Киберфизические системы что это

Киберфизические системы что это

Что такое киберфизические системы?

Киберфизические системы (англ. cyber-physical systems, или CPS)

Технология киберфизических систем

В ПРОИЗВОДСТВЕННОЙ СРЕДЕ

Киберфизические системы могут улучшить производственные процессы, обеспечивая обмен информацией реального времени между промышленным оборудованием, производственной цепочкой поставок, поставщиками, системами управления бизнесом и клиентами. Кроме того, киберфизические системы могут повышать эффективность этих процессов благодаря автоматическому мониторингу и контролю всего производственного процесса и адаптации производства для удовлетворения предпочтений клиентов. Киберфизические системы повышают прозрачность и управляемость цепочек поставок, улучшая отслеживаемость и безопасность товаров.

Киберфизические системы используются для дистанционного мониторинга физических показателей пациентов в реальном времени с целью уменьшения потребностей в госпитализации (например, пациентов с болезнью Альцгеймера) или для улучшения ухода за инвалидами и пожилыми людьми. Кроме того, киберфизические системы применяются в нейробиологических исследованиях для изучения функций организма человека с использованием интерфейсов между мозгом и оборудованием и терапевтической робототехники.

В ВОЗОБНОВЛЯЕМОЙ ЭНЕРГЕТИКЕ

Интеллектуальные энергосети представляют собой киберфизические системы, в которых датчики и другие устройства обеспечивают мониторинг сети для целей контроля, повышения надежности и энергоэффективности. В интеллектуальных зданиях: совместная работа интеллектуальных устройств и киберфизических систем позволяет сократить энергопотребление, повысить безопасность и защищенность, а также создать более комфортные условия для жителей. Например, киберфизические системы могут поддерживать мониторинг энергопотребления и использование систем регулирования для реализации концепции дома с нулевым потреблением электроэнергии. Кроме того, их можно использовать для определения степени ущерба для зданий в результате непредвиденных событий и предотвращения разрушения конструкций.

Транспортные средства и инфраструктура могут взаимодействовать между собой, обмениваясь в реальном времени информацией о дорожном движении, местоположении и проблемах, предотвращая транспортные инциденты и дорожные пробки, повышая безопасность и в конечном итоге экономя время и деньги.

В СЕЛЬСКОМ ХОЗЯЙСТВЕ

Киберфизические системы могут использоваться для создания более современного и эффективного сельского хозяйства. Они могут собирать важную информацию о климате, почве и другие данные для более точного управления сельскохозяйственными работами. Датчики киберфизических систем могут вести постоянный мониторинг различных показателей, таких как орошение почвы, влажность воздуха и здоровье растений, для поддержания оптимальных окружающих условий.

В ВЫЧИСЛИТЕЛЬНЫХ СРЕДАХ

Киберфизические системы позволяют лучше понимать поведение систем и пользователей для повышения производительности и более эффективного управления ресурсами. Например, можно оптимизировать работу приложений с учетом контекста и действий пользователей или отслеживать доступность ресурсов. Кроме того, популярные социальные сети и сайты электронной коммерции хранят информацию о действиях пользователей и затребованном контенте, анализируют эту информацию, чтобы предсказывать, что может быть интересно пользователям, и предлагать рекомендации в отношении друзей, публикаций, ссылок, страниц, событий или продуктов.

Четвертая промышленная революция

Приказом Росстандарта № 642 от 27 марта 2017 года создан Технический комитет по стандартизации № 194 «Киберфизические системы» (ТК 194), на который возложены задачи по национальной стандартизации в данных направлениях. Технический комитет занимается разработкой стандартов в области Интернета вещей, «умных» городов, больших данных, интеллектуальных производств и других систем, связанных с взаимодействием «машина-машина» (M2M). Россия в лице ТК 194, представляющего на международном уровне интересы российских технологических компаний, была утверждена в качестве соредактора проекта стандарта ISO/IEC 30149 Internet of Things (IoT) — Trustworthiness frameworks.

