By Juan Diego Polo

Las tecnologías robóticas están cambiando diversos sectores, y la agricultura es uno de los que más me interesan. Imagínate un robot que pueda recorrer campos de pastoreo y eliminar malezas invasoras sin necesidad de pesticidas. Suena increíble, ¿verdad? Pues bien, investigadores del VVT Technical Research Centre de Finlandia han desarrollado precisamente eso: un robot que puede remover malezas de manera autónoma.

Las malezas, especialmente las de rápido crecimiento y naturaleza invasiva, son un verdadero dolor de cabeza para los agricultores. No solo reducen el rendimiento de los cultivos, sino que también pueden ser tóxicas para los animales. Un ejemplo es el Rumex longifolius, conocido como acederilla. Esta planta contiene oxalatos, compuestos que son venenosos para animales como caballos, ovejas y vacas.

La solución robótica

El Robot de VVT

El equipo de investigadores finlandeses, compuesto por Jarkko Kotaniemi, Niko Känsäkoski y Tapio Heikkilä, ha desarrollado un robot capaz de eliminar estas malezas invasoras. Este robot funciona de manera autónoma y está diseñado específicamente para remover la acederilla cuando aún es una plántula. Utiliza una combinación de navegación GNSS, visión por computadora 3D y un brazo robótico equipado con una herramienta mecánica para la eliminación de malezas.

Funcionamiento del Robot

El robot sigue un enfoque de control multi-capa para planificar sus misiones de desmalezado. Este enfoque divide las tareas en tres conjuntos de acciones: navegar hacia la maleza, detectar la maleza y finalmente, removerla. La misión de desmalezado se establece a partir de un mapa de ubicaciones de malezas en el campo de pastoreo.

Navegación y Detección

La primera tarea del robot es moverse hacia la ubicación de la maleza utilizando datos GNSS. Una vez en posición, el sistema de visión por computadora 3D entra en acción para detectar y localizar la maleza con precisión. Aunque esta tecnología es efectiva, los investigadores han notado que la detección puede ser menos precisa en ambientes muy desordenados o con mucha luz.

Eliminación de la Maleza

El brazo robótico, equipado con una herramienta mecánica, se encarga de extraer la maleza desde la raíz. Este método es preferible al uso de pesticidas, ya que no daña el medio ambiente ni la salud de los humanos que consumen cultivos cercanos.

Pruebas en el mundo real

El equipo ya ha probado su plataforma robótica en entornos reales, específicamente en campos de pastoreo. Los resultados han sido muy prometedores: el robot puede remover eficazmente las malezas, aunque la precisión de detección en ciertos entornos aún necesita mejoras. Estas pruebas demuestran la viabilidad de utilizar tecnologías robóticas para el desmalezado en la agricultura.

Los investigadores planean seguir mejorando las capacidades de detección del robot. Esto facilitará su comercialización y uso por parte de los agricultores, lo que podría representar un cambio significativo en cómo se manejan las malezas en los campos de pastoreo.

Tenéis más información en el estudio Jarkko Kotaniemi et al, A Weeding Robot for Seedling Removal, arXiv (2024). DOI: 10.48550/arxiv.2405.12596

Source:: Wwwath’s new

By Diego Bastarrica

Una que explota la búsqueda de Windows y otra una vulnerabilidad de Wi-Fi

The post La seguridad de su PC está siendo atacada en dos nuevos frentes appeared first on Digital Trends Español.

Source:: Computadoras

By Juan Diego Polo

DenseAV es el nuevo algoritmo desarrollado por investigadores del MIT que está revolucionando la forma en que las máquinas pueden aprender idiomas. Este innovador sistema se basa en la asociación de señales de audio y video, y promete cambiar nuestra comprensión sobre cómo los seres humanos y los animales se comunican. Vamos a sumergirnos en cómo funciona este asombroso avance tecnológico.

