Китайский интернет-гигант Baidu опередил Google в соревновании по распознаванию изображений ILSVRC 2015. Для победы в конкурсе компания нарушила правила его поведения. Письмо с подробным разбором ситуации опубликовано на сайте организатора соревнований.
По условиям конкурса алгоритм сначала должен пройти обучение на стандартизированном наборе из полутора миллионов изображений, а потом на выделенном сервере показать, чему он научился за это время на примере контрольных ста тысяч изображений, которые алгоритму еще не показывали. По правилам конкурса разрешено запускать код на тестовом сервере не чаще двух раз в неделю. Это сделано для того, чтобы минимизировать влияние отладочных запусков на итоговый результат.
Компания Baidu превысила этот лимит более чем в четыре раза, запустив код на тестовом сервере не менее двухсот раз за шесть месяцев. В итоге лучше обучившийся алгоритм китайцев показал процент ошибок 4,58, в то время как у команды Google процент ошибок был 4.82. Несмотря на то, что конкурс некоммерческий, это, на первый взгляд небольшое превосходство, имеет ощутимое значение в такой узкой сфере, как работа над самообучающимися алгоритмами. Интернет-гиганты Baidu, Facebook и Google вкладывают крупные суммы в разработки, связанные с распознаванием изображений, а из-за дефицита высококвалифицированных специалистов нередко нанимают бывших сотрудников своих конкурентов.
«Мы извиняемся за это недоразумение и пересматриваем результаты», – прокомментировал ситуацию Рен Ву, руководитель команды разработчиков Baidu, в письме организаторам конкурса во вторник.
Baidu основана в 2000 году. Китайский поисковик занимает второе место в мире по количеству обрабатываемых запросов, созданная в 2006 году интернет-гигантом «Байдупедия» через три недели обогнала китайский раздел «Википедии» по количеству статей.
Гексакоптер оснащен двумя взлетно-посадочными платформами для квадрокоптеров
Инженеры из Сколтеха разработали гибридный гексакоптер MorphoLander, который выступает в роли передвижного аэродрома для дронов меньшего размера. MorphoLander не только летает, но и может ходить по неровной поверхности при помощи четырех ног. В верхней части корпуса расположены две взлетно-посадочные платформы для микродонов. Дрон может пригодиться для инспекции объектов и поиска пострадавших во время стихийных бедствий, говорится в препринте на arXiv.org. При поддержке Angie — первого российского веб-сервера Дроны отлично подходят для выполнения задач поиска, инспекции и мониторинга, но потребляют много энергии и не могут долго находиться в полете. Одним из способов преодолеть это ограничение стала разработка дронов гибридной конструкции, которые могут не только летать, но и передвигаться по земле, например, с помощью колес или ног. Несмотря на то, что такой подход позволяет продлить время работы за счет менее энергозатратного способа передвижения по поверхности, продолжительность полета гибрида и его эффективность часто снижается из-за дополнительного веса. Инженеры под руководством Дмитрия Тетерюкова (Dzmitry Tsetserukou) из Сколтеха предложили использовать громоздкий дрон в качестве носителя для дронов поменьше. Тогда большой дрон выступает в роли передвижного «улья», который в нужный момент выпускает рой маленьких дронов, способных более эффективно выполнить задачу на большой территории за счет совместной работы. Разработанный прототип под названием MorphoLander представляет собой гексакоптер с четырьмя ногами, каждая из которых имеет три степени свободы. С их помощью дрон может передвигаться по неровной поверхности. Масса гибрида немного больше 10 килограмм. Встроенного аккумулятора хватает на 12 минут полета. Сверху на корпусе закреплены две посадочные платформы диаметром 20 сантиметров, на которые могут садиться микродроны. Чтобы микродронам (инженеры использовали Crazyflie 2.1 массой 27 грамм) было проще садиться на MorphoLander, материнский дрон с помощью алгоритма стабилизации старается удерживать горизонтальное положение платформ, подстраивая высоту ног под неровности поверхности. Посадка микродронов происходит под управлением алгоритма машинного обучения, его обучение с подкреплением проходило в симуляторе на платформе игрового движка Unity, который позволяет имитировать физику, с использованием пакета машинного обучения Unity ML Agents. Обученный алгоритм посадки затем испытали в трех сценариях с участием реальных дронов. В первом два микродрона должны были взлетать с расстояния полутора метров от MorphoLander и затем садиться на его платформы. Среднее значение отклонения от центра платформы в этом сценарии составило всего около 5,5 миллиметра. Во втором сценарии микродроны должны были садиться на материнский дрон, стоящий на неровной поверхности. В этом случае ошибка возросла и составила 25 миллиметров. Третий сценарий имитировал реальное применение: микродроны взлетали с платформ, в то время как MorphoLander отходил от места взлета на некоторое расстояние, после чего микродроны должны были сесть обратно. Среднее значение отклонения от центра 20-сантиметровой платформы составило 35 миллиметров. В будущем инженеры планируют увеличить точность и устойчивость алгоритма управления микродронами за счет контроля тяги отдельных винтов. https://www.youtube.com/watch?v=fV8_Ejy81s8&t=1s Совместная работа помогает роботам справляться с более трудными задачами. К примеру японские инженеры разработали систему из работающих в паре дрона и наземного робота. Они соединены друг с другом тросом, что позволяет наземного дрону взбираться на более крутые подъемы. Для этого дрон закрепляет трос на вершине, после чего наземный робот натягивает его с помощью лебедки и поднимается наверх.