Дякую за фідбек

Так, я планую додати (feedback.okso.app/feedback) підтримку інших шрифтів також.

Стрілки вже є готов. В Menu > Preferences > Tools є перелік додаткових форм/shapes, серед яких є Прямокутник, Овал та Стрілка.

Локалізацї також в плані, треба буде додати

Дякую за ідеї!

Додав конвертацію фріхенда в фігуру в роадмап 👍🏻

Про FPS то зараз найбільша проблема для мене. Пробую вирішити...

Так, згладжування ліній працює круто завдяки perfect-freehand (тут є демка цієї ліби)

Також так, редагування кожного об'єкта то зручно. Весь малюнок/скетч — це звичайний JSON (наприклад файл data-structures.okso). Та над об'єктами того JSON-у вже проводити маніпуляції.

Дякую за ідеї!

• Масштабування із збереженням пропорцій вже можливе якщо зажати Shift і тягнути
• Групування — так, це в планах, треба буде зробити 👍🏻
• Редагування кривих — це теж гарна ідея, але наразі із perfect-freehand кривими це не дуже вийде, треба буде новий Curve Shape додати
• Розшарювання малюнку — це теж цікава ідея і вона в плані. Прикольно б було ще розширити скетч, вставити картинку, наприклад, в блог, та щоб при апдейті малюнку в okso.app всі зображення в блогах теж оновилися автоматично.
• конектори між об‘єктами зараз є у вигляді стрілок, але так, вони не конфігуруються — це цікаво було б додати
• І так, дійсно, для маленьких об‘єктів хендли пропадають (мені здається якщо сильно збільшити малюнок, то вони можуть з’являтися, але так, цей флоу можна покращити

Конкретних планів зараз немає, але виглядає доволі цікавим написати статтю про імплементацію, корнер-кейси з перформансом (якщо мені ще вдасться їх вирішити), переваги Progressive Web App, як хендлити апдейти в React стейті якщо вони дуже часті і в реал-таймі (наприклад як оновлення стейту компонентів під час руху курсора), та інше...

А зараз, якщо коротко, то технічно проект використовує наступне:

• TypeScript
• react (поки що 17-й)
• @tldraw/core — SVG canvas
• perfect-freehand — гарні ліні при малюванні від руки (digital ink), тут є прикольна демка
• @state-designer/react — прикольна штука, спробував хендлити стейт додатку, як стейт-машини
• idb-keyval — зручний враппер для роботи із IndexedDB
• browser-fs-access — враппер для доступу к файлам
• workbox-core — для PWA
• baseui — як оснонвий стайлінг фреймворк
• react-icons — дуже багато різних іконок
• @radix-ui/react-dropdown-menu — непогане спливаюче меню із можливістю мати під-меню
• webfontloader — зручний пакет, дозволяє кастомні фонти підгружати та чекати, поки вони будуть доступні
• ...

Да да, на rednuht там крутые примеры с генетическим алгоритмом 👍🏻

По поводу парковки машинок без единой аварии. Да, таких геномов в примерах вот здесь trekhleb.dev/...​tion/?parking=automatic нет. Как в конце статьи, «наказание» за столкновение (уменьшение значения фитнесс-функции при столкновении) реализовано не было, поэтому при обучении машинки «думают», что аварии — это вполне ОК и даже не пытаются их избегать. Это один из следующих логичных шагов, которые можно заимплементить.

Да, в статье я как-раз упомянул про альтернативное решение использовать нейронную сеть вместо линейного уравнения, чтобы решение лучше адаптировалось к новым условиям парковки. И так же в статье указано, что с линейным уравнением способность к обобщению — малая. Поэтому тут могу только ещё раз подтвердить правоту вашего комментария.

Не согласен с Вами по поводу того, что обучение нейронной сети и генетический алгоритм — это разные истории. Технически, нейронную сеть можно обучить (подобрать нужные коэффициенты) с помощью генетического алгоритма (вместо использования back propagation). Возможно это будет неэффективно и сработает для простых нейронных сетей, но технически — это должно быть возможно.

Единственное что не совсем понятно — как генетический алгоритм подходит под эту задачу?