Inspiración en una película

Todo comenzó con una escena de la película “March of the Penguins“. En un momento, un pingüino cae y emite un gruñido mientras se levanta. Para Mark Hamilton, estudiante de doctorado del MIT, este gruñido sonaba como una palabra de cuatro letras en inglés. Esta observación le llevó a pensar si un algoritmo podría aprender un idioma simplemente viendo y escuchando videos. Así nació la idea de DenseAV.

¿Cómo funciona DenseAV?

DenseAV aprende a predecir lo que ve a partir de lo que oye, y viceversa. Por ejemplo, si escucha la frase “hornear el pastel a 350 grados», buscará imágenes de un pastel o un horno. Este método, conocido como aprendizaje contrastivo, permite al modelo encontrar coincidencias entre pares de señales de audio y video sin necesitar ejemplos etiquetados.

Componentes principales

El algoritmo utiliza dos componentes principales que procesan los datos de audio y video por separado. Esta separación impide que el algoritmo haga trampa, obligándolo a reconocer objetos y crear características significativas tanto para las señales de audio como de video.

Resultados sorprendentes

Al entrenar DenseAV, los investigadores observaron que cuando alguien decía “perro», el algoritmo buscaba inmediatamente un perro en el video. De igual manera, al escuchar un ladrido, buscaba la imagen de un perro. Esto mostró que DenseAV podía distinguir entre la palabra “perro» y el sonido de un ladrido, lo que indica una comprensión profunda de las conexiones entre diferentes tipos de señales.

Exploraciones detalladas

Para profundizar, los investigadores dieron a DenseAV un “cerebro de dos lados». Un lado se centró en el lenguaje y el otro en los sonidos. Este diseño permitió al algoritmo aprender no solo el significado de las palabras y los sonidos, sino también diferenciarlos de manera autónoma.

Aplicaciones futuras

Las aplicaciones de DenseAV son vastas. Uno de los usos más prometedores es el aprendizaje de nuevos idiomas, como la comunicación de delfines o ballenas, que no tienen una forma escrita. Además, DenseAV podría ayudar a descubrir patrones entre otras parejas de señales, como los sonidos sísmicos y la geología de la Tierra.

Desafíos y logros

El equipo enfrentó un gran desafío: aprender un idioma sin ninguna entrada de texto. Inspirados en cómo los niños aprenden observando y escuchando su entorno, lograron que DenseAV reconociera objetos y sonidos creando características detalladas y significativas para ambos tipos de señales.

DenseAV se entrenó con AudioSet, que incluye dos millones de videos de YouTube. También se crearon nuevos conjuntos de datos para probar cómo el modelo puede vincular sonidos e imágenes. DenseAV superó a otros modelos en tareas como identificar objetos a partir de sus nombres y sonidos.

Futuro del aprendizaje de máquinas

El siguiente objetivo del equipo es crear sistemas que puedan aprender de grandes cantidades de datos solo de video o solo de audio. Este avance es crucial para nuevos dominios donde hay mucha información de un solo modo. También planean escalar el sistema utilizando arquitecturas más grandes e integrar conocimientos de modelos de lenguaje para mejorar el rendimiento.

Colaboradores y créditos

Este trabajo es un esfuerzo conjunto de investigadores del MIT y otras instituciones. Entre los autores adicionales se encuentran Andrew Zisserman de la Universidad de Oxford, John R. Hershey de Google AI Perception y William T. Freeman, profesor del MIT.

DenseAV representa un paso significativo hacia métodos que pueden aprender observando el mundo a través de la vista y el sonido. Este modelo, sin suposiciones sobre el idioma, podría aprender de datos en cualquier idioma y tiene el potencial de revolucionar la forma en que entendemos la comunicación.

Más información en Mark Hamilton et al, Separating the “Chirp» from the “Chat»: Self-supervised Visual Grounding of Sound and Language, arXiv (2024). arxiv.org/abs/2406.05629

Source:: Wwwath’s new

By Diego Bastarrica

Dice Sony que la PS4 significó un antes y un después en la industria

The post Sony está convencido de que la PS4 de alguna manera mejoró los juegos de PC appeared first on Digital Trends Español.

Source:: Computadoras