2216 lines
128 KiB
JSON
2216 lines
128 KiB
JSON
{
|
||
"name": "Грант Качалка",
|
||
"type": "private_supergroup",
|
||
"id": 3137561705,
|
||
"messages": [
|
||
{
|
||
"id": -999756969,
|
||
"type": "service",
|
||
"date": "2025-07-25T10:07:53",
|
||
"date_unixtime": "1753427273",
|
||
"actor": "Владимир Устенко",
|
||
"actor_id": "user356138812",
|
||
"action": "create_group",
|
||
"title": "Грант Качалка",
|
||
"members": [
|
||
"Владимир Устенко",
|
||
"Yaroslav Pikalyov",
|
||
"Богдан Павленко"
|
||
],
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999756968,
|
||
"type": "message",
|
||
"date": "2025-07-25T11:14:28",
|
||
"date_unixtime": "1753431268",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": [
|
||
{
|
||
"type": "bold",
|
||
"text": "SmartRep: ИИ-контроль техники упражнений в спортзале на смартфоне (Предполагаемое название гранта:)"
|
||
},
|
||
"\n\n",
|
||
{
|
||
"type": "bold",
|
||
"text": "Описание идеи гранта:"
|
||
},
|
||
"\n\nПроект ",
|
||
{
|
||
"type": "bold",
|
||
"text": "SmartRep"
|
||
},
|
||
" направлен на разработку мобильного приложения с использованием технологий компьютерного зрения и нейросетей для анализа техники выполнения упражнений в реальном времени. Приложение будет работать автономно на смартфоне — без подключения к внешним датчикам или облачным сервисам — и предназначено для использования в спортзале.\n\n",
|
||
{
|
||
"type": "bold",
|
||
"text": "Основная идея:"
|
||
},
|
||
" пользователь устанавливает смартфон напротив тренажёра (фронтально или сбоку), камера фиксирует выполнение упражнения, а ИИ-модель, запущенная локально, анализирует ключевые точки тела и оценивает правильность техники. В случае ошибок в движении приложение мгновенно подаёт сигналы (вибрация, звук, сообщение на экране) с комментариями: например, «Спина округляется» или «Слишком низкий присед».\n\nПроект имеет следующие особенности:\n\n* ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Локальная работа на телефоне:"
|
||
},
|
||
" используются оптимизированные, легковесные нейросети, способные работать без подключения к интернету;\n* ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Контроль амплитуды и стабильности:"
|
||
},
|
||
" система анализирует траекторию суставов, оценивает включение целевых мышц, стабильность осанки и плавность движения;\n* ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Обратная связь в реальном времени:"
|
||
},
|
||
" минимизирует риск травм и помогает улучшить технику;\n* ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Обучение модели на размеченных данных:"
|
||
},
|
||
" сравнение правильных и ошибочных техник, а также идентификация компенсаторных движений;\n* ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Масштабируемость:"
|
||
},
|
||
" возможность добавления новых упражнений, персонализации тренировок и использования в домашних условиях.\n\n",
|
||
{
|
||
"type": "bold",
|
||
"text": "Ценность проекта:"
|
||
},
|
||
"\n\n* Технологическая новизна: real-time анализ CV без внешнего оборудования.\n* Социальная значимость: доступность ИИ-наставника без необходимости трат на персонального тренера.\n* Повышение безопасности тренировок.\n* Потенциал коммерциализации и масштабирования в международном сегменте фитнеса и digital-health.."
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "bold",
|
||
"text": "SmartRep: ИИ-контроль техники упражнений в спортзале на смартфоне (Предполагаемое название гранта:)"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\n"
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Описание идеи гранта:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\nПроект "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "SmartRep"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " направлен на разработку мобильного приложения с использованием технологий компьютерного зрения и нейросетей для анализа техники выполнения упражнений в реальном времени. Приложение будет работать автономно на смартфоне — без подключения к внешним датчикам или облачным сервисам — и предназначено для использования в спортзале.\n\n"
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Основная идея:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " пользователь устанавливает смартфон напротив тренажёра (фронтально или сбоку), камера фиксирует выполнение упражнения, а ИИ-модель, запущенная локально, анализирует ключевые точки тела и оценивает правильность техники. В случае ошибок в движении приложение мгновенно подаёт сигналы (вибрация, звук, сообщение на экране) с комментариями: например, «Спина округляется» или «Слишком низкий присед».\n\nПроект имеет следующие особенности:\n\n* "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Локальная работа на телефоне:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " используются оптимизированные, легковесные нейросети, способные работать без подключения к интернету;\n* "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Контроль амплитуды и стабильности:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " система анализирует траекторию суставов, оценивает включение целевых мышц, стабильность осанки и плавность движения;\n* "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Обратная связь в реальном времени:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " минимизирует риск травм и помогает улучшить технику;\n* "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Обучение модели на размеченных данных:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " сравнение правильных и ошибочных техник, а также идентификация компенсаторных движений;\n* "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Масштабируемость:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " возможность добавления новых упражнений, персонализации тренировок и использования в домашних условиях.\n\n"
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Ценность проекта:"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\n* Технологическая новизна: real-time анализ CV без внешнего оборудования.\n* Социальная значимость: доступность ИИ-наставника без необходимости трат на персонального тренера.\n* Повышение безопасности тренировок.\n* Потенциал коммерциализации и масштабирования в международном сегменте фитнеса и digital-health.."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999756962,
|
||
"type": "message",
|
||
"date": "2025-07-25T11:50:53",
|
||
"date_unixtime": "1753433453",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "image_2025-07-25_11-50-52.png",
|
||
"file_size": 301822,
|
||
"thumbnail": "(File not included. Change data exporting settings to download.)",
|
||
"thumbnail_file_size": 11116,
|
||
"mime_type": "image/png",
|
||
"width": 1111,
|
||
"height": 793,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999756960,
|
||
"type": "message",
|
||
"date": "2025-07-25T12:07:48",
|
||
"date_unixtime": "1753434468",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "image_2025-07-25_12-07-48.png",
|
||
"file_size": 193191,
|
||
"thumbnail": "(File not included. Change data exporting settings to download.)",
|
||
"thumbnail_file_size": 16378,
|
||
"mime_type": "image/png",
|
||
"width": 606,
|
||
"height": 908,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999756954,
|
||
"type": "message",
|
||
"date": "2025-07-25T13:43:52",
|
||
"date_unixtime": "1753440232",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "fitness.docx",
|
||
"file_size": 8821,
|
||
"mime_type": "application/vnd.openxmlformats-officedocument.wordprocessingml.document",
|
||
"text": "Исходник Ярослава",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Исходник Ярослава"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999756410,
|
||
"type": "message",
|
||
"date": "2025-07-26T10:01:24",
|
||
"date_unixtime": "1753513284",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"forwarded_from": "Технологии | Нейросети | Боты",
|
||
"forwarded_from_id": "channel1465909297",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "0725 (4).mp4",
|
||
"file_size": 14783753,
|
||
"thumbnail": "(File not included. Change data exporting settings to download.)",
|
||
"thumbnail_file_size": 12693,
|
||
"media_type": "video_file",
|
||
"mime_type": "video/mp4",
|
||
"duration_seconds": 35,
|
||
"width": 2942,
|
||
"height": 1080,
|
||
"text": [
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🎮",
|
||
"document_id": "video_files/sticker.webm"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Парень навайбкодил файтинг, где вместо геймпада — его тело."
|
||
},
|
||
"\n\nВместо обычный игры на геймпаде тут нужно махать руками перед камерой, которая отслеживает движения. Так персонаж повторяет все движения игрока ",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "😮",
|
||
"document_id": "stickers/AnimatedSticker.tgs"
|
||
},
|
||
"\n\nПрактически всё сделали нейросети: \n— Claude Opus спроектировал технологию;\n— Claude Sonnet написал код;\n— GitHub Copilot помог собрать готовую программу.\n\nПока работает только в Tekken, в котором за каждую конечность отвечает отдельная кнопка.\n\n",
|
||
{
|
||
"type": "text_link",
|
||
"text": "• Источник",
|
||
"href": "https://x.com/_renhau/status/1946993311031710205"
|
||
},
|
||
"\n\n",
|
||
{
|
||
"type": "mention",
|
||
"text": "@aiaiai"
|
||
},
|
||
""
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🎮",
|
||
"document_id": "video_files/sticker.webm"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Парень навайбкодил файтинг, где вместо геймпада — его тело."
