你未來的機器人紋身師有穩定的手，但不擅長交談
機器人紋身師的“手”可能比人類紋身師的“手”更穩定，但你怎麼知道它不會不小心把你紋到骨頭呢？這就是我所能想到的，觀看這段被譽為“世界上第一個工業機器人紋身”的影片。在大約兩分鐘半的時間裡，你可以看到紋身接受者被緊緊地綁在椅子上，你會想：“啊，如果他動了，那麼事情會變得很糟糕。”
除此之外，很高興看到一個工業機器人被用於此用途。該專案是由法國設計師皮埃爾埃姆和約翰達席爾維拉（也被稱為適當的觀眾），誰在這個部門的事先形式設計。早在2014年，他們與ENSCI Les Ateliers的同事Piotr Widelka一起建立了Tatoué, Makerbot 3D印表機，用紋身槍代替塑膠擠出機。這項發明被認為是最早的機器人紋身師之一，但埃姆和達·西爾維拉的最新作品——作為Autodesk贊助的舊金山9號碼頭住宅的一部分——無疑增加了賭註。
（GIF圖片來源：Autodesk/Charlie Nordstrom）
正如影片所解釋的，機器人紋身的過程有幾個步驟。你必須建立一個目標區域的三維掃描，用定製的計算機軟體模擬想要的紋身，然後（正如我們之前提到的）確保接收者保持非常非常靜止。畢竟，工業機器人的精確度令人難以置信，但大多數模型根本沒有反應能力。這就是為什麼人們被工業機器人殺死（非常罕見）：如果你擋了路，他們不知道該停下來。
埃姆和達席爾維拉透過電子郵件對《邊緣》雜誌說，該專案最困難的方面是使手臂適應人體不平的錶面。”身體充滿了驚喜；他們說：“在那裡找不到‘扁平’零件。”。他們補充說，他們最終計劃把他們的專案變成商業運作。”他們說：“這並不是一開始的目標，但我們一路合作過的許多紋身藝術家和工作室都迫不及待地想要得到這些機器。”
所以，在你附近的商場裡找一個機器人紋身師。儘管你可能（有理由）對從機器人身上紋身感到緊張，但你必須承認：成品非常非常整潔。
- 發表於 2021-05-06 22:14
- 閱讀 ( 35 )
- 分類：網際網路
你可能感興趣的文章
減少你的詛咒：濫用你的人工智慧裝置會讓你失去工作
... 你未來的僱主可能會看著你 ...
每日新聞綜述：facebook宣佈libra加密貨幣
...你的比薩餅送過來，而不是通常的送貨司機。我們生活在未來，一個懶惰的未來。[Ars技術] 現在你可以購買Stadio控制器sans Founder Edition了：當Google第一次確認了Stadia的定價時，購買新的Stadia控制器的唯一方法就是購買Founder Edition...
以人工智慧為動力的機器人揀貨機將是倉庫的下一次重大工作革命
...能力還不夠。一份最新的行業報告顯示，54%的物流公司在未來五年面臨員工短缺的問題，其中倉庫工人是最需要的職位之一。低工資、長時間工作和枯燥的工作環境被認為是導致失業率下降的因素（至少在美國是如此）。 “很...
像巴克斯特這樣的合作機器人預示著家用機器人的未來
...了，巴克斯特是協同工作機器人的一個縮影，在可預見的未來，巴克斯特很可能會統治這一類別。 巴克斯特不會覺得無聊的 協同工作機器人是一種為小型企業設計的工業機器人，任務不那麼嚴格。與焊接車門...
jibo可能是你愛上的機器人助手
...訂單。也許這部分是市場營銷的力量，但Jibo看起來像是未來的東西，你真的想要在你的家裡。這是可愛和直觀的，雖然昂貴：499美元，如果你預訂(這使得它介於2000美元的胡椒機器人和149美元的Romo之間。） 一個令人印象深...
微軟製作了一個聊天機器人，像個青少年一樣發推特
...玩一些奇怪的表情猜謎遊戲。 雖然很難看出Tay的面向未來的功能特別有用，但作為一個研究專案，它可能非常有價值。自然語言助手（如Siri和Cortana）是智慧**和電腦中越來越重要的部分，但他們中沒有一個真正擅長應對自...
微軟對未來的狂野憧憬將對話置於計算的核心
...你可以與之交談。” 在臺上，納德拉解釋說，對計算未來的願景圍繞著三個主要角色：人類、數字助理和機器人。他說，人類顯然是事情的核心，但像微軟的Cortana這樣的數字助理將“在你所有的裝置上都與你同在”，瞭解...
一個機器人外科醫生透過了一個重要的里程碑——縫合豬的內臟
...評為不比非機器人方法更安全，但更昂貴。研究人員說，未來人類和機器人將有各種方式協同工作，以利於患者的安全，但最終目標是一臺完全由自己操作的機器 自動化機器人可能是太空手術的完美選擇 “以埃隆·馬斯...
為什麼微軟要在機器人上下大賭註
...la）擔任微軟CEO的任期標志著，微軟必須在Windows之外尋找未來。”我們的行業不尊重傳統，”納德拉被任命時說從那時起，納德拉對微軟進行了重組，將重點放在公司仍在發展的領域。今天他宣佈了一個新興的平臺，他希望在這...
watchbot使用機器學習來判斷你什麼時候不擅長生活
...是由康奈爾大學和斯坦福大學的研究人員開發的，其底層的機器學習功能正在擴充套件到從YouTube教程中學習。
