Минпромторг регулярно анонсирует субсидии для промышленных компаний с разными условиями и бюджетами. В этой статье разбираю субсидию до 80 миллионов на роботизацию производств — условия, подводные камни и шансы. Если вы промышленник, читайте внимательно: возможно, это ваш шанс. Или нет.
Не знаю как для вас, но мне всегда казалось очень странным, что, любой энтузиаст, желающий собирать какие-либо самоделки на базе микроконтроллеров, всегда сталкивается с весьма странной проблемой: как подключить двигатели наиболее простым способом?!
Потому что, самое первое, с чем придётся иметь дело при попытках разобраться с этим вопросом, так это с тем, что в глаза бросается просто какое-то безумное количество плат расширения, какое-то безумное количество датчиков, подключаемых удобным и не совсем образом….
А двигатели? А двигатели в пролёте в прокруте (на первый взгляд)…:-B
Ниже я рассмотрел пару решений, которые нашёл для себя в разные моменты времени в прошлом — возможно, они, в чём-то, будут полезны и для вас! ;-)
Первым перевод на русский этой работы Роберта Зубрина, выдающегося американского аэрокосмического инженера, писателя, публициста и главного идеолога пилотируемой колонизации Марса, сделал ЖЖ-юзер keldoor в Живом Журнале, в сообществе Движение за Русский Космос’s Journal.
Однако, тот перевод был распределен по нескольким постам, журналы уже давно не ведутся, и с того времени (статья впервые опубликована в октябре 1995 года, перевод на русский сделан в 2012) появилось много новых данных о возможности и технологиях колонизации Марса. Поэтому я взял на себя смелость сделать новый перевод, снабдив его своими комментариями с точки зрения ситуации на середину 2026 года.
Статья стала классической и обязательна к прочтению всем интересующимся историей и технологиями космоса! Для тех, кто не в курсе идей и технологий освоения Марса, статья и критические замечания дадут хорошее введение в тему.
Стартап Figure AI начинал с модели Figure 01 — эффектного гуманоидного робота для складов, логистики и производства. Демо выглядело как видео из будущего: робот ходит, манипулирует предметами, понимает команды и обещает закрыть задачи, где людям тяжело, скучно или опасно.
Но демонстрации в робототехнике почти ничего не доказывают. Настоящая проверка ждет в цеху: перегрев приводов, сбои, плохой хват, износ, брак, забравшийся на конвейер кот. За три года Figure дошла до этой точки. Figure 01 остался пилотным проектом, а фокус сместился на Figure 03, завод BotQ и собственную VLA-модель Helix. Компания решила поставить все на конвейер — выпускать одного робота в час (около 9 тысяч в год), самостоятельно делать запчасти, собирать, тестировать, контролировать качество и отказаться от внешнего ИИ в пользу собственного стека.
Здесь и возникает главный вопрос: роботы действительно готовы заменить людей или это все еще дорогие демо-модели, оторванные от реальности? Можно ли изъять человека из производственной цепочки и поставить на его место гуманоида? Способен ли робот отработать смену без поломок, брака и травм?
Figure пытается доказать, что этот момент уже близко — на заводах, складах и в логистике, где задачи фиксированы и нет активного взаимодействия с людьми. Компания предлагает универсальную физическую платформу — «тело» для ИИ, которому давно не хватало возможности выйти из экрана в реальный мир. И это как раз тот уровень развития ИИ и робототехники, который находится на подъеме. Давайте разберем каждый шаг в контексте технологических волн и попытаемся заглянуть в будущее.
Если вы хоть раз пытались сделать печатную плату сложнее «мигалки на светодиоде», вы знаете цену «геометрического ада».
ЛУТ (лазерно-утюжная технология) — это лотерея. Классический фотометод требует идеального шаблона, а профессиональный фотоплоттер стоит как подержанный автомобиль. Казалось бы, решение на поверхности: взять доступный китайский лазерный гравер за $100 и вперёд. Но тут начинается новый «ад»: оси изначально кривые, реальный шаг моторов живёт своей жизнью, а заготовка почти всегда лежит на столе с перекосом в пару градусов. Малейшее отклонение — и прецизионный Gerber превращается в бесполезный кусок текстолита.
Я решил эту проблему иначе. Зачем часами юстировать механику, если можно переложить всё на математику и нейросети?
Представляю LPP-Laser — флагманское направление открытой модульной платформы LPP (Linear Path Platform). Система не требует от станка совершенства. Она просто «натягивает» ваш проект на реальность.
По всей видимости, домашние роботы на подходе. Не огромные андроиды в человеческий рост и на двух ногах, но маленькие компаньоны на сервоприводах. Которые научаться понимать человека и будут учиться через эмпирический опыт самостоятельно.
Всё больше появляется сообщений о проектах с применением человекоподобных роботов на производстве. Основная гипотеза: человекоподобный робот, может работать вместо человека, так как всё на производстве уже сделано для человека и человек работает.