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\nВместо обычный игры на геймпаде тут нужно махать руками перед камерой, которая отслеживает движения. Так персонаж повторяет все движения игрока "
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "😮",
|
||
"document_id": "stickers/AnimatedSticker.tgs"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\nПрактически всё сделали нейросети: \n— Claude Opus спроектировал технологию;\n— Claude Sonnet написал код;\n— GitHub Copilot помог собрать готовую программу.\n\nПока работает только в Tekken, в котором за каждую конечность отвечает отдельная кнопка.\n\n"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "• Источник",
|
||
"href": "https://x.com/_renhau/status/1946993311031710205"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\n"
|
||
},
|
||
{
|
||
"type": "mention",
|
||
"text": "@aiaiai"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": ""
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999737918,
|
||
"type": "message",
|
||
"date": "2025-09-18T22:32:56",
|
||
"date_unixtime": "1758223976",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_1@18-09-2025_22-32-56.jpg",
|
||
"photo_file_size": 114030,
|
||
"width": 1280,
|
||
"height": 803,
|
||
"text": "Сравнительная таблица трех видов грантов. 119 самый оптимальный",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Сравнительная таблица трех видов грантов. 119 самый оптимальный"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999737917,
|
||
"type": "message",
|
||
"date": "2025-09-18T22:33:25",
|
||
"date_unixtime": "1758224005",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": "Тема: ИИ-контроль техники упражнений в спортзале\n\nКраткое описание проекта: Проект направлен на разработку и исследование методов компьютерного зрения и нейросетевых алгоритмов для автоматизированного анализа техники выполнения силовых и функциональных упражнений. Главная цель — создание оптимизированной модели ИИ, способной в реальном времени анализировать видеопоток и выявлять ошибки техники движений. Особое внимание уделяется алгоритмической эффективности: разработанные методы должны работать корректно даже на устройствах с ограниченными вычислительными ресурсами (например, смартфонах), без использования внешних сенсоров или облачных сервисов.\n\nОжидаемые результаты от реализации проекта: \n1) Научная новизна: новые методы анализа позы и траекторий движений в реальном времени, адаптированные под низкую вычислительную сложность. \n2) Повышение безопасности тренировок: своевременное выявление ошибок техники и контроль биомеханической стабильности. \n3)Социальная значимость: возможность использования интеллектуальных методов контроля без затрат на оборудование и тренеров. \n4) Контроль биомеханических параметров: отслеживание амплитуды движений, траектории суставов, вовлечения целевых мышц и осанки. \n5) Валидация и обучение: формирование датасетов с правильными и ошибочными техниками, включая компенсаторные движения, для обучения и тестирования модели.",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Тема: ИИ-контроль техники упражнений в спортзале\n\nКраткое описание проекта: Проект направлен на разработку и исследование методов компьютерного зрения и нейросетевых алгоритмов для автоматизированного анализа техники выполнения силовых и функциональных упражнений. Главная цель — создание оптимизированной модели ИИ, способной в реальном времени анализировать видеопоток и выявлять ошибки техники движений. Особое внимание уделяется алгоритмической эффективности: разработанные методы должны работать корректно даже на устройствах с ограниченными вычислительными ресурсами (например, смартфонах), без использования внешних сенсоров или облачных сервисов.\n\nОжидаемые результаты от реализации проекта: \n1) Научная новизна: новые методы анализа позы и траекторий движений в реальном времени, адаптированные под низкую вычислительную сложность. \n2) Повышение безопасности тренировок: своевременное выявление ошибок техники и контроль биомеханической стабильности. \n3)Социальная значимость: возможность использования интеллектуальных методов контроля без затрат на оборудование и тренеров. \n4) Контроль биомеханических параметров: отслеживание амплитуды движений, траектории суставов, вовлечения целевых мышц и осанки. \n5) Валидация и обучение: формирование датасетов с правильными и ошибочными техниками, включая компенсаторные движения, для обучения и тестирования модели."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999737916,
|
||
"type": "message",
|
||
"date": "2025-09-18T22:35:41",
|
||
"date_unixtime": "1758224141",
|
||
"edited": "2025-09-18T22:37:05",
|
||
"edited_unixtime": "1758224225",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"reply_to_message_id": -999737918,
|
||
"text": "120 оптимальный, тише едешь, дальше будешь",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "120 оптимальный, тише едешь, дальше будешь"
|
||
}
|
||
],
|
||
"reactions": [
|
||
{
|
||
"type": "emoji",
|
||
"count": 1,
|
||
"emoji": "🔥",
|
||
"recent": [
|
||
{
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"date": "2025-09-18T22:37:05"
|
||
}
|
||
]
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999737915,
|
||
"type": "message",
|
||
"date": "2025-09-18T22:40:49",
|
||
"date_unixtime": "1758224449",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "120.pdf",
|
||
"file_size": 566098,
|
||
"thumbnail": "(File not included. Change data exporting settings to download.)",
|
||
"thumbnail_file_size": 23142,
|
||
"mime_type": "application/pdf",
|
||
"text": "120.pdf – «Малые научные группы»",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "120.pdf – «Малые научные группы»"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999737914,
|
||
"type": "message",
|
||
"date": "2025-09-18T22:41:20",
|
||
"date_unixtime": "1758224480",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "la-knight.mp4",
|
||
"file_size": 225555,
|
||
"media_type": "animation",
|
||
"mime_type": "video/mp4",
|
||
"duration_seconds": 8,
|
||
"width": 166,
|
||
"height": 92,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999737913,
|
||
"type": "message",
|
||
"date": "2025-09-18T22:41:43",
|
||
"date_unixtime": "1758224503",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "AnimatedSticker.tgs",
|
||
"file_size": 10541,
|
||
"thumbnail": "(File not included. Change data exporting settings to download.)",
|
||
"thumbnail_file_size": 4312,
|
||
"media_type": "sticker",
|
||
"sticker_emoji": "😨",
|
||
"mime_type": "application/x-tgsticker",
|
||
"width": 512,
|
||
"height": 512,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999737912,
|
||
"type": "message",
|
||
"date": "2025-09-18T22:42:37",
|
||
"date_unixtime": "1758224557",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "sticker.webp",
|
||
"file_size": 19698,
|
||
"thumbnail": "(File not included. Change data exporting settings to download.)",
|
||
"thumbnail_file_size": 2162,
|
||
"media_type": "sticker",
|
||
"sticker_emoji": "🙄",
|
||
"mime_type": "image/webp",
|
||
"width": 512,
|
||
"height": 512,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726923,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:15:47",
|
||
"date_unixtime": "1760966147",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_2@20-10-2025_16-15-47.jpg",
|
||
"photo_file_size": 125650,
|
||
"width": 1280,
|
||
"height": 677,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726922,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:15:50",
|
||
"date_unixtime": "1760966150",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@ya_pikalyov"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@ya_pikalyov"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726921,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:15:53",
|
||
"date_unixtime": "1760966153",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@holyBogdan"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@holyBogdan"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726920,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:18:11",
|
||
"date_unixtime": "1760966291",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": "37",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "37"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726919,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:18:13",
|
||
"date_unixtime": "1760966293",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": "6",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "6"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726918,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:18:19",
|
||
"date_unixtime": "1760966299",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": "6",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "6"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726912,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:36:14",
|
||
"date_unixtime": "1760967374",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_3@20-10-2025_16-36-14.jpg",
|
||
"photo_file_size": 168743,
|
||
"width": 1168,
|
||
"height": 990,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726911,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:36:26",
|
||
"date_unixtime": "1760967386",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_4@20-10-2025_16-36-26.jpg",
|
||
"photo_file_size": 182962,
|
||
"width": 1254,
|
||
"height": 1027,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726910,
|
||
"type": "message",
|
||
"date": "2025-10-20T16:47:26",
|
||
"date_unixtime": "1760968046",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_5@20-10-2025_16-47-26.jpg",
|
||
"photo_file_size": 18122,
|
||
"width": 1128,
|
||
"height": 149,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726761,
|
||
"type": "service",
|
||
"date": "2025-10-21T10:32:41",
|
||
"date_unixtime": "1761031961",
|
||
"actor": "Владимир Устенко",
|
||
"actor_id": "user356138812",
|
||
"action": "invite_members",
|
||
"members": [
|
||
"Максим Близно"
|
||
],
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726760,
|
||
"type": "message",
|
||
"date": "2025-10-21T10:32:42",
|
||
"date_unixtime": "1761031962",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"photo": "photos/photo_6@21-10-2025_10-32-42.jpg",
|
||
"photo_file_size": 85400,
|
||
"width": 703,
|
||
"height": 625,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726759,
|
||
"type": "message",
|
||
"date": "2025-10-21T10:33:04",
|
||
"date_unixtime": "1761031984",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"poll": {
|
||
"question": "1,2 или 3",
|
||
"closed": false,
|
||
"total_voters": 4,
|
||
"answers": [
|
||
{
|
||
"text": "1",
|
||
"voters": 0,
|
||
"chosen": false
|
||
},
|
||
{
|
||
"text": "2",
|
||
"voters": 1,
|
||
"chosen": true
|
||
},
|
||
{
|
||
"text": "3",
|
||
"voters": 3,
|
||
"chosen": false
|
||
}
|
||
]
|
||
},
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726758,
|
||
"type": "message",
|
||
"date": "2025-10-21T10:34:28",
|
||
"date_unixtime": "1761032068",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_7@21-10-2025_10-34-28.jpg",
|
||
"photo_file_size": 108279,
|
||
"width": 1087,
|
||
"height": 1024,
|
||
"text": "Даже чат бот за 3 вариант",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Даже чат бот за 3 вариант"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726749,
|
||
"type": "message",
|
||
"date": "2025-10-21T11:31:14",
|
||
"date_unixtime": "1761035474",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"reply_to_message_id": -999726912,
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://navigator.sk.ru/orn/1125924"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://navigator.sk.ru/orn/1125924"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726746,
|
||
"type": "message",
|
||
"date": "2025-10-21T11:50:33",
|
||
