Python 调整图像大小

因此在进行服务编排设计的时候，上游服务应该提供幂等的逆服务用于编排，方便下游服务调用出现异常的时候对上游服务进行回滚操作。

而对于类似发送消息，事件等接口服务，则建议采用消息中间件来实现异步最终一致性。在这种情况下即使调用失败也不进行上游服务回滚，而是服务编排实现中对服务进行重试处理。如果多次重试仍然失败再发送异常日志信息供人工修复处理。

对传统BPEL流程编排的简化
 

加密程序代码

首先要对其进行混淆

不可区分混淆(indistinguishability obfuscation，简称IO)是一种强大的加密算法，它不仅能隐藏数据集，还能隐藏程序本身，从而实现几乎所有的加密协议。

要想知道不可区分混淆是什么，我们不妨先来看一看混淆是什么。

对于程序员来说，最宝贵的自然是代码，一旦源代码被人获取，基本上就等于程序员编写代码花费的心血付诸东流，还会涉及到知识产权纠纷。为了保护代码，有的程序员会在导出程序之前采取一些手段来混淆程序。

当前程序混淆有两种方式，第一种是全文替换关键词，把整段代码中所有的“命名”全部替换成数字(例如将ui_controller替代为a0123456);第二种是直接输出编译过后的代码，将人们可以看懂的源代码转换成电脑看得懂的机器码，这样别人就没法直接打开这个文件看到原本的代码了。

这两种方式的目的都是在导出程序的时候，把标注性的符号摘除。从而达到不暴露源码信息的效果。

但这两种方式并不是真正意义上的混淆，因为虽然人类难以理解这串代码到底要做什么，但如果把这样的代码放入编译器中，让编译器去分析整个编程语言的语法结构，把每一行指令所要做的事情都归纳出来的话，那么很容易就能看出些端倪。

真正意义上的混淆被称作虚拟黑盒(Virtual Black Box Obfuscation，VBB)，相当于将一个程序C嵌入一个黑盒中，我们可以在黑盒的一端输入x，另一头会输出C(x)。因为整个程序都藏在黑盒中，我们完全无法得知任何C的构造信息，也无法从输出反推输入。
 

Atlas 在学习执行新任务时，会用到机器学习吗？

其实技术方面我们做了非常多的探索，但 Atlas 目前并未使用学习控制器，它使用到了反射控制和模型预测控制。我们认为这都是机器人提升性能作出新行为的可靠方式。未来，我们也计划利用机器学习在软硬件基础上进行扩展。

目前，Atlas 主要借助下半身发力，但跑酷要用到上肢的力量敏捷度。据了解，Atlas 已经开始了引体向上等动作的尝试，可否谈一谈？

动物可以用下肢做出很多动作，但全身都协同发力，效果当然更好。跑酷的确是为我们提供了新的发展方向，我们在不断打磨、尝试新的、更复杂的行为，提升敏捷性。其实 Atlas 团队的任务之一就是尽可能提升上肢力量的使用频率，我对它未来的发展还是很兴奋的。

您如何看待高动态机器人的液压（hydraulic）和电动（electric）驱动器？

使用哪种驱动器，具体要取决于机器人的尺寸、用途和工作环境等。当然，最好是两种技术都掌握。我认为规模是二者的自然界限——制造小型液压机器极具挑战性，业内也很少有人这么做。同样的道理，也很少有人制造大型电动机器。

最近是否有让您感到兴奋的机器人领域研究？

通常，我们关注计算机视觉、地形感知方面的进展。这些领域的进展越大，我们能做的也就越多。就我个人而言，我关注操纵方面的进展，尤其是一些研究可增进人们对基于摩擦的复杂交互的理解。

目前，机器人操纵正在从简单的捏、举、投掷动作向更有意义的交互转变。操纵方向的研究将进一步发掘机器人的潜能。

（编辑：南昌站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!