Источник

Киберфизические системы
Cyber-Physical System, CPS
К чему приведет слияние интернета людей, вещей и сервисов

Интеграция информационных технологий и концепций, активно развивающихся в XXI веке, создает предпосылки к формированию локальных и даже национальных киберфизических систем. В материале, который специально для TAdviser подготовил журналист Леонид Черняк, рассказывается о современном понимании сути таких систем и истории их возникновения.

Содержание

Что такое киберфизическая система

Киберфизические системы (Cyber-Physical System, CPS) — это системы, состоящие из различных природных объектов, искусственных подсистем и управляющих контроллеров, позволяющих представить такое образование как единое целое. В CPS обеспечивается тесная связь и координация между вычислительными и физическими ресурсами. Компьютеры осуществляют мониторинг и управление физическими процессами с использованием такой петли обратной связи, где происходящее в физических системах оказывает влияние на вычисления и наоборот.

Предшественниками CPS можно считать встроенные системы реального времени, распределенные вычислительные системы, автоматизированные системы управления техническими процессами и объектами, беспроводные сенсорные сети.

С технической точки зрения CPS имеют много общего со структурами типа грид, реализуемыми посредством интернета вещей (Internet of Things, IoT), Индустрии 4.0, промышленного интернета вещей (Industrial Internet), межмашинного взаимодействия (Machine-to-Machine, M2M), туманного и облачного компьютинга (fog и cloud computing). Но этими техническими средствами ни в коем случае нельзя ограничивать представление CPS. Для этих сложных систем требуются новые кибернетические подходы к моделированию, поскольку именно модели являются центральным моментом в науке и инженерии.

Немецкая академия Acatech уже говорит о перспективах национальных киберфизических платформ, которые складываются из трех типов сетей:

По мнению немецких академиков, перспективы появления киберфизических систем и формирования на их основе Индустрии 4.0 затрагивают интересы общества в целом, поэтому должны рассматриваться не только в техническом, а в более широком социокультурном аспекте, с учетом демографических и других происходящих изменений.

Область применения CPS распространяется практически на все виды человеческой деятельности, включая все многообразие промышленных систем, транспортные, энергетические и военные системы, все виды систем жизнеобеспечения от медицины до умных домов и городов, а также многие экономические системы.

Создание полноценных систем CPS в перспективе приведет примерно к таким же изменениям во взаимодействии с физическим миром, как те, к которым привела в свое время Всемирная сеть.

Предпосылки появления киберфизических систем

Можно говорить о нескольких основных технических предпосылках, сделавших CPS возможными:

Первая — рост числа устройств со встроенными процессорами и средствами хранения данных: сенсорные сети, работающие во всех протяженных технических инфраструктурах; медицинское оборудование; умные дома и т.д.

Вторая — интеграция, позволяющая достигнуть наибольшего эффекта путем объединения отдельных компонентов в большие системы: Интернет вещей (IoT), World Wide Sensor Net, умные среды обитания (Smart Building Environment), оборонные системы будущего.

Третья — ограничение когнитивных способностей человека, которые эволюционируют медленнее, чем машины. В этой связи непременно наступает момент, когда люди уже не в состоянии справиться с объемом информации, требуемой для принятия решений, и какую-то часть действий нужно передать CPS, выведя человека из контура управления (human out of loop).

В то же время в ряде случаев CPS могут усилить аналитические способности человека, поэтому есть потребность в создании интерактивных систем нового уровня, сохраняющих человека в контуре управления (human in the loop).

Опасное упрощение в понимании сути киберфизических систем

Есть очевидная опасность упрощенного понимания того, что такое киберфизические системы. Суть ее в том, что ударение делается на втором корне, а первый воспринимается на каком-то интуитивном, общепринятом уровне. Поэтому стоит избавиться от укоренившегося в массовом сознании стереотипного восприятия корня «кибер».

В начале XXI века мы повсюду встречам такие слова как Cyberbullying (школьное сетевое насилие), Cybercrime (Сетевое преступление), Cyberterrorism (сетевой терроризм), Cyberwarfare (сетевое оружие) и многие другие. Появились и их русскоязычные аналоги и даже с героическим оттенком «кибердружина» и пионерским «киберята». Все это наносные явления, не коим образом не связанные с кибернетикой.