"date_unixtime": "1761036633",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726745,
|
||
"type": "message",
|
||
"date": "2025-10-21T11:59:14",
|
||
"date_unixtime": "1761037154",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/12rsE3o6EXnAmRNH_AZUOQ5qelLmFHhpD-RylEW2G6UQ/edit?usp=sharing"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/12rsE3o6EXnAmRNH_AZUOQ5qelLmFHhpD-RylEW2G6UQ/edit?usp=sharing"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726732,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:34:22",
|
||
"date_unixtime": "1761042862",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_8@21-10-2025_13-34-22.jpg",
|
||
"photo_file_size": 41886,
|
||
"width": 1000,
|
||
"height": 1000,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726731,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:34:44",
|
||
"date_unixtime": "1761042884",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_9@21-10-2025_13-34-44.jpg",
|
||
"photo_file_size": 28506,
|
||
"width": 500,
|
||
"height": 500,
|
||
"text": "Трицепс",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Трицепс"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726729,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:35:18",
|
||
"date_unixtime": "1761042918",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_10@21-10-2025_13-35-18.jpg",
|
||
"photo_file_size": 46454,
|
||
"width": 800,
|
||
"height": 800,
|
||
"text": "Бицепс",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Бицепс"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726728,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:36:17",
|
||
"date_unixtime": "1761042977",
|
||
"edited": "2025-10-21T14:18:36",
|
||
"edited_unixtime": "1761045516",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"photo": "photos/photo_11@21-10-2025_13-36-17.jpg",
|
||
"photo_file_size": 42003,
|
||
"width": 800,
|
||
"height": 800,
|
||
"text": "группа мышц спина, немного трицепс",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "группа мышц спина, немного трицепс"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726727,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:36:45",
|
||
"date_unixtime": "1761043005",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"photo": "photos/photo_12@21-10-2025_13-36-45.jpg",
|
||
"photo_file_size": 39755,
|
||
"width": 768,
|
||
"height": 1024,
|
||
"text": "Спина (гиперэкстензия)",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Спина (гиперэкстензия)"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726726,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:38:44",
|
||
"date_unixtime": "1761043124",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"photo": "photos/photo_13@21-10-2025_13-38-44.jpg",
|
||
"photo_file_size": 44632,
|
||
"width": 1280,
|
||
"height": 720,
|
||
"text": "или спина вот:",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "или спина вот:"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726725,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:56:34",
|
||
"date_unixtime": "1761044194",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "Для решения обозначенных научных и технических проблем в проекте SmartRep предусмотрен комплексный подход, сочетающий методы компьютерного зрения, адаптивного машинного обучения и биомеханического моделирования. Индивидуальные различия пользователей по пропорциям тела и подвижности суставов планируется компенсировать за счёт калибровки антропометрических параметров в начальной фазе работы приложения, позволяющей автоматически масштабировать эталонные углы и амплитуды движений. Неоднозначность визуальных данных и влияние ракурса устраняются с помощью обучения нейросетевых моделей на синтетических данных, сгенерированных под различными углами обзора и условиями освещения, а также применения моделей позового детектирования с механизмом пространственного сглаживания ключевых точек. Проблема нехватки размеченных примеров решается за счёт полусупервизорного обучения, дополнения данных (data augmentation) и использования смежных наборов (Human3.6M, COCO-Pose и др.). Формализация понятия «правильности техники» достигается объединением статистических признаков с нечёткой логикой, где экспертные правила тренеров переводятся в математическую форму через интервалы допустимых углов и скоростей движения. Персонализация анализа обеспечивается внедрением механизма самообучения модели на данных конкретного пользователя и учётом его возраста, пола и уровня подготовки. Для работы на мобильных устройствах предусмотрена разработка облегченной модели с квантизацией и оптимизацией inference.",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Для решения обозначенных научных и технических проблем в проекте SmartRep предусмотрен комплексный подход, сочетающий методы компьютерного зрения, адаптивного машинного обучения и биомеханического моделирования. Индивидуальные различия пользователей по пропорциям тела и подвижности суставов планируется компенсировать за счёт калибровки антропометрических параметров в начальной фазе работы приложения, позволяющей автоматически масштабировать эталонные углы и амплитуды движений. Неоднозначность визуальных данных и влияние ракурса устраняются с помощью обучения нейросетевых моделей на синтетических данных, сгенерированных под различными углами обзора и условиями освещения, а также применения моделей позового детектирования с механизмом пространственного сглаживания ключевых точек. Проблема нехватки размеченных примеров решается за счёт полусупервизорного обучения, дополнения данных (data augmentation) и использования смежных наборов (Human3.6M, COCO-Pose и др.). Формализация понятия «правильности техники» достигается объединением статистических признаков с нечёткой логикой, где экспертные правила тренеров переводятся в математическую форму через интервалы допустимых углов и скоростей движения. Персонализация анализа обеспечивается внедрением механизма самообучения модели на данных конкретного пользователя и учётом его возраста, пола и уровня подготовки. Для работы на мобильных устройствах предусмотрена разработка облегченной модели с квантизацией и оптимизацией inference."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726723,
|
||
"type": "message",
|
||
"date": "2025-10-21T13:56:41",
|
||
"date_unixtime": "1761044201",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"reply_to_message_id": -999726725,
|
||
"text": "Персонализация анализа обеспечивается внедрением механизма самообучения модели на данных конкретного пользователя и учётом его возраста, пола и уровня подготовки. \n\nЭто под вопросом",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Персонализация анализа обеспечивается внедрением механизма самообучения модели на данных конкретного пользователя и учётом его возраста, пола и уровня подготовки. \n\nЭто под вопросом"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726722,
|
||
"type": "message",
|
||
"date": "2025-10-21T14:18:38",
|
||
"date_unixtime": "1761045518",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"photo": "photos/photo_14@21-10-2025_14-18-38.jpg",
|
||
"photo_file_size": 51217,
|
||
"width": 600,
|
||
"height": 492,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726719,
|
||
"type": "message",
|
||
"date": "2025-10-21T14:49:20",
|
||
"date_unixtime": "1761047360",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": [
|
||
"Научной и методологической основой проекта SmartRep является развитие идей, реализованных в работах Д.Г. Арсеньева, М.А. Шалуховой и А.Е. Мисника, посвящённых интеллектуальным системам поддержки принятия решений в спорте и реабилитации. В указанных исследованиях (ИММВ-2024; Вестн. СамГТУ, 2024; ",
|
||
{
|
||
"type": "link",
|
||
"text": "Musculus.app"
|
||
},
|
||
") разработана архитектура СППР, включающая модули компьютерного зрения, цифрового двойника спортсмена, онтологической базы знаний и нейро-нечёткой логики для персонализации тренировочного процесса и прогнозирования риска травм. Проект SmartRep развивает данный подход, адаптируя его к условиям массового фитнеса и работе на мобильных устройствах: система использует лёгкие модели компьютерного зрения для анализа техники упражнений, формализует тренерские критерии через нечёткие правила и реализует индивидуализацию рекомендаций с учётом пола, возраста и уровня подготовки пользователя."
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Научной и методологической основой проекта SmartRep является развитие идей, реализованных в работах Д.Г. Арсеньева, М.А. Шалуховой и А.Е. Мисника, посвящённых интеллектуальным системам поддержки принятия решений в спорте и реабилитации. В указанных исследованиях (ИММВ-2024; Вестн. СамГТУ, 2024; "
|
||
},
|
||
{
|
||
"type": "link",
|
||
"text": "Musculus.app"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": ") разработана архитектура СППР, включающая модули компьютерного зрения, цифрового двойника спортсмена, онтологической базы знаний и нейро-нечёткой логики для персонализации тренировочного процесса и прогнозирования риска травм. Проект SmartRep развивает данный подход, адаптируя его к условиям массового фитнеса и работе на мобильных устройствах: система использует лёгкие модели компьютерного зрения для анализа техники упражнений, формализует тренерские критерии через нечёткие правила и реализует индивидуализацию рекомендаций с учётом пола, возраста и уровня подготовки пользователя."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726718,
|
||
"type": "message",
|
||
"date": "2025-10-21T14:49:45",
|
||
"date_unixtime": "1761047385",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"photo": "photos/photo_15@21-10-2025_14-49-45.jpg",
|
||
"photo_file_size": 78350,
|
||
"width": 889,
|
||
"height": 609,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726717,
|
||
"type": "message",
|
||
"date": "2025-10-21T14:49:55",
|
||
"date_unixtime": "1761047395",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "intellektualnaya_sistema_podderzhki_prinyatiya_resheniy_dlya_upravleniya.pdf",
|
||
"file_size": 1247570,
|
||
"mime_type": "application/pdf",
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726716,
|
||
"type": "message",
|
||
"date": "2025-10-21T14:50:35",
|
||
"date_unixtime": "1761047435",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing"
|
||
},
|
||
"\nНаписал ограничения в самом низу"
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\nНаписал ограничения в самом низу"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726715,
|
||
"type": "message",
|
||
"date": "2025-10-21T14:53:56",
|
||
"date_unixtime": "1761047636",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "Шалухова.pptx",
|
||
"file_size": 1784733,
|
||
"mime_type": "application/vnd.openxmlformats-officedocument.presentationml.presentation",
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726714,
|
||
"type": "message",
|
||
"date": "2025-10-21T15:04:12",
|
||
"date_unixtime": "1761048252",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"photo": "photos/photo_16@21-10-2025_15-04-12.jpg",
|
||
"photo_file_size": 33752,
|
||
"width": 805,
|
||
"height": 302,
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://openreview.net/pdf/061d45c5db0c11ad5dd49cd9a1afa6482d4a9aed.pdf?utm_source=chatgpt.com"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://openreview.net/pdf/061d45c5db0c11ad5dd49cd9a1afa6482d4a9aed.pdf?utm_source=chatgpt.com"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726713,
|
||
"type": "service",
|
||
"date": "2025-10-21T15:04:18",
|
||
"date_unixtime": "1761048258",
|
||
"actor": "Богдан Павленко",
|
||
"actor_id": "user636286691",
|
||
"action": "pin_message",
|
||
"message_id": -999726714,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726712,
|
||
"type": "message",
|
||
"date": "2025-10-21T15:10:15",
|
||
"date_unixtime": "1761048615",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "s10462-024-11060-2.pdf",
