Продолжение статьи про сборку мини-беспилотника в домашних условиях на основе открытой визуально-языковой модели qwen2.5vl без дополнительного обучения, только на основе текстового чата с моделью. Теперь практическая часть: сборка, настройка, тесты...
Как машины могут учиться так же эффективно, как люди и животные? Как машины могут научиться рассуждать и планировать? Как машины могут изучать представления восприятий и планов действий на нескольких уровнях абстракции, что позволит им рассуждать, предсказывать и планировать на различных временных горизонтах? В этой позиционной статье предлагается архитектура и парадигмы обучения для построения автономных интеллектуальных агентов. Она объединяет такие концепции, как конфигурируемая предсказательная модель мира, поведение, движимое внутренней мотивацией, и иерархические архитектуры совместного вложения, обучаемые с помощью самоконтролируемого обучения.
Этот документ не является технической или научной статьей в традиционном смысле, а представляет собой позиционную работу, выражающую мое видение пути к интеллектуальным машинам, которые учатся больше похожим на животных и людей образом, способны рассуждать и планировать, и чье поведение определяется внутренними целями, а не жестко запрограммированными инструкциями, внешним контролем или внешними вознаграждениями. Многие идеи, описанные в этой статье (почти все из них), были сформулированы многими авторами в различных контекстах и в различной форме. Настоящая работа не претендует на приоритет в какой-либо из них, но представляет собой предложение о том, как собрать их в единое целое. В частности, в работе выявляются предстоящие трудности. Также перечисляется ряд направлений, которые, вероятно, будут успешными или неуспешными.
Текст написан с минимальным использованием жаргона и с использованием минимальных предварительных математических знаний, чтобы быть понятным читателям с самым разным образованием, включая нейробиологию, когнитивистику и философию, а также машинное обучение, робототехнику и другие инженерные дисциплины. Я надеюсь, что этот материал поможет лучше понять контекст некоторых исследований в области ИИ, чья значимость иногда неочевидна.
Поведенческое клонирование (BC) - это доминирующая парадигма в ИИ-робототехнике, которая позволяет моделям обучаться имитации роботов под управлением человека на основе успешных действий. При обучении BC-политики мы исключаем ошибки из датасета, чтобы тренироваться только на успешных эпизодах - в конце концов, мы не хотим учиться подражать ошибкам!
Самое перспективное направление в ИИ-робототехнике сегодня - это «обучение на опыте». Поскольку BC-политики учатся только имитировать успешные действия, им трудно восстанавливаться после ошибок, которые неизбежно случаются в сложных сценариях реального мира. Умение отличать хорошие действия от плохих помогло бы политике освоить механизмы восстановления и оптимизировать скорость и эффективность движений. Постобучение через обучение с подкреплением (RL) обещает именно это - обучение на своих ошибках, а не просто имитацию поведения человека.
Пожалуй, самая интересная научная работа в области робототехники этой осенью вышла у Physical Intelligence. Они представили свой метод Pi*0.6 для постобучения базовых моделей роботов через оффлайн-RL. Сначала вы классифицируете действия как «сильные» или «слабые» в зависимости от того, насколько они выгодны, а затем просто добавляете эту классификацию в окно контекста политики действий. В процессе работы мы запрашиваем «сильные» действия, что позволяет сэмплировать варианты из набора, который привел к хорошим результатам во время обучения. Нет нужды в PPO или других сложных градиентных методах, нет проблем с регуляризацией или катастрофическим забыванием, которые часто за ними следуют. Просто говоришь: «Мне нужны хорошие действия», и робот их выполняет. Звучит слишком хорошо, правда?
Милый ВАЛЛ-И и преданный R2-D2 из киношных образов превратились в жёсткие ТЗ для инженеров. Например, робот Ameca копирует человеческую мимику, потому что по-другому люди будут его отвергать. А специальный Promobot V.4 стоит в МФЦ, чтобы сделать клиентский опыт в очереди чуть приятнее.
По исследованиям Газпромбанка рынок антропоморфных роботов уже к 2035 году вырастет до 300 миллиардов долларов. И в этой реальности людям придётся жить со старыми страхами вроде восстания машин или потери контроля.
Проблема в том, что политики и инженеры пытаются решать эти вопросы с нуля, хотя Станислав Лем и Айзек Азимов ещё 60 лет назад всё предсказали.
Чем отличаются китайские дроны Tello от российских «Геоскан» и как они применяются в образовании школьников: практический опыт в Центре гуманитарных и цифровых профилей «Точка роста».
Приветствую, Хабр. В Китае, как известно празднуется Новый Год, и пару дней назад китайцы своим праздничным шоу неплохо так взбаламутили мировую общественность.. Я сам был в легком шоке от увиденного, особенно когда попалось видео сравнения прошлогоднего шоу и последнего. Пару дней переваривал информацию и хотел бы наконец отрефлексировать
Возможно, я слишком старомоден и плохо воспринимаю изменения происходящие в мире. Киберпанк - суровый мир будущего, где робот сосуществует с человеком, похож на человека и выполняет функции человека. Так же в этом мире обыденность такие вещи как искусственные конечности, органы и даже тела целиком.
Слоны очень точно управляют своим хоботом, а сам он — сложный и эффективный инструмент. С его помощью животные поднимают тяжелые ветки и другие крупные предметы, а уже секунду спустя — аккуратно снимают плоды с дерева или осторожно забирают еду из рук человека, не раздавив ее. Такие возможности связаны не только с мощными мышцами и большим количеством нервных окончаний в коже. Исследования показали: важную роль играют специальные волоски на поверхности хобота. Давайте разбираться, что они дают и как устроены (и как этот принцип работы уже используют инженеры).
Вместе с ростом интереса в обществе к теме эксплуатации беспилотных аппаратов (БА) вообще растет и интерес к подводным БА (ПБА) в частности, что толкает некоторых производителей надводных БА (летающих, ползающих и плавающих) к началу разработок в новой для них области ПБА. Известно, что связь с автономными ПБА обеспечивается преимущественно по гидроакустическому каналу, а с надводными БА — по радиоканалу. Обычно разработчики БА неплохо знакомы с радиосвязью в отличие от гидроакустической связи. Поэтому подача информации о гидроакустической связи в форме сравнения с радиосвязью является для них удобной формой получения новых знаний. Статья написана для разработчиков и эксплуатантов надводных БА автором, принимавшим участие в разработке как радио, так и гидроакустических модемов.
PID-регулятор — частая проблема для начинающих в робототехнике: математика отпугивает. Но саму идею понять можно без формул. В этой статье я объясню P, I и D простыми словами и с визуализацией
Три закона робототехники сегодня буксуют в реальности.
1) Первый — автопилот немецкого концерна заботится о водителе, а не о пешеходах; роботов вооружают и используют для боевых задач.
2) Второй — модели знают лучше пользователя, что ему нужно, и делают это, а не то, что он сказал.
3) Третий — много роботов — расходники, и задача важнее их целостности.
Давайте сегодня вспомним, как видели роботов в научной фантастике, и посмотрим, как это повлияло на современные машины.
Расскажу, как я собрал прототип газонокосилки, которой можно управлять с телефона. Она понадобилась для моего, совсем немаленького дачного участка (почти полгектара). Толкать косилку впереди себя или даже ходить сзади, держа агрегат за ручку, показалось мне жутко неудобным занятием. Поэтому я решил сделать что-то, наподобие радиоуправляемой машинки. А поскольку с пультами и джойстиками возиться тоже не хотелось, то написал Android-приложение и скетч для управления косилкой по WiFi с телефона.
Руководитель отдела пропаганды цифровых технологий и искусственного интеллекта в CLINITEX Groupe Сэмми Аздуфаль поделился необычным опытом. Он рассказал, что хотел дистанционно управлять своим новым пылесосом DJI Romo с помощью геймпада PS5. Однако на пути к своей цели Аздуфаль вскрыл уязвимость в работе многих роботов-пылесосов.
За последний месяц я системно собирал и анализировал материалы из ведущих источников по робототехнике: исследования, отчёты, технические блоги, интервью с фаундерами и инженерами компаний, которые реально выводят роботов в продакшн. Параллельно разбирал выступления и подкасты с основателями и экспертами, работающими на стыке hardware, AI и индустриальных внедрений.
В результате сформировался набор наблюдений, которые, на мой взгляд, хорошо отражают текущее состояние отрасли — без демо-хайпа и маркетингового шума. Ниже — ключевые выводы, которые повторялись из разговора в разговор и подтверждались практикой.
Дополнение к моей предыдущей мини-статье по роботу Xiaozhi. Я заказал детали и комплектующие, чтобы собрать такого робота самостоятельно. Сборка данного робота не доставляет существенных проблем.
Привет, Хабр! Меня зовут Юрий Леметюйнен. Сейчас в «Лаборатории Касперского» я занимаюсь тестированием железа в процессе разработки KasperskyOS для мобильных устройств.
