Multi Robot Manager + Space ROS, is it a peak of robotics?

Hello everyone, my name is Rempest. I want to tell about the peak of robotics - MRM and Space ROS today.

What is MRM (Multi Robot Manager)?

MRM – it is a HUGE tool for controlling a robot army. For example: Show Drones. In show drones, the quantity of drones >100. But programming each drone separately is MASOCHISM. That’s why smart people use Multi Robot Manager.

Space ROS – it is the MOST HUGE SET OF PACKAGES IN THE ROS ECOSYSTEM by NASA and Open Robotics. Use this set to control space robots. This set has the most important tools for space operations.

MRM + Space ROS = ☠️..
This means an ARMY OF ROBOTS WILL BE IN SPACE OR ON A OTHER PLANET. А это глобальный пиздец.

Conclusion, MRM+Space ROS it is peak of robotics, peak of science, peak of technology. That's all for now, bye everyone.

Hello everyone, my name is Ræmpest, and I know, my activity in this Telegram channel last time was so low. But activity on my GitHub last time was very high. Conclusion: I want to improve my old projects and create new projects to improve robotics 🤝

My GitHub: https://github.com/Rempest

И всем привет ребята, на связи Raempest. Я решил что раз в этом тгк больше всего подписчиков, я удаляю все остальные мои тгк которые являются тгк по узким темам и этот тгк про космос отныне будет тгк про всю робототехнику вместе взятых. (Будь то математика, физика, электроника, и так далее). Простыми словами с этого дня в этом тгк посты будут ПО ВСЕМ ТЕМАМ. А не только про космос.

ПОЧЕМУ ROS -ОВ ТАК МНОГО?

Всем привет ребята, на связи Rempest. Сегодня пост будет про главную экосистему Робототехники - ROS. Я сам работаю с этой экосистемой и она является высшей Робототехникой (она далеко отличается от того же лего или FTC). Начнем с того что ROS (Robot operating system) это огромная экосистема - фреймворк для програмирование роботов, там есть абсолютно все что нужно для роботов. От обычных контроллеров до интерграций AI.

Так почему ROS -ов так много?
Вообщем, виды ROS бывают:

ROS (classic) - самая первая версия ROS 1, она если честно довольно старая. Вряд-ли где то сейчас используется, но без нее не существовало бы других видов ROS.

ROS 2 - новая версия ROS, она прям очень хорошая, имбовая, поддерживает работу с real time. И вообще она просто бомба пушка (я кстати с ней работаю). Скоро будет отдельный пост про разницу ROS 1 и ROS 2. А сейчас наши гости это:


SpaceROS (NASA) - фреймворк для програмирование роботов для космических целей. Можно использовать для спутников, марсоходов, космических манипуляторов и тд.

MAVROS - ROS для БПЛА (беспилотные летательные апараты). Его используют для робота самолета, дрона, робота верталета. Этот MAVROS используется для того чтобы между языками программирования и полётным контроллером была связь, и они понимали друг друга.

microROS - Real time? Дада micro? (Отчаянно пытался пошутить). У многих наверное были вопросы; А как этот код с ROS, засунуть в настоящего робота? И вот вам и ответ. MicroROS - это физический существующий микроконтрелер, который специально создан для того чтобы засунуть код с ROS в робота. И чтобы он понимал этот код. А причем тут Real time в начале? Та ваще хз. (На самом деле RTOS-ы как раз так и используют внутри микроконтреллеров. И из-за этого я в начале упоминул о real time)


Industrial ROS - ROS инструмент не только для робототехники. Основная способность ROS, это обмениватся данными между узлами (типо если вы ударитесь ногой, мозг это почуствует и как бы нога отправила сообщение мозгу). И это самая главная причина из-за чего ROS использует в робототехнике. НО! Кроме робототехники где еще нужно обмениватся данными? ПРОМЫШЛЕНАЯ АВТОМОТИЗАЦИЯ!!! (Это не робототехника, робототехника и автомотизация это не одно и тоже. Пожалуйста не путайте). И этот Industrial ROS используется как раз так и для автомотизаций (автомотизировать работу человека).

AutowateROS - БПЛА уже был, космос уже был, embedded тоже был, автомотизация так же была. Чего же не хватает??? КОНЕЧНО ЖЕ МАШИНЫ. AutowateROS это фреймворк для програмирование ROS для машин. Робомашина? Скорее всего.

NavigationROS - сюда кстати Google сделал вклад. Они создали Cartographer для того чтобы роботы могли "запомнить" где они находится и "ориентироваться" по карте. Самые основные инструменты этой группы это SLAM и Navigation 2.

Simulation ROS - дадада тут и такое есть. Сюда кстати NVIDIA сделал вклад создав очень мощный симулятор Isaac Sim который очень хорошо позволяет тестировать роботов с AI. (Но жрет он памяти больше чем кто либо другой) А вообщем в этот раздел входят симуляторы для тестирования роботов. Это у нас Isaac Sim (NVIDIA), Gazebo и Webots.
Самый дружелюбный и лёгкий тут Webots, самый профисиональный и имбовый это Isaac Sim. А Gazebo это имба для нейтральных миссий.

