杂想。201909
“SpaceX将使用太空推进剂转移技术，来将超过100吨的货物运送到月球或火星表面”，倒是第一次了解到“太空推进剂转移”技术，搜索了下，很有想象力的做法。这种技术，是指在太空中能够转移“超冷和有挥发性”推进剂的自主航天器，这在没有重力的环境中尤其困难。但是，为什么太空站对接技术，会更复杂？这可能是由于“货物的转移”造成的。飞行器的对接技术，两种方案的难度是相同的，但是推进剂转移，是转移液体，而太空站转移，是固体货物。固体的移动，需要很多控制，液体么，有管道就好。有次我专门问过一个朋友，为什么火箭很少采用固体燃料？他的答案是，液体更容易控制😄，嗯，这一点，也许在推进剂转移技术上，是有意义的。
“Navi的名字一语双关，既有导航的意思，也是游戏《塞尔达传说：时之笛》中的一个角色，为主角林克提供各种线索，帮助他解决难题和完成任务”，很不错，看来cheat文件，也会形成一个lib，大家直接下载已经配置好的cheat，共享😄
“对于货车司机而言，车辆就是赚钱的工具，日常的支出主要有油费、过路费、违章罚款。从上车那一刻起，这些费用就相伴相生。如果一项新技术能帮助减少这些费用的支出，那么司机是有非常大的购买意愿的”，是的，这是问题的一个方面，如何省钱，另一方面则是，如何赚钱。省钱的未来，是技术手段，特别是ADAS自动驾驶以及合理的调度规划算法。赚钱么，对于个人司机来说，目前的解决方式，例如滴滴抢单拼车货帮帮等，都是短期的，随着ADAS技术的落地，人力的需求会减少，这意味货运公司会赚钱，少数运维、备份和远程驾驶的司机，会赚钱，大部分司机会下岗。特别是干线路段，全部无人驾驶。支线，以及最后一公里，在数年内还是会有司机存在，但这，将会是他们最后的荣光
“草原以东地区风更加温暖，阳光更加炽热，各种生命的处境越发艰难”，乍看不符合逻辑，细想愈发恐惧😱。智利与阿根廷，分别占据南美最南端安第斯山脉的两端，也许就是这个地理原因吧，智利风景美丽经济发达，阿根廷动乱不休跌宕起伏。今日参与了一场可持续沙龙，虽讲者枯燥，但内容可嘉。很多人动辄高喊，保护环境，要可持续发展，那么，到底在保护谁？不是保护某种生物，也不是保护地球，而是保护人类自己。从这点上看，少生孩子多种树，是多么朴素直接的口号😄，而gates的 beyond meat 和musk的 space x，都是一种探索，尝试在 “人口不减少时” 让人类尽可能生存的方式。
昨天认识了一个朋友，在做编译器，开发形式证明工具，Proof Assistant，觉得挺有趣，就粗略研究了下。概念上来看，形式证明，是一种通过“实体替换”来进行“逻辑推导”的方法，实体，可以是任意符号，而逻辑，也表现为这些符号之间的关系上，当然，所谓关系，也是一种符号。通过符号之间的不断替换，可以论证某些概念，这就是推理的过程。大学时倒是看过这方面的文章，可惜没有深入，只是学习了Prolog和Lisp，来对人工智能进行编程😖。嗯，形式证明，可以算是最早的AI研究，其观点认为，智能，是一种逻辑推理，而这种推理是需要符合无矛盾的体系架构的，属于符号主义学派。历史上，符号主义的代表人物，是维特根斯坦，一本小小的册子《逻辑哲学论》，开拓了一个时代，真是天才。工作后，也结识了一位同事，他很喜欢维特根斯坦的理论，经常讨论，很是兴奋。这么多年未见，不知他近况如何？
江南，国产很少见的动画片类型，机械蒸汽朋克，虽然有些感情渲染的画面，手法略显稚嫩，但是整体的画面感，厚重有力，而又流漏出宫崎骏风格的清新，很不错。说起来，吉卜力，也很喜欢蒸汽朋克，特别是飞行，而江南，则在片尾也展示了他们对于飞行的理解，灵动而天马行空，真是漂亮。片尾歌很好听，莫欺少年郎，我很喜欢。片中的加特林机枪，很有意思，纯机械设计，是人类历史上第一款大规模装备的机枪，真是天才的设计，从4管到6管再到10管，转速可调，火力强劲，很酷。可惜，清廷外患在于海洋，加特林机枪，难于发挥作用，即使装备再多，也无法避免巨舰沉没的命运
