توجه ترجمه این مقاله در ترنسلیت انجام شده که ممکن است کمی اشکال داشته باشد.
برای اجلاس سران برنامه نویس Google for Games به ما بپیوندید
ماه گذشته ، برگزارکنندگان کنفرانس بازی ها (GDC) تصمیم دشوار برای به تعویق انداختن این کنفرانس گرفتند. ما این تصمیم را درک می کنیم ، زیرا ما باید اولویت بندی سلامت و ایمنی جامعه خود را داشته باشیم. GDC یکی از زمان های پیش بینی شده سال ما برای ارتباط با صنعت بازی است. اگرچه ما امسال اخبار را به صورت حضوری منتقل نخواهیم کرد ، ما میزبان اجلاس برنامه نویس Google for Games هستیم ، یک تجربه رایگان و دیجیتالی است که توسعه دهندگان می توانند اعلان ها و محتوای جلساتی را که برای GDC برنامه ریزی شده بود تماشا کنند.
بیشتر بخوانید:
نشست برنامه نویس Google for Games
نشست برنامه نویس در 23 مارس در ساعت 9:00 با PT با کلیدواژه پخش شده ما شروع می شود. بلافاصله پس از آن ، ما یک لیست کامل از جلسات برنامه نویس با بیش از 10 ساعت محتوا را برای کمک به انتقال بازی های خود به سطح بعدی منتشر خواهیم کرد.
در اینجا انواع جلسات مورد انتظار وجود دارد:
داستان های موفقیت آمیز از رهبران صنعت در مورد چگونگی تسخیر تست بازی ، ایجاد زیرساخت های backend و بازی های عالی در همه سیستم عامل ها راه اندازی شد.
اطلاعیه های جدید مانند ابزارهای توسعه و پروفایل Android و برنامه های کاربردی که می توانند به استقرار سریع برنامه های بزرگ در دستگاه ها سریعتر ، عملکرد گرافیکی دقیق ، و تجزیه و تحلیل بهتر حافظه دستگاه کمک کنند.
به روزرسانی هایی در مورد محصولات مانند سرورهای بازی (در حال حاضر در آلفا) - ارائه کاملاً مدیریتی از Agones ، اجازه می دهد تا توسعه دهندگان به راحتی سرورهای بازی کانتینر شده را در سراسر جهان مستقر و مدیریت کنند.
ثبت نام کنید تا در g.co/gamedevsummit مطلع شوید.
پشتیبانی از انجمن توسعه دهنده بازی
ما می دانیم که هر توسعه دهنده با این وضعیت متفاوت متاثر می شود. ما با صندوق امداد GDC در حال هماهنگی هستیم تا از توسعه دهندگان که در این لحظه سرمایه گذاری کرده اند برای رشد هر چه بیشتر بازی های خود ، حمایت و کمک کنیم.
ما همچنین می دانیم که بسیاری از توسعه دهندگان به دنبال به اشتراک گذاشتن مطالب خود با همسالان بودند. برای کمک به این امر ، توسعه دهندگان می توانند از YouTube برای پخش رویدادها از کوچک به بزرگ با استفاده از ابزارهایی مانند Live Streaming و Premieres استفاده کنند.
ما نمی توانیم صبر کنیم تا آنچه را که در فروشگاه بازی داریم به اشتراک بگذاریم. راه حل هایی را که تیم های ما برای حمایت از موفقیت این جامعه برای سالهای آینده در تلاشند ، کشف کنید.
Boeing که روی دو نسخه جدید نرم افزار 737 Max کار می کند تا نقص های جدید را برطرف کند
به نظر نمی رسد هواپیمای بوئینگ 737 مکس باعث وقفه ای شود. شامگاه سه‌شنبه ، این شرکت با انتشار اخبار جدید مبنی بر به‌روزرسانی دو نرم افزار جدید در رایانه کنترل پرواز 737 Max ، به اشتراک گذاشت.
