На связи Денис Макрушин из Yandex Infrastructure, директор по продуктам безопасной разработки SourceCraft. Как показывает практика, в современной разработке 75% специалистов уделяют больше 17 часов в неделю безопасности кода
P. S. AI-триаж находится в активной разработке внутри продукта, так что, если у вас есть вопросы или пожелания для ближайших апдейтов, ждём вас в нашем чатике.
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8🔥7👍3🗿3🐳2
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
❤9👍2🔥1
На связи Виктор Юрченко, я руковожу командой симуляции сенсоров в автономном транспорте. Недавно мы вместе с исследовательским отделом Яндекса разработали метод симуляции движения по дорогам MADrive. Для его работы мы собрали датасет MAD-Cars: источником данных стали панорамные 3D-съёмки пользователей Авто.ру, которые они делают, когда размещают объявления.
Мы проводим масштабные тесты моделей, которые закладываем в логику автономного транспорта. На этом этапе симуляции экономят время и деньги: с ними не нужно ездить по дорогам сотни тысяч реальных часов, чтобы получить статистически значимые результаты. А ещё с их помощью можно отрабатывать нестандартные дорожные ситуации, не подвергая никого опасности.
Существующие подходы вроде StreetGS, AutoSplat и HUGS нам не подходят: они всего лишь дословно повторяют реальные проезды транспорта. Поэтому при попытке изменить вид объекта, ракурс камеры или сценарий движения сцена разваливается. Результат перестаёт быть фотореалистичным, и синтетические данные теряют ценность.
Есть подходы, при которых в воссозданный из проезда мир и окружение можно добавлять модели автомобилей из внешних баз. Это решает проблему генерации моделей машин в ракурсах, которых не было в исходном проезде. Но появляется много вопросов к качеству самих баз данных.
Собрали и выложили в открытый доступ датасет MAD-Cars. Он состоит из 70 тысяч 360-градусных видеозаписей реальных автомобилей.
Ещё в MADrive мы научились воссоздавать качественную 3D-модель автомобиля и вставлять её в реконструкцию реального видео. В том числе с учётом правильных освещений и текстур.
Поэтому, даже если модель машины перекрыта или её плохо видно, мы можем работать устойчиво. А итоговые сцены в симуляторе выглядят естественно для perception-систем автономного автомобиля.
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9❤5🔥4
Приглашаем тех, кто создавал AI-инструменты для себя или своей команды, чтобы сделать разработку в любом стеке технологий проще.
В первой части митапа эксперты из Яндекса, Авито, Т-Банка и Сбера расскажут, как в бигтехе внедряют АІ в разработку. Обсудят метрики, эффективность и возможно ли оценить то, что происходит в этой сфере.
Во второй половине дня лидеры команд разработки продемонстрируют мультиагентные системы, внутренние продукты и действительно рабочие инструменты, которые они создают. Речь пойдёт не о маленьких кейсах внутри команд, а о сервисах, которые масштабируются на всю компанию.
А на протяжении всего митапа можно будет заняться нетворкингом в приятной атмосфере.
Когда и где:
P. S. Количество офлайн-мест ограничено, поэтому мы проведём отбор заявок. И направим вам ответ на почту за несколько дней до мероприятия.
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤1🦄1
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍3🔥3🗿2
В Яндексе давно учат роботов передвигаться в пространстве и взаимодействовать с объектами. Например, мы уже создали роборуку, которая может аккуратно перенести предмет, даже если видит его впервые.
Но когда дело выходит за рамки знакомой роботу задачи, он оказывается беспомощен. А хочется создать робота-генералиста: ставишь общую цель — и он сам подбирает нужный набор действий, чтобы её достичь.
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9❤2🔥1