网红机器狗Spot在新加坡上!班!啦!公园遛弯儿提醒市民不要聚集

本文主要是介绍网红机器狗Spot在新加坡上!班!啦!公园遛弯儿提醒市民不要聚集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!


大数据文摘出品

编译:刘俊寰、牛婉杨

波士顿动力网红机器狗Spot正式上!班!啦!

 

疫情期间,机器狗可没闲着。据新加坡最高政府技术机构的最新报告称,波士顿动力的机器人Spot已被派到被誉为新加坡最美公园之一的碧山公园,不间断地广播提醒游客在疫情期间保持社交距离。

 

今天正是四足机器人Spot就在正式上班的日子。虽然Spot还要经过一个试用期阶段,但是新加坡政府的筹划工作已经早早开始了。

 

来看看这些巡逻狗子的表现????

也就是说,Spot目前已经“堂而皇之”地进入了新加坡公园,不少居民在Twitter上开玩笑表示这是“自然修复(nature healing)”的征兆。

从技术上讲,Spot可以爬楼梯,还可以负载30磅的重物,但是它现在并不需要做这些繁重的工作,毕竟当下它的主要任务是监督人们保持一定的距离。

 

去年,波士顿动力和新加坡政府就为Spot专门添购了摄像头功能,以确保它不会撞到东西,新加坡GovTech机构还特别指出,“这些相机不会追踪或识别特定的个人,也不会收集任何个人数据。”

 

正处于试用期的Spot已经配备上了GovTech开发的自定义软件,可以估算在任何给定时间公园内的人数。据了解,Spot的试用期将持续到5月22日,新加坡国家公园管理局(NParks)的员工将在期间密切关注Spot的表现。

 

在新冠初期,新加坡政府因有效控制病毒传播受到广泛赞誉,但过去几周情况急转直下,新加坡病例激增,更糟糕的是,90%左右的感染都发生在外国工人居住的狭窄的房屋中。

 

根据约翰·霍普金斯大学冠状病毒追踪器的最新数据,新加坡目前的确诊病例已经超过了两万,死亡病例数达到了20例,过去24小时内新增的病例数更是达到了768例。

 

为了扭转局势,新加坡显然是想要借助技术的力量。

 

除了部署陆基机器人外,新加坡政府还使用了数十架无人机进行远程监管,“在目标公园和自然地区部署了30架无人机,使官员们的立场足以宏观,也使游客能够快速获得信息,补充地面观察”。

 

不过,部署小型机器人提醒人们保持社交距离这件事,已经不是首次发生在新加坡公园了。上个月,名为O-R3的遥控机器人就已经通过播报音频消息发出警告了。

不过需要注意的是,凡是Spot出现之处,人们都会将其与2017年《黑镜》中得情节“Metalhead”进行比较,在《黑镜》中,想要从仓库中获取东西的人类被四足机器人猎杀,这些机器人看起来很像波士顿动力的Spot。

 

不过,在电视剧中的机器人装备有武器,但是波士顿动力并未为其机器人装备相应的工具,新加坡政府甚至还会担心,这些小巧但昂贵的机器狗被人类破坏。

 

新加坡公园内也在公园里张贴了相关海报等物料,让人们不要故意“破坏”机器人,不过要破坏这些小东西也不是件容易的事情。

RECOMMEND

             

  AI社群  

                

AI感兴趣的小伙伴,

网易智能12个不同垂直领域社群等你来
添加智能菌微信:kaiwu_club

和我们一起探讨AI的故事~

网易新闻 | 智能工作室出品

这篇关于网红机器狗Spot在新加坡上!班!啦!公园遛弯儿提醒市民不要聚集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/353504

相关文章

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

【机器学习】高斯网络的基本概念和应用领域

引言 高斯网络(Gaussian Network)通常指的是一个概率图模型,其中所有的随机变量(或节点)都遵循高斯分布 文章目录 引言一、高斯网络(Gaussian Network)1.1 高斯过程(Gaussian Process)1.2 高斯混合模型(Gaussian Mixture Model)1.3 应用1.4 总结 二、高斯网络的应用2.1 机器学习2.2 统计学2.3

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^

【机器学习-一-基础概念篇】

机器学习 定义分类算法 应用 定义 机器学习最早是被Arthur Samuel 提出的一个概念,指计算机无需明确编程即可学习的研究领域。1950年他发明的跳棋程序,这个人机对弈游戏让他的声名鹊起,机器学习这个概念才进入大众的是视线。 在这个跳棋程序里,他编程了一种算法,这个程序与Arthur下了数万次跳棋,计算机逐渐学会了下在哪里有更大的可能会赢得比赛,哪里会输,通过这种方法,最

机器学习之监督学习(三)神经网络

机器学习之监督学习(三)神经网络基础 0. 文章传送1. 深度学习 Deep Learning深度学习的关键特点深度学习VS传统机器学习 2. 生物神经网络 Biological Neural Network3. 神经网络模型基本结构模块一:TensorFlow搭建神经网络 4. 反向传播梯度下降 Back Propagation Gradient Descent模块二:激活函数 activ

参会邀请 | 第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)

第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)将于2024年9月13日-15日在中国张家口召开。 MVIPIT 2024聚焦机器视觉、图像处理与影像技术,旨在为专家、学者和研究人员提供一个国际平台,分享研究成果,讨论问题和挑战,探索前沿技术。诚邀高校、科研院所、企业等有关方面的专家学者参加会议。 9月13日(周五):签到日 9月14日(周六):会议日 9月15日(周日

线性代数|机器学习-P35距离矩阵和普鲁克问题

文章目录 1. 距离矩阵2. 正交普鲁克问题3. 实例说明 1. 距离矩阵 假设有三个点 x 1 , x 2 , x 3 x_1,x_2,x_3 x1​,x2​,x3​,三个点距离如下: ∣ ∣ x 1 − x 2 ∣ ∣ 2 = 1 , ∣ ∣ x 2 − x 3 ∣ ∣ 2 = 1 , ∣ ∣ x 1 − x 3 ∣ ∣ 2 = 6 \begin{equation} ||x