Если не выйти за рамки этой вульгарной парадигмы, то не удастся осознать примитивность определения CPS из русскоязычной Википедии: «Кибер-физическая система (англ. cyber-physical system) — информационно-технологическая концепция, подразумевающая интеграцию вычислительных ресурсов в физические процессы. В такой системе датчики, оборудование и информационные системы соединены на протяжении всей цепочки создания стоимости, выходящей за рамки одного предприятия или бизнеса. Эти системы взаимодействуют друг с другом с помощью стандартных интернет-протоколов для прогнозирования, самонастройки и адаптации к изменениям».

По мнению авторов этой статьи, CPS объединяют буквально все: большие данные и аналитику, роботов, компьютерное зрение, облака, интернет вещей и даже дополненную реальность и 3D-печать. Но где в такой трактовке кибернетика? Что, корень кибер взят просто для красного словца?

Увы, так уж сложилось, что по недостатку эрудиции как в общих, так и специальных изданиях «кибер» используют в качестве синонима слову «сетевой» для эмоционального усиления, причем в контексте, не имеющем никакого отношения к кибернетике. Примерно то же самое происходит со словами «центр» и «эпицентр». Вспомните пафосный штамп «мы в эпицентре событий». Звучит! Хотя «эпи» означает проекцию центра землетрясения на поверхность.

Установившейся нелепицей в использовании слова «кибер» мы обязаны американско-канадскому писателю Уильяму Гибсону, точнее его фантастической трилогии «Киберпространство» (Sprawl trilogy), и еще в немалой степени тем пишущим, кто любит неуместно использовать красивые слова. И, конечно же, особой благодарности за дискредитацию идеи кибернетического подхода в представлении публики заслуживают многие маститые ученые, считающие себя кибернетиками. Они изрядно постарались, чтобы деформировать в свою пользу наследие великих, сделавших первые шаги в кибернетике.

Сравним с англоязычной Википедией. Там говориться, что в CPS используют междисциплинарные подходы, в CPS объединяются кибернетика, мехнотроника, теория и практика управления конкретными процессами. От привычных встроенных систем CPS отличается более развитыми связями между вычислительными и физическими элементами, поэтому используется архитектура, аналогичная интернету вещей (IoT).

Тернистый путь кибернетики как науки

В формировании кибернетики как науки были и остались свои особенности. В силу объективных причин в ней не был заложен прочный фундамент. Хотя, впрочем, не исключено, что в классическом науковедческом понимании его и невозможно создать. Великие основоположники – Норберт Винер, Людвиг фон Берталанффи, Уильям Эшби, Грегори Бейтсон, Умберто Матурана и другие не оставили после себя трудов, которые можно признать основополагающими.

Об уровне дискуссий и их разнообразии можно судить хотя бы по приведенной ниже фотографии. В современных условиях трудно представить себе собранными под одной крышей звезд такой величины.

Различие между двумя подходами состоит в том, что системный подход ориентирован на структуру и модель системы, а кибернетический ориентирован на функции системы, на то, как осуществляется управление отдельными действиями и как отдельные узлы взаимодействуют между собой. Но поскольку структура системы и ее функции неразделимы между собой, то о теории систем и кибернетике можно говорить как о двух сторонах одной медали.

Отсутствие выраженных постулатов привело к многообразию трактовок кибернетики. У нас со времен СССР утвердилось технократическое представление о кибернетике как о науке об общих закономерностях получения, хранения, передачи и преобразования информации в сложных управляющих системах, будь то машины, живые организмы или общество. Ему можно противопоставить определение Стаффорда Бира более всего известного провальным проектом «Киберсин» для Чили в период правления Сальвадора Альенде: «Кибернетика – это искусство организации».