|
||
"file_size": 3634972,
|
||
"mime_type": "application/pdf",
|
||
"text": "Большой обзор по теме",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Большой обзор по теме"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726711,
|
||
"type": "service",
|
||
"date": "2025-10-21T15:10:19",
|
||
"date_unixtime": "1761048619",
|
||
"actor": "Богдан Павленко",
|
||
"actor_id": "user636286691",
|
||
"action": "pin_message",
|
||
"message_id": -999726712,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726710,
|
||
"type": "message",
|
||
"date": "2025-10-21T15:45:20",
|
||
"date_unixtime": "1761050720",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?tab=t.0"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?tab=t.0"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726692,
|
||
"type": "message",
|
||
"date": "2025-10-21T17:09:50",
|
||
"date_unixtime": "1761055790",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "1. Разработка интеллектуальной системы анализа техники выполнения физических упражнений для улучшения и поддержания физической формы на основе технологий компьютерного зрения.\n\n\n2. Разработка программного комплекса SmartRep для автоматизированного контроля правильности выполнения физических упражнений с использованием технологий искусственного интеллекта.\n\n\n3. Разработка системы компьютерного зрения для оценки корректности выполнения упражнений с отягощениями и на тренажёрах, направленных на поддержание физической формы.\n\n\n4. Разработка интеллектуальной системы визуального анализа движений человека при выполнении физических упражнений в фитнес-зале.\n\n\n5. Разработка нейро-нечёткой системы анализа и контроля техники выполнения упражнений для повышения эффективности тренировок и предотвращения травм.",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "1. Разработка интеллектуальной системы анализа техники выполнения физических упражнений для улучшения и поддержания физической формы на основе технологий компьютерного зрения.\n\n\n2. Разработка программного комплекса SmartRep для автоматизированного контроля правильности выполнения физических упражнений с использованием технологий искусственного интеллекта.\n\n\n3. Разработка системы компьютерного зрения для оценки корректности выполнения упражнений с отягощениями и на тренажёрах, направленных на поддержание физической формы.\n\n\n4. Разработка интеллектуальной системы визуального анализа движений человека при выполнении физических упражнений в фитнес-зале.\n\n\n5. Разработка нейро-нечёткой системы анализа и контроля техники выполнения упражнений для повышения эффективности тренировок и предотвращения травм."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726691,
|
||
"type": "message",
|
||
"date": "2025-10-21T17:10:41",
|
||
"date_unixtime": "1761055841",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"poll": {
|
||
"question": "Название темы",
|
||
"closed": false,
|
||
"total_voters": 3,
|
||
"answers": [
|
||
{
|
||
"text": "1",
|
||
"voters": 1,
|
||
"chosen": true
|
||
},
|
||
{
|
||
"text": "2",
|
||
"voters": 1,
|
||
"chosen": true
|
||
},
|
||
{
|
||
"text": "3",
|
||
"voters": 1,
|
||
"chosen": false
|
||
},
|
||
{
|
||
"text": "4",
|
||
"voters": 1,
|
||
"chosen": false
|
||
},
|
||
{
|
||
"text": "5",
|
||
"voters": 1,
|
||
"chosen": false
|
||
}
|
||
]
|
||
},
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726690,
|
||
"type": "message",
|
||
"date": "2025-10-21T17:12:28",
|
||
"date_unixtime": "1761055948",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"reply_to_message_id": -999726692,
|
||
"text": "Ну или свой вариант предложите",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Ну или свой вариант предложите"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726689,
|
||
"type": "message",
|
||
"date": "2025-10-21T17:19:46",
|
||
"date_unixtime": "1761056386",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://chatgpt.com/share/68f79679-e8a4-8009-9842-191b431a4ca9"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://chatgpt.com/share/68f79679-e8a4-8009-9842-191b431a4ca9"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726688,
|
||
"type": "message",
|
||
"date": "2025-10-21T17:22:10",
|
||
"date_unixtime": "1761056530",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"photo": "photos/photo_17@21-10-2025_17-22-10.jpg",
|
||
"photo_file_size": 75241,
|
||
"width": 924,
|
||
"height": 1263,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726238,
|
||
"type": "message",
|
||
"date": "2025-10-22T03:18:29",
|
||
"date_unixtime": "1761092309",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "Современные подходы к контролю техники выполнения физических упражнений в фитнес-центрах и спортивных залах в значительной степени зависят от квалификации тренера и субъективной визуальной оценки. При этом качество выполнения движений напрямую влияет на эффективность тренировочного процесса и уровень травматизма. Отсутствие доступных и объективных инструментов анализа движений вне профессиональных лабораторных условий делает невозможным системный контроль техники для широкого круга пользователей, занимающихся самостоятельно или с минимальным контролем тренера.\nЦель проекта заключается в разработке интеллектуальной системы анализа и контроля техники выполнения упражнений с использованием технологий компьютерного зрения и искусственного интеллекта, реализованной в виде мобильного приложения. Система обеспечивает автоматическую оценку правильности выполнения базовых упражнений на тренажёрах и со свободными весами с помощью видеозаписи, получаемой с камеры смартфона, без необходимости использования дополнительных сенсоров и специализированного оборудования.\nПроект решает актуальную научно-техническую задачу — повышение точности и объективности оценки движений человека в неконтролируемых условиях съёмки (вариации углов, освещения, масштаба и позы) при минимальных вычислительных ресурсах (edge-устройства). В основе системы лежит модуль компьютерного зрения, выделяющий ключевые точки скелета человека на видео, и аналитический модуль, который на основе геометрических взаимосвязей между суставами вычисляет углы и динамические параметры движения.\nДополнительно в системе применяется нейро-нечёткий модуль принятия решений, формирующий экспертные правила интерпретации данных: система не только фиксирует отклонения в траектории, но и классифицирует типичные ошибки техники, формируя рекомендации по их исправлению. Такой подход позволяет объединить преимущества статистического обучения и знаний, формализованных в виде лингвистических правил.\nНаучная новизна проекта заключается в разработке метода анализа биомеханических паттернов упражнений на основе визуальных данных и нечеткой логики, обеспечивающего интерпретируемость и адаптивность модели к индивидуальным особенностям пользователя, а также работающий в режиме реального времени на мобильных устройствах. В отличие от существующих коммерческих решений, основанных на жёстких шаблонах поз, система SmartRep способна учитывать вариативность техники, зависимость угловых характеристик от антропометрических данных и плавно адаптировать критерии оценки под конкретного пользователя.\nНаучная занчимость заключается в:\n- повышении объективности и точности оценки техники движений;\n- расширении научных представлений о применении методов ИИ в спортивной биомеханике;\n- формировании базы знаний и алгоритмических решений, применимые в других областях (реабилитация, эргономика, медицина труда).",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Современные подходы к контролю техники выполнения физических упражнений в фитнес-центрах и спортивных залах в значительной степени зависят от квалификации тренера и субъективной визуальной оценки. При этом качество выполнения движений напрямую влияет на эффективность тренировочного процесса и уровень травматизма. Отсутствие доступных и объективных инструментов анализа движений вне профессиональных лабораторных условий делает невозможным системный контроль техники для широкого круга пользователей, занимающихся самостоятельно или с минимальным контролем тренера.\nЦель проекта заключается в разработке интеллектуальной системы анализа и контроля техники выполнения упражнений с использованием технологий компьютерного зрения и искусственного интеллекта, реализованной в виде мобильного приложения. Система обеспечивает автоматическую оценку правильности выполнения базовых упражнений на тренажёрах и со свободными весами с помощью видеозаписи, получаемой с камеры смартфона, без необходимости использования дополнительных сенсоров и специализированного оборудования.\nПроект решает актуальную научно-техническую задачу — повышение точности и объективности оценки движений человека в неконтролируемых условиях съёмки (вариации углов, освещения, масштаба и позы) при минимальных вычислительных ресурсах (edge-устройства). В основе системы лежит модуль компьютерного зрения, выделяющий ключевые точки скелета человека на видео, и аналитический модуль, который на основе геометрических взаимосвязей между суставами вычисляет углы и динамические параметры движения.\nДополнительно в системе применяется нейро-нечёткий модуль принятия решений, формирующий экспертные правила интерпретации данных: система не только фиксирует отклонения в траектории, но и классифицирует типичные ошибки техники, формируя рекомендации по их исправлению. Такой подход позволяет объединить преимущества статистического обучения и знаний, формализованных в виде лингвистических правил.\nНаучная новизна проекта заключается в разработке метода анализа биомеханических паттернов упражнений на основе визуальных данных и нечеткой логики, обеспечивающего интерпретируемость и адаптивность модели к индивидуальным особенностям пользователя, а также работающий в режиме реального времени на мобильных устройствах. В отличие от существующих коммерческих решений, основанных на жёстких шаблонах поз, система SmartRep способна учитывать вариативность техники, зависимость угловых характеристик от антропометрических данных и плавно адаптировать критерии оценки под конкретного пользователя.\nНаучная занчимость заключается в:\n- повышении объективности и точности оценки техники движений;\n- расширении научных представлений о применении методов ИИ в спортивной биомеханике;\n- формировании базы знаний и алгоритмических решений, применимые в других областях (реабилитация, эргономика, медицина труда)."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726237,
|
||
"type": "message",
|
||
"date": "2025-10-22T03:18:44",
|
||
"date_unixtime": "1761092324",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"reply_to_message_id": -999726238,
|
||
"text": [
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#annotation_project_old"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#annotation_project_old"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726236,
|
||
"type": "message",
|
||
"date": "2025-10-22T03:34:20",
|
||
"date_unixtime": "1761093260",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@u_Vova"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "mention",
|
||
"text": "@holyBogdan"
|
||
},
|
||
" нужны сканы РИДов"
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@u_Vova"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "mention",
|
||
"text": "@holyBogdan"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " нужны сканы РИДов"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726234,
|
||
"type": "message",
|
||
"date": "2025-10-22T03:49:40",
|
||
