Робототехника

В первой части Лягушка научилась смотреть на человека, говорить и поворачивать голову. Теперь добавляю знакомые лица, память о разговорах, вопросы по фотографии, объяснения на экране и помощь со стихами. По дороге робот пропускает собственные команды, узнаёт своего «Создателя» и отправляет рисунок в принтер. А ещё выяснилось, что сильнее всего тормозило Лягушку…

Как выглядит типичный склад? Бесконечные ряды стеллажей и пустые проходы для людей и машин-погрузчиков. Чем больше товаров, тем больше площади приходится отдавать под перемещения. В начале нулевых создатели AutoStore решили радикально пересмотреть подход к логистике и придумали кубическую систему складирования, которая увеличивает плотность хранения до 400%. Сегодня ею пользуются тысячи крупнейших компаний в мире, включая Lufthansa, DHL, Toyota, Gucci и Benetton. Рассказываем про чудо мысли, автоматизации и скандинавского дизайна.

Сергей Лавров посетил Московский стартап‑саммит Сбера. Нет, не министр иностранных дел. Я — бывший предприниматель, соинвестор двух проектов, победитель реалити‑шоу «Битва стартапов», участник акселератора Сбера для студентов, аспирантов и сотрудников вузов, выпускник «Школы 21». Поэтому мне было интересно посмотреть на саммит с разных сторон и понять, как сегодня устроена стартап‑ и венчурная экосистема. Спойлер: после двух дней мне захотелось вернуться сюда в следующем году уже в качестве стартапера или инвестора.

Московский стартап‑саммит прошёл 29–30 сентября в СберСити, в кампусе «Школы 21». За два дня здесь собрались стартаперы, инвесторы, представители корпораций и госструктур — четыре категории участников обозначили на бейджах, чтобы знакомиться было проще. Масштаб впечатляет: больше 4500 участников из разных стран, 150 экспертов, более 40 дискуссий в деловой программе и 100 стартапов на выставке. Я прошёлся по ключевым активностям и сессиям, а в статье расскажу, что увидел.

У моей собаки Pin двенадцать сервоприводов, десять килограммов веса и ни грамма железа: она живёт в браузере. Тем не менее она трусит рысью со скоростью 35 см/с, держит курс по гироскопу и однажды села на хвост, когда я попробовал научить её прыгать.

Это рассказ о том, как в учебной платформе PinPort появился четвероногий робот, что у него внутри и почему ходить у него получилось раньше, чем бегать.

Гуманоиды уже умеют драться, танцевать и работать на заводах, но с обычной бытовухой пока справляются плохо.

Разбираюсь, почему главный дефицит рынка может оказаться не в самом железе, а в ИИ-моделях, данных обучения и сервисах вокруг роботов.

Я хотел, чтобы робот помогал ребенку и мог разговаривать без интернета. Пришлось перебрать почти двадцать локальных моделей, подобрать голос, поставить камеру в бант и научить глаза и голову следить за человеком. В первой части рассказываю, как из эскиза получился работающий стенд — и что пошло не по плану.

Мне всего 44, но я помню мир без интернета, мобильных телефонов, навигаторов и мессенджеров. Чтобы позвонить своей будущей жене, я бегал к уличному таксофону и бросал монетку в аппарат. Чтобы что-нибудь узнать, шел в библиотеку и открывал Большую советскую энциклопедию, такой бумажный Google, только без рекламы, комментариев и возможности за три минуты поставить себе смертельный диагноз. Я ездил по городу без навигатора. И мы каким-то чудом умудрялись встречаться с друзьями в точно назначенное время на другом конце города, без возможности поделиться геолокацией и написать “я уже почти подъехал”, когда даже еще не вышел из дома... Это было удивительное время.

Мы легко встречали новые технологии и довольно быстро к ним приспосабливались. Интернет, мобильная связь, компьютеры, смартфоны — все это входило в нашу жизнь постепенно, оставляя нам время освоиться и привыкнуть. Но сейчас скорость изменений стала совсем другой. Мы все еще уверены, что так же легко адаптируемся ко всему следующему? Хотя, боюсь, мы даже близко не представляем, что нас ждет впереди. И на этот раз времени привыкнуть нам могут уже не оставить.