Каждая железка — произведение искусства, к которому нужен особый подход. При тестировании нашей ОС для смартфона мы столкнулись с тем, что часть багов тачскрина невозможно стабильно воспроизвести и проверить ни в эмуляторе, ни ручным тестированием. В итоге для решения этой проблемы пришлось собрать своего дельта-робота с «робопальцем», который умеет тапать и свайпать по экрану смартфона.
В тексте погружусь во все основные этапы создания такого «пальца»: от исследования рынка сборки роботов до написания первых тестов. Подкреплю все примерами кода и рассказами об основных проблемах. Текст подойдет для всех, кому интересно сделать собственного робота или просто нравятся креативные способы упрощения автотестов :-)
Когда марсоход Perseverance объезжает камень, оператор на Земле уже не может вести аппарат в режиме «команда — реакция». Сигнал между Землёй и Марсом идёт ≈4,3–21 минуту в одну сторону. Полный цикл «команда — ответ» занимает ≈8,6–42 минуты. В реальном времени управлять невозможно, поэтому марсоход получает пакет команд и дальше сам анализирует рельеф, распознаёт препятствия и выбирает маршрут.
Похожая логика работает и на орбите. Выход человека в открытый космос — рискованная и дорогая операция, поэтому часть задач берут на себя роботы. Например, двурукий манипулятор Dextre обслуживает оборудование на внешней поверхности МКС там, где ошибка человека может стоить слишком дорого.
В этой статье разберём:
• что скрывается за термином «космический робот»;
• какие инженерные ограничения диктует внеземная среда;
• какие есть основные классы роботов и их задачи;
• 9 примеров из реальных и запланированных миссий.
В токийском районе Чуо с 2018 года работает Avatar Robot Cafe DAWN ver.β, где все официанты - это роботы телеприсутствия. За каждым из таких роботов стоит живой человек с тяжелой инвалидностью, зачастую находящийся в сотнях километров от кафе.
Своим аватаром "пилот" управляет через планшет, джойстик или даже систему отслеживания взгляда, в случае, если движения глаз - это единственное, что остается подвижным. На текущий момент более 70 операторов со всей Японии и из-за рубежа ежедневно выходят на смену через своих роботов-аватаров: приветствуют гостей у входа, принимают заказы, аккуратно подвозят кофе на подносе, переговариваются между собой и шутят с посетителями.
Ну что, продолжаю серию постов о роботах-пылесосах. Они уже давно перестали быть диковинкой: технологическая эволюция превратила хаотично катающихся по полу, застревающих под диваном и в проводах системы в полноценные мощные уборочные агрегаты. И я знаю, что говорю, поскольку первый робот-пылесос от iRobot приобрел в 2008 году. Тогда купил сразу два — сухой и моющий, Roomba и Scooba. С тех пор регулярно обновлял «парк».
Последним девайсом от iRobot стал Roomba 896. Он честно отработал несколько лет, хорошо справляясь со своими обязанностями. Но с каждым годом становилось очевиднее: технологии ушли далеко вперед, а iRobot, компания-производитель, отстает. Захотелось чего-то суперсовременного. Одно время посматривал на Roborock Saros Z70 с манипулятором, убирающим все, что плохо лежит. Но полторы тысячи евро было жалко. В итоге выбор пал на Dreame L40s Pro Ultra — одну из самых продвинутых моделей на сегодняшний день. Спустя пару месяцев эксплуатации расскажу о своем опыте.
В роботизации, как части автоматизации, присутствуют схожие проблемы при внедрении и масштабировании, как и другие решения по автоматизации производственных предприятий. При этом, чем больше номенклатура компонентов и производственных изделий - тем сложнее внедрение роботизированных решений. Логично пробовать решить эти проблемы с помощью использования ИИ, однако это также вызывает трудности. За последние 10 лет было представлено много впечатляющих демонстраций роботизированных решений в области автоматизации производств с большой номенклатурой. Часто эти демонстрации соответствуют уровню технологической готовности (TRL) 5 или 6. Такие демонстрации вызывают большой интерес к технологиям, и ожидается их стремительное внедрение.
Однако развитие в этой области идет очень медленно. Лишь немногие роботизированные решения действительно применяются в таких производствах.
Мы в Яндекс Роботикс давно умеем обучать роботов передвигаться в пространстве и взаимодействовать с объектами. Но как только задача выходит за пределы заранее запрограммированных действий, роботы пока что оказываются беспомощны. При этом мир устроен так, что нестандартных задач на порядок больше.
Меня зовут Евгений Михайленко, я руковожу бизнесом и продуктом Physical AI в команде Яндекс Роботикс. В этой статье я разберу, как современные архитектуры и концепт Guidance, который мы объединили с тестом Возняка, помогают преодолеть разрыв между роботами‑специалистами и будущими генералистами.