بوئینگ هنوز هم در تلاش برای از سرگیری پروازها برای هواپیماهای 737 مکس خود با دریافت تاییدیه نظارتی پس از این اتفاقات در مارس 2019 پس از دو تصادف ناخوشایند زمینگیر شد.
رویترز اولین کسی بود که اطلاعاتی را از بوئینگ دریافت کرد و این خبر را منتشر کرد.
همچنین ببینید: BOEING نتایج جدید نرم افزار را با استفاده از 737 طرح MAX در طول آزمایشات یافت
دو موضوع جدید با آنچه باعث سقوط هواپیما در سال 2019 شد ، ارتباطی ندارند
مسائل مربوط به رایانه کنترل پرواز ، مطابق ایمیل بوئینگ به بلومبرگ است. از زمان تصادفات ناخوشایند 737 مکس خود که در سال گذشته فقط پنج ماه با هم اتفاق افتاد ، هواپیما به زمین افتاد و تیم بوئینگ در حال طراحی مجدد نرم افزار هواپیما بود.
از آنجا که این به روزرسانی ها در حال انجام هستند ، مهندسان بوئینگ همچنین دو مسئله جدید را کشف کرده اند که اکنون باید با آنها روبرو شوید قبل از اینکه بتوانند هواپیما را دوباره به آسمان بیاندازند.
یکی از این مسائل شامل "گسلهای فرضی" در میکروپروسسور رایانه ای کنترل پرواز است ، که می تواند منجر به از دست رفتن کنترل شود که به عنوان تثبیت کننده باند شناخته می شود.
بیشتر بخوانید:
مسئله دوم به طور بالقوه می تواند باعث شود که هواپیما هنگام خاموش شدن هواپیما از زمین خارج شود.
شرکت بوئینگ گفت اواخر روز سه شنبه ، دو به روزرسانی جدید نرم افزاری را برای رایانه کنترل پرواز 737 MAX MAX ایجاد می کند ، زیرا برای بدست آوردن تصویب نظارتی برای از سرگیری پروازها کار می کند. https://t.co/GueclGzLbF
- رادیو اخبار FOX (foxnewsradio) 8 آوریل 2020
هیچ یک از این گسلها با آنچه که باعث تصادفات در سال 2019 شد ، ارتباط ندارد و به بوئینگ اطمینان می دهد. و هیچکدام از آنها در پرواز مشاهده نشده اند ، با این حال ، به روز رسانی نرم افزار احتمال وقوع این اتفاق را قبل از زمان از بین می برد. این اصلاحات می توانند همزمان انجام شوند.
اداره هواپیمایی هوانوردی فدرال در تماس نزدیک با بوئینگ است زیرا این شرکت "کار خود را در مورد سیستم کنترل پرواز خودکار در 737 MAX ادامه می دهد. سازنده باید مطابق با تمام استانداردهای صدور گواهینامه را نشان دهد."
تاکنون ، بوئینگ این مسائل را پیش بینی نمی کند که تاریخ پیش بینی اواسط دوباره راه اندازی اواسط سال 2020 برای 737 Max را بازگرداند. با این حال ، این شرکت تاریخ را تأیید نکرده است که این بروزرسانی ها به اتمام می رسند.
روبات ها را می توان از مواد نرم ساخت ، اما انعطاف پذیری چنین روبات ها با درج سنسورهای سفت و سخت لازم برای کنترل آنها محدود است. محققان سنسورهای تعبیه شده ای را جایگزین سنسورهای سفت و سخت ساخته اند که عملکرد مشابهی را ارائه می دهند اما به ربات انعطاف پذیری بیشتری می دهند. روبات های نرم می توانند از طراحی های سفت و سخت تر و سنتی تر سازگار و انعطاف پذیر باشند. این تیم از تکنیک های یادگیری ماشین برش برای ایجاد طراحی خود استفاده کردند.
اتوماسیون موضوعی است که اهمیت فزاینده ای دارد و هسته اصلی این مفهوم زمینه های زوج غالباً رباتیک و یادگیری ماشین است . رابطه بین یادگیری ماشین و رباتیک فقط به کنترل رفتاری روبات ها محدود نمی شود بلکه برای طراحی و عملکردهای اصلی آنها نیز مهم است. روباتی که در دنیای واقعی فعالیت می کند ، برای حرکت و انجام وظایف ، باید محیط و خود را درک کند.
