制,感覺回饋和資訊處理的電腦系統。

人類建造機器人的最終目的是創造交互式,認知和自動化系統,可以擴展人類能力,以解決現實世界的挑戰。

目前存在類型的機器人:
預編程機器人:執行簡單任務,在受控環境(如汽車工廠)中操作的機器人。

自動機器人:可以離開人類操作員執行任務,可以感知和適應環境的變化。這些機器人被用於航天,家庭服務,廢水處理和運送貨物和服務等領域。

遠端操作機器人:由人遠端控制的機器人。包括幫助修復石油洩漏的水下機器人,或航天飛機上的機器人手臂等等(在醫療領域,這類機器人是重要的增長領域)

增強機器人:直接連接到使用者身體的機器人。它是人體機能的放大器。這些機器人可以以某種方式,增強用戶的自然能力(例如,擴展他們的工作範圍)或給予他們他們沒有或已經失去的技能(例如,機器人義肢)。

隨著技術的快速發展,機器人正變得越來越複雜,能夠承擔越來越多的角色,例如個人助理,快遞載具,外科手術助手,外骨骼,自動駕駛車輛和無人機。

這伴隨著機器人初創企業的快速發展,根據市場研究報告,服務機器人市場估計將在 2020 年達到 180 億美元

基於 PageRank 的方法,來提取某個話題上的影響力人物。

話題分析
在機器人領域里,哪些技術是最為引人關注的?我們分析了今年 1 月 1 日到 11 月 22 日推特與部落格話題,列出了提及各種主題的次數,並生成了主題共享數量的分析圖。

  
在推特和部落格中,提及最多的話題是有關物聯網,佔 19% 的比例,這說明瞭物聯網與機器人的重要關係。

大數據和人工智慧緊隨其後,均佔 18% 的比例。接下來最受歡迎的主題是 VR 和初創公司,各佔 14%。

無人機擁有 6% 的比例,隨後是深度學習,自動駕駛汽車(均為 3%)。機器學習在前 100 位影響者與品牌的話題中,佔據了 2% 的比例。

機器人技術群體關係網圖
對於那些引領機器人技術領域討論的品牌和人物,我們非常感興趣,所以我們分析了 2016 年 9 月 18 日-11 月 18 日所有包含「機器人技術或機器人」關鍵字的推文,共計 55.1 萬條。之後得出了引領 Twitter 機器人技術討論,並且最具影響力的 100 個品牌的個人。

我們所發現這個群體非常的忙碌,個人和品牌之間也存在著大量交流。

下文中的關係網圖反映的,就是關於機器學技術的在線交流,影響力最大的個人 Will Knight 位於關係網圖的中間位置。這幅圖是由影響力關係管理軟體(Influencer Relationship Management Software)生成。通過這幅圖你可以十分詳盡地瞭解這個交流網路。


下面的一張圖,是影響力關係管理軟體生成的,另外一張關係網圖,在圖中,我們可以看到影響力最高品牌 NASA ,處於整張圖的中間位置,所有有影響力的人,關於機器學技術的對話相互交錯。

最有影響力的 100 人

我們瀏覽了Twitter上所有機器人技術領域的用戶,羅列出了在這一領域最有影響力的人員名單。

下面是前 50 人的資訊。

  
排名 50-100 位的人。


最具影響力的 100 個品牌
此外,我們還盤點了 Twitter 上所有的機器人技術品牌,羅列出了該領域最具影響力的品牌資訊。

排名前 50 的品牌資訊。


排名 50-100 位的企業


                                                                                                                                                                                                                             



.解析 3D 列印胞元結構,建模的六大挑戰

What Is 3D Printing and How Does It Work? | Mashable Explains




來源: 3D科學谷

3D列印的一大優勢是靈活性,以及列印成本對產品的複雜性不敏感,這也是複雜的胞元結構,成為3D列印領域的一大熱門研究方向的主要原因。

就像建築用的空心磚,胞元的應用減少了材料的使用,有效幫助實現輕量化,而與此同時,如何保證仍然滿足力學性能的要求,則成為建模界「才下眉頭、卻上心頭」縈繞不散的要緊事。

本期,小編與大家一起來探求這些要緊事,究竟是從何而來,因何而起的。

力學的事兒,結構大作為
1 連續建模
當你把材料均勻的分散在每個結構點上,你可能會覺得,這些點陣上的材料特性也是一樣的。然而,忽略那些蜂窩結構中的連接支柱/節點部分的研究,將帶來錯誤的建模或者是列印過程。

那些各向異性是在建模過程中<就需要考慮的因素,而諸如表面粗糙度、局部結構,或尺寸公差這些問題,在小於1毫米厚的連接部位變得尤為突出,與此同時對加工技術的瞭解,變得尤為重要,通常情況下相同的幾何形狀,在不同的技術條件下,產生明顯不同的結果。

圖:蜂窩結構壓縮下彈性應變不均勻的地方
  
2 大小的影響
尺寸效應是顯著的,包括尺寸函數變化都是門高深的學問。 如何在蜂窩結構材料中實現精確、均勻和各向同性材料,不僅僅是個數學問題。

以彈性模量為例,這個屬性的提取,強烈地依賴於,參與實驗表徵過程中的胞元數量。

考慮到實驗工作的進行,改變多軸向和縱向胞元的分布,下圖的測試樣品由六邊形蜂窩組成。研究這些胞元的大小如何影響產品的性能,這是一個重大的挑戰,或者說這本身就可以成為一門學科,由此還延伸出另外一個問題,表徵胞元特性的正確樣本設計是什麼?