"date_unixtime": "1761094180",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "У Натальи Николаевны узнать нужно гос регистр номера и года проведения:\n\n1) Разработка научно-теоретических основ создания роботизированных компьютерно-аппаратно-механических комплексов, способных к восприятию и переработке звуковой, сетевой, визуальной и речевой информации;\n\n\n2. Разработка методов распознавания слитно произнесённых фраз на основе пофонемного анализа речи",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "У Натальи Николаевны узнать нужно гос регистр номера и года проведения:\n\n1) Разработка научно-теоретических основ создания роботизированных компьютерно-аппаратно-механических комплексов, способных к восприятию и переработке звуковой, сетевой, визуальной и речевой информации;\n\n\n2. Разработка методов распознавания слитно произнесённых фраз на основе пофонемного анализа речи"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726231,
|
||
"type": "message",
|
||
"date": "2025-10-22T03:54:26",
|
||
"date_unixtime": "1761094466",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "Вроде такого, ток ещё годы нужны начала и конца «Исследование и разработка методов семантического анализа и интерпретации потоков данных интеллектктуальнымисистемами», № госрегистрации 0118D000003, УтУтверждена приказом Министерства образования и науки ДНР № 1272от 27.11.2017",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Вроде такого, ток ещё годы нужны начала и конца «Исследование и разработка методов семантического анализа и интерпретации потоков данных интеллектктуальнымисистемами», № госрегистрации 0118D000003, УтУтверждена приказом Министерства образования и науки ДНР № 1272от 27.11.2017"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726200,
|
||
"type": "message",
|
||
"date": "2025-10-22T09:11:02",
|
||
"date_unixtime": "1761113462",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@u_Vova"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "mention",
|
||
"text": "@holyBogdan"
|
||
},
|
||
" сколько статей и тезисов тоже напишите"
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@u_Vova"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "mention",
|
||
"text": "@holyBogdan"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " сколько статей и тезисов тоже напишите"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726199,
|
||
"type": "message",
|
||
"date": "2025-10-22T09:11:39",
|
||
"date_unixtime": "1761113499",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "Угарнул с Владимира, в графе соответствие кадрового состава написал \"Соответствуют\" 😭",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Угарнул с Владимира, в графе соответствие кадрового состава написал \"Соответствуют\" 😭"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726183,
|
||
"type": "message",
|
||
"date": "2025-10-22T09:16:11",
|
||
"date_unixtime": "1761113771",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"forwarded_from": "Yaroslav Pikalyov",
|
||
"forwarded_from_id": "user629128386",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "Редактирование форм заявки (1).pdf",
|
||
"file_size": 916834,
|
||
"mime_type": "application/pdf",
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726182,
|
||
"type": "message",
|
||
"date": "2025-10-22T09:16:42",
|
||
"date_unixtime": "1761113802",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@u_Vova"
|
||
},
|
||
" можете, если хотите редактировать в форме там...\nЯ если что засейвил"
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "mention",
|
||
"text": "@u_Vova"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " можете, если хотите редактировать в форме там...\nЯ если что засейвил"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726181,
|
||
"type": "message",
|
||
"date": "2025-10-22T09:16:45",
|
||
"date_unixtime": "1761113805",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"reply_to_message_id": -999726183,
|
||
"text": "Вот",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Вот"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726180,
|
||
"type": "message",
|
||
"date": "2025-10-22T09:20:27",
|
||
"date_unixtime": "1761114027",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "Из списка необходимого оборудования вычеркните доп станцию машинного обучения, я забыл что здесь бюджет ограничен",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Из списка необходимого оборудования вычеркните доп станцию машинного обучения, я забыл что здесь бюджет ограничен"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726164,
|
||
"type": "message",
|
||
"date": "2025-10-22T10:03:49",
|
||
"date_unixtime": "1761116629",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"reply_to_message_id": -999726234,
|
||
"text": "Года проведения этих тем? Или чем являются эти 2 пункта?",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Года проведения этих тем? Или чем являются эти 2 пункта?"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726154,
|
||
"type": "message",
|
||
"date": "2025-10-22T10:08:27",
|
||
"date_unixtime": "1761116907",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"reply_to_message_id": -999726231,
|
||
"text": "Что тут непонятного",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Что тут непонятного"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726153,
|
||
"type": "message",
|
||
"date": "2025-10-22T10:08:54",
|
||
"date_unixtime": "1761116934",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"photo": "photos/photo_18@22-10-2025_10-08-54.jpg",
|
||
"photo_file_size": 146343,
|
||
"width": 1112,
|
||
"height": 759,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726152,
|
||
"type": "message",
|
||
"date": "2025-10-22T10:09:11",
|
||
"date_unixtime": "1761116951",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "И год начала и конца каждой",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "И год начала и конца каждой"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726140,
|
||
"type": "message",
|
||
"date": "2025-10-22T10:35:33",
|
||
"date_unixtime": "1761118533",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"reply_to_message_id": -999726236,
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "2024692389.eod.pdf",
|
||
"file_size": 874502,
|
||
"mime_type": "application/pdf",
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726139,
|
||
"type": "message",
|
||
"date": "2025-10-22T10:37:19",
|
||
"date_unixtime": "1761118639",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"reply_to_message_id": -999726200,
|
||
"text": "5 тезисов 2 статьи",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "5 тезисов 2 статьи"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726138,
|
||
"type": "message",
|
||
"date": "2025-10-22T10:40:07",
|
||
"date_unixtime": "1761118807",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"reply_to_message_id": -999726200,
|
||
"text": "3 статьи, 3 тезисов",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "3 статьи, 3 тезисов"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": -999726116,
|
||
"type": "service",
|
||
"date": "2025-10-22T13:23:19",
|
||
"date_unixtime": "1761128599",
|
||
"actor": "Валерия",
|
||
"actor_id": "user634177629",
|
||
"action": "join_group_by_link",
|
||
"inviter": "Group",
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": -999726115,
|
||
"type": "service",
|
||
"date": "2025-10-22T13:23:49",
|
||
"date_unixtime": "1761128629",
|
||
"actor": "Владимир Устенко",
|
||
"actor_id": "user356138812",
|
||
"action": "migrate_to_supergroup",
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": 1,
|
||
"type": "service",
|
||
"date": "2025-10-22T13:23:49",
|
||
"date_unixtime": "1761128629",
|
||
"actor": "Грант Качалка",
|
||
"actor_id": "channel3137561705",
|
||
"action": "migrate_from_group",
|
||
"title": "Грант Качалка",
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": 2,
|
||
"type": "service",
|
||
"date": "2025-10-22T13:24:08",
|
||
"date_unixtime": "1761128648",
|
||
"actor": "Валерия",
|
||
"actor_id": "user634177629",
|
||
"action": "remove_members",
|
||
"members": [
|
||
"Валерия"
|
||
],
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": 3,
|
||
"type": "service",
|
||
"date": "2025-10-22T13:24:34",
|
||
"date_unixtime": "1761128674",
|
||
"actor": "Владимир Устенко",
|
||
"actor_id": "user356138812",
|
||
"action": "remove_members",
|
||
"members": [
|
||
"Валерия"
|
||
],
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": 4,
|
||
"type": "message",
|
||
"date": "2025-10-22T15:26:07",
|
||
"date_unixtime": "1761135967",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": "Методы и подходы для пункта 4.6",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Методы и подходы для пункта 4.6"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 5,
|
||
"type": "message",
|
||
"date": "2025-10-22T15:34:27",
|
||
"date_unixtime": "1761136467",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": [
|
||
"Научный коллектив проекта располагает подтверждённым заделом в области искусственного интеллекта, машинного обучения и компьютерного зрения, сформированным в рамках выполнения фундаментальной НИР ФГБНУ «ИПИИ» (код FREN-2024-0002, № госрегистрации 124061400003-5) «Извлечение семантической информации из изображений для автономных систем навигации беспилотных летательных аппаратов» (2024 – 2026 гг.).\n\nВ ходе исследований разработаны:\n– методика формирования сбалансированных аннотированных наборов данных для задач распознавания объектов и построения семантических графов сцен;\n– архитектуры нейронных сетей для обнаружения объектов в реальном времени и перекрёстной геолокализации по данным БПЛА и спутников;\n– инструментарий для автоматизированного аннотирования данных и интерпретации мультимодальных потоков информации;\n– методы построения триплетных моделей распознавания и генерации графов сцен, применимые в системах автономной навигации и распознавания действий человека.\n\nКоллектив имеет опыт выполнения НИР в области анализа изображений, распознавания речи и семантической интерпретации данных. Результаты отражены в публикациях в изданиях РИНЦ, Scopus, WOS и включают работы по разработке методов классификации изображений, языковых моделей, распознавания слитной речи и автоматической генерации транскрипций.\n\nКлючевые публикации:\n– Пикалёв Я. С., Ермоленко Т. В. On the Issue of Continuous Speech Recognition // Integral Robot Technologies and Speech Behavior. – 2024. – P. 155–180. ISBN ",
|
||
{
|
||
"type": "phone",
|
||
"text": "1-5275-5436-8"
|
||
},
|
||
".\n– Bondarchuk V. V., Kravchenko N. M., Pikalyov Ya. S. Indirect Criteria Algorithm for the Control of a Cognitive Neural Network // Practice Oriented Science: UAE – Russia – India. – 2024. – DOI 10.34660/INF.2024.32.41.030.\n– Пикалёв Я. С., Ермоленко Т. В. Система автоматического распознавания слитной русской речи на основе глубоких нейросетей // Речевые технологии. – 2021. – № 1–2. – С. 3–18.\n\n– Бондаренко В. И., Ермоленко Т. В. Анализ эффективности глубоких языковых моделей для задачи определения тональности русскоязычных текстов // Проблемы искусственного интеллекта. – 2024. – № 1(32). – С. 51–62.\n\nИмеются результаты интеллектуальной деятельности:\n– № ",
|
||
{
|
||
"type": "phone",
|
||
"text": "2024692488"
|
||
},
|
||
" — Программный комплекс для аннотирования данных (Устенко В. Ю.);\n– № ",
|
||
{
|
||
"type": "phone",
|
||
"text": "2024693206"
|
||
},
|
||
" — Программный комплекс для автоматизированного сбора аэрофотоснимков (Павленко Б. В.).\n\nНаучный коллектив регулярно представляет результаты на международных конференциях «Искусственный интеллект: теоретические аспекты и практическое применение» (2020 – 2024) и «Донецкие чтения» (2017 – 2024), что способствует укреплению научной школы ФГБНУ «ИПИИ» в области ИИ.\n\n\nСовокупность накопленных теоретических и практических результатов — в том числе методов распознавания образов, мультимодальной интеграции и разработки нейронных архитектур — обеспечивает высокий уровень готовности к реализации проекта SmartRep, направленного на применение технологий компьютерного зрения и нечёткой логики для анализа движений человека."