Security ROS - ROS который используется для критических важных целях (что то вроде RTOS но не RTOS)

ROSA (NASA) - дааа, опять NASA. Они создали ROSA для интерграций ИИ для своих миссий. И используется этот ROS как ИИ агент для роботов.

Теперь главный вопрос: НА)(УЯ ИМ СТОЛЬКО ROS?

Дело в том, как я в начале говорил ROS это огромная open source система которую можно изменять как захочешь для своих целей. И все создатели данных видов ROS, как раз использовали и изменяли ROS для своих целей. Тоесть, каждый из этих видов ROS используется для конкретных проблем и для конкретных компаний. И каждая из этих компаний создавали новый ROS для своих проектов. Всем удачи и всем пока 🫀

WHY ARE THERE SO MANY ROS VERSIONS?

Hi everyone, Rempest here. Today's post is about the main ecosystem of Robotics - ROS. I work with this ecosystem myself, and it represents advanced robotics (it's far removed from things like LEGO or FTC). Let's start with the fact that ROS (Robot Operating System) is a huge ecosystem - a framework for programming robots. It has absolutely everything you need for robots, from basic controllers to AI integrations.

So why are there so many ROS versions?

Basically, the types of ROS include:

ROS (classic) - the very first version, ROS 1. Honestly, it's pretty old. It's hardly used anywhere now, but without it, other types of ROS wouldn't exist.

ROS 2 - the new version of ROS. It's really, really good, awesome, and supports real-time operation. It's just absolutely amazing (I work with it, by the way). There will be a separate post soon about the differences between ROS 1 and ROS 2. But right now, our guests are:

SpaceROS (NASA) - a framework for programming robots for space purposes. It can be used for satellites, rovers, space manipulators, etc.

MAVROS - ROS for UAVs (Unmanned Aerial Vehicles). It's used for robot airplanes, drones, robot helicopters. This MAVROS is used to establish communication between programming languages and the flight controller, so they understand each other.

micro-ROS - Real-time? Yeah, micro? (Desperately trying to joke). Many of you probably had questions: How do you take this ROS code and put it into an actual robot? And here's your answer. Micro-ROS involves physically existing microcontrollers specifically created to embed ROS code into a robot and make it understand that code. What did Real-time have to do with it at the start? Honestly, no idea. (Actually, RTOSs are exactly what's used inside microcontrollers. That's why I mentioned real-time at the beginning).

Industrial ROS - An ROS tool not just for robotics. ROS's main capability is exchanging data between nodes (like if you hit your foot, the brain feels it, and it's like the foot sent a message to the brain). This is the main reason ROS is used in robotics. BUT! Where else, besides robotics, do you need to exchange data? INDUSTRIAL AUTOMATION!!! (This isn't robotics; robotics and automation are not the same thing. Please don't confuse them). And this Industrial ROS is used precisely for automation (automating human work).

Autoware ROS - We've had UAVs, space, embedded systems, and automation. What's missing??? CARS, OF COURSE. Autoware ROS is a framework for programming ROS for cars. A robocar? Most likely.

Navigation ROS - Google, by the way, contributed here. They created Cartographer so that robots can "remember" where they are and "navigate" using a map. The main tools in this group are SLAM and Navigation 2.

Simulation ROS - Yes, yes, this exists too. NVIDIA, by the way, contributed here by creating a very powerful simulator called Isaac Sim, which is excellent for testing robots with AI. (But it consumes more memory than anything else). Anyway, this section includes simulators for testing robots. These include Isaac Sim (NVIDIA), Gazebo, and Webots. The most user-friendly and lightweight is Webots; the most professional and awesome is Isaac Sim. And Gazebo is great for neutral missions.

Security ROS - ROS used for critical purposes (something like an RTOS, but not an RTOS).

ROSA (NASA) - Yes, NASA again. They created ROSA for integrating AI into their missions. This ROS is used as an AI agent for robots.

Now the main question: WHY THE (BEEP) DO THEY NEED SO MANY ROS VERSIONS?

The thing is, as I said at the beginning, ROS is a huge open-source system that you can modify however you want for your own purposes. And all the creators of these ROS types used and modified ROS for their specific needs. That is, each of these ROS types is used for specific problems and for specific companies. And each of these companies created a new ROS for their projects. Good luck everyone, and bye everyone 🫀

Советую всем подписатся на этот канал для удобства:

I advise everyone to subscribe to this channel for convenience:


https://t.me/IntelliPlus

Главный миф рынка IT!

Всем привет ребята, на связи Raempest. Сегодня я затрону очень больную тему всего IT сообщества, а точнее разработчиков фротенда/бэкенда/ фулстак.

Почему именно они?
Потому что именно это направление выбирают огромное количество новичков и джуны. На одну вакансию приходит более чем 500 резюме. Это кошмарная конкуренция. И тут появляется первый миф: IT рынок переполнен!

Почему это миф?
Потому что рынок переполнен только в ФРОТЕНДЕ, БЭКЕНДЕ И В ФУЛСТАК. А остальные направления такие как:

• Fintex
• Cyber security
• Robotics
• Space Engineering
• Game dev
• AI engineering
• и так далее

Они тупо пустуют им всегда нужные специалисты. У них на одна вакансия может стоять от нескольких недель до месяцев и за все время будет только 3-5резюме.