Генетический алгоритм может подойти к задачам, связанным с оптимизацией. В данном примере с машинами мы пытаемся оптимизировать случайный геном (например, геном 1010011...100) и шаг за шагом, методом «генетически умных» но все-таки «проб и ошибок», пытаемся перейти от случайного генома, к геному, близкому к идеальному для конкретной задачи парковки (например, к геному 11100010...110).

Вариант «перебора вариантов» в реальности нам явно не подойдет... решить задачу ДО того, как ехать

А сенсоры на машине как раз не очень помогут — потому что мы СНАЧАЛА рассчитаем идеальный маршрут алгоритмом — а только потом будем ехать.

Процесс оптимизации случайного генома и преобразования его в близкий к идеальному происходит шаг за шагом, методом «генетически умных» но все-таки «проб и ошибок». Именно этот пошаговый процесс я имею в виду, когда пишу, что генетический алгоритм именно «обучается». Из поколения в поколение происходит симуляция парковки (тысячи раз) и только более-менее успешные в данном поколении машины продолжают свое существование в следующих поколениях, путем «спаривания» и «рождения» более сильный «детей».

Поэтому алгоритм не решаем задачу до того, как ехать и не рассчитывает идеальный маршрут сначала. Он решает ее во время езды тысяч индивидуумов.

А вот уже после «проб и ошибок» (после обучения) тысяч паркующихся индивидуумов мы получим оптимизированный геном. И вот как раз оптимизированный геном должен парковать автомобиль за один раз (без проб и ошибок), с первой попытки, без соударения с соседями. Возможно вы это и имели в виду — не процесс обучения, а процесс применения уже оптимизированного генома к реальной жизни?

В данной имплементации машина не знает, где находится парковочное место. Машина оперирует исключительно показаниями датчиков и ее «мозг» (линейное уравнение) перемещает машину в каком-то из направлений. «Удачное» это направление (близко к парковочному месту) или «неудачное» (далеко от парковочного места) определяет фитнес-функция в конце жизни каждого поколения. Чем ближе машина оказалась к парковочному месту, тем выше фитнес-функция. Далее, производится селекция (спаривание) автомобилей с наилучшими показателями фитнес-функций.

В данной версии симулятора стартовая позиция фиксированная. Эту позицию можно ментально воспринимать как «ок, я довез авто до стартовой парковочной позиции, поровнял задние колёса, а дальше — сама»

Попробуй зажать «SPACE» + «D» в ручном режиме парковки. Там и гидроусилитель будет и поворот колес.

Дуже тішуся, що вдалось зацікавити 😀👍🏻

Спасибо за отзыв, Антон! Да, статья действительно получилась longread-ом. В следующий раз, возможно, есть смысл разбить подобный материал на серию более компактных статей (типа «часть 1/3», «часть 2/3» и т.д."

Точно :D

Это нельзя готовить ⛔️

Радий, що стаття змотивувала! Успіхів із Гітхабом!

На онсайте на одной из 5 сессий (1 час) разбирали детали того, как я выполнил тестовое задание. Тестовое («домашнее») задание было фронт-эндовое, его надо было выполнить после скрининг интервью. Его проверяли до приглашения на онсайт, но на онсайте его нужно было по сути «защитить» и прямо при интервьюерах улучшить/расширить. Остальные же сессии были довольно общими без сильной привязки к фронтенду.

После прохождения всех интервью, приблизительно через 1 неделю пришел оффер со стороны Uber-а и была назначена встреча, на которой обсуждалась детали, в том числе и зарплата.

1. Понять свою уникальность, понять кто ты, развивать это,
2. перестать сравнивать себя с другими и примерять на себе чужие жизни,
3. осознать, что лента в соцсетях — это рафинированная выжимка, ограниченная и неполная картина реальности,
4. понять, что за все нужно платить свою цену в виде времени, а его у тебя 24/7 (красивая «картинка» в ленте чего-то человеку стоила)
5. понять, что нельзя успеть все; из 5-ти категорий «семья», «карьера», «спорт», «сон», «друзья» — сфокусируйся на 3-х (фокус можно периодически менять)

... дальше — профит

Да, мне кажется в таком случае (когда человек решает свою «задачу-боль») он является своего рода экспертом в этой области и знает потребность «рынка» лучше. Плюс это помогает держать мотивацию в тонусе.

Мне самому интересно!