波士顿动力将机器狗租给美国警方:已参与两次执法任务,可以破门、勘测、防爆...

本文主要是介绍波士顿动力将机器狗租给美国警方:已参与两次执法任务,可以破门、勘测、防爆...,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!

乾明 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

波士顿动力能秀不能用?

这不,分分钟在美国警方找到商业模式,已经走上最强“警犬”道路。

这一消息来自于美国公民自由联盟(ACLU)最新公布的一系列文件。

文件中指出,马萨诸塞州警方与波士顿动力签署了租赁合同,检测机器狗用于执法活动中的能力。

但波士顿公共广播电台WBUR报道称,除了进行相关测试以外,Spot机器狗还参与了两次执法行动。

随后波士顿动力对外发表声明称,这事属实。

种种消息,也再一次引起了大家对“机器人武器化”的讨论与担忧。

警方如何使用机器狗?

马萨诸塞州警方使用机器狗,在今年4月份就已经现出端倪。

当时波士顿动力CEO参加TechCrunch的活动时,就展示了他们用两条Spot机器狗破门的场景:

根据ACLU披露的文件,正式的租约是从2019年8月开始,主要是测试机器狗。

但在这个过程中,机器狗也被用于了两次执法中,具体情况他们并没有对外披露太多。

警方人员对外宣称,在所有的情况下,Spot 都被用作一个“移动遥控观察设备”,提供可疑设备或潜在危险地点的图像,比如一名持枪嫌疑人可能藏身的地方。

至于机器狗的可定制功能——个人用户为特定的环境(比如危险的建筑工地)编程——马萨诸塞州警方表示,他们没有使用。

他们不只有波士顿机器狗

除了Spot机器狗之外,马萨诸塞州警方还有一个机器人组成的警队。

WBUR的报道中披露,截止2017年,他们的排爆小组拥有18个机器人,价值180万美元。在执勤过程中,每周使用一次。

而且这些机器人大多是履带式机器人,并不是像Spot那样的有腿机器人。

相比之下,波士顿动力机器狗在不同地形上的机动能力都要更高。

在ACLU披露的文件中,还提到了马萨诸塞州警方购买这些机器人的合同信息,其中有Endeavor Robotics的PackBot机器人及配套系统,Recon Robotics的Throwbot 2及配套系统。

合同价格分别是21.2万美元和3万美元。遗憾的是,文件中并没有披露他们租机器狗3个月支付了多少钱。

租约已经到期,不允许攻击人类

马萨诸塞州警方与波士顿动力签署的租赁合同,已经在11月5日到期,是否续约尚不得而知。

从警方给出的反馈中来看,Spot机器狗很有潜力成为强大的武器。

但波士顿动力的态度很明确,并不希望Spot 武器化,并在租赁条款中明确规定:

不能用于“对人造成身体伤害或威胁”的目的。

波士顿的副总裁也对媒体解释称,这也是波士顿动力选择租赁而不是出售机器狗的原因之一。

他们希望自己能够掌控谁能接触Spot,而且在对方违反规定的情况下有能力收回设备。

参考链接:

https://www.documentcloud.org/documents/6556640-Boston-Dynamics-Spot-Memorandum-of-Agreement.html
https://www.wbur.org/news/2019/11/25/boston-dynamics-robot-dog-massachusetts-state-police

作者系网易新闻·网易号“各有态度”签约作者

大咖齐聚!参会嘉宾重磅揭晓

量子位 MEET 2020 智能未来大会启幕,李开复、倪光南、景鲲、周伯文、吴明辉、曹旭东、叶杰平、唐文斌、王砚峰、黄刚、马原等AI大咖与你一起读懂人工智能。观众票即将售罄,扫码报名预定席位 ~

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !

这篇关于波士顿动力将机器狗租给美国警方:已参与两次执法任务,可以破门、勘测、防爆...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/388639

相关文章

hdu1254(嵌套bfs,两次bfs)

/*第一次做这种题感觉很有压力,思路还是有点混乱,总是wa,改了好多次才ac的思路:把箱子的移动当做第一层bfs,队列节点要用到当前箱子坐标(x,y),走的次数step,当前人的weizhi(man_x,man_y),要判断人能否将箱子推到某点时要嵌套第二层bfs(人的移动);代码如下:

【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^

FreeRTOS学习笔记(二)任务基础篇

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、 任务的基本内容1.1 任务的基本特点1.2 任务的状态1.3 任务控制块——任务的“身份证” 二、 任务的实现2.1 定义任务函数2.2 创建任务2.3 启动任务调度器2.4 任务的运行与切换2.4.1 利用延时函数2.4.2 利用中断 2.5 任务的通信与同步2.6 任务的删除2.7 任务的通知2

Flink任务重启策略

概述 Flink支持不同的重启策略,以在故障发生时控制作业如何重启集群在启动时会伴随一个默认的重启策略,在没有定义具体重启策略时会使用该默认策略。如果在工作提交时指定了一个重启策略,该策略会覆盖集群的默认策略默认的重启策略可以通过 Flink 的配置文件 flink-conf.yaml 指定。配置参数 restart-strategy 定义了哪个策略被使用。常用的重启策略: 固定间隔 (Fixe

第49课 Scratch入门篇:骇客任务背景特效

骇客任务背景特效 故事背景:   骇客帝国特色背景在黑色中慢慢滚动着! 程序原理:  1 、 角色的设计技巧  2 、克隆体的应用及特效的使用 开始编程   1、使用 黑色的背景: ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/7d74c872f06b4d9fbc88aecee634b074.png#pic_center)   2

【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