Следущий миф: ИИ всех заменит!
ИИ заменит лишь хреновых фротендеров, бэкендеров и фулстак потому что ИИ в это направление идеально вписывается. Именно из-за того что эти направления выбирают огромное количество людей, вот и завирусился такой миф потому что для многих людей *Сделал сайт=програмист*.

Но ИИ не заменит Drone Developer-a потому что если ИИ накосячит дрон разобьётся и отвечать будет некому.
ИИ не заменит Space Engineer-а потому что радиация в космосе это пиздец.
ИИ не заменит специалистов в сложных направлениях потому что он там в первый же день сдохнет.

И тут возникает вопрос; Иче? Всем новичкам нужно выбирать сложные направления? Нет.

Там порог входа выше чем Эверест, именно из-за этого джуны и новички туда не лезут. Но веб разработка, фротенд, бэкенд, фулстак это тоже не вариант. Я бы хотел вот что сказать на счет этого;

Выбирайте направление то что вам по душе. Неважно какая там конкуренция, неважно какое там зп. Неважно какой там порог входа и какой спрос. Если вас прям сильно сильно нравится данное направление, имеете огромное желание то уж поверьте, у вас будет как и огромный спрос, так и хороший зп.

Я вот попой чую что некоторые количество людей, те кто выбрали фротенд, бэкенд, фулстак они не имеет огромное желание. А просто выбирают IT потому что это модно и хорошее зп. В мире есть очень очень много тысяч джунов, и все равно же несколько сотен из них искренне не любят програмирование? Потому что невозможно чтобы такое огромное количество людей имели огромное желание в разработке. Тупо невозможно.

Вот представьте: в школе учится 100 школьников. Каждый говорит что любит биологию. Но все равно же найдутся несколько людей которые ее не любят а наоборот ненавидят.

Итог: IT рынок НЕ переполнен он наоборот ПУСТОЙ. Рынок переполнен лишь в направлениях где порог входа низкий. А там где порог входа высокий всегда нуждаются в любых специалистах. И ИИ как раз ударит лишь по направлениям где порог входа низкий, а там где порог входа высокий он будет как собачка на поводке. На этом все, а на связи был Reamest.

P.S этот пост на английском я писать не буду, потому что в США рынок сильно отличается и мощных специалистов там очень много (Перевод: мне просто лень писать это на английском)

Gimbal lock Error - самая популярная ошибка в 3Д математике.

И всем привет ребята, на связи Rempest. В прошлом посте я упоминул ошибку Gumbal Lock Error. Это ошибка на столько популярная, на столько мешает в решений задачи, что даже ей отдельное название дали. И как раз так и сегодня, мы полностью разберем:
_
• Что это за ошибка?
• Из-за чего она случается?
• Что происходит во время этой ошибки?
• Как избавится от этой ошибки?
_

Для начала разберем, что за ошибка Gimbal lock?
В углах эйлeра есть три самые главные углы: Pitch, Yaw, Roll
И у каждого угла, есть свой максимум угол наклона. Это означает, что есть определенныe пик углов которые не должны превышать Yaw, Roll, Pitch. Если они этот угол превысят, поздравляю! Вы встретились с Gimbal look.

Вроде просто привысел угол, какая тут может быть ошибка? Дело в том, что если хоть 1 угол Эйлера превысит свой определенный пик , то остальные углы будут одинаковыми. Это и создаёт ошибку.

Возьмём пример;
Pitch=30°
Roll=15°
Yaw=20°

pitch не должен превышать 90° ,но в вдруг, он все таки превысел его. Из-за этого сколько yaw и roll не крути, они будут одинаковый. Звучит запутанно, но это понять не сложно (я вру, напрягите булки, потому что это очень напряжная тема).

Итог:
при Pitch≈90
Yaw=Roll

И из-за того что они совпадают, при решение задачи это очень сильно мешает работу сенсорам и ориентаций. Описать ориентацию становится невозможно.

Простыми словами: Gimbal Lock - это ошибка, когда один угол превышает свой пик. И остальные углы начинают ввести себя одинакова и делать одно и тоже. Из-за этого происходит не предвиденные обстоятельства и проблемы которые могут стоить миссий.

Как же избавится от этой ошибки?
Ответ: Кватернионы.
Совсем скоро, по ним будет отдельный пост где мы их очень подробно разберем.

Почему же у кватернионов нет Gimbal Lock?
Кватернионы это как шарик. Вы можете крутить его от души, хоть по какой оси по какому градусу. Даже при наклонах на 360° шарику просто пофиг и он крутится без лишних проблем.

Теперь возьмём трёхкарданный подвес
Это три кольца одно в другом.
Ты хочешь повернуть игрушку так, чтобы она смотрела прямо вверх. Ой! Два кольца сложились вместе, и теперь ты можешь вращать только по двум направлениям, третье “залипло”.
❗️Это и есть Gimbal Lock
.
Из-за этого кватернионы это лучший вариант для 3Д математики, и про них я расскажу скоро. Ну а всем удачи и всем пока

Gimbal Lock Error - The Most Famous Error in 3D Mathematics.

