Создана новая модель вязального станка с машинным обучением
Специалисты из Университета Карнеги Меллон сегодня представили достаточно необычную разработку, основанную на машинном самообучении - им удалось создать специальную компьютерную систему, которая умеет "переводить" широкий спектр 3D-сетей и алгоритмов в точечные инструкции по вязанию различных форм. По сути, специалисты создали усовершенствованную вязальную машину, которая обладает заметно более широким и внушительным функционалом, в сравнении с традиционными. Джеймс МакКанн, руководитель проектной команды, обозначил, что данная компьютерная модель может справляться даже с самыми сложными инструкциями и алгоритмами вязания.
В основе данной вязальной технологии лежит использование метода конвертации виртуальных 3D-сетей и форм в реальные - а это в свою очередь становится возможным благодаря параллельному процессу вязания, образующую собой V-образный алгоритм. Функционируя на основе стандартной модели работы 3D-принтера, данная усовершенствованная вязальная машина обладает одним наиболее заметным и неоспоримым преимуществом в сравнении с обычными промышленными машинами - данная модель может проходить самообучение.
Алгоритмы самообучения загружаются отдельно, однако установив минимальный набор таких алгоритмов, машина в состоянии дальше создавать свои собственные, основываясь на паттернах вязания, которые происходили в последнее время. Столь удивительный результат может в буквальном смысле перевернуть данную сферу деятельности и сделать ее заметно более точечной и многофункциональной.
Впрочем, МакКанн отмечает, что на данный момент времени и в контексте использования данного инженерного образца, команде все еще требуется поддерживать достаточно высокий уровень наблюдения и контроля за правильной работой устройства. Впрочем, это лишь вопрос времени, когда будет предложен новый комплекс алгоритмов, позволяющий заметно сократить фактор стороннего наблюдения, таким образом сделав данное оборудование более автономным и эффективным в этом смысле. Так что ученые заняты на данный момент именно этой задачей.