“我们可以把机器人留给客户，向他们提供访问我们 GitHub 项目库的权限”，很好，程序猿是人类未来的灵魂狮😄。嗯，其实BostonDynamics也很困惑，Spot到底能干什么？他们自己想让Spot去巡视工地，可惜很多用户…..就只是希望买个玩具。没办法，只好让客户一起开发吧，毕竟，每个人都是……猿
“在这个案例中，该模型预测一碗面粉和可可粉可能进入烤箱烘烤，也可能变成布朗尼或纸杯蛋糕”，好吧，机器还是愚蠢的，不知道举一反三，蛋糕做法多着呢😄。言归正传，这篇研究，是我觉的近来最有意义的研究，真心佩服google的研究人员，思路符合直觉，逻辑简单明了，算法清晰简洁，赞。Mask的方式，看来会成为机器学习的一个有效手段，有些GAN的味道。多模态的理解，一直是个难点，而结合起来，互相学习，则是这篇文章给出的启发。这意味着，更多的关联关系，可以加入到学习框架中，概念上看，背后体现的是局部信息联结的概率最大化，这是VideoBERT框架的意义。而如何去除噪声，则是实践中需要着重解决的问题，这则是CBT框架的意义。嗯，前几天参加了百度PanddlePaddle的ERINE框架交流，明显能感觉到百度想发力，很不错，也希望，百度能更加扩展和开放，坚持技术初心，像google一样，去发现更多的可能性
“在任何情况下，必须要对自己的一切行为负责，这是领导者必须要做到的”，今日头晕，看到这篇文章，还不错。PBHS这次西点的会议，并没有参与，当时觉得西点的话题，太滥了，没有新意。但其实，内容还是不错的。我们人类中的每个人，要么与自然交互，要么与他人交互，要么…..与外星人交互😄。中国历史，流传下来的，全部是人与人之间的关系，西方则会均衡些，有很多人与自然的科学知识，也有团队、宗教、道德等人与人之间如何相处的经验。萨特说，他人是魔鬼，西点，则想让每个人自我强大，战胜一切外在的魔鬼。我很喜欢文章中提到的“肉身痛苦”，是的，这让人恐惧，也让人能够战胜恐惧，所谓leadership，最基础的原则，就是要能够做到，挺身而出，不畏艰难
“在志愿者回答测试问题的过程中，研究人员通过信号跟踪大脑负责语言和说话的区域，并根据人类发声器官的运动学将这些信息解码成句子”，这里有些奇怪，为什么要经过声带运动学的中转，而不是直接映射到ASR解析出来的文本？也许，它们的研究目标，可能是为了辅助语言障碍者，通过声带运动学的检测，反向推测脑电信号的规律。不过，CTRL-labs的产品，并不是常见的脑机接口，和大脑无关，而是在监测手臂的肌电信号，即根据肌电信号，给出控制命令。这种方式，对于无肌肉神经信号脉冲的大脑神经活动，应该是无效的，使用场景是有限制的。但是对于FB的VR来说，到应该足够了😄
“4年内烧掉50亿美元，这是特斯拉15年才做到的事情，但积累的技术、车型体系、销量完全不一样”，这就是我不喜欢绝大多数国内企业的原因之一，他们在做什么？真正企业的目标，是为股东盈利，为人类社会提供更好的解决方案。tesla的目标始终是这个，也做到了这一点，虽然它一直是美股最大的做空目标，但musk的思维系统性，以及对于未来的前瞻性，真是令人敬佩。为了实现全自动的工厂，他宁愿model3延期交付，宁愿让股价大跌。这，是真正做事情的方式。而蔚来，对于未来人类生活方式的理解，到底是什么呢？蔚来的产品，到底能为使用者，带来什么呢？至于文章提到的NIO House关闭，短期到不一定，因为租金么，早就交过了，继续展示呗，直到…..蔚来无法续费时