Hi everyone, Rempest here. In the last post, I mentioned the Gimbal Lock Error. This error is so famous, so problematic when solving tasks, that it even got its own name. And that's exactly what we're going to fully break down today:

_
• What is this error?
• Why does it happen?
• What happens during this error?
• How to get rid of this error?
_

First, let's break down what the Gimbal Lock error is?
In Euler Angles, there are three main angles: Pitch, Yaw, and Roll.
And each angle has its own maximum tilt angle. This means there is a specific peak of angles that Yaw, Roll, and Pitch should not exceed. If they exceed this angle, congratulations! You've met Gimbal Lock.

Seems like just exceeding an angle, what kind of error could that be? The thing is, if at least one Euler Angle exceeds its specific peak, then the other angles will become the same. This is what creates the error.

Let's take an example;
Pitch = 30°
Roll = 15°
Yaw = 20°

Pitch should not exceed 90°, but suddenly, it does exceed it. Because of this, no matter how much you turn yaw and roll, they will be the same. Sounds confusing, but it's not hard to understand (I'm lying, brace yourselves, because this is a very intense topic).

Result:
when Pitch ≈ 90°
Yaw = Roll

And because they coincide, this greatly hinders the work of sensors and orientation when solving a problem. Describing orientation becomes impossible.

In simple words: Gimbal Lock is an error that occurs when one angle exceeds its peak. And the remaining angles start behaving identically, doing the same thing. This causes unforeseen circumstances and problems that can cost missions.

How to get rid of this error?
Answer: Quaternions.
Very soon, there will be a separate post about them where we'll break them down in great detail.

Why don't quaternions have Gimbal Lock?
Quaternions are like a ball. You can rotate it as much as you like, along any axis, to any degree. Even when tilted 360°, the ball simply doesn't care and rotates without any extra problems.

Now let's take a three-axis gimbal.
These are three rings, one inside the other.
You want to turn a toy so that it points straight up. Oops! Two rings have aligned together, and now you can only rotate in two directions; the third one is "stuck".
❗️That is Gimbal Lock.

Because of this, quaternions are the best option for 3D mathematics, and I'll tell you about them soon. Well, good luck everyone, and bye everyone.

Почему Linux так важен для Робототехники?

Итааак, посты про ОС не считая RTOS у меня были довольно редко. И нужно исправлятся. Вообщем, Linux это ядро операционных систем. Благодаря нее можно создавать очень стабильные операционные системы для Робототехники (и не только). Сейчас самая лучшая ОС для Робототехники является Ubuntu.

Дааа, многие ее ненавидят из-за того что она проблематичная и очень похоже на Винду. НО! Ubuntu это одна из лучших ОС в мире.

Знаете почему? Потому что она идеально подходит для промышленности. Многие не знают, но главная задача, главная суть, главная причина по которой люди создают, развивают ОС это Промышленность. ОС которые используют для комфорта можно буквально на пальцах по считать (Windows, Linux, Macos, ChromeOS и тд) а чтобы посчитать ОС которые создали для промышленности не хватит и все пальцы хоть сотни человек.

Ubuntu как раз так и входит в ОС для промышленности. Ее конечно можно использовать для комфорта но почему то многие жалуется на нее и говорят что арч лучше. Но мне глубоко по-е-бать какую ОС вы используете, хоть QNX хоть TempleOS, если вам нравится=осуждать я не буду.

Почему Ubuntu так важен для промышленности?

• Ubuntu это стабильность. Тоесть по сравнению с тем же Arch который обновляется чуть ли не каждый день, Ubuntu можно не обновлять годами и из-за этого можно очень стабильно использовать экосистемы и фреймворки.

• Есть поддержка. НИКТО, слышите? АБСОЛЮТНО НИКТО не будет использовать ОС за которую никто не несет ответственность для промышленности. Это очень критичное требования для работы.

• Безопасность. У Ubuntu очень хорошая безопасность. Это тоже одно из главных требований для промышленности.

• Очень огромное количество всяких фреймворков и экосистем как раз работают лучше всего внутри Ubuntu. Вряд-ли кто то будет использовать тот же Arch для ROS. А если и будет то я готов пожелать ему удачных танцев с бубном.

Сам ROS родился внутри Ubuntu. Огромное количество документаций, уроков, книг, саметов как раз используют Ubuntu потому что использовать его разумнее всего. Из-за этого, если вы хотите заниматся промышленностью, то Ubuntu для вас будет самый лучший выбор и больше всего я вам его советую.

Why is Linux so important for Robotics?

Soo, posts about operating systems (not counting RTOS) have been quite rare on my page, and that needs to be fixed.
In general, Linux is an operating system kernel. Thanks to it, you can build very stable operating systems for robotics (and not only robotics).

Right now, the best operating system for robotics is Ubuntu.
Yeees, many people hate it because they think it’s problematic and looks too much like Windows. BUT! Ubuntu is one of the best operating systems in the world.