По Бейтсону кибернетика это «область математики, имеющая дело с проблемами управления, рекурсивности и информации, сосредоточенная на связанных формах и образах». Матурана предложил: «Искусство и наука понимания» (The science and art of understanding). Его определение немного расширил Родни Дональдсон: «Искусство и наука понимания того, как следует понимать» (The science and art of the understanding of understanding).

Как ни странно, но наиболее подходящее к киберфизическим системам определение кибернетики дал Рой Эскотт, художник, исследователь, теоретик искусства, один из пионеров кибернетического и телематического направлений в современном искусстве. Оно звучит так: «Искусство взаимодействия в динамических сетях». Последнее определение кибернетики прекрасно соответствует представлениям о CPS.

Полномасштабно кибернетический подход так и не был реализован, скорее всего, из-за недостаточности технических возможностей, которых теперь в CPS в избытке.

Источник

ТЕХНОЛОГИИ, ИНЖИНИРИНГ, ИННОВАЦИИ

Измеритель диаметра, измеритель эксцентриситета, автоматизация, ГИС, моделирование, разработка программного обеспечения и электроники, БИМ

Киберфизические системы с искусственным интеллектом: актуальное направление современной науки и техники

Что такое киберфизические системы, почему они так актуальны сегодня, и какую роль в их развитии играет искусственный интеллект? Изучение различных свойств информационно-технических систем с точки зрения взаимодействия их физической и цифровой составляющих — новое и актуальное направление современной науки о киберфизических системах [1]. Главными составными частями любой киберфизической системы являются (Рис.1): физический слой системы (различные объекты реального физического мира самой разнообразной природы); цифровой слой системы (множество данных о системе, хранимых в памяти компьютеров, алгоритмы управления физическими объектами, алгоритмы обработки информации и пр.); интерфейс взаимодействия цифрового и физического слоя (различные сенсоры, управляющие механизмы и пр.); интерфейс взаимодействия цифрового и физического слоя с человеком (различные XR технологии). Эти составные части взаимодействуют между собой во времени и пространстве, образуя единую экосистему, направленную на решение определённой задачи. С точки зрения эволюции систем, киберфизические системы являются следующей ступенью с большим масштабом гранулярности, т.е. такая система сама состоит из множества других сложных систем.

Рис.1. Концептуальная схема киберфизической системы, включающая основные составные части и виды их взаимодействий.

В качестве киберфизической системы могут рассматриваться как относительно небольшие объекты, такие как беспилотный летательный аппарат, система умных устройств помещения, так и весьма масштабные: заводы по производству летательных аппаратов или даже целые города.

Киберфизические системы (Cyber-physical systems, CPS) — объект пристального исследования многих лабораторий по всему миру. Это и лаборатории ведущих мировых университетов: CyPhyLab Калифорнийского университета в Лос Анджелесе, целый ряд подразделений MIT media lab, лаборатории технологических лидеров промышленности, таких как Bosch, Toshiba или PTC.

У CPS есть очень много общего с другими информационно-техническими концепциями, такими как интернет вещей, умная пыль и туманные вычисления, т.е. со структурами типа “грид”. Но нужно понимать, что CPS — более широкое понятие, чем перечисленные выше, и они могут являться составными частями целой киберфизической системы. Более того, если рассматривать составные устройства киберфизической системы, то по отношению к другим концепциям, в CPS они находятся на более высоком уровне взаимодействия (Рис.2).

Рис.2. Уровни взаимодействия объектов реального мира внутри цифрового слоя.

Если рассматривать степень влияния киберфизических систем на нашу жизнь, то достаточно сказать, что именно с осознанием этой концепции и возникновением действующих подобных систем связывают переход к индустрии 4.0.

Немецкая академия Acatech, один из лидеров в области развития Индустрии 4.0, уже говорит о перспективах национальных киберфизических платформ, которые складываются из трех типов сетей: интернета людей, интернета вещей и интернета сервисов. Если говорить про прототипы киберфизических платформ, то наиболее удачным примером на сегодняшний день является государство Сингапур, где на законодательном уровне принята инициатива “Умная нация”, которая подразумевает социальное и экономическое развитие на базе киберфизической платформы. Но не только лишь один Сингапур активно прорабатывает киберфизические платформы и системы — так, например, в США эта технология с 2011 года принята в ряд важнейших стратегических технологий. Про отличия киберфизических систем от другого типа систем и про их историю развития можно почитать здесь и здесь.