“通过利用低深度高通量全基因组测序的方法，成功开发了全基因组DNA拷贝数分析”，这是重点，名字虽然叫全基因组测序，实际上只是分析了拷贝数，简化了很多步骤，省略了很多结果，加上低深度和高通量，降低成本是必然的。概率上看，只分析拷贝数，与揭示疾病，其间的关联关系，到底是怎样？文章给出的实验结果，是可以覆盖基因检测芯片的所有疾病报告，同时增加了一些新疾病的报告。这个是挺有趣的，为什么基因检测芯片，无法报告这些新的疾病？仔细分析原因，也许可以改进基因检测芯片的分析算法，找到bug。另一方面，拷贝数与疾病之间的关联，也可以进一步研究，看看其联系是否具有普适性。嗯，基督教不允许堕胎，不知道是否允许胎儿检测。对于父母来说，知道胎儿可能患病，然后怎么办呢？打掉么？先不考虑自私与否的道德评判，只谈技术。打掉胎儿，意味着将一个生命，完全托付于现有的技术，但现有的技术，完全可能在未来，改变现在的结论，对于父母来说，这是否可以接受呢？进一步思考，疾病的出现，对于人体的进化，就一定是坏事么？
“也许这部电影如此感人的原因，就在于它告诉观众，如果你有耐心、有信仰，你就能到达光明的彼岸。它使人们看到了希望，能够走出他们自缚的茧。”
“The name derives from extensive use of the technique by American documentarian Ken Burns”，我喜欢老外这种尊重原始创意的行为，圣经说，主啊，要为它命名，让它们传播。嗯，通过2D图片实现拟3D效果，很有趣的创意，也是符合逻辑的实现。深度估计，已经成了用途相当广泛的方向，而使用UE这样的游戏引擎，来制造训练数据，获得ground true取值，则是具有前瞻性的做法。计算机图形学，特别是游戏开发者，一直在追求用技术，来复现逼真，因此，我们人类才有了如此众多的算法和名词，光线追踪、PBR、法线、Shader、纹理、多边形、管道……真是复杂无比[Sob]。但与此同时，我们所处的真实世界，与我们创造的虚拟世界，也在交互中交融，令我们的大脑，无法分辨。而这，就是未来的人类世界
“车路通信的RSU最大覆盖半径大于1km；V2V通信单跳距离可达300m；支持OBU的最大运动速度不小于120km/h”，可以计算rsu需要支持的最小能力为：切换obu的最大时间间隔为30秒；高速堵车时汽车首尾相接5米/辆，1公里200辆，8车道1600辆，即至少需要同时管理1600个obu；带宽单车1M，则rsu需要1.6G带宽，当然实际上达不到，而5G带宽最大也才1G。至于价格么，1000公里高速需要1000个rsu，单价10万，总价1亿，2018年我国14万公里高速，需要rsu为14万个，总价140亿，考虑备份冗余，则需要rsu为28万个，总价280亿。
“David Wu在这一时间里，收到了离婚协议书，可能将其逼到了绝望的边缘”，哎，夫妻本是同林鸟，大难临头各自飞。人与人之间的感情，是历来小说家们乐此不疲的主题，爱恨情仇，生物进化导致的腺体分泌而引发的大脑印象，促使个体做出不同的选择，这真是…..赫胥黎和达尔文的理想世界。独立，不依赖他人，应该是美好感情的基础吧，一如《降临》中的女主，因为接触而吸引他，也因为理解而离开他，一切，都是那么自然而然，此后，每个人的生命轨迹，都在共存的物理世界中，奋力前进，直到…..那尽可能远的终点
“基于对数据集的自动分析，nnU-Net自动设计并执行网络训练流程，围绕标准的 U-Net网络结构，谨慎选择超参数”，不错的文章，可以看到CNN医学影像的很多细节处理，例如实施流程、如何增强、如何归一化等等。从概念上看，这个论文的方法，其实是NAS的一种特例，是一种AutoML的实践，即手工选择了网络结构，然后自动选择超参数。由于网络结构基本已定，超参数选择也有启发式规则进行限定，因此训练的速度会快很多。不过，没有详细说明，不同数据集训练出来的网络，模型是否相同？嗯…..如果，不同的任务，需要不同的模型，这一点虽然可以接受，但….就觉得不通用不完美了😄