Do you know why?
Because it is perfectly suited for industry.
Many people don’t realize this, but the main goal, the main idea, the main reason why operating systems are created and developed is industry.

Operating systems made for user comfort can literally be counted on one hand (Windows, Linux, macOS, ChromeOS, etc.).
But the number of operating systems created for industrial use is so large that even hundreds of people wouldn’t have enough fingers to count them.
Ubuntu belongs exactly to this category — industrial operating systems.

Yes, you can use it for everyday comfort, but for some reason many people complain about it and say that Arch is better.
Honestly, I don’t really care what OS you use — QNX, TempleOS, whatever. If you like it, I won’t judge you.

Why is Ubuntu so important for industry?

• Stability.
Compared to something like Arch, which updates almost every day, Ubuntu can run for years without major updates. This allows you to use frameworks and ecosystems very reliably and predictably.

• Support.
NO ONE — do you hear me? — ABSOLUTELY NO ONE will use an operating system for industry if nobody is responsible for it.
This is a critical requirement.

• Security.
Ubuntu has very strong security. This is also one of the key requirements for industrial systems.

• Huge ecosystem.
A massive number of frameworks and ecosystems work best on Ubuntu.

It’s very unlikely that someone would seriously use Arch for ROS. And if they do — I can only wish them good luck with their ritual dances.

ROS itself was born inside Ubuntu.
A huge amount of documentation, tutorials, books, and summits are based on Ubuntu because it is simply the most reasonable choice.
That’s why, if you want to work in industry, Ubuntu will be the best option for you — and the one I recommend the most.

Кватернионы - современная сила 3Д-4Д математики

И всем привет ребята, на связи Ræmpest. Как я ранее говорил, скоро выйдет пост про очень мощную силу - Кватернионы.

Сегодня пост будет теоритечский потому что это тема ОЧЕНЬ большая. И уместить ее в один пост не получится, а это значит, ждите следующие части постов про Квантернионы:)

Вообщем, разберем что вообще такое Кватернион?

Это способ описать вращения в 3Д пространстве. В отличий от тех же углов Эйлера, кватернионы практически не имеет минусов (ну только то, что они сложные).

Это то понятно, но чем же Кватернионы так сильно отличаются от углов Эйлера так, что он практически не имеет минусов?

1. Значение, У углов Эйлера три значения (pitch roll yaw) а у Кватернионов ЦЕЛЫХ 4!!!!! АФИГЕТЬ НА ОДНУ БОЛЬШЕ!!!!!! ( x, y, z, w)

2. Разница в пространстве тоже играет ОГРОМНУЮ РОЛЬ (кстати именно из-за этого кватернионы больше всего применяются). Прикол в том, что все задачи, процессы, уравнение углов Эйлера работают в 3Д (из-за чего и происходит Gimbal Lock). Но кватернионы в свою очередь возомнили себя мощнейшими (так оно и есть) и используют уже не 3Д, а 4Д пространство (БЛЯ ИМЕННО ИЗ-ЗА ЭТОГО МАТРИЦЫ ТАКИЕ СЛОЖНЫЕ СТАНОВЯТСЯ, я лично ебал их, но про решение задачи с кватернионами я уже объясню в следующем посте про них).

3. Оси, все движения у Углов Эйлера происходят в конкретной оси. (Pitch это z, yaw это х и у, roll это тоже х и у), тоесть каждая операция происходит отдельно и это кстати тоже одна из основных причин появлениe нашего общего врага Gimbal Lock. А ВОТ С КВАТЕРНИОНАМИ ВСЕ НЕ ТАК!! Прикол в том, что у них ВСЕ ДВИЖЕНИЯ это как бы одно целое, и ничего не происходит по отдельности.

Даа, мы поняли что кватернионы это очень крутые бро, но самый жестокий их минус, это - Сложность.

Чем же они сложные?

Во первых, порог входа. Вы не можете просто взять и в любой прекрасный день решить задачи по кватернионам потому что это ВЫСШАЯ МАТЕМАТИКА!!! Для того чтобы кватернионы не снились нам в кошмарах нам нужно:

• Овладеть работой 3Д пространства
• Ленейная алгебра
• Углы Эйлера (так будет более понятно)
• Тригонометрия

А это между прочим, тоже довольно не легко

Во вторых, там очень очень много формул и органичений, обратные формулы, основные формулы кватерниона и много строгости. Например, в обычной математике что 1+2 и 2+1 это одно и тоже. Будет 3 и никто с этим спорить не будет (я очень надеюсь), А В КВАТЕРНИОНАХ ВСЕ НЕ ТАК!!!! ТАМ ПОРЯДОК ОГОГОГО КАКОЕ ОГРОМНОЕ ЗНАЧЕНИЕ ИМЕЕТ. Если вы ошибетесь с порядком и вместо x+y+z напишите x+z+y то все, провал, ошибки, а возможно и в худшем случаи вы потеряете свой беспилотник.

В третьих, 4-ое измерения разрывает мозг. Дааа, может по началу Кватернионы выглядит как обычные формулы но после углубленая ойойой вас там ждет...