Рис.3 Киберфизические платформы как результат слияния интернета вещей, людей и сервисов.

В последнее время, для улучшения работы всех составных частей CPS, всё чаще используются методы искусственного интеллекта, в частности алгоритмы глубокого обучения. Данная конвергенция технологий формирует большое количество связей и данных — необходимых для развития ИИ.

Из-за недавно начавшейся 3-ий революции ИИ, на сегодняшний день накопилось достаточно методов обработки данных самой разной природы, будь то изображения, текст, сигналы электрической или иной природы, трёхмерные данные и многое другое. Каждый день появляются новые средства по улучшению существующих алгоритмов глубокого обучения, как на фундаментальном математическом уровне, так и в виде более совершенных вычислительных единиц аппаратного обеспечения. Вместе с развитием области ИИ развиваются и киберфизические системы, поскольку качество работы таких систем определяется во многом качеством обработки данных присутствующих в системе.

Рис. 4. ИИ и его подобласти

В данной заметке на практических кейсах мы рассмотрим преимущества подхода, основанного на использовании методов глубокого обучения в киберфизических системах.

ИИ ускоряет симуляции цифровых двойников

Рис. 5. Сравнение качества рендеринга классическими алгоритмами компьютерной графики и с применением нейронных сетей.

В процессе проектирования и эксплуатации киберфизических систем возникает ряд проблем. Одной из них является проблема согласованности времени между физическими объектами и их цифровыми двойниками [3]. Для управления объектами в реальном мире и предсказания их поведения создаются цифровые копии в виртуальном пространстве, на основе математических моделей [4–6]. Время, необходимое для симуляции такой модели, может отличаться от времени, с которым протекают реальные физические процессы в моделируемом объекте. Часто случается так, что математическая модель настолько сложна, что время компьютерной симуляции превышает реальное. Для ускорения вычислений, при сохранении качества симуляции, предлагается использование методов глубокого обучения.

Показательным является кейс по ускорению рендеринга облачных газовых структур при прохождении через них света. На эту тему есть замечательный доклад от Евгения Туманова и соответствующая заметка на habr.

Рис. 6 Формальная постановка задачи рендеринга облаков. (Евгений Туманов, доклад на HighLoad++ 2018).

Традиционный подход для решения этой задачи заключается в том, чтобы для каждого пикселя рассчитываемого изображения решать основное уравнения рендеринга, которое является интегральным уравнением Фредгольма 2-го рода. Решение такого типа уравнений является сложной алгоритмической задачей и требует много времени. Основная идея по ускорению вычислений в этом случае — в использовании нейронной сети в качестве универсального аппроксиматора, которым заменяется решение самой времязатратной части классического численного метода.

Рис. 7 Идея применения методов глубокого обучения для задачи рендеринга (Евгений Туманов, доклад на HighLoad++).

ИИ помогает принимать решения в космосе

В качестве киберфизической системы может выступать как отдельный беспилотный летательный аппарат (БПЛА), так и целая группировка таких аппаратов вместе с наземными станциями связи и управления. Хорошим примером является запущенная недавно компанией SpaceX группировка спутников Starlink. В процессе эксплуатации подобных групп БПЛА на околоземных орбитах возникает проблема опасности столкновения с космическим мусором, в связи с чем требуется рассчитывать возможные манёвры и принимать решения по уклонению.

Решение этой задачи для одного единственного БПЛА представляет определённые сложности — решение о манёвре уклонения принимает специальная комиссия из баллистиков ЦУПа за несколько витков до потенциального столкновения. В условиях текущего количества космического мусора это работает. Но эффективных систем по расчистке околоземного пространства пока нет, а эффект Кесслера может привести к тому, что потенциальных столкновений может возникать несколько за один виток. В такой ситуации времени на принятие решения будет критически мало, а из-за сложности ситуации в небе, просчёт потенциальных манёвров уклонения будет представлять чрезвычайно сложную задачу даже для группы опытных баллистиков.