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Научный коллектив проекта располагает подтверждённым заделом в области искусственного интеллекта, машинного обучения и компьютерного зрения, сформированным в рамках выполнения фундаментальной НИР ФГБНУ «ИПИИ» (код FREN-2024-0002, № госрегистрации 124061400003-5) «Извлечение семантической информации из изображений для автономных систем навигации беспилотных летательных аппаратов» (2024 – 2026 гг.).\n\nВ ходе исследований разработаны:\n– методика формирования сбалансированных аннотированных наборов данных для задач распознавания объектов и построения семантических графов сцен;\n– архитектуры нейронных сетей для обнаружения объектов в реальном времени и перекрёстной геолокализации по данным БПЛА и спутников;\n– инструментарий для автоматизированного аннотирования данных и интерпретации мультимодальных потоков информации;\n– методы построения триплетных моделей распознавания и генерации графов сцен, применимые в системах автономной навигации и распознавания действий человека.\n\nКоллектив имеет опыт выполнения НИР в области анализа изображений, распознавания речи и семантической интерпретации данных. Результаты отражены в публикациях в изданиях РИНЦ, Scopus, WOS и включают работы по разработке методов классификации изображений, языковых моделей, распознавания слитной речи и автоматической генерации транскрипций.\n\nКлючевые публикации:\n– Пикалёв Я. С., Ермоленко Т. В. On the Issue of Continuous Speech Recognition // Integral Robot Technologies and Speech Behavior. – 2024. – P. 155–180. ISBN "
|
||
},
|
||
{
|
||
"type": "phone",
|
||
"text": "1-5275-5436-8"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": ".\n– Bondarchuk V. V., Kravchenko N. M., Pikalyov Ya. S. Indirect Criteria Algorithm for the Control of a Cognitive Neural Network // Practice Oriented Science: UAE – Russia – India. – 2024. – DOI 10.34660/INF.2024.32.41.030.\n– Пикалёв Я. С., Ермоленко Т. В. Система автоматического распознавания слитной русской речи на основе глубоких нейросетей // Речевые технологии. – 2021. – № 1–2. – С. 3–18.\n\n– Бондаренко В. И., Ермоленко Т. В. Анализ эффективности глубоких языковых моделей для задачи определения тональности русскоязычных текстов // Проблемы искусственного интеллекта. – 2024. – № 1(32). – С. 51–62.\n\nИмеются результаты интеллектуальной деятельности:\n– № "
|
||
},
|
||
{
|
||
"type": "phone",
|
||
"text": "2024692488"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " — Программный комплекс для аннотирования данных (Устенко В. Ю.);\n– № "
|
||
},
|
||
{
|
||
"type": "phone",
|
||
"text": "2024693206"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " — Программный комплекс для автоматизированного сбора аэрофотоснимков (Павленко Б. В.).\n\nНаучный коллектив регулярно представляет результаты на международных конференциях «Искусственный интеллект: теоретические аспекты и практическое применение» (2020 – 2024) и «Донецкие чтения» (2017 – 2024), что способствует укреплению научной школы ФГБНУ «ИПИИ» в области ИИ.\n\n\nСовокупность накопленных теоретических и практических результатов — в том числе методов распознавания образов, мультимодальной интеграции и разработки нейронных архитектур — обеспечивает высокий уровень готовности к реализации проекта SmartRep, направленного на применение технологий компьютерного зрения и нечёткой логики для анализа движений человека."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 6,
|
||
"type": "message",
|
||
"date": "2025-10-22T15:35:21",
|
||
"date_unixtime": "1761136521",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "Научный коллектив проекта имеет большой опыт реализации научных проектов, связанных с разработкой\nспециализированного программного обеспечения с применением математического моделирования для\nпромышленного производства. Основные результаты по данной тематике отражены в публикациях [1-7].\nПрименение методов машинного обучения в задачах управления и принятия решений в хозяйственной деятельности и\nмедицине отражено в работах членов научного коллектива [8-9], [15-18]. В рамках этих исследований разработаны\nпредсказательные модели энергопотребления на предприятиях угольной промышленности, использующие\nавтокорреляционные методы, модели оценки вероятности появления ДТП, основанные на методах машинного\nобучения, обоснован метод, использующий ResNet и API-Net, для классификации товаров, имеющих похожие упаковки.\nАвторами проекта разработана методика обработки и структурирования данных фондового рынка для использования\nпрогностических моделей машинного обучения\nЗадел коллектива проекта в направлении тематики технического зрения и распознавания изображений в режиме\nреального времени отражен, в частности, в публикациях [13-14], [17, 20,21]. Исследованы возможности использования\nглубоких нейронных сетей для задачи классификации изображений на устройствах с ограниченной вычислительной\nмощностью.\nТакже авторами проекта ведется активная работа в области применения искусственного интеллекта, глубокого\nобучения в задачах обработки естественного языка [10-12] и распознавания речи [19, 22].\nНаучный коллектив имеет опыт организации и проведения научных мероприятий: международных научных\nконференций \"Донецкие чтения: образование, наука, инновации, культура и вызовы современности\" (2017-2024);\nмеждународных научных круглых столов \"Искусственный интеллект: теоретические аспекты, практическое\nприменение\" (2020-2024).\nЗаявка № 25-21-20602 Страница 22 из 27\nСписок источников:\n1. Бондаренко В.И. Программная система для моделирования процесса тепломассопереноса при разливке и\nзатвердевании стали / В.И. Бондаренко // Вестник Донецкого национального университета. Серия А. Естественные\nнауки. – 2009. – № 2. – С. 103-110.\n2. Программный продукт «Математическое моделирование гидродинамических и теплообменных процессов в\nстальных слитках» / Ф.В. Недопекин, В.В. Белоусов, В.И. Бондаренко, В.М. Кондратенко. – Украина: Свидетельство о\nрегистрации авторского права на произведение №47898, 2013.\n3. Бондаренко В.И. Математическое обеспечение и компьютерные технологии для моделирования гидродинамических\nи теплофизических процессов в металлургии: Монография / В.И. Бондаренко, В.Ф. Комаров, Ф.В. Недопекин, В.М.\nМелихов, В.В. Белоусов. – Донецк: Юго-Восток, 2013. – 210 с.\n4. Bondarenko V.I. Visualization of Process of Wheel Steel High Ingots Simulation / V.I. Bondarenko, V. V Bodryaga, F. V\nNedopekin, V. V Belousov // IOP Conference Series: Materials Science and Engineering. – 2017. – Т. 287.\n5. Bondarenko V.I. Using MVC pattern in the software development to simulate production of high cylindrical steel ingots / V.I.\nBondarenko, V.V. Bilousov, F.V. Nedopekin, V.V. Bodriaha, L.V. Antropova // Journal of Crystal Growth. – 2019. – Т. 526. – С.\n125240.\n6. Винник А.О. Программный комплекс мониторинга энергопотребления на предприятиях угольной промышленности /\nА.О. Винник, А.-А.М. Мартыненко, В.И. Бондаренко // Вестник Донецкого национального университета. Серия Г.\nТехнические науки. – 2021. – № 2. – С. 33-38.\n7. Бондаренко В.И. Разработка и реализация макета бионического протеза кисти руки / В.И. Бондаренко, А.И.\nГорбатенкова // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2022. – № 4. – С. 27-\n32.\n8. Беспалова С.В. Построение регрессионных моделей режимов работы водораспределительных сетей с помощью\nметодов регуляризации и анализа главных компонент / С.В. Беспалова, С.М. Романчук, Т.В. Ермоленко, В.И. Бондаренко\n// Информатика и кибернетика. – 2019. – Т. 2 (16). – С. 35-49.\n9. Беспалова С.В. Построение предсказательных моделей параметров давления воды в водораспределительных сетях с",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "Научный коллектив проекта имеет большой опыт реализации научных проектов, связанных с разработкой\nспециализированного программного обеспечения с применением математического моделирования для\nпромышленного производства. Основные результаты по данной тематике отражены в публикациях [1-7].\nПрименение методов машинного обучения в задачах управления и принятия решений в хозяйственной деятельности и\nмедицине отражено в работах членов научного коллектива [8-9], [15-18]. В рамках этих исследований разработаны\nпредсказательные модели энергопотребления на предприятиях угольной промышленности, использующие\nавтокорреляционные методы, модели оценки вероятности появления ДТП, основанные на методах машинного\nобучения, обоснован метод, использующий ResNet и API-Net, для классификации товаров, имеющих похожие упаковки.\nАвторами проекта разработана методика обработки и структурирования данных фондового рынка для использования\nпрогностических моделей машинного обучения\nЗадел коллектива проекта в направлении тематики технического зрения и распознавания изображений в режиме\nреального времени отражен, в частности, в публикациях [13-14], [17, 20,21]. Исследованы возможности использования\nглубоких нейронных сетей для задачи классификации изображений на устройствах с ограниченной вычислительной\nмощностью.\nТакже авторами проекта ведется активная работа в области применения искусственного интеллекта, глубокого\nобучения в задачах обработки естественного языка [10-12] и распознавания речи [19, 22].\nНаучный коллектив имеет опыт организации и проведения научных мероприятий: международных научных\nконференций \"Донецкие чтения: образование, наука, инновации, культура и вызовы современности\" (2017-2024);\nмеждународных научных круглых столов \"Искусственный интеллект: теоретические аспекты, практическое\nприменение\" (2020-2024).\nЗаявка № 25-21-20602 Страница 22 из 27\nСписок источников:\n1. Бондаренко В.И. Программная система для моделирования процесса тепломассопереноса при разливке и\nзатвердевании стали / В.И. Бондаренко // Вестник Донецкого национального университета. Серия А. Естественные\nнауки. – 2009. – № 2. – С. 103-110.\n2. Программный продукт «Математическое моделирование гидродинамических и теплообменных процессов в\nстальных слитках» / Ф.В. Недопекин, В.В. Белоусов, В.И. Бондаренко, В.М. Кондратенко. – Украина: Свидетельство о\nрегистрации авторского права на произведение №47898, 2013.\n3. Бондаренко В.И. Математическое обеспечение и компьютерные технологии для моделирования гидродинамических\nи теплофизических процессов в металлургии: Монография / В.И. Бондаренко, В.Ф. Комаров, Ф.В. Недопекин, В.М.\nМелихов, В.В. Белоусов. – Донецк: Юго-Восток, 2013. – 210 с.\n4. Bondarenko V.I. Visualization of Process of Wheel Steel High Ingots Simulation / V.I. Bondarenko, V. V Bodryaga, F. V\nNedopekin, V. V Belousov // IOP Conference Series: Materials Science and Engineering. – 2017. – Т. 287.\n5. Bondarenko V.I. Using MVC pattern in the software development to simulate production of high cylindrical steel ingots / V.I.\nBondarenko, V.V. Bilousov, F.V. Nedopekin, V.V. Bodriaha, L.V. Antropova // Journal of Crystal Growth. – 2019. – Т. 526. – С.\n125240.\n6. Винник А.О. Программный комплекс мониторинга энергопотребления на предприятиях угольной промышленности /\nА.О. Винник, А.-А.М. Мартыненко, В.И. Бондаренко // Вестник Донецкого национального университета. Серия Г.\nТехнические науки. – 2021. – № 2. – С. 33-38.\n7. Бондаренко В.И. Разработка и реализация макета бионического протеза кисти руки / В.И. Бондаренко, А.И.\nГорбатенкова // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2022. – № 4. – С. 27-\n32.\n8. Беспалова С.В. Построение регрессионных моделей режимов работы водораспределительных сетей с помощью\nметодов регуляризации и анализа главных компонент / С.В. Беспалова, С.М. Романчук, Т.В. Ермоленко, В.И. Бондаренко\n// Информатика и кибернетика. – 2019. – Т. 2 (16). – С. 35-49.\n9. Беспалова С.В. Построение предсказательных моделей параметров давления воды в водораспределительных сетях с"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 7,