И сидите вы такой у себя на работе, в школе, дома (или где вы там находитесь?) пьете чай, кофе и думаете "Блин а мне нахуя эти кватернионы?"

ДА, обычному человеку они нафиг не нужны. Но если вы идете в направлениях такие как:

• Game dev
• Робототехника
• Инженер Беспилотников
• Аэрокосмос

То без кватернионов вас ждут очень и очень большие трудности.

Ну на этом нас теоритечский пост закончился. Следующий раз мы более подробно разберем формулу. По решаем задачи (Точнее расплавим себе мозги) ну и будем думать что мы высшие математики. Ну а с вами был Ræmpest и всем пока

Quaternions - The Modern Power of 3D-4D Math

Hey everyone, Ræmpest here. As I said before, a post about a truly powerful force is coming soon — Quaternions. Today's post will be theoretical because this topic is HUGE. There's no way to fit it all into one post, so get ready for the next parts about Quaternions :)

So, let's break down what a Quaternion even is?

It's a way to describe rotations in 3D space. Unlike something like Euler angles, quaternions have almost no downsides (well, except that they're complex).

That's clear, but what makes Quaternions so different from Euler angles that they have practically no flaws?

1. The Numbers. Euler angles have three values (pitch, roll, yaw), but Quaternions have a WHOLE 4!!!!! HOLY COW, ONE MORE!!!!! (w, x, y, z)

2. The difference in space also plays a MASSIVE role (and this is actually why quaternions are used the most). The thing is, all the tasks, processes, and equations for Euler angles work in 3D (which is why Gimbal Lock happens). But quaternions, in their infinite wisdom, decided they're the most powerful (and they are) and use not 3D, but 4D space (DAAAAAMN, THIS IS EXACTLY WHY THE MATRICES GET SO COMPLICATED, but I'll explain how quaternions solve this problem in the next post about them).

3. Axes. All movements in Euler Angles happen along a specific axis. (Pitch is z, yaw is x and y, roll is also x and y). That means each operation happens separately, and this, by the way, is one of the main reasons our common enemy, Gimbal Lock, appears. BUT WITH QUATERNIONS, IT'S DIFFERENT!! The cool thing is that for them, ALL MOVEMENTS are like one whole thing, and nothing happens separately.

Yeah, we get it, quaternions are awesome bros, but their most brutal downside is — Complexity.

Why are they so complex?

First, the entry barrier. You can't just wake up one beautiful day and decide to solve quaternion problems because this is ADVANCED MATH!!! To stop quaternions from haunting our nightmares, we need:

• Master working with 3D space
• Linear Algebra
• Euler Angles (for better understanding)
• Trigonometry

And by the way, that's not easy either.

Second, there are SO MANY formulas and restrictions: inverse formulas, the main quaternion formula, a lot of strict rules. For example, in regular math, 1+2 and 2+1 are the same thing. It'll be 3 and nobody will argue with that (I really hope so). BUT WITH QUATERNIONS, IT'S NOT LIKE THAT!!!! THE ORDER IS CRAZY IMPORTANT. If you mess up the order and write x+z+y instead of x+y+z, that's it — failure, errors, and in the worst case, you might lose your drone.

Third, the 4th dimension blows your mind. Yeah, at first glance Quaternions might look like regular formulas, but once you dive deeper... oh boy, oh boy, what awaits you there...

And you're just sitting there at work, drinking your tea, coffee, and thinking, "Man, why the h*ll do I need these quaternions?"

YES, the average person doesn't need them one bit. But if you're going into fields like:
• Game Dev
• Robotics
• Drone Engineering
• Aerospace
Then without quaternions, you're in for a world of pain.

Well, that wraps up our theoretical post. Next time, we'll take a closer look at the formula. We'll solve some problems (or rather, melt our brains) and pretend we're top-tier mathematicians. Well, this was Ræmpest, and see you later, everyone!

Вот есть люди которые хотят заниматся робототехникой, так ведь? Я надеюсь что такие люди есть в нашем чате и специально для них я создал проект для быстрого setup всех нужных инструментов и фреймворков для робототехники. Скачивание и настройка инструментов для робототехники сложно, я сам через это проходил. Это может занять от нескольких дней до нескольких недель. И специально для решение этой проблемы, я вчера создал набор скриптов которые за 3 коротких команды любой сможет скачать весь Robotics stack. Сама инструкция по скачиванию написано в README (правда там все на Английском но пох, думаю у вас с этим проблем не будет). А вот сама ссылка на проект;



https://github.com/Rempest/linux-dev-setup

Ищу девушку, пиши я

Аномалий - главный враг использование ИИ.

Всем привет ребята, на связи Ræmpest. Все мы прекрасно знаем что ИИ развиваются с огромной скоростью. Все вокруг только интергрируют его куда только можно, создают новые ИИ . Внедряют их от нанороботов до космических ракет. Это все конечно очень круто, шикарно, великолепно, элегатно. Но знаете что мешает идеальному развитию ИИ? Аномалий.

Аномалий - это не коректный ответ от ИИ. Который может звучат как и очень противоречиво, так и очень разумно. Аномалий бывают разные, у всех ИИ есть свои аномалий. (Так сказать как тараканы в голове у людей) И сегодня мы эти аномалий разберем глубже.