Не, я не буду писать про то, что ИИ резко выйдет из-под контроля, начнет улучшать сам себя и переиграет человечество за считанные месяцы. Скорее всего никакого восстания машин вообще не произойдет: мы просто шаг за шагом передаем алгоритмам управление бизнесом, экономикой, армией и государством, потому что решения ИИ оказываются эффективнее человеческих. В итоге люди формально остаются у руля, но уже ничего толком не решают.

Как вам такое мнение одного из пользователей соцсети:

Относительно недавно я начал заниматься FPV и поначалу как любой новичок бился головой об стену от непонимания некоторых моментов, индустрия достаточно молодая в ру сегменте, информации есть, но она разрознена по множеству каналов на YouTube и статей, поначалу непонятно, на какой ролик стоит потратить час своего времени, а в какой налили воды и четких ответов на вопросы ты не получишь. Именно поэтому я решил написать ряд статей-руководств, которые дадут ответы на все вопросы, которые возникнут у вас при попытке начать заниматься FPV, такие как выбор симулятора и его правильная настройка для комфортного обучения, выбор пульта и его настройка, выбор очков, дрона и прочих аксессуаров, которые вам обязательно понадобятся, сколько всё это стоит и как всё это адекватно хранить.

Во время уборки зерно в комбайне проходит долгий путь: от жатки через барабан, решётку и домолот до зернового элеватора и бункера. Весь этот путь нужен не просто так, а для того, чтобы максимально очистить зерно и при этом сохранить его целостность, ведь от этого напрямую зависит цена продажи. Но узнать, насколько хорошо прошла очистка, обычно можно только постфактум: на элеваторе или в лаборатории, когда повлиять на результат уборки уже нельзя.

Рассказываю, как мы создали систему Crop Control, которая доустанавливается на комбайн (даже если раньше на нём не было никакой автоматики) и позволяет мониторить качество и количество зерна прямо во время движения. Мониторинг количества нужен, чтобы понимать, сколько урожая собрано с конкретного поля: урожайность - одна из ключевых метрик оценки продуктивности уборочной кампании в целом. А мониторинг качества нужен для того, чтобы вовремя повлиять на собираемую продукцию, например скорректировать настройки комбайна, и не дать испортить уже намолоченное зерно.

Спросите любого человека, далёкого от робототехники, какие правила должны соблюдать роботы. Девять из десяти вспомнят: робот не может причинить вред человеку. Кто-то процитирует все три закона целиком, с «бездействием» и «самосохранением». Законы Азимова прочно сидят в культуре: их цитируют журналисты, на них ссылаются в комментариях под любой новостью про автоматизацию, их всерьёз вспоминают чиновники, когда речь заходит про ИИ.

Иногда кажется, что большая часть этих людей действительно считает три закона робототехники каким-то техническим документом. Если это так, то они не читали Азимова.

В реальности ни один из трёх законов не работает. И в книгах Азимова они тоже толком никогда не работали. Давайте пройдёмся по самым интересным «багрепортам» из книг — и посмотрим, как Азимов сам, шаг за шагом, разбирал собственную систему, пока не был вынужден пристроить к ней нулевой закон. А во второй половине статьи попробуем применить законы к современному миру. И сравним, что вместо них написано в настоящих стандартах.

Управление роботом по изображениям и текстовым инструкциям остаётся одной из наиболее актуальных задач современной робототехники. Модели класса Vision-Language-Action, или VLA, уже способны решать широкий спектр задач. Однако большинство заметных результатов получено на стандартных манипуляторах: это одна роботизированная рука на неподвижном основании, с шестью или семью степенями свободы и двупалым захватом.

Управление антропоморфным роботом требует решения задачи принципиально иного уровня сложности. Большое количество степеней подвижности, антропоморфные кисти, мобильная платформа, необходимость координировать движения всего тела и сохранять равновесие существенно усложняют разработку системы управления.

Sber Robotics запускает Green Challenge, соревнование в рамках AI Journey 2026. Участникам предстоит создать или дообучить модель управления «Грином», первым антропоморфным роботом Сбера. Модель должна решать задачи мобильной манипуляции в цифровом симуляторе.