اگر جهان کاملاً قابل پیش بینی باشد ، بدون نیاز به یادگیری چیزهای جدیدی در مورد محیط زیست ، یک ربات خوب حرکت می کند. اما واقعیت غیرقابل پیش بینی و در حال تغییر است ، بنابراین یادگیری ماشین به روبات ها کمک می کند تا با موقعیت های ناآشنا سازگار شوند. اگرچه این موضوع از نظر تئوریک برای همه روبات ها صادق است ، از این رو برای روبات های نرم نرم از اهمیت ویژه ای برخوردار است زیرا خصوصیات بدنی این ها از لحاظ روحی و روانی کمتر از همتایان سفت و سخت آنها قابل پیش بینی است.
دانشیار کوهی ناکاجیما از دانشکده تحصیلات تکمیلی علوم و فنون اطلاعات گفت: "مثلاً یک ربات را با عضلات مصنوعی پنوماتیک (PAM) ، سیستم های مبتنی بر مایعات و لاستیک مبتنی بر الیاف که گسترش می یابند و منقبض می شوند." "PAM ها ذاتاً دچار سر و صدای مکانیکی تصادفی و هیسترزیس می شوند ، که اساساً با گذشت زمان استرس مادی دارند. مانیتور دقیق مبتنی بر لیزر به کنترل کنترل از طریق بازخورد کمک می کند ، اما این سنسورهای سفت و سخت حرکت یک ربات را محدود می کنند ، بنابراین ما به چیز جدیدی رسیدیم."
ناکاجیما و تیمش فکر کردند اگر بتوانند یک PAM را در زمان واقعی الگوبرداری کنند ، می توانند کنترل خوبی از آن داشته باشند. با این حال ، با توجه به ماهیت در حال تغییر PAM ها ، این روش با روش های سنتی مدل سازی مکانیکی واقعی نیست. بنابراین تیم به یک روش یادگیری ماشین قدرتمند و مستقر موسوم به محاسبات مخزن روی آورد. این جایی است که اطلاعات مربوط به یک سیستم ، در این حالت PAM ، در یک زمان واقعی به یک شبکه عصبی مصنوعی ویژه منتقل می شود ، بنابراین مدل همیشه در حال تغییر است و بنابراین با محیط سازگار می شود.
ناکاجیما گفت: "ما مقاومت الکتریکی تغییرات مواد PAM را بسته به شکل آن در هنگام انقباض پیدا کردیم. بنابراین ما این داده ها را به شبکه منتقل می کنیم تا بتواند به طور دقیق از وضعیت PAM گزارش کند." "لاستیک معمولی یک عایق است ، بنابراین ما کربن را در ماده خود گنجانیده ایم تا مقاومت متفاوت آن را آسانتر بخوانیم.
به لطف این روش ، ممکن است نسل جدیدی از فناوری رباتیک نرم امکان پذیر باشد. این می تواند شامل روبات هایی باشد که با انسانها کار می کنند ، به عنوان مثال دستگاه های توانبخشی پوشیدنی یا روبات های زیست پزشکی ، زیرا تماس نرم اضافی به معنی تعامل با آنها نرم و بی خطر است.
Nakajima گفت: "مطالعه ما نشان می دهد که محاسبات مخزن می توانند علاوه بر رباتیک در کاربردها نیز استفاده شوند. برنامه های سنجش از دور که نیاز به اطلاعات در زمان واقعی دارند که به صورت غیر متمرکز پردازش می شوند ، می توانند بسیار سود ببرند." "و سایر محققانی که محاسبات عصبی را بررسی می کنند - سیستم های رایانه ای هوشمند" نیز ممکن است بتوانند ایده های ما را در کار خود بگنجانند تا عملکرد سیستم های خود را بهبود بخشند. "
درباره این سایت