Рис. 9 VR интерфейс ЦУПа будущего.

В процессе реализации проекта TZUP, в котором принимала участие команда PHYGITALISM совместно со специалистами из других компаний и университетов, была создана система моделирования движения спутников в околоземном пространстве с возможностью расчёта вероятностей столкновения с космическим мусором. Эта система была использована в качестве среды для обучения агентов искусственного интеллекта (задача обучения с подкреплением), т.е. цифровой двойник околоземного пространства стал генератором синтетических данных для обучения алгоритма. ИИ здесь выступает в качестве помощника диспетчера ЦУПа будущего. Система предлагает манёвры уклонения и визуализирует их, а специалисту остаётся только принять решение, какой из предложенных манёвров использовать. Получился своеобразный Яндекс.Навигатор в околоземном пространстве.

Рис. 10 Расчёт вероятности столкновения с помощью компьютерного моделирования.

ИИ на страже безопасности CPS

Рис. 11. Визуализация симуляции технологических процессов в цифровом двойнике завода.

Другой важной проблемой является обеспечение безопасности CPS — создание систем защиты от киберфизических атак стало новым актуальным направлением в области информационной безопасности. Вы можете ознакомиться с размышлениями на эту тему в следующей заметке.

Давайте рассмотрим практический кейс под названием PlantSim, реализованного командой PHYGITALISM. Основная цель проекта заключалась в создании системы обнаружения аномалий в каналах связи между ПЛК (программируемым логическим контроллером), управляющим технологическими процессами на нефтеперерабатывающем заводе, и системой инженерного мониторинга (SCADA). Для поиска аномалий в каналах управления было предложено использовать рекуррентную нейронную сеть [7].

Рис. 12. Структурная схема рассматриваемой киберфизической системы.

ИИ усиливает органы чувств CPS

Рис.13. Google project soli sensor.

Для лучшего качества функционирования CPS необходимо иметь как можно больше информации о состоянии среды, в которой функционирует такая система, и как можно точнее определять процессы, протекающие в её составных частях. Всевозможные сенсоры и датчики служат органами чувств для CPS. Чем лучше система“видит”, что происходит с ней и вокруг в данный момент времени, тем лучше будет качество принимаемых ею решений об управлении располагаемыми ресурсами.

Например, в контексте предыдущего раздела, чем более чувствительный терморегулятор установлен в цистерне перегона взрывоопасных жидкостей (при условии нечувствительности такого терморегулятора к шумовым выбросам), тем скорее в случае сбоя подогрева система безопасности сможет детектировать опасность и предотвратить её.

Рис.14. Использование project soli для управления устройствами с помощью жестов.

В качестве более жизненного примера можно рассмотреть распознавание тонких человеческих жестов с помощью wi-fi сигнала для управления гаджетами.
И здесь искусственный интеллект может помочь с улучшением качества работы существующих датчиков или с созданием новых сенсоров. Наглядно это демонстрирует датчик Project Soli от компании Google.

Основная идея здесь не нова: wi-fi роутеры представляют из себя трансмиттеры-ресиверы электромагнитных волн. Проходя через пространство, электромагнитная волна отражается от различных объектов и возвращается обратно в устройство. Если некоторый объект начинает двигаться, то его скорость складывается или вычитается со скоростью движения электромагнитной волны, из-за чего возникает смещение в частоте и длине отражённой волны. Это явление называется эффектом Доплера, и как раз его-то мы и можем использовать для детектирования жестов, и не только с помощью wi-fi роутера. Однако, не всё так просто.

Во-первых, обычные роутеры работают на частотах порядка 5GHz. Такая частота может быть недостаточной для хорошей разрешающей способности алгоритма классификации, т.е. близкие по форме, но всё же разные по сути объекты будут распознаваться как один и тот же объект. Данную проблему решают повышением рабочей частоты устройства (у project soli рабочая частота составляет 57 – 64 GHz).

