Get best of the week

网上黑客马拉松VirusHack的秘书机器人，漫游器线人，漫游器治疗师和其他项目

来自64个城市的70多个团队和300多人参加了莫斯科大都市轨道上的工作，该轨道是该国最大的在线黑客马拉松之一VirusHack的一部分。

图片

该活动由莫斯科创新局和Rostelecom与俄罗斯电子通信协会（RAEC）共同组织。

经过程序员和专家团队的共同努力，我们选择了五个最佳的创新项目：ICQ New Messenger的机器人线人，机器人治疗师，机器人谈判秘书，具有无声非接触式付款功能的自动收款机以及帮助人们的服务在访问视听内容方面存在障碍。

Messenger bot-messenger ICQ新


最重要的是，EGD BAG团队处理了ICQ New（Mail.ru Group）的任务。它的参与者为ICQ New Messenger开发了一个信息机器人，该机器人将告知用户冠状病毒感染的传播情况。

根据地理标记，人们可以接收有关新旧公民感染病例的信息，可以找到最近的医疗机构和实验室的地址以进行COVID-19的检测以及最近的药房和商店的地址。机器人中还有一个简化的SMS消息生成器，用于接收电子通行证。

为了在编写机器人时调整计算流程，使用了标准的Java语言工具。为了大大简化机器人程序的工作，选择了ICQ的API库。还简化了在生产环境中简化bot部署的任务：知道企业开发的标准现在是Docker，EGD BAG团队准备了一个Docker映像。

结果是易于升级和可扩展的产品。即使在大流行之后，该机器人的功能也仍然很重要：实验室的搜索功能很容易被健身中心，饭店和其他城市设施的搜索所取代。

该机器人现已可在以下网址获得：github.com/airaketa/egdbag-bot

非接触式付款


在X5 Retail Group的任务中，Buckwheat42团队在开发其他语音输入功能以实现在Pyaterochka超市购买的非接触式付款方面比其他团队更好。

该项目是用Python开发的。该原型基于用于将语音转换为文本（语音到文本）的开源技术，以及用于处理和分析接收到的文本的模块（自然语言理解）。在可用于将语音转换为文本的库中，选择了kaldi，因为它运行迅速并且不仅对俄语而且对许多其他语言都提供相对较高的识别质量。

根据任务的条件，为了便于将解决方案集成到当前的收银台软件中，买方的语音请求将根据当前的收银台API传输到消息中。为了便于部署和测试，使用Docker技术组装了原型。
对于每个操作，此模块都会识别用户的意图（意图），提取产品的口头名称，以及条形码，会员卡号，优惠券和其他相关信息。

该功能无需访问Internet或外部语音转换服务即可工作。

谈判机器人


导入此团队已成功完成创建秘书机器人的SberCloud任务。该程序与任何在线对话服务结合在一起，包括著名的Zoom，Skype和Teams，也适用于离线对话。

秘书机器人可以识别语音，区分对话者的声音，通过语音的语调猜测人的情绪。他能够注意到人们何时计划会议和通话，并将这些任务保存在日历或CRM系统中。秘书机器人将人类语音转换为文本消息，并在协商后将这些消息保存在doc文件中。

Import this开发团队已经完成了用Python编程语言编写的秘书机器人（后端）的技术部分，以及Vue.js和Electron软件平台上的外部部分（前端）。

为了识别文本和语音，暂时使用了Google Cloud Speech API，但将来它将被更合适的模型取代。为了通过文本的语调分析对话者的情绪，使用了陀思妥耶夫斯基图书馆。为了从文本中区分出电话和会议的安排，使用了NLTK自然语言处理库。

残疾人获得视听内容


Uma.Tech公司指示了具有社会意义的任务“机会均等”，参与团队被提供来开发一种解决方案，以简化残疾人与PREMIER平台和MATCH PREMIER网站的交互或感知发布在其上的内容。

作为任务的一部分，团队想出了一些方法来简化有听力，视力，精细运动技能和注意力集中的人们对网站和媒体的访问。对于团队而言，黑客马拉松的复杂性在于问题的确切陈述问题-可能的选择范围太广-以及传统上有限的开发时间。因此，作为黑客马拉松的一部分，陪审团接受了有效的原型和完善的概念。

胜利者是XGBeasts团队，该团队开发了用于与网页交互的神经计算机界面。该服务的原理是处理来自位于用户头部的神经接口的数据。此数据描述了一个人按下计算机屏幕上特定按钮的意图。使用人工智能算法，可以识别此数据，然后程序按下用户要单击的按钮。

治疗师聊天机器人


与其他公司相比，移动医疗技术有限公司创建机器人治疗师的任务是由开发实验室团队执行的。它的程序员一次创建了三个解决方案：

  • 一个聊天机器人，可以快速确定发生COVID-19疾病的可能性并提出建议（联系医生或致电救护车）；
  • 在线助手将在适当的时间提供必要的信息或使患者放心；
  • 可以计算距人500米半径范围内最准确的流行病学情况的服务。

为了实现Web API，选择了React，Redux，Typescript的开发堆栈。技术部分是在Python Flask中实现的。语音意图分类是使用DeepPavlov深度学习库实现的。为了实现回答有关COVID-19的常见问题的功能，已部署了AzureQnAMaker。使用TelegramBot，已实现了监视大流行传播的便捷服务。

莫斯科创新局说，在不久的将来，莫斯科大都市轨道内开发的服务将与轨道的合作伙伴最终确定，并在其基础设施中进行试验。

More articles:


All Articles