“Add a third leg….for better performance” 😖，exoskeleton is a good equipment for not only solider but also more people, i.e. Climber, Trekker, just like me. 老美的这个外骨骼，和《流浪地球》中的设计，有些像，不知道是谁抄谁的。单兵的arm，做为武器载具，倒是不错的思考，特别是匍匐时的设计，很人性化。要是再改进一下，直接越肩，做成自动攻击武器，那就很像《明日边缘》了，再增加小型化无人机平台，就更完美了😄
“有助于减缓碳排放和帮助人们适应全球变暖的颠覆性技术上，将会更有实效”，是的，人类需要适应环境，而不是幻想环境始终保持不变化。话说回来，对抗，或者顺应，to be or not to be，that is a question。变化是永恒的，过去的，就让它过去吧，我们可以去创造，新的未来，去月球，去火星，去星辰大海。老死在地球上，很好么？
“精神分裂症在基因组上有100多个风险位点，但这些位点中的大多数不包含任何基因，因此我们不清楚它们是如何与疾病产生联系的”，这里没有太明白，估计是指不包含任何的“编码基因”，即对于蛋白质形成无关的基因。很不错的实验，人类98%都是非编码基因，真的没有用处么？这篇文章给出了一种探索，通过大数据来建立因果关系，赞
“健壮的AutoML系统应当能够终身学习，即既能保持对旧数据的记忆能力，又能学习新的数据”，嗯，lifelong learning，生命不息学习不止，人生如此，算法也是如此，上下求索折腾到底！NAS是未来的方向，也是困难的方向，人类的启发知识，对于NAS，到底有多大的影响？概念上看，强化学习、遗传进化、梯度下降，都属于目标导向算法，结果其性能，倒不如随机搜索……，这是什么原因？直觉上分析，目标导向的算法，可能容易陷入多维空间的局部极值，难以短时间内跳出，而随机算法，则没有这个问题，天马行空，在短时间内发现更多可能。嗯，因此，我们就有了蒙特卡洛，配合马尔可夫，让随机游走策略，帮助我们对抗时间的惩罚😄
“简单的规则，存在竞争关系的多个主体，再加上可以自由使用的工具，三者结合在一起使得AI能适应多种复杂的环境”，yeah，就像复联，神奇博士在大脑中高速强化学习预测了1400万种可能，才找到了1种解决灭霸的策略。作为被食者的物种，生活很痛苦，而作为掠食者的物种，其实也很痛苦，既要保持对于被食者的进化优势，还要防止被食者突然死亡，意外也罢自杀也罢，否则….自己也跟着死翘翘[Sob]。嗯，看起来，我们的地球，进化这么多年，只有微生物组，一直在微笑😄
“KrakenUniq通常比Kraken运行的更快，约提高了50%”，这是它数据结构设计的功劳，挺有趣的，分为上下两部分，保存在一个寄存器中，然后进行分类。k-mers哈希算法，也是没办法，因为，基因序列的数目太大，而计算机的内存和算力太有限[Sob]。嗯，概念上来看，k-mers的计数，倒是很像CNN的核运算😄
“60%以上的重大交通死亡事故发生在夜间。夜间30-40%车祸源于滥用远光灯，这会造成人眼和普通摄像头的短时间失明”，必须配合AEB主动安全，从L4开始，才有意义，否则，人是不会理会这些信号的，除非配合HUD或者语音提示……
“他们必须要学习工程，他们要学习数学，他们要学习几何，要学习各种铸炼的技术，要学习当时新流行的各种科技知识”，是的，知识的理解，到达这个阶段，自然融会贯通，事物间的关联，就像数学一样，只是一种…..投影，不同坐标系间的转换。那么，为什么有那么多人，愿意提倡工匠精神呢？工匠精神，到底是什么？我觉得，它并不是说，做一件事情，一定要一成不变，而是指在理解了内在关联的基础上，做出恰到好处的选择，这种选择，可能是产品的性价比、也能是产品的生命周期。but，对于未知的好奇心，则是创造的核心，当你对眼前失去兴趣时，也就没有必要用工匠精神，来掩饰自己的无奈
“动态对象可以在世界中移动时从附近的光照探针接收到光照数据。这项功能使动态对象能够正确接收到局部光照，从而正确地融入周围的光照条件”，yeah，光照探针，是减少烘培时间，增加动态效果的好方式。说到底，还是计算力不足造成的，而目前的光照计算数学，都需要考虑路径，点光源，反射衍射折射，这导致了复杂的重复计算，很痛苦
“LTN逻辑张量网络，把知识和数据都被映射到向量空间，从而使得模型具备知识推理能力”，这是个挺有趣的想法。简单看了看arxiv的论文，设计的挺有意思，逻辑关系，通过分析文本的单词，然后将这些单词直接转化为分布式表示，从而形成一条逻辑规则，并不需要手工编程。而所有这些逻辑规则的分布式表示，以及这些表示的所有可能的取值，就会形成 tensor，然后利用现有的DL框架进行训练，loss函数则是对于已知语句的预测和真值的差，推理时可以发现未知的事实，很不错。嗯，从概念上来讲，逻辑规则，如a=>b，可以看成是一种关系，那么表达的技术手段，就会有多种。例如，可以用graph图来构造，然后进行graph网络训练和推理。或者，也对应于DL深度学习mlp多层感知机中，两层之间的连接关系，然后利用DL技术进行训练和推理。这篇文章采用了DL的技术手段，发现潜在的事实，是它的主要用途，很有趣。
很有趣的微生物世界，看着这种对抗与控制，感觉就像人类的军队，通过立体化的防线，以及动态的穿插巡逻，消灭潜在的威胁，并释放或真或假的情报😄。那么，人体，如何知道某种微生物的影响后果呢？遗传是一种手段，而经历并记忆，则是另一种手段。这个过程是痛苦的，对于个体来说，会生病，会炎症，会死亡。但活下来的个体，则获得了平衡这些外部变化的经验，让自己持续存在。那么，生命为什么一定要死去，一定要通过生殖来构建自己的部分克隆？免疫这种动态更新的技术手段，存在什么问题？
“当今开放域聊天机器人的五个常见弱点：一致性、特异性、同理心、知识性和多模态理解”，NLP是复杂的，虽然FB的Self-Feeding Chatbot框架很不错，但是NLP的核心问题，能不能得到解决？存疑。自然语言理解，特别是open bot场景，人类的对话，基本上是两大目标，获得知识结果，或者，获得情感支持。知识，是人类解决未知问题时所需要的预测武器，情感，则是人类个体缓解焦虑的调节武器。FB列出的open chat五个弱点，都是在这两方面存在不足，导致人类个体无法得到有效的结果，从而不愿意与bot继续对话。因此，FB的努力方向很好，它解决了chat的UI合理性问题，但是结果……却很难讲，因为，如何让对话者获得不一样的新鲜体验，可能是使用者愿意和bot长期对话的决定因素。这种体验，不仅仅是已知的知识和情感，还需要能够提供符合逻辑的推论，新的观点，让对话者有所收获。而这，需要目前的NLP领域，做出研究突破
现代建筑，我看了很多，也很喜欢，一直以来都在思考，为什么喜欢它？慕尼黑的建筑风格，是一个答案，这是种，恢弘的、克制的、冷淡的、专注的、独裁风格。建筑的形式是内心的表征，慕尼黑现代建筑，大面积的平铺，大弧度的曲线，让视觉反而停留在某些细节上，例如小小的入口，此时建筑本身，反而成为了背景，主动引导人们，顺着建筑者的心理，进入他们的世界。这是好是坏？这种风格，发源于罗马万神殿，继承于中世纪哥特教会，光大于现代经济崛起国家的意志，戏虐来讲，就是“脱离了低级趣味”。这几天，与侄女嬉戏捏泥人，我信手做了一个，还未完工时，妈妈问这是什么？答曰乌龟，妈妈觉得不像，小侄女看了一眼，却说是乌龟。嗯，那时的我，忽然发现自己的心理，与婴儿类似，摆脱了成人世界的规则与限制😄。嗯，这种表达内核的技法，也许就是现代建筑的技法核心吧，慕尼黑的形式