圖:壓力顯示結構與胞元數有很強的相關性

3 接觸效應
在壓力試驗中結構件頂部和底部的力學分布,與位於結構件中間的,可能是大不相同的,通過調整胞元的設計,可以達到更好的力學壓力分配。

圖:壓力分配情況

4 宏觀結構的影響
不僅僅微觀分布,對宏觀結構的力學性能帶來影響,另一方面,宏觀結構也會對微觀結構帶來影響,包括非常高的縱橫比,在宏觀變形包括宏觀層面上引起的彎曲,通常帶來胞元的力學性能的變化。

5 尺寸公差的影響
雖然所有的製造過程中,都允許一定程度的尺寸公差,但是這些尺寸誤差用在含胞元結構的產品上,可能帶來非常顯著的作用。在這裡,小編拿一個典型的工業3D列印過程來說,公差在75微米(0.003″)的蜂窩結構(特別是微格),往往帶來250-750微米的厚度公差。

這些被「放大」的錯誤使得設計和製造,都面臨著雙重的挑戰,而且還需要通過滲透到內部的測量手段,包括X射線掃描。不僅僅是昂貴的檢測方法,除了對建模的高要求,針對增材製造的高效仿真分析軟體,變得尤為重要。

圖:0.004″的尺寸公差帶來7%的厚度錯誤
  
6 細觀結構的影響
增材製造的分層列印特性引入了一系列的挑戰,拿激光粉末床融化過程舉例,懸垂面與水平面的角度往往帶來不同程度的表面情況,體現在蜂窩結構中,可能導致在不同的列印方向上的不同厚度結果。

圖:列印方向影響的列印結果


                                                                                                                                                                                                                             


.傳說中的「讀唇術」終於有專門的學習軟體了

Watch: What It’s Like to Read Lips | Short Film Showcase


传说中的“读唇术”终于有专门的学习软件了


「 讀唇」是一門技術活,國外測試實驗發現,大部分人在別人說法時,通過觀看後者的嘴唇動作,只能辨別出十分之一的單詞,即便是所謂的唇語專家,其準確辨識率也是不夠理想。

不過,牛津大學研究人員稱,人工智慧技術——比如深度學習,就能夠幫助解決這樣的問題。

眾所周知,通過獲取大量數據來尋找「共同點」的人工智慧技術能夠提升音頻語言辨識,使其達到跟「面對面」對話一樣的準確率,為什麼它就能不能完成「讀唇」的任務呢?

牛津大學人工智慧實驗室的研究人,最新發表的論文中提到,他們使用深度學習技術開發出了一種「讀唇」軟體,他們的軟體名為「LipNet」,它的「表現」要遠勝於那些唇語解讀者:在某些測試中,LipNet軟體能夠達到93.4%的準確率,而唇語解讀者的準確率只有52.3%。

即便是現在還處在初期階段,但這款軟體運行的速度,已經非常快,幾乎達到了一種能夠「即時」將靜音視訊轉化為文本腳本的處理速度。

研究人員選用了一組數據庫,用它對這套系統進行訓練和測試。測試中,研究人員收集了來自34名志願者所錄製的短片。在短片中,志願者讀取的是一些「毫無意義」的句子(比如插圖說明),每個短片只有三秒長,並且每個句子都採用非常簡單的句式結構:命令動詞+顏色+介詞+字母+數字+副詞,比如「set blue by A four please」或者「place red at C zero again」。

事實上,這些句子有它的局限性,比如,它們僅僅使用了四個不同指令和顏色詞語,這也是引來了該領域其他研究人員的質疑,他們認為這份研究報告水分太大,讓人難以信服。

不過,情況並非如此。在接受採訪時,這份報告作者,同時也是兩名研究人員Yannis Assael和Brendan Shillingford承認,他們的研究受限於單詞和語法的限制。不過,這是由於可使用的數據有限,這個數據庫非常小,但測試結果也說明瞭,它們能夠在更大的數據庫中,也同樣表現出色。」

Assael 和 Shillingford 都強調,他們的研究成果應用在監控領域,道理很簡單,「讀唇術」要求你需要注視目標人的嘴,這也就意味著,攝影機必須擺好到最佳位置,來獲取好的結果。「從技術層面來看,想要在監控領域應用讀唇術,這是非常、非常困難的。」Assael表示。

不過,這兩名研究人員表示,讀唇人工智慧能夠幫助到那些聽力受損的人群,尤其是在一個比較吵鬧的環境(也就是電腦很難分離出噪音的環境)。

比如,這類人群可以佩戴內置攝影機的眼鏡,他們在參加聚會的時候,可以清楚地拍攝出目標人物,說話時嘴唇動作,然後使用這款軟體,來即時將嘴唇「語言」翻譯成文本,然後在將其語音傳輸到佩戴者耳朵中。

「只要你有語音辨識和攝影機,我們就可以提升它。」Assael表示。他也提及到,蘋果Siri或者谷歌Now語音助手,或將能夠應用他們的軟體。

未來,或許我們就不敢對著自己的電腦講話了,原因很簡單,它們可能會讀懂我們說得內容。(原作者James Vincent 編譯:Newsboy)

                                                                                                                                                                                                                             


Netgear R8500 三頻極速路由器