Это комплексная задача в области Physical AI: от подготовки данных и мультимодального восприятия до планирования и согласованного управления движениями всего тела робота.

Как построить карту проходимости для наземного робота на GPU, уложившись в 100мс лидара? Рассказываю путь от универсальной 3D-воксельной карты, которая не тянула даже на i7, до 2.5D-карты высот и расчётом уклонов прямо на CUDA. Плюс — почему RGB-D камера и лидар по отдельности не работают, а вместе дают плотный скан земли и препятствий.

Типичный ролик из недалёкого будущего: Гуманоид уверенно шагает рядом с полицейскими. Робособака обследует территорию. Робот-официант объезжает посетителя с таким выражением «лица», что чаевых сегодня не будет.

Хочется верить, что внутри каждого сидит единый искусственный разум: видит мир, понимает происходящее, принимает решения и управляет телом. Но это не совсем так.

Например, внутри AgiBot X2 Ultra работают три самостоятельных компьютера: для управления движением, взаимодействия с человеком и пользовательских вычислений. А ниже находится ещё и электроника приводов и датчиков. Это не один электронный мозг. Скорее небольшая организация, которой выдали общее тело. (Agibot)

Один отдел отвечает за то, чтобы робот не упал. Другой — за обработку изображений. Третий — за вежливое «Здравствуйте!». И желательно, чтобы совещание третьего отдела не мешало первым двум.

Разберёмся, зачем роботу столько компьютеров, что такое камера глубины, что на самом деле делает SLAM и сколько Робокопа содержится в китайском роботе-полицейском.

Лев Ларин, технический директор Unibot

Мы продали клиенту робота‑доставщика с интеграцией и пообещали запустить его в парке. Вскоре выяснилось: передать клиенту робота и передать контроль над ним — не одно и то же.

Без китайского облака пропадала часть функций. Российская SIM не работала. Вместо клиентских аккаунтов существовал один логин дистрибьютора. На траве робот буксовал, отключал привод и оставался посреди парка с разблокированными колёсами. Нам предстояло отвязать его от чужой инфраструктуры, написать собственные backend и Edge и превратить закрытую платформу в нормальный Fleet‑продукт.

Через несколько недель робот уже ездил по точкам, говорил по‑русски и возвращался на зарядку. А затем системные пароли внезапно изменились, и мы потеряли доступ к машине, которую должны были передать клиенту.

Без монитора, клавиатуры и понятной помощи производителя начался настоящий технический детектив. Что обнаружилось внутри робота, кто ещё мог им управлять и как мы возвращали контроль — в статье.

Поставить робота на производство — один шаг из многих. Нужно перестраивать процессы, учитывать особенности оборудования, запустить всё без аварий и простоев. И конечно, найти на проект финансирование, обосновать его и выбрать надёжных подрядчиков.

Многие компании хотели бы роботизировать свои площадки. Но их останавливает отсутствие практического опыта и запредельная сложность первого шага. Всем хочется видеть реальный опыт коллег по цеху с честным рассказом про набитые шишки и достигнутые результаты.

Поэтому Хабр и Национальная ассоциация участников рынка робототехники (НАУРР) при поддержке экспертного жюри из компаний «Яндекс Роботикс», ТМХ, «Азот», «Северсталь», «СИБУР» и «Промомед» объявляют конкурс «Роботы в деле». Мы приглашаем разработчиков, интеграторов и промышленников принять участие в соревновании реальных кейсов роботизации и цифровизации.

Под катом — всё самое важное об условиях и сроках подачи заявок.

Наше время интересно тем, что цифровые технологии глубоко проникли во все сферы, и одна из них — ЧПУ-станки (т. е. станки с числовым программным управлением).

Благодаря этому практически каждый желающий может иметь на дому фактически «маленький завод»: 3D-принтеры разных типов, лазерные резаки/граверы и даже — собственно то, что в обиходе носит название «ЧПУ-станки» (хотя, по большому счёту, и все предыдущие типы относятся к этому же).

Широкие технические возможности и доступность станков пробуждают и соответствующий техническо-творческий «аппетит»: хочется и то, и то, и то…

Особенно если доступность станков дополняется соответствующими знаниями в области электроники и программирования — это фактически открывает дорогу к практически неограниченному созданию роботизированных устройств.