“At this point, the network is protected by the network coordinator until it will be fully removed as part of the Coordicide effort”，nice idea and project, but too slow :(. 我认可IOTA的理念，特别是M2M的框架和未来，只是IF的动作太慢了，很多承诺的动作，还没有变为现实，原因么，应该与工业界的现状有关，商业化的世界，需要能够降低成本，或者增加收入，M2M的理念，对于这些商人来说，还太遥远，也就没有太多动力，去促进实际需求变成IOTA的产品。另一方面，这也意味着，IOTA宣扬的潜在优势，与其它方案相比，目前还无法展现差距。但是，未来呢？找到切入点，让IOTA在商业世界中，接受竞争，接受进化，是更加具有生命力的做法，Fighting！
Graph Embedding，图嵌入，实际上从概念上看，就是为了将二维的图节点关系，转化为一维的向量，而这些向量之间，反应了节点之间的连接关系，即所谓表征。为什么要这样做？为了后面进一步的归纳，使用现有的DL技术，训练权重，进行分类。为了有效做到这一点，就需要有效表征，解决维数爆炸问题，解决稀疏矩阵问题，而这就引出了一系列的技术手段，例如AutoEncoder自编码器。理解了这些，Graph的机器学习技术，就不再是一件很难的事情😄
“环境DNA（e-DNA），这样可以一一列举在尼斯湖中存在的生物”，暴力破解呀，brute force，科学家有了算力，真是为所欲为，but，确实不错，符合逻辑😄，虽然，还有20%的未知DNA……
“野猪其实也在维京人的食谱之中，同时，汉堡王也提供有猪肉汉堡——野猪或许是这次联动活动中最感到紧张的游戏角色”，嗯，我就喜欢这样一本正经的胡说八道，细节极端丰富，逻辑推理严密，而对关键之处，却又一笔带过，真是令人欲罢不能呀。维京海盗、亚瑟王、狮心查理、圣路易，无数的历史传说，被我们反复改编，披着历史的狼皮，讲述着现代的羊故事，很好😄
“ElasticDL 和 Uber Horovod 都是在 TensorFlow 的 API 上包一层”，这就是所谓抽象，人类解决问题的基本原则之一。K8S的DL框架，利用了K8S的简单性，那么，google的FederateLearning框架，如果也支持K8S，是否会成为更加通用的解决方案呢？
“明确的传统ACT要素：耐力系统、严苛的碰撞判定、大幅度硬直、能让你感觉到“酸涩”的动作动画”，这就很尴尬了，对于硬核玩家来说，手柄是必备的，触屏…..能做出打击感么？如果Apple对于iPhone11的触屏操作，这么有信心，倒是值得期待呀😄
“本文提出的方法透过较多先验知识来完成，包括类别形状，类别数量等，未来是否能考虑用无监督的方法来学习分组”，其实，类别本身，就是人为确定的，是监督，先验的知识。不同类别的重要程度，并不同，行人比汽车，更应该收到Self-Driving算法的重视，因此增加更多小数目类别对象的做法，还可以换种思路，即设置不同的权重。借鉴NLP中的概念，这就是种Attention，全局调整权重。这种方法，也许实现上更加简单，而且可以尝试再推理时动态调整，适应不同的驾驶场景，例如，高速上时，行人并不重要，而在街道上时，行人就很重要😄
“AI技术虽然已经对毒品、枪支和钱币等物品实现了有效的识别，但是面对裸露图片时，它依然不够可靠”，这，其实是目前AI技术存在的最大问题，标准如何确定？即，数据谁来标注？目前的AI算法，特别是深度学习，依赖于大量数据，模仿人脑，归纳学习，但是，人与人之间，并不相同，你觉得不爽时，我觉得OK，算法如何个性化？bumble的做法，是个缓冲，twitter也是这样。先根据特定标准，标示出数据，进行保护性处理后，用户个人再选择具体的执行步骤。对于bumble或twitter来说，意味着用户个人的行为，得到了记录，而这种个性化数据，可以用来训练个性化的AI，迁移学习。那么隐私问题，有多重要呢？其实很多人，访问一个网站，都会有很多不同的ID，这些ID最终会训练出不同的AI，但这样的结果，又能如何？法律的制定原则，只能是依据已经发生的事实，当没有对其他人造成实质性损害时，我们只能承认它，而不能去惩罚它。
