Anote aí: o Machine Learning é o coração do novo detector de distanciamento social criado pela startup Landing AI, de Andrew Ng. A ferramenta foi projetada para ser usada em ambientes de trabalho, como chão de fábrica, e foi desenvolvida em resposta à solicitação de seus clientes (incluindo a Foxconn). Uma de suas vantagens é a possibilidade de poder ser facilmente integrada aos sistemas de câmeras de segurança existentes.
Funciona da seguinte maneira: a imagem que vem da câmera (homografia) é unida à perspectiva para ter um ponto focal – que a Landing AI chama de calibragem. À medida que os frames das imagens são monoculares (advindos de uma única câmera), o método de calibragem mais simples envolve quatro pontos na visão de perspectiva e os mapeia para os cantos de um retângulo na visão do alto. Com isso, o software assume que cada pessoa está em pé no mesmo plano. A partir desse mapeamento, o sistema deriva uma transformação que pode ser aplicada à perspectiva completa da imagem. Os passos seguintes são aplicar as medidas, ou seja, qual distância as pessoas deveriam manter umas das outras, e o software estima sua localização, faz a calibragem e aplica todo o processo. As pessoas que estão mais próximas do que seria o ideal aparecem com retângulos vermelhos ao redor.
https://www.youtube.com/watch?v=15iIV1Lff-M&feature=youtu.be[/embed]
Este é um conteúdo exclusivo para assinantes.
Cadastre-se grátis para ler agora
e acesse 5 conteúdos por mês.
É assinante ou já tem senha? Faça login. Já recebe a newsletter? Ative seu acesso.
De humanoides a veículos autônomos, a robótica entra em fase de maturação com dados sintéticos, teleoperação e modelos generativos que aprendem a agir no mundo real.
Enquanto o Vale do Silício corre para criar máquinas que superem a mente humana, a Microsoft aposta em outro tipo de corrida: a por uma superinteligência poderosa, mas sob controle humano.
IA Soberana sai dos gabinetes de governo e entra no coração da estratégia corporativa, redefinindo quem controla dados, energia e vantagem competitiva.
Simulações baseadas em agentes autônomos estão acelerando decisões de negócios — e já superam pesquisas tradicionais em precisão e tempo. Mas há desafios para o uso em escala.
Empresas que tratam rotulagem como capex cognitivo, e não custo operacional, estão melhor preparadas para transformar aprendizado em ROI.
O pico de expectativas sobre vibe coding está cedendo lugar a um uso mais controlado. Em protótipos e automações locais, funciona. Em produção, sem governança, vira dívida técnica e risco.
Aproveite nossas promoções de renovação
Clique aquiPara continuar navegando como visitante, vá por aqui.
Cadastre-se grátis, leia até 5 conteúdos por mês,
e receba nossa newsletter diária.
Já recebe a newsletter? Ative seu acesso