Ниже разберём гипотезу о целесообразности использования человекоподобных роботов в производственных процессах обработки поверхностей (шлифовка, полировка, пескоструйка, покраска и т.д.) в актуальном периоде.
Основной вывод: человекоподобные роботы вряд ли станут оптимальным решением для производства, где точность, производительность и скорость являются основными критериями выбора.
Хабр, привет! Меня зовут Егор Черепанов. Я аспирант Центра когнитивного моделирования МФТИ и младший научный сотрудник команды «Воплощенные агенты» лаборатории когнитивных систем искусственного интеллекта AIRI. Я занимаюсь памятью у роботов и RL‑агентов, и сегодня хочу рассказать об одной из наших работ — архитектуре ELMUR, которую мы представляли в апреле на ICLR 2026.
Память у современного робота сегодня — это почти всегда контекст трансформера Vision‑Language‑Action модели, поскольку последние уже прочно закрепились как стандарт в этой области. Проблема в том, что механизм внимания имеет квадратичную сложность по длине последовательности, а значит долгосрочная память для робота будет обходиться слишком дорого, если пытаться наивно увеличивать размер контекста.
Новая архитектура призвана решить эту проблему. О том, что у нас получилось, читайте в статье ниже.
19 апреля 2026 года робот-гуманоид Honor Lightning пробежал полумарафон за 50 минут 26 секунд. Он побил мировой рекорд среди людей на 7 минут, а лучшее время среди роботов годом ранее – почти на два часа. Сразу хочется спросить: за счёт чего? Какая-то секретная технология? И как они умудрились обойти куда более известную Unitree, которой, по сообщениям, пришлось выдать своему роботу рюкзак со льдом, лишь бы он добежал до финиша и не перегрелся? На самом деле никакой магии нет. Есть моторы, передаточные числа и грамотный инженерный компромисс. Давайте разберёмся по порядку.
Для эксплуатации автономного транспорта критически важно точно знать:
1. где находится транспортное средство, 2. в каком направлении оно движется, 3. с какой скоростью оно перемещается.
Это и есть задача систем локализации.
Как автономный транспорт может понять свое местоположение? Может ли ездить по обычной карте из навигатора? На каких методах построена система локализации? Ответы на эти вопросы вы… найдете в предыдущей статье этой серии :)
В этой части мы — команда локализации и картирования ЭвоКарго — сделаем шаг глубже и посмотрим на основу всей системы: данные.
На первый взгляд всё выглядит просто: чем больше сенсоров, тем больше данных, и тем точнее результат. На практике увеличение числа сенсоров не устраняет неопределенность. Каждый источник данных живет в своей «реальности», со своими физическими ограничениями, своими погрешностями и сценариями деградации. В результате система сталкивается не просто с шумом, а с противоречиями. Поэтому локализация — не про измерения, а про интерпретацию противоречивых данных в условиях неопределенности сотни раз в секунду.
Эта большая статья про то, какие сенсоры применяются в автономности, какие неточности в измерениях каждого из них, почему это неизбежно и за счет чего система локализации успешно работает в подобных условиях. И почему нашим машины постоянно чувствуют себя, как Траволта в Криминальном чтиве :)
Микроконтроллер RP2040 имеют очень гибкую и понятную систему тактирования, но вот настройка тактирования в нативном SDK реализована очень запутано. В рамках этой заметки я попытался разобраться как гибко настроить тактирование ядра и периферии для достижения необходимого уровня энергопотребления, а также как правильно переводить микроконтроллер в режим минимального энергопотребления для использования в проектах с батарейным питанием.
Привет, Хабр! На связи снова Александр Панов, директор лаборатории когнитивных систем искусственного интеллекта AIRI и Центра когнитивного моделирования в Институте искусственного интеллекта МФТИ.
Как и в прошлые разы, я хочу поделиться с вами впечатлениями от конференции, в которой мне и моим коллегам по научной группе довелось принять активное участие. На этот раз речь пойдёт о крупнейшем научном событии в робототехнике — конференции ICRA 2026, проходившей с 1 по 5 июня в дождливой, но гостеприимной Вене.
Внутри много выжимок из статей и докладов, фото, а также видео с традиционного робопарада!
Запад не всегда был единственным флагманом робототехники. Иногда первенство, пусть и не надолго, у него перехватывали и мы. Так один советский школьник, смог сделать почти то же самое, на что у огромной американской корпорации ушло 2 года и $2,4 миллиона вложений.
Технологические прогнозы — штука ненадежная: иногда кажется, что даже прогнозы погоды ошибаются реже. В 1994 году, например, вышел фильм «Патруль времени» с Ван Даммом в главной роли. Действие происходило в 2004-м: герой садился в машину, командовал: «Домой», и автомобиль сам ехал по маршруту. И вот на дворе уже 2026 год, а шанс встретить на дороге такую машину все еще ниже, чем бывшую одноклассницу в одной очереди в кофейне.