“健康的海马体中，饥饿素会与其受体GHSR1α相结合，而这种受体又会与多巴胺激活受体（DRD1）组合，两者形成一个蛋白质复合体，帮助脑细胞之间通信，最终维持记忆”，这意味着，适当饥饿，会让我们思维敏捷记忆超群😄。进一步扩展，如果像大脑海马体直接注射饥饿素，而不是让肠胃分泌，会不会在维持记忆的同时，让身体错误以为我们很饿，进而导致进食过量？有趣的人体调节机制……
“具有切向抓力的手掌，放在机器人臂和腿的末端，可以帮助机器人攀爬岩石壁面。还可以将上述抓持器与多关节手指结合起来，构成岩石攀爬机器人”，我喜欢这样的设计，还可以进一步改进，成为一种exoskeleton，作为人类攀爬的工具。最近看了《自由攀岩》，真是令人激动，勇气、技术、规划、练习、都是主角登上3000英尺 el capatian 缺一不可的方面，而心态，思维放松卸下压力聚精会神身心投入，的心态，则是让他踏出第一步的关键，free, then solo, just to finish, that is all
“monocular frame-to-frame pose estimator can provide a long and reasonable camera trajectory without any post-processing for drift correction”，挺不错的论文，通过单目图像视频，实现深度估计，长时间的估计，而且还没有误差积累😄。原理到比较简单，关键在于尺度归一化后，相对位置的变化，而这，也是loss函数的设计点。不用光流，不用语义，性能上确实会快很多，而且没有双目的校准问题，是可以量产的解决方案。前段时间，还看过另一篇paper，将左右两个camera的图像，从正视图转换为顶视图，计算深度，然后进行对象检测，也很有意思。Musk的LiDAR无用论，有直觉上的合理性，而工科男们，又孜孜不倦地用Paper持续补刀，这让LiDAR厂家，情何以堪？
our proposed approach does not require additional optical flow or semantic segmentation networks, which makes the learning framework simpler and more efficient. Also, the performance is remarkable that a monocular frame-to-frame pose estimator can provide a long and reasonable camera trajectory without any post-processing for drift correction. It is very challenging, because drifts accumulate over time and significantly limit the performance
“从普通百姓感兴趣的事儿开始，迅速拓展进入患者大便肠道菌群测序服务。这本来是难得的好买卖”，是的，好买卖，人类的愚蠢，是冒险家的商业乐园。不过，文章写的不是很清楚，破产重组的原因是什么？产品无法研发出来？投资人不愿意继续投资？医药领域，产品研发失败，是很正常的事情，投资人不愿意投资，产品销售不利，只能说，产品的目标人群，太广泛了，少数人不满意，就会破坏市场营销努力。嗯，那精准目标人群，是不是更合理呢？针对普通人么……要是到中国来，做成保健，市场也许更大😄
“多数忆阻器都存在不可预知的问题，例如器件间的相斥、循环耐久性和随时间变化的磨损”，这个是忆阻器的关键问题，不可靠。如何解决？容错电路设计，是一种方案，就像前段时间在一个Wafer上制造出的最大芯片，为了避免杂质的影响，就增加了冗余设计，少数模块的实效，不影响整个芯片的运作。成本相对会增加，但，这是应该的。EDA软件的重要性，再次体现😄