Для начала, какие вообще бывают аномалий?

1. Галлюцинаций, когда ИИ не хватает информаций и он начинает придумывать ответ сам. И с полной уверенностью несет бред.

Например: ИИ для компьютерного зрения у робота, принимает кошку за собаку и с полной уверенностью говорит что это собака.

Причины этой аномалий являются:

• Недостаток информаций
• ИИ отвечает на запрос который выше его обучения
• смещенные данные.

2. Системные ошибки. Когда все работает коректно, но на процессор идет огромная нагрузка или же легли сервера. Эти аномалий «Технического» вида, и их легко отслеживают.

3. Нестандартное поведение. Когда ИИ другим способом выдает результат, часто не тот, который хотел разработчик.

Например: автопилот выбирает безопасную, но при этом не обычную траекторию.

Причина этой аномалий является цель ИИ, цель ИИ это выдать хоть какойто ответ, который является ближе к истине, а не знать что человек от него требует.

4. Аномалий данных, когда ИИ выдает один и тот же результат полностью игнорируя запрос. Такое происходит когда ИИ
не понимает входные данные

Можно ли полностью избавить ИИ от аномалий?
Встречный вопрос: Может ли человек стать "Идеальным"?

На эти два вопроса ответ конечно: НЕТ.

У ИИ всегда будет аномалий, каким бы сильным он не был. Даже сейчас у таких популярных ИИ как ChatGPT, Gemeni, GitHub Copilot имеют свои аномалий, хотя они очень сильные ИИ. И это кстати одна из самых главных причин, почему ИИ не заменит програмистов (Кроме джун веб разработчиков, джун веб разрабы идите нахуй).

Существует одна интересная теорема, теорема «Геделя». Она голосит:

В любой достаточно
сложной системе есть утверждения, которые: либо истинны, но недоказуемы, либо система не может определить их корректно

Это ознaчает, чем сильнее и мощнее ИИ, тем больше у него аномалий. Из-за этого ребят, используйте ИИ с умом и развивайте критическое мышление, чтобы ИИ вас не наебовал. Ну а всем, пока. На связи был Ræmpest

ANOMALIES ARE THE MAIN ENEMY OF AI USE

Hey everyone, what's up guys, Rempest here. We all know perfectly well that AI is developing at a tremendous speed. Everyone is just integrating it wherever they can, creating new AIs. Implementing them from nanobots to space rockets. All of this is, of course, very cool, fantastic, magnificent, elegant. But you know what hinders the perfect development of AI? Anomalies.

Anomalies are incorrect responses from AI. Which can sound both very contradictory and very reasonable. There are different kinds of anomalies, every AI has its own anomalies. (So to speak, the bugs in its head). And today, we're going to dive deeper into these anomalies.

First off, what kinds of anomalies even exist?

1. Hallucinations, when the AI lacks information and starts making up an answer on its own. And delivers complete nonsense with full confidence.

For example: A computer vision AI for a robot mistakes a cat for a dog and says with full confidence that it's a dog.

The causes of this anomaly are:

• Lack of information
• The AI is responding to a query beyond its training
• Biased data.

2. System errors. When everything is working correctly, but there's a huge load on the processor or the servers go down. These anomalies are of the "Technical" variety, and they're easy to track.

3. Non-standard behavior. When the AI delivers a result in a different way, often not the one the developer intended.

For example: an autopilot chooses a safe, but unconventional trajectory.

The cause of this anomaly is the AI's objective. The AI's objective is to provide some kind of answer that is closer to the truth, not to know what the human wants from it.

4. Data anomalies, when the AI produces the same exact result, completely ignoring the query. This happens when the AI doesn't understand the input data.

Can we completely rid AI of anomalies?

A counter-question: Can a human become "Perfect"?
The answer to both these questions is, of course: NO.

AI will always have anomalies, no matter how powerful it is. Even now, popular AIs like ChatGPT, Gemini, GitHub Copilot have their own anomalies, even though they are very powerful AIs. And this, by the way, is one of the main reasons why AI won't replace programmers (Except frontend developers, because they have the easiest path).

There's an interesting theorem, «Gödel's» theorem. It states:

In any sufficiently complex system, there are statements that are: either true but unprovable, or the system cannot determine their correctness correctly.

This means, the stronger and more powerful the AI, the more anomalies it will have. Because of this, guys, use AI wisely and develop critical thinking, so that the AI doesn't mess you up. Well, that's all for everyone, bye. This was Rempest.

КАК ИИ ДУМАЕТ?

И всем привет ребята, на связи Ræmpest. Сегодня будет еще один пост про искусственные интелекты. В одном из видео, популярный русскоязычный блогер по имени Ян Топлес (он еще известен как умный человек в очках) сказал:

Для ИИ весь мир это цифры, рисунок=цифры, текст, буквы=цифры, звук = цифры и тд. (Я в слово в слово пересказать не могу, но суть одна и та же)


И это абсолютно верно, для ИИ все и вся это цифры.