|
||
"type": "message",
|
||
"date": "2025-10-22T15:35:21",
|
||
"date_unixtime": "1761136521",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"text": "помощью методов машинного обучения / С.В. Беспалова, С.М. Романчук, Т.В. Ермоленко, В.И. Бондаренко // Проблемы\nискусственного интеллекта. – 2019. – Т. 2(13). – С. 24-38.\n10. Бондаренко В.И. Классификация научных текстов с помощью методов глубокого машинного обучения / В.И.\nБондаренко // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2021. – № 3. – С. 69-\n77.\n11. Ермоленко Т.В. Разработка алгоритмов и языковых моделей для мультиязычной системы автоматического\nаннотирования текстов разных жанров / Т.В. Ермоленко, В.И. Бондаренко, Я.C. Пикалёв // Вестник Донецкого\nнационального университета. Серия Г. Технические науки. – 2023. – № 2. – С. 22-42.\n12. Бондаренко В.И. Анализ эффективности глубоких языковых моделей для задачи определения тональности\nрусскоязычных текстов / В.И. Бондаренко, В.О. Елисеев, Т.В. Ермоленко // Проблемы искусственного интеллекта. –\n2024. – № 1 (32). – С. 51-62.\n13. Павленко Б.В. Использование модели YOLO в современных задачах распознавания в реальном времени на примере\nвоенной и космической отраслей / Б.В. Павленко, В.И. Бондаренко, А.-А.М. Мартыненко // Вестник Донецкого\nгосударственного университета. Серия Г: Технические Науки. – 2023. – № 4. – С. 55-65.\n14. Бондаренко В.И. Применение методов глубокого обучения для повышения качества изображения / В.И.\nБондаренко, А.В. Федчук // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2022. – №\n4. – С. 39-44.\n15. Ермоленко Т.В. Исследование эффективности предсказательных моделей для системы анализа и мониторинга\nэнергопотребления на предприятиях угольной промышленности / Т.В. Ермоленко, В.Н. Котенко, А.О. Винник А.О. //\nПроблемы искусственного интеллекта. 2022. № 4 (27). С. 25-34.\n16. Конончук Э.В. Модели машинного обучения для оценки вероятности появления ДТП и его серьезности / Э.В.\nКонончук. Т.В. Ермоленко Т.В., Т.О. Шишунов // Проблемы искусственного интеллекта. 2022. № 1 (24). С. 4-12.\n17. Ермоленко Т.В. Анализ эффективности архитектур глубоких нейросетей для классификации изображении товаров /\nТ.В. Ермоленко, И.Е. Самородский // Проблемы искусственного интеллекта. 2022. № 1 (24). С. 54-64.\n18. Ермоленко Т.В. Классификация аномалий сердцебиения с помощью глубокого обучения / Т.В. Ермоленко, Д.В. Ролик\n// Проблемы искусственного интеллекта. 2022. № 1 (24). С. 40-53.\n19. Ермоленко Т.В. Система автоматического распознавания слитной русской речи на основе глубоких нейросетей /\nТ.В. Ермоленко, Я.С. Пикалёв // Речевые технологии. 2021. № 1-2. С. 3-18.\n20. Пикалёв Я.С. О нейронных архитектурах извлечения признаков для задачи распознавания объектов на устройствах с\nЗаявка № 25-21-20602 Страница 23 из 27\nограниченной вычислительной мощностью // Я.С. Пикалёв, Т.В. Ермоленко // Проблемы искусственного интеллекта.\n2023. № 3 (30). С. 44-54.\n21. Pikalyov Ya.S. About neural architectures of feature extraction for the problem of object 1 recognition for the problem of\nobject recognition on devices with limited computing power / Ya.S. Pikalyov, T.V. Yermolenko // Вестник Томского\nгосударственного университета. Математика и механика. 2023. № 3. С. 30.\n22. Pikalyov, Ya. Chapter Five. On the Issue of Continuous Speech Recognition / Yaroslav Pikalyov, Tatyana Yermolenko //\nIntegral Robot Technologies and Speech Behavior. – 2024. – P. 155-180.",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "помощью методов машинного обучения / С.В. Беспалова, С.М. Романчук, Т.В. Ермоленко, В.И. Бондаренко // Проблемы\nискусственного интеллекта. – 2019. – Т. 2(13). – С. 24-38.\n10. Бондаренко В.И. Классификация научных текстов с помощью методов глубокого машинного обучения / В.И.\nБондаренко // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2021. – № 3. – С. 69-\n77.\n11. Ермоленко Т.В. Разработка алгоритмов и языковых моделей для мультиязычной системы автоматического\nаннотирования текстов разных жанров / Т.В. Ермоленко, В.И. Бондаренко, Я.C. Пикалёв // Вестник Донецкого\nнационального университета. Серия Г. Технические науки. – 2023. – № 2. – С. 22-42.\n12. Бондаренко В.И. Анализ эффективности глубоких языковых моделей для задачи определения тональности\nрусскоязычных текстов / В.И. Бондаренко, В.О. Елисеев, Т.В. Ермоленко // Проблемы искусственного интеллекта. –\n2024. – № 1 (32). – С. 51-62.\n13. Павленко Б.В. Использование модели YOLO в современных задачах распознавания в реальном времени на примере\nвоенной и космической отраслей / Б.В. Павленко, В.И. Бондаренко, А.-А.М. Мартыненко // Вестник Донецкого\nгосударственного университета. Серия Г: Технические Науки. – 2023. – № 4. – С. 55-65.\n14. Бондаренко В.И. Применение методов глубокого обучения для повышения качества изображения / В.И.\nБондаренко, А.В. Федчук // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2022. – №\n4. – С. 39-44.\n15. Ермоленко Т.В. Исследование эффективности предсказательных моделей для системы анализа и мониторинга\nэнергопотребления на предприятиях угольной промышленности / Т.В. Ермоленко, В.Н. Котенко, А.О. Винник А.О. //\nПроблемы искусственного интеллекта. 2022. № 4 (27). С. 25-34.\n16. Конончук Э.В. Модели машинного обучения для оценки вероятности появления ДТП и его серьезности / Э.В.\nКонончук. Т.В. Ермоленко Т.В., Т.О. Шишунов // Проблемы искусственного интеллекта. 2022. № 1 (24). С. 4-12.\n17. Ермоленко Т.В. Анализ эффективности архитектур глубоких нейросетей для классификации изображении товаров /\nТ.В. Ермоленко, И.Е. Самородский // Проблемы искусственного интеллекта. 2022. № 1 (24). С. 54-64.\n18. Ермоленко Т.В. Классификация аномалий сердцебиения с помощью глубокого обучения / Т.В. Ермоленко, Д.В. Ролик\n// Проблемы искусственного интеллекта. 2022. № 1 (24). С. 40-53.\n19. Ермоленко Т.В. Система автоматического распознавания слитной русской речи на основе глубоких нейросетей /\nТ.В. Ермоленко, Я.С. Пикалёв // Речевые технологии. 2021. № 1-2. С. 3-18.\n20. Пикалёв Я.С. О нейронных архитектурах извлечения признаков для задачи распознавания объектов на устройствах с\nЗаявка № 25-21-20602 Страница 23 из 27\nограниченной вычислительной мощностью // Я.С. Пикалёв, Т.В. Ермоленко // Проблемы искусственного интеллекта.\n2023. № 3 (30). С. 44-54.\n21. Pikalyov Ya.S. About neural architectures of feature extraction for the problem of object 1 recognition for the problem of\nobject recognition on devices with limited computing power / Ya.S. Pikalyov, T.V. Yermolenko // Вестник Томского\nгосударственного университета. Математика и механика. 2023. № 3. С. 30.\n22. Pikalyov, Ya. Chapter Five. On the Issue of Continuous Speech Recognition / Yaroslav Pikalyov, Tatyana Yermolenko //\nIntegral Robot Technologies and Speech Behavior. – 2024. – P. 155-180."
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 8,
|
||
"type": "message",
|
||
"date": "2025-10-22T15:43:41",
|
||
"date_unixtime": "1761137021",
|
||
"from": "Богдан Павленко",
|
||
"from_id": "user636286691",
|
||
"text": "+ к разработанному в ходе исследований можно добавить: \nСтруктура метаданных сегментов карт навигации дрона",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "+ к разработанному в ходе исследований можно добавить: \nСтруктура метаданных сегментов карт навигации дрона"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 9,
|
||
"type": "message",
|
||
"date": "2025-10-23T14:01:40",
|
||
"date_unixtime": "1761217300",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing"
|
||
}
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "link",
|
||
"text": "https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 10,
|
||
"type": "message",
|
||
"date": "2025-10-23T14:16:48",
|
||
"date_unixtime": "1761218208",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": "33. Устенко, В. Ю. Сравнение стратегий мозаичной аугментации для оценки угла крена беспилотника по изображению с камеры [Текст] / В. Ю. Устенко, Б. В. Павленко // XVIII Всероссийская мультиконференция по проблемам управления (МКПУ–2025) : материалы мультиконференции (Тула, 15 сентября – 20 сентября 2025 г.) : в 4 т. Т. 1 Робототехника и мехатроника (РиМ – 2025) / под ред. академика РАН Ф.Л. Черноусько. — Тула : Изд-во ТулГУ, 2025. — 300 с. – С. 271-0273. – ISBN 978-5-7679-5716-3, ISBN 978-5-7679-5709-5 (Т. 1)",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "33. Устенко, В. Ю. Сравнение стратегий мозаичной аугментации для оценки угла крена беспилотника по изображению с камеры [Текст] / В. Ю. Устенко, Б. В. Павленко // XVIII Всероссийская мультиконференция по проблемам управления (МКПУ–2025) : материалы мультиконференции (Тула, 15 сентября – 20 сентября 2025 г.) : в 4 т. Т. 1 Робототехника и мехатроника (РиМ – 2025) / под ред. академика РАН Ф.Л. Черноусько. — Тула : Изд-во ТулГУ, 2025. — 300 с. – С. 271-0273. – ISBN 978-5-7679-5716-3, ISBN 978-5-7679-5709-5 (Т. 1)"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 11,
|
||
"type": "message",
|
||
"date": "2025-10-23T14:16:51",
|
||
"date_unixtime": "1761218211",
|
||
"from": "Владимир Устенко",
|
||
"from_id": "user356138812",
|
||
"text": "ТУла",
|
||
"text_entities": [
|
||
{
|
||
"type": "plain",
|
||
"text": "ТУла"
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 12,
|
||
"type": "message",
|
||
"date": "2026-03-27T16:03:30",
|
||
"date_unixtime": "1774616610",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"forwarded_from": "Machinelearning",
|
||
"forwarded_from_id": "channel1114591086",
|
||
"photo": "photos/photo_19@27-03-2026_16-03-30.jpg",
|
||
"photo_file_size": 54246,
|
||
"width": 1280,
|
||
"height": 640,
|
||
"text": [
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🌟",
|
||
"document_id": "stickers/sticker.webp"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Kimodo: диффузионная модель для генерации 3D-движений людей."
