Ну, по порядку…
После публикации поступили предложения о сотрудничестве и финансировании, но я от всех отказался, т.к. дальнейшие практические разработки не предполагались.
Основная задача была определить новизну алгоритма. Поэтому попробовал ускорить проверку новизны патента, но законодательно это не предусмотрено. Удалось только получить подтверждение полной работоспособности алгоритма и указание на широкий спектр применения от знающих людей.
Пришлось подавать международную заявку для определения новизны. Для некоторых стран стоимость подачи низкая (всего 10% от стоимости), подтверждение новизны можно получить всего за несколько месяцев. Роспатент (он участвует) провёл проверку и указал, что патент НЕ новый, т.к. обнаружили французский патент, в котором используется виртуальная модель для определения доступности мест обслуживания оборудования. Т.е. используют виртуальные модели для определения удобства/неудобства дальнейшего обслуживания оборудования. Однако в данном патенте указано, что полученную информацию используют не для повтора действия, а для изменения конструкции оборудования. Обжалование результатов предусмотрено, но не сразу. Т.о. ответ о новизне я так и не получил.
Пришлось заказывать ускоренную процедуру патентной экспертизы белорусской заявки, но обнаружил, что российская (!) команда начала использовать полностью идентичный алгоритм. Начал смотреть, откуда ноги растут. Оказалось, что используется ПО американской команды Willow Garage. Алгоритм абсолютно идентичный, демонстрировался намного лет раньше.
http://www.youtube.com/watch?v=7cslPMzklVoПоэтому:
1. патент не новый;
2. алгоритм полностью работоспособный.
Возможности алгоритма просто безграничны. Кому интересна данная тема, посмотрите видео и описание от Willow Garage. Несколько месяце назад они выпустили открытое ПО. Найдёте ответы на все вопросы. Сделать сможете всё, что угодно.
Своего робота разрабатывал так… Сначала думал над алгоритмом. Первоначально предполагал, что для выработки решения нужно использовать опыт, т.е. из памяти выбирать максимально совпадающие по исходным данным варианты действия, находить среднее значение действий (при необходимости можно удалять определённый процент нехарактерных вариантов), повторять найденный вариант. Но этот вариант подходит только, если у вас есть возможность множество раз ошибиться до того, как вы найдёте правильный вариант действия. Т.е. робот учится постепенно. Такой вариант распространён, некоторые описывали его и в комментариях к теме. Но он не даёт решения, если у вас всегда разные ситуации. Поэтому начал искать вариант снизить вероятность ошибки, путём определения вариантов сложения исходных данных. Т.к. для обкатки алгоритма использовал виртуальную модель, понял, что её можно применять для поиска решения для физической модели. Для поиска использовал пропорциональный регулятор (чем меньше «косяков» во время движения, тем меньше разброс интервала, в котором ищется решение), но можно ЛЮБОЙ, хоть самый простой, хоть нейронные сети. Разница только в скорости и вероятности нахождения решения.
Робота делал полностью сам, в том числе алгоритм местоположения ног. Первый раз, когда запустил, ошибся с клиренсом (был низкий), робот просто крался…
Практических разработок от меня больше не будет, патентов тоже. Реально надоело без толку сушить мозги. Не зря компании содержат штат сотрудников, оформляющих в некоторых случаях тысячи патентов в год. Патентование уже не лежит в области каких-то открытий, а определяется финансовыми возможностями организаций. (Как-то сухо, но ладно.)
Читайте и используйте наработки Willow Garage! Хорошая команда, цели тоже. Удачи!
Вход
Регистрация
FAQ
Поиск
Не надо быть белкой-истеричкой, надо фактами, а не пустыми словами доказывать работоспособность своих идей, раз уж вы их на публике представили)