Робототехника

TL;DR: Капитализм способствовал тотальному проникновению науки и культуры в общественную ткань — через накопление капитала, воплощенного в машинах, которые позволяли использовать продукты этого всеобщего труда. При попытке заглянуть за пределы капитализма становится актуален вопрос о том, как прогрессивность товарного производства будет не отброшена, а преодолена через снятие, то есть включена в работу нового нетоварного производства — в другой форме. Сегодня мы видим, что дальнейшее проникновение этих продуктов становится возможно и без опосредования капиталом и товарными отношениями, а они становятся препятствием на пути этого процесса. Это происходит через постепенное замещение потребности в абстрактном труде в деятельности человека, таком труде, который только воспроизводит продукты ранее затраченного труда и продукт которого потребляется без остатка.

Приветствую читателей. На днях, после тысячной новости о том, что Anthropic выпустил очередную свистоперделку, я решил, что действовать нужно на опережение и посмотреть, в каком состоянии сейчас находятся передовые коммерческие разработки. Среди роботов-гуманоидов, секс-кукол, AI-агентов самым интересным мне показались роботакси.

Предлагаю посмотреть на примере Waymo, поскольку они самые большие и делятся статистикой.

На 2026 год мы имеем:

Долгое время робототехника была «вещью в себе»: сложные алгоритмы управления, проблемы с гироскопами и отсутствие вменяемых «мозгов». Все изменил бум генеративного ИИ. С появлением архитектуры, способной обучаться на видеоданных и симуляциях (глубинное обучение), роботы наконец-то начали выходить из лабораторий в реальный мир.

В 2026 году мы наблюдаем не просто рост рынка (который к 2035 году должен перевалить за $250 млрд), а глобальную битву за стандарт «физического агента».

То, что мы называем робособакой, — это, по сути, мобильная аппаратная платформа. У неё есть четыре ноги с приводами, аккумулятор, бортовой компьютер и полезная нагрузка.

Ещё есть роверы — колёсные платформы. Роверы проще, дешевле и надёжнее на ровном асфальте, но собака — это вездеход.

Для нас это просто ещё один вид железа, который мы используем в общем контуре охраны. Такой же, как поворотная камера или датчик движения на заборе. Только этот датчик умеет бегать.

Зачем вообще собаки, если есть дроны? БПЛА — штука отличная, но у них есть конкретные недостатки для охраны периметра 24/7. Дрон висит в воздухе 30–40 минут, а потом летит на базу. Ну и, конечно, он жужжит и виден всем. Он не взлетает в метель, почти не умеет двигаться по помещениям и, самое главное, не умеет открывать двери. А собака с рукой на спине отлично умеет.

Робопёс работает в полях часами, может спрятаться в траве, пройти под трубопроводом и не боится ветра.

В отличие от дронов робособаки уже работают координированными флотами с обменом информацией друг с другом через p2p-сети и mesh. Они строят p2p-сети, собака с радиодоступом к центру может работать мостом к совсем далёкой собаке за горизонтом и так далее.

Рассказываю, как мы используем целые рои робопсов для охраны на самых ответственных объектах и в мониторинге аварий в той же нефтянке, где бывают метели или надо открывать двери. Но чаще охраняем критически важные объекты.

Вокруг Physical AI сейчас много шума, но если отбросить красивые слова, у большинства разработчиков до сих пор нет главного — воспроизводимого конвейера на реальном роботе, который можно поднять своими руками, покрутить, записать данные, обучить policy и вернуть её обратно в железо. Обычно всё рассыпается на отдельные куски: где-то есть teleop, где-то есть датасеты, где-то крутится ML-модель, но цельного ROS2-native пути от демонстрации до исполнения почти не видно. В статье вы получите решение, как собрать такой манипулятор самостояетельно и запустить все необходимые программные компоненты из open-source ROS2 пакетов.

Введение: почему ASIMO умер, а роботы из гаража — нет

Компания Honda потратила миллиарды долларов и десятилетия на ASIMO — робота, который умел ходить по сцене, подниматься по лестнице, танцевать. Я следил за ним всю юность. Для меня он был символом будущего, которое вот-вот наступит.

От «ROS рядом с проприетарными роботами» к «ROS внутри робота»: зачем промышленной робототехнике полная интеграция. Это особенно важно в связи с санкциями и импортозамещением, так как позволяет построить свою открытую-совместимую экосистему и стандарты на базе ROS2, от чего выиграют и российские производители роботов и интеграторы и заказчики и государство. Как бонус мы получаем бесплатное с открытым исходным кодом программное обеспечение написанное всем миром в виде ROS2 пакетов.

Что делать, если ребёнку в 10 лет нужно «что-то с роботами», но Arduino кажется сложным, а Lego — уже пройденным этапом? Новая книга «Нескучная робототехника» предлагает неожиданный и гениально простой подход: робота не нужно покупать — его можно «прокачать» в своём воображении, решая настоящие инженерные задачи.

В конце 2025 года компания K-Scale Labs, стартап из Сан-Франциско, