LG APOSTA EM NOVAS TECNOLOGIAS

0

Com o intuito de levar a funcionalidade dos eletrodomésticos atuais a um patamar inteiramente novo, a LG Electronics (LG) está prestes a agregar um nível incomparável de performance e conveniência aos lares dos consumidores, por meio da tecnologia de deep learning (aprendizado profundo) que a empresa apresentará na CES® 2017. Com a tecnologia de deep learning da LG, os eletrodomésticos conseguirão entender melhor seus usuários, coletando e estudando seus padrões de estilo de vida continuamente. O processo não tem fim – e melhora com o tempo – para oferecer aos consumidores novas soluções para problemas cotidianos.

 

Aspirador Robô: performance aprimorada por memória

Utilizando múltiplos sensores e a tecnologia de deep learning da LG, o novo aspirador de pó robô da empresa reconhecerá os objetos presentes no cômodo e reagirá da forma adequada. Esse aspirador inteligente captura imagens da superfície do cômodo para se lembrar dos obstáculos e, com o tempo, aprender a evitá-los. Ele consegue ainda reconhecer fios elétricos e chinelos, evitando o travamento das escovas rotatórias, problema que precisaria ser solucionado com interferência humana. O aspirador robô da LG sabe distinguir um humano de uma cadeira; com isso, pede, educadamente, para que a pessoa dê licença para ele poder fazer a limpeza, ou simplesmente limpa em volta do móvel.

Refrigerador: conveniência mais inteligente

A tecnologia de deep learning da LG também está agregando conveniência ao refrigerador inteligente da empresa. Após analisar os padrões de uso e consumo da família, ele realiza uma série de tarefas, “prevendo” as atividades dos moradores com base em seu histórico de comportamento; por exemplo, enchendo a bandeja de gelo na hora em que há maior consumo de bebidas geladas. No verão, o refrigerador inteligente da LG pode iniciar sozinho o sistema de esterilização de quatro fases para prolongar a vida útil dos alimentos, se sentir que as condições de temperatura e umidade podem contribuir para a deterioração dos itens.

Condicionador de ar: economia de energia e performance ainda melhores

O condicionador de ar inteligente da LG com tecnologia de deep learning analisa os padrões de comportamento diário da família, incluindo os cômodos mais ocupados em certas horas. Com base nessa informação, o condicionador de ar com tecnologia de deep learning consegue determinar como fornecer as temperaturas mais confortáveis com rapidez e eficiência, resfriando em pouco tempo áreas específicas. Por exemplo, no fim de semana, a sala de estar pode ser o local mais ocupado, exigindo maior resfriamento ou aquecimento, enquanto, nos dias de semana, a cozinha pode ser o centro das atividades.

Lavadora de roupa: performance perfeita em qualquer situação

A nova tecnologia ajuda a lavadora de roupas da LG a conhecer o ambiente local e as atividades cotidianas do usuário para oferecer a melhor performance de lavagem. Por exemplo, em áreas onde a água é dura (ou seja, tem muito carbonato de cálcio), a lavadora de roupas inteligente da LG ajusta a temperatura e a quantidade de água usada para contrabalançar os efeitos desse tipo de água nas roupas. Em áreas onde as tempestades de poeira são comuns, a lavadora de roupas adiciona automaticamente um ciclo extra de enxágue para deixar as roupas ainda mais limpas.

“A tecnologia de deep learning é a próxima etapa na evolução dos eletrodomésticos inteligentes e, como líder da indústria, é nossa responsabilidade ser um dos primeiros a adotá-la”, diz Song Dae-hyun, presidente da LG Electronics e Home Appliance & Air Solutions Company. “Mas ainda mais importante do que o que os eletrodomésticos são capazes de fazer é como as companhias tratarão os dados coletados. Na LG, acreditamos que performance e conveniência não são sinônimos de menos segurança e privacidade. Eles podem e devem existir simultaneamente.”

 

Os avançados eletrodomésticos LG com tecnologia de deep learning estarão em exposição na CES 2017, de 5 a 8 de janeiro, no estande 11100 do Central Hall do Las Vegas Convention Center.

Compartilhar.

Sobre o autor

Comentários desativados.

000-017   000-080   000-089   000-104   000-105   000-106   070-461   100-101   100-105  , 100-105  , 101   101-400   102-400   1V0-601   1Y0-201   1Z0-051   1Z0-060   1Z0-061   1Z0-144   1z0-434   1Z0-803   1Z0-804   1z0-808   200-101   200-120   200-125  , 200-125  , 200-310   200-355   210-060   210-065   210-260   220-801   220-802   220-901   220-902   2V0-620   2V0-621   2V0-621D   300-070   300-075   300-101   300-115   300-135   3002   300-206   300-208   300-209   300-320   350-001   350-018   350-029   350-030   350-050   350-060   350-080   352-001   400-051   400-101   400-201   500-260   640-692   640-911   640-916   642-732   642-999   700-501   70-177   70-178   70-243   70-246   70-270   70-346   70-347   70-410   70-411   70-412   70-413   70-417   70-461   70-462   70-463   70-480   70-483   70-486   70-487   70-488   70-532   70-533   70-534   70-980   74-678   810-403   9A0-385   9L0-012   9L0-066   ADM-201   AWS-SYSOPS   C_TFIN52_66   c2010-652   c2010-657   CAP   CAS-002   CCA-500   CISM   CISSP   CRISC   EX200   EX300   HP0-S42   ICBB   ICGB   ITILFND   JK0-022   JN0-102   JN0-360   LX0-103   LX0-104   M70-101   MB2-704   MB2-707   MB5-705   MB6-703   N10-006   NS0-157   NSE4   OG0-091   OG0-093   PEGACPBA71V1   PMP   PR000041   SSCP   SY0-401   VCP550   HP0-S42   70-483   101   000-080   1z0-434   CCA-500   CAP   1Z0-804   220-802   70-483   SY0-401   70-980   300-101   c2010-652   ICGB   1Z0-144   101   70-533   000-017   1Z0-060   640-916   9L0-012   MB2-704   9L0-066   2V0-621D   1Z0-144   1Y0-201   74-678   EX200   70-483   700-501   210-260   200-310   100-105  , JK0-022   350-080   300-070   CISSP   810-403   CAS-002   300-206   200-101   OG0-093   000-104   MB6-703   CISSP   1Z0-144   070-461   1Z0-060   SSCP