Пара пропеллеров сымитировала скалку в виртуальной реальности
Американские и южнокорейские инженеры создали контроллер, позволяющий передавать ощущение от взаимодействия с объектами в виртуальной реальности. В нем с двух сторон установлены два пропеллера, которые за счет изменения тяги могут создавать ощущение сопротивления, причем неоднородного. Доклад о разработке будет представлен на конференции UIST 2019.
В современных серийных контроллерах виртуальной реальности практически отсутствует возможность передачи ощущений от физического контакта с виртуальной реальностью. Обычно эти ощущения заменяются на вибрацию, которая лишь отдаленно напоминает реальный контакт. Среди лабораторных разработок можно выделить несколько основных типов устройств: VR-перчатки, сопротивляющиеся сжатию пальцев, контроллеры, сопротивляющиеся при передвижении или вращении, а также более узкоспециализированные устройства, например, платформы для бесконечной ходьбы на месте или аппараты для электростимуляции мыщц, имитирующие столкновения со стеной.
Инженеры под руководством Андреа Бьянки (Andrea Bianchi) из Корейского института передовых технологий (KAIST) создали контроллер, позволяющий имитировать несколько аспектов взаимодействия с виртуальными предметами. Он состоит из продолговатой рукояти и закрепленных на конце пропеллеров. Они расположены симметрично относительно корпуса. Это позволяет имитировать неравномерное распределение массы по виртуальному предмету, меняя соотношение тяги на двух винтах. Авторы указывают, что пропеллеры могут за 0,3 секунды развить суммарную тягу до 14 ньютонов. Движения контроллера отслеживаются с помощью датчика HTC Vive Tracker.
Основное применение контроллера — это имитация веса при взаимодействии с виртуальными предметами. Для этого контроллер активирует оба пропеллера с одинаковой тягой. По мере того, как пользователь наклоняет контроллер в ту или иную сторону, соотношение тяги меняется. Инженеры показали, что устройство также может имитировать положение и движение одних предметов поверх других. Например, с его помощью можно чувствовать положение стейка относительно сковороды или управлять движением шара по наклонной плоскости.
Одна из особенностей устройства заключается в том, что оно может передавать ощущение длины объектов. В одном из демонстрационных режимов авторы реализовали тир, в котором пользователь может чувствовать разницу в длине оружия, а при выстреле ощущает отдачу и подъем оружия вверх.
Ранее другие группы инженеров создавали отчасти похожие устройства. Одна из них представила куб с рукояткой и шестью пропеллерами — по одному на каждую сторону. Как и в случае с новой разработкой, устройство позволяет передать физический контакт, сопротивляясь движению пользователя, но оно не может имитировать неоднородное распределение веса по предмету. А другая группа недавно показала веер, способный складываться и раскладываться во время перемещения, что позволяет передавать массу и другие свойства предметов с помощью аэродинамического сопротивления. Поскольку веер может раскрываться на определенный угол с каждой стороны, он может имитировать неоднородности.
Григорий Копиев
Она поможет написать письмо, план тренировки или сочинит историю
Яндекс обучил большую русскоязычную языковую модель YandexGPT и внедрил ее в своего виртуального помощника Алису. Сейчас нейросеть тестируют пользователи продуктов Яндекса, новость об этом вышла на сайте компании. Языковая модель — это нейросеть, которая умеет генерировать тексты, по очереди предсказывая каждое слово в предложении. Языковая модель YandexGPT основана на архитектуре Transformer, которую создали исследователи из Google в 2017 году. Когда в такую нейросеть загружают текст, она умеет выделять в нем важные слова и фокусировать на них внимание. Главный навык модели — хорошо понимать и запоминать тексты, и генерировать новые. Когда нейросеть осваивает этот навык, она одновременно естественным образом учится выполнять самые разные задачи, связанные с анализом текстов. Большие языковые модели основаны на архитектуре Transformer и обучены на огромном количестве данных, обычно из интернета. Они умеют создавать текст, почти не отличимый от человеческой речи. Первой успешной моделью такого типа стала нейросеть GPT от компании OpenAI. В 2022 вышла улучшенная версия модели ChatGPT. Ее не просто натренировали на большом количестве данных, но и дообучили с помощью обучения с подкреплением. Люди-эксперты работали с нейросетью в режиме диалога, показывая ей как правильно отвечать на вопросы. В надежде повторить успех ChatGPT, многие компании обучают свои языковые модели-аналоги (например, Bard от Google или Poe от Quora). Яндекс первым внедрил такую модель в виртуального помощника. 17 мая Яндекс выпустил большую языковую модель YandexGPT в открытый доступ. С ней можно пообщаться через Алису в приложении Яндекс, браузере, умной колонке или телевизоре. Чтобы активировать YandexGPT, нужно сказать: «Алиса, давай придумаем!» Языковая модель пока находится в режиме тестирования, но уже умеет выполнять разные задачи пользователей: выбрать подарок, составить план тренировки или написать деловое письмо. Модель умеет составлять грамотные содержательные тексты, но может ошибаться в фактах. Посмотрите, как пользователи общаются с YandexGPT: Нейросеть обучали на суперкомпьютерах Яндекса в два этапа. Сначала разработчики отобрали для обучения много книг, статей и страниц сайтов с помощью поисковых инструментов Яндекса — по утверждению компании, в выборку попадали только содержательные и хорошо написанные тексты. На втором этапе модель дообучили, чтобы она лучше вела диалог. Для этого Яндекс воспользовался методом, который придумали исследователи из OpenAI. Эксперты-разметчики составили сотни тысяч пар вопрос-ответ и показывали их YandexGPT на втором этапе обучения. Но у YandexGPT есть свои ограничения. Например, нейросеть пока не умеет запоминать контекст и учитывать предыдущие реплики. Однако YandexGPT постоянно дообучается на новых данных от пользователей и может развить этот навык в будущем. Cравнить качество ответов YandexGPT с другими языковыми моделями пока невозможно, Яндекс не раскрыл эти данные. Также неизвестна точная архитектура модели и параметры ее обучения. Тем временем другая языковая модель GPT-4 научилась работать не только с текстом, но и с картинками.