|
||
},
|
||
"\n\nNVIDIA выложила в открытый доступ проект ",
|
||
{
|
||
"type": "text_link",
|
||
"text": "Kimodo",
|
||
"href": "https://github.com/nv-tlabs/kimodo"
|
||
},
|
||
" - генеративную модель на основе диффузии, которая создает реалистичные трехмерные движения для человеческих и робототехнических скелетов.\n\nKimodo принимает на вход текстовые промпты и ключевые позы всего тела, позиции и вращения конечностей, двухмерные пути и контрольные точки. Это позволяет точно управлять генерацией: от общего описания наподобие \"персонаж идет и садится на стул\" до детального контроля положения рук и ног в кадрах.\n\nВсего доступно ",
|
||
{
|
||
"type": "text_link",
|
||
"text": "5 вариантов",
|
||
"href": "https://huggingface.co/collections/nvidia/kimodo-v1"
|
||
},
|
||
" модели для 3 типов скелетов: ",
|
||
{
|
||
"type": "text_link",
|
||
"text": "SOMA",
|
||
"href": "https://github.com/NVlabs/SOMA-X"
|
||
},
|
||
", ",
|
||
{
|
||
"type": "text_link",
|
||
"text": "SMPL-X",
|
||
"href": "https://github.com/vchoutas/smplx"
|
||
},
|
||
" и Unitree G1. Первые два ориентированы на анимацию аватаров, третий - на робота Unitree G1.\n\nМодели, обученные на полном датасете Bones Rigplay 1 (700 часов), NVIDIA рекомендует как основные рабочие.\n\nВарианты на сете ",
|
||
{
|
||
"type": "text_link",
|
||
"text": "BONES-SEED",
|
||
"href": "https://huggingface.co/datasets/bones-studio/seed"
|
||
},
|
||
" (288 часов) предназначены для бенчмаркинга и сравнения с собственными разработками.\n\nДля работы с Kimodo предусмотрены 3 интерфейса:\n\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟢",
|
||
"document_id": "video_files/sticker (1).webm"
|
||
},
|
||
"Интерактивное веб-демо с таймлайн-редактором;\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟢",
|
||
"document_id": "video_files/sticker (1).webm"
|
||
},
|
||
"CLI-утилита для пакетной генерации;\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟢",
|
||
"document_id": "video_files/sticker (1).webm"
|
||
},
|
||
"Python API для тонкой настройки .\n\nПод инференс потребуется около 17 ГБ видеопамяти, модели запускали на RTX 3090, RTX 4090 и NVIDIA A100.\n\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟡",
|
||
"document_id": "stickers/sticker (1).webp"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "bold",
|
||
"text": "Интеграция с робототехническим стеком NVIDIA."
|
||
},
|
||
"\n\n",
|
||
{
|
||
"type": "text_link",
|
||
"text": "ProtoMotions",
|
||
"href": "https://github.com/NVlabs/ProtoMotions"
|
||
},
|
||
" позволяет брать сгенерированные движения и обучать на них физически корректные политики управления в GPU-ускоренной симуляции — как для аватаров, так и для Unitree G1.\n\nЧерез ",
|
||
{
|
||
"type": "text_link",
|
||
"text": "General Motion Retargeting",
|
||
"href": "https://github.com/YanjieZe/GMR"
|
||
},
|
||
" движения, созданные на скелете SMPL-X, можно перенести на произвольных роботов.\n\n\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "📌",
|
||
"document_id": "stickers/sticker (2).webp"
|
||
},
|
||
"Лицензирование:\n\n",
|
||
{
|
||
"type": "blockquote",
|
||
"text": "Код проекта под Apache 2.0, большинство моделей под NVIDIA Open Model License.\n\nВариант SMPL-X имеет более ограниченную NVIDIA R&D Model License, она допускает только исследовательское применение.",
|
||
"collapsed": false
|
||
},
|
||
"\n\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟡",
|
||
"document_id": "stickers/sticker (1).webp"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "Набор моделей",
|
||
"href": "https://huggingface.co/collections/nvidia/kimodo-v1"
|
||
},
|
||
"\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟡",
|
||
"document_id": "stickers/sticker (1).webp"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "Техотчет",
|
||
"href": "https://research.nvidia.com/labs/sil/projects/kimodo/assets/kimodo_tech_report.pdf"
|
||
},
|
||
"\n",
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🖥",
|
||
"document_id": "stickers/sticker (3).webp"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "Github",
|
||
"href": "https://github.com/nv-tlabs/kimodo"
|
||
},
|
||
"\n\n\n",
|
||
{
|
||
"type": "mention",
|
||
"text": "@ai_machinelearning_big_data"
|
||
},
|
||
"\n\n",
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#AI"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#ML"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#Robotics"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#Kimodo"
|
||
},
|
||
" ",
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#NVIDIA"
|
||
},
|
||
""
|
||
],
|
||
"text_entities": [
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🌟",
|
||
"document_id": "stickers/sticker.webp"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Kimodo: диффузионная модель для генерации 3D-движений людей."
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\nNVIDIA выложила в открытый доступ проект "
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "Kimodo",
|
||
"href": "https://github.com/nv-tlabs/kimodo"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " - генеративную модель на основе диффузии, которая создает реалистичные трехмерные движения для человеческих и робототехнических скелетов.\n\nKimodo принимает на вход текстовые промпты и ключевые позы всего тела, позиции и вращения конечностей, двухмерные пути и контрольные точки. Это позволяет точно управлять генерацией: от общего описания наподобие \"персонаж идет и садится на стул\" до детального контроля положения рук и ног в кадрах.\n\nВсего доступно "
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "5 вариантов",
|
||
"href": "https://huggingface.co/collections/nvidia/kimodo-v1"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " модели для 3 типов скелетов: "
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "SOMA",
|
||
"href": "https://github.com/NVlabs/SOMA-X"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": ", "
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "SMPL-X",
|
||
"href": "https://github.com/vchoutas/smplx"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " и Unitree G1. Первые два ориентированы на анимацию аватаров, третий - на робота Unitree G1.\n\nМодели, обученные на полном датасете Bones Rigplay 1 (700 часов), NVIDIA рекомендует как основные рабочие.\n\nВарианты на сете "
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "BONES-SEED",
|
||
"href": "https://huggingface.co/datasets/bones-studio/seed"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " (288 часов) предназначены для бенчмаркинга и сравнения с собственными разработками.\n\nДля работы с Kimodo предусмотрены 3 интерфейса:\n\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟢",
|
||
"document_id": "video_files/sticker (1).webm"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "Интерактивное веб-демо с таймлайн-редактором;\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟢",
|
||
"document_id": "video_files/sticker (1).webm"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "CLI-утилита для пакетной генерации;\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟢",
|
||
"document_id": "video_files/sticker (1).webm"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "Python API для тонкой настройки .\n\nПод инференс потребуется около 17 ГБ видеопамяти, модели запускали на RTX 3090, RTX 4090 и NVIDIA A100.\n\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟡",
|
||
"document_id": "stickers/sticker (1).webp"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "bold",
|
||
"text": "Интеграция с робототехническим стеком NVIDIA."
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\n"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "ProtoMotions",
|
||
"href": "https://github.com/NVlabs/ProtoMotions"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " позволяет брать сгенерированные движения и обучать на них физически корректные политики управления в GPU-ускоренной симуляции — как для аватаров, так и для Unitree G1.\n\nЧерез "
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "General Motion Retargeting",
|
||
"href": "https://github.com/YanjieZe/GMR"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " движения, созданные на скелете SMPL-X, можно перенести на произвольных роботов.\n\n\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "📌",
|
||
"document_id": "stickers/sticker (2).webp"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "Лицензирование:\n\n"
|
||
},
|
||
{
|
||
"type": "blockquote",
|
||
"text": "Код проекта под Apache 2.0, большинство моделей под NVIDIA Open Model License.\n\nВариант SMPL-X имеет более ограниченную NVIDIA R&D Model License, она допускает только исследовательское применение.",
|
||
"collapsed": false
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟡",
|
||
"document_id": "stickers/sticker (1).webp"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "Набор моделей",
|
||
"href": "https://huggingface.co/collections/nvidia/kimodo-v1"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🟡",
|
||
"document_id": "stickers/sticker (1).webp"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "Техотчет",
|
||
"href": "https://research.nvidia.com/labs/sil/projects/kimodo/assets/kimodo_tech_report.pdf"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n"
|
||
},
|
||
{
|
||
"type": "custom_emoji",
|
||
"text": "🖥",
|
||
"document_id": "stickers/sticker (3).webp"
|
||
},
|
||
{
|
||
"type": "text_link",
|
||
"text": "Github",
|
||
"href": "https://github.com/nv-tlabs/kimodo"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\n\n"
|
||
},
|
||
{
|
||
"type": "mention",
|
||
"text": "@ai_machinelearning_big_data"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": "\n\n"
|
||
},
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#AI"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#ML"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#Robotics"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#Kimodo"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": " "
|
||
},
|
||
{
|
||
"type": "hashtag",
|
||
"text": "#NVIDIA"
|
||
},
|
||
{
|
||
"type": "plain",
|
||
"text": ""
|
||
}
|
||
]
|
||
},
|
||
{
|
||
"id": 13,
|
||
"type": "message",
|
||
"date": "2026-03-27T16:03:30",
|
||
"date_unixtime": "1774616610",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"forwarded_from": "Machinelearning",
|
||
"forwarded_from_id": "channel1114591086",
|
||
"photo": "photos/photo_20@27-03-2026_16-03-30.jpg",
|
||
"photo_file_size": 189983,
|
||
"width": 1523,
|
||
"height": 928,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": 14,
|
||
"type": "message",
|
||
"date": "2026-03-27T16:03:30",
|
||
"date_unixtime": "1774616610",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"forwarded_from": "Machinelearning",
|
||
"forwarded_from_id": "channel1114591086",
|
||
"photo": "photos/photo_21@27-03-2026_16-03-30.jpg",
|
||
"photo_file_size": 223168,
|
||
"width": 2560,
|
||
"height": 1008,
|
||
"text": "",
|
||
"text_entities": []
|
||
},
|
||
{
|
||
"id": 15,
|
||
"type": "message",
|
||
"date": "2026-03-27T16:03:30",
|
||
"date_unixtime": "1774616610",
|
||
"from": "Yaroslav Pikalyov",
|
||
"from_id": "user629128386",
|
||
"forwarded_from": "Machinelearning",
|
||
"forwarded_from_id": "channel1114591086",
|
||
"file": "(File not included. Change data exporting settings to download.)",
|
||
"file_name": "2.mp4",
|
||
"file_size": 2569197,
|
||
"thumbnail": "(File not included. Change data exporting settings to download.)",
|
||
"thumbnail_file_size": 11053,
|
||
"media_type": "video_file",
|
||
"mime_type": "video/mp4",
|
||
"duration_seconds": 2,
|
||
"width": 1280,
|
||
"height": 722,
|
||
"text": "",
|
||
"text_entities": []
|
||
}
|
||
]
|
||
} |