Однако очень быстро работающие в этом направлении сталкиваются с тем, что наиболее доступный и относительно беспроблемный способ создания физических деталей на дому — 3D-печать — не во всём может удовлетворить, и в основном это касается недостаточной физической прочности получающихся распечаток.

Да, в некоторой степени эту проблему можно нивелировать с помощью использования закладных/накладных металлических деталей, сочетаемых с пластиковыми: металлические подшипники, металлические наконечники на пластиковую деталь и т. д. и т. п.

Но не везде это возможно, особенно если конечное изделие будет подвергаться воздействию высоких температур — тут уже просто без вариантов: необходимы цельнометаллические детали.

В этом тексте я показал как сделать универсальный полностью конфигурируемый однобитный ЦАП на основе микроконтроллера STM32F407ZG.

Суть проста.
В программе есть RAM массив двоичных семплов длинны N, которые надо отправить "на улицу" со строго выдержанным микросекундным периодом.

Есть частота дискретизации, задаваемая частотой переполнения аппаратного таймера.

Надо выдать на GPIO пин этот поезд из нулей и единиц. Причем сделать это так, чтобы в ARM процессоре было не более 2х прерываний: половина перемещения и окончание перемещения.

В тексте представлена пошаговая методичка того как это сделать.

О симуляции чаще всего говорят в контексте фантастики или видеоигр, она позволяет синтезировать сценарии, которые невозможны в реальном мире или которые повторяются тысячи раз с минимальными отличиями. И именно поэтому симуляторы, как инструмент, стали неотъемлемой частью обучения человека, а теперь и обучения нейросетей и разработки ПО. Для автономного транспорта это способ накатать миллионы километров, не выезжая из гаража.

Меня зовут Амиран Беркаев, я активно развиваю инфраструктуру тестирования автопилота в ЭвоКарго, и в частности — лидирую направление симулятора. Наша компания разрабатывает электрические беспилотные грузовики максимально высокого на сегодня серийно‑эксплуатируемого уровня автономности, а также сервис автономной логистики на их основе.

В этой статье я расскажу, откуда вообще взялись симуляторы, что именно первым исследователи решили сымитировать, как на развитие этой сферы повлияли компьютерные игры, какими симуляторы вообще бывают, в каких этапах разработки автопилота применяются и как развиваются сейчас — в эпоху ИИ и гонки за автономность.

Все мы знакомы с концепцией экзоскелета — устройства, усиливающего отдельные характеристики человека, чаще всего — силу, причем многократно. И у него есть концептуальное отличие от робота: он не пытается заменить собой труд человека, а служит ему инструментом.

Долгое время инженеры шли по одному пути: добавляли к телу пружины, металлический каркас, гидравлику, приводы и много прочих связанных механизмов, которые приводит в действие мощный мотор. Так у нас закрепилось представление, что экзоскелет — это что-то массивное, куда человеку нужно полностью залезть, что-то в духе костюмов из Fallout.

Но недавно появился новый подход: инженеры решили избавиться от мотора и перекинули функции передачи усилия на сам материал. Система называется DEA-волокна, которые сами по себе действуют как привод, по сути, работая как искусственные мышцы.

Сегодня поговорим о том, как технологии дошли от массивных многотонных дредноутов до искусственных мышц весом в несколько граммов и почему последний подход может постепенно сформировать новый класс носимых устройств.

Учёные опубликовали подробную карту нервной системы дрозофилы. Интернету понадобилось несколько дней, чтобы посадить её за руль, отправить в Doom, дать $100 на биткоин, зарегистрировать на сайте знакомств и переселить в робота. Мы всё это время переживали, что работу у нас отнимет ИИ. Возможно, стоило присматривать ещё и за мухами.

В начале сентября Google Research, HHMI Janelia и большая команда исследователей представили подробную карту центральной нервной системы взрослого самца дрозофилы. В ней около 166 тысяч нейронов и примерно 125 миллионов синаптических контактов. Это важное продолжение проекта FlyWire, в рамках которого ранее был реконструирован мозг взрослой самки, но теперь исследователи получили не только мозг, но и вентральную нервную цепочку, через которую центральная нервная система связана с двигательными цепями тела.