Во-вторых, в реальных задачах требуется распознавать не только конкретный жест, но и кому этот жест принадлежит, в одном помещении может быть сразу несколько людей и у всех у них может быть разный приоритет в системе. Эту и многие другие неозвученные проблемы решают с помощью применения современных алгоритмов глубокого обучения [8]. Такой подход, например, используется в проекте WiSee, реализованном студентами и сотрудниками Вашингтонского университета.

Поскольку для работы нейросетевых алгоритмов требуется достаточно сложные, однако однотипные вычисления, для их реализации в железе существует специальные вычислительные единицы, т.н. TPU (tensor process init) или иначе — нейромодули, нейропроцессоры. Такие вычислительные единицы могут быть оптимизированы под конкретную задачу, будь то распознавание лиц, голоса или жестов. Как раз для решения задачи распознавания жестов или пространственных перемещений небольших объектов был создан специальный TPU “Soli I-CB”, который может быть встроен в различные умные устройства и гаджеты.

Рис. 15. Нейрочипы project soli.

Вывод

Киберфизические системы — важная составная часть информационной эпохи. Чем лучше мы понимаем как проектировать, анализировать, защищать и улучшать такие системы, тем лучше, безопаснее и понятнее мы делаем мир вокруг нас. Как можно увидеть из рассмотренных выше примеров, искусственный интеллект может улучшить работу CPS на всех уровнях, а синергия этих двух актуальных направлений (AI + CPS) принесет множество интересных и неожиданных улучшений в нашу жизнь.

Если вы студент бакалавриата или вам интересна тема CPS, AI, XR технологий и реализация подобных проектов, то на этот случай у нас есть магистерская программа “Дополненная/виртуальная реальность и искусственный интеллект” на базе факультета прикладной информатики и информационных технологий МАИ, в сотрудничестве с технологической студией PHYGITALISM. В основе программы — курсы по искусственному интеллекту, киберфизическим системам, виртуальной и дополненной реальности, в рамках которых мы поможем вам разобраться во всех премудростях работы с технологиями на практике.

1. Allgöwer, Frank & Sousa, João & Kapinski, James & Mosterman, Pieter & Oehlerking, Jens & Panciatici, Patrick & Prandini, Maria & Rajhans, Akshay & Tabuada, Paulo & Wenzelburger, Philipp. (2019). Position paper on the challenges posed by modern applications to cyber-physical systems theory. Nonlinear Analysis. 34. 147–165. 10.1016/j.nahs.2019.05.007.

3. Lee, Edward A. “The past, present and future of cyber-physical systems: a focus on models.” Sensors (Basel, Switzerland) vol. 15,3 4837–69. 26 Feb. 2015, doi:10.3390/s150304837

4. R. G. Sanfelice. Analysis and Design of Cyber-Physical Systems. A Hybrid Control Systems Approach // Cyber-Physical Systems: From Theory to Practice / D. Rawat, J. Rodrigues, I. Stojmenovic. — CRC Press, 2016

5. Shao Z., Liu J. (2013) Spatio-temporal Hybrid Automata for Cyber-Physical Systems. In: Liu Z., Woodcock J., Zhu H. (eds) Theoretical Aspects of Computing — ICTAC 2013. ICTAC 2013. Lecture Notes in Computer Science, vol 8049. Springer, Berlin, Heidelberg

7. Filonov, Pavel & Kitashov, Fedor & Lavrentyev, Andrey. (2017). RNN-based Early Cyber-Attack Detection for the Tennessee Eastman Process. ArXiv abs/1709.02232

8. Qifan Pu, Sidhant Gupta, Shyam Gollakota, Shwetak Patel (2013) Whole-Home Gesture Recognition Using Wireless Signals // The 19th Annual International Conference on Mobile Computing and Networking (Mobicom’13)

Автор: Вадим Кондаратцев, vadim@phygitalism.com, itcentrmai@gmail.com
Источник: https://habr.com/

Понравилась статья? Тогда поддержите нас, поделитесь с друзьями и заглядывайте по рекламным ссылкам!

Источник