НО! У этих цифр есть свой термин (Именно в AI engineering и Machine Learning) называется он - Тензоры. И сегодня пост будет как раз про них. Вообще, слово "Тензор" применяются не только в AI engineering но и в обычной профильной математике или в профильной физике.
Тензоры - это огромные массивы чисел (Те кто не знают програмирование, массивы это переменные которые могут хранить несколько данных) или же огромные матрицы чисел, которые используются для того чтобы ИИ понимал мир.

У Тензоров есть своя классификация:

• Сколярные (0Д) - это одно число, он хранит лишь одну цифру

• Векторные (1Д) - Это упорядоченный список чисел.
Каждое число — отдельный признак

• Матричные (2Д) - Это таблица чисел (строки и столбцы).
Используется, когда есть много объектов, у каждого много признаков.

• Трехмерные (3Д) - Это набор таблиц, сложенных друг на друга. Обычно появляется, когда добавляется время или последовательность.

• Четырехмерные (4Д) - Это набор 3D объектов.
Чаще всего — изображения.

• (5Д, 6Д и более)

Ранее, как говорил Ян Топлес звук, видео, рисунок, буквы это все цифры. И как раз так и от этих обьектов, зависит и классификация тензоров.

Тензоры тема очень огромная. И сегодня я покажу вам примеры только про рисунки. Для начала как ИИ различает цвета?

Для ИИ любой цвет это три числа = (R, G, B).

R - сколько в цвете красного оттенка?
G - сколько в цвете зеленого оттенка?
B - сколько в цвете синего оттенка?

Например если ИИ видит допустим какой то фиолетовый цвет, то его тензор появляется в виде:
(255, 0, 255)
(красный и синий равный, вот и появился фиолетовый)

Интересный факт: благодаря этому ИИ различает цвета лучше чем человек (Потому что мы все слепые дальтоники:). Если ИИ и человеку показать супер пупер два одинаковых оттенка. То человек не поймет в чем разница, а ИИ очень даже сильно увидит огромную разницу именно благодаря тензорам (числам).

❗️RGB это лишь один из способов обучить ИИ различать цвета. На деле этих способов очень много, но многие используют RGB потому что он удобнее.

А что на счёт 3Д/4Д?
RGB = 3 канала и 2Д таблицы:
Канал R = (высота х ширина)
Канал G = (высота х ширина)
Канал B = (высота х ширина)

Если складывать их в один тензор, то получится 3Д. А если картинок несколько то уже 4Д.

В процессе понимание цветов, так же участвует признаки которые ИИ сам научился различать (оттенки, текстуры, контраст и тд). Я надеюсь что вы не запутались, ну и всем удачи и всем пока, а на связи был Ræmpest.

HOW DOES AI THINK?

Greetings everyone, Ræmpest here. Today's post will once again delve into the world of artificial intelligences. In one of his videos, the popular Russian-language blogger known as Jan Toples (also famous as 'the smart guy with glasses') stated: For AI, the entire world is numbers—a drawing equals numbers, text, letters equal numbers, sound equals numbers, and so on. This is absolutely correct; for AI, everything and everyone is numbers. BUT! These numbers have their own specific term (precisely in AI engineering and Machine Learning), and it's called Tensors. And today's post is exactly about them.

Tensors are vast arrays of numbers (For those unfamiliar with programming, arrays are variables capable of storing multiple pieces of data).

Tensors have their own classification:

• Scalar (0D) – This is a single number, holding just one digit.

• Vector (1D) – This is an ordered list of numbers. Each number represents a separate feature.

• Matrix (2D) – This is a table of numbers (rows and columns). Used when there are many objects, each with many features.

• Three-dimensional (3D) – This is a stack of tables, layered on top of each other. Typically appears when time or sequence is added.

• Four-dimensional (4D) – This is a collection of 3D objects. Most often—images.

• (5D, 6D, and beyond)

As Jan Toples mentioned earlier, sound, video, drawings, letters—it's all numbers. And it is precisely from these objects that the classification of tensors depends.

The topic of tensors is vast. And today, I will only show you examples related to images. To start: how does AI distinguish colors?

For AI, any color is three numbers = (R, G, B).

R – How much red is in the color?
G – How much green is in the color?
B – How much blue is in the color?

For example, if AI sees, say, a purple color, its tensor appears as:
(255, 0, 255)
(Red and blue are equal, hence purple appears)

Interesting fact: because of this, AI distinguishes colors better than humans (since we are colorblind:). If you show AI and a human two super-duper identical shades, the human won't grasp the difference, but the AI will very clearly see a significant difference—precisely thanks to tensors (numbers).

❗️ RGB is just one method of teaching AI to distinguish colors. In reality, there are many methods, but RGB is widely used because it is more convenient.

What about 3D/4D?
RGB = 3 channels and 2D tables:
Channel R = (height × width)
Channel G = (height × width)
Channel B = (height × width)

If we combine them into a single tensor, it becomes 3D. And if there are several images, it becomes 4D.

In the process of understanding colors, features that the AI has learned to distinguish on its own also play a part (shades, textures, contrast, etc.). I hope you haven't gotten confused. Well, good luck to all, and see you next time.