Чего уж говорить про самозавязывающиеся кроссовки и скейты на магнитной подушке из «Назад в будущее 2», которых ждали в 2015 году. Поэтому здесь сосредоточимся не на прогнозах, а на технологиях, которые уже работают на благо людей и бизнеса, расскажем, как в разных отраслях применяются автономные летательные аппараты и роботизированные системы, а также что изменилось в этих сферах за последние годы.
Привет, Хабр! Меня зовут Артем Лыков, я руководитель направления Physical AI в МТС Web Services. В начале июня я побывал на ICRA 2026 в Вене — одной из главных мировых конференций по робототехнике и автоматизации.
В этом году мероприятие проходило с 1 по 5 июня на площадке Messe Wien. Конференция собрала исследователей, инженеров, стартапы, промышленные команды и крупные компании, которые работают с роботами, автономными системами и физическим ИИ.
Ниже — репортаж с конференции и мой разбор главного тренда: робототехника уходит от идеи одной универсальной end-to-end-модели и собирает более практичный стек из нескольких уровней. Внизу — моторика и управление телом. Посередине — VLA, модели мира и связь восприятия с действием. Наверху — агентное планирование и проверка решений.
В прошлой статье мы разбирались с тем, как наука смотрит на вопросы увеличения прочности 3d модели, распечатанных с помощью fdm печати.
Там же мы узнали, что огромное количество учёных занимает этот вопрос, и количество статей на эту тему исчисляется сотнями (если не тысячами), — исходя из чего, мы смогли до себя почерпнуть некоторое количество вводных параметров (толщина слоя, толщина стенок, параметры заполнения) — для разных пластиков, которые можно было бы использовать в своей практической деятельности.
Практический смысл в этом знании такой, что мы там увидели, как можно было бы экономить пластик, и что 100%-заполнение при 3d печати — вовсе не единственный способ обеспечения гарантии высокой прочности распечатки.
Однако, как я уже и говорил в этой статье, мы специально оставили в стороне, только немножко затронув, интереснейший вопрос — а как и в каких местах должны быть применены указанные параметры?
Так как, даже интуитивно, многие, наверное, чувствуют, что «слои и заполнение надо сделать вот такими» — даже не изучав в своём институтском прошлом такую дисциплину как «сопротивление материалов» (попросту «сопромат» в обиходе), которая по большому счёту и изучает оптимальную форму конструкций для определённых материалов.
Потому что, зачастую, это интуитивное ощущение оказывается верным, и пространственное расположение элементов конструкции распечатки весьма важно для прочности (и это мы уже увидели в прошлой статье) — однако это знание было бы неполным, без рассмотрения конкретных способов усиления определённых мест модели — что мы и рассмотрим в этой статье!
В гуманоидной робототехнике существуют два принципиально разных способа измерять «лучших». Первый — сколько денег компания привлекла и как её оценивают инвесторы. Второй — сколько роботов реально произвела и отгрузила.
Эти рейтинги кардинально расходятся. Компания с оценкой $39 млрд поставила 150 роботов. Компания без известной оценки отгрузила 5 500. Понимание этого расхождения — ключ к пониманию того, где реально находится индустрия.
Собранный в лабиринтах стэнфордских лабораторий, Shakey был настоящим чудом света для своего времени. Ведь это была первая попытка человечества создать автономного и мобильного робота, который был бы умен как самый мощный компьютер и маневренен как болид Формулы-1. Ну почти.
Под колпаком пузыря: как хайп позволяет вырастить гигантов — и что происходит с теми, кто не успел вырасти
Недавно поймала себя на мысли: в любом хайп-цикле инвесторы и медиа смотрят туда, где максимальный коэффициент выигрыша. На самые громкие ставки, самые амбициозные обещания. А те, кто строит понятный бизнес с реальными клиентами и сходящейся экономикой, — просто работают.
Результат предсказуемый: компании с нормальной юнит-экономикой и живыми клиентами хронически недоинвестированы. Не потому что плохи — а потому что неинтересны на фоне тех, кто обещает изменить всё.
Это не новая история. Именно так выглядел рынок во время доткомов. Только мало кто тогда понимал, на что на самом деле стоит смотреть — и чьи акции покупать.
Попробовала разобраться. Получилось эссе про то, как пузыри работают изнутри, кто из них выходит победителем — и почему победители почти никогда не те, на кого все смотрели.
Роботизация складской логистики постепенно перестает быть экспериментом и становится рабочим инструментом повышения эффективности. Однако большинство подобных проектов реализуется либо на новых объектах, либо требует существенных ограничений в работе склада на время внедрения.
В этом кейсе расскажем о роботизации распределительного центра (РЦ) «Новая Рига» X5 – крупнейшем логистическом объекте торговой сети «Пятёрочка». Проект стал одним из самых масштабных внедрений мобильной робототехники в российском ритейле: на объекте был развернут комплекс из более чем 80 роботизированных устройств под управлением единой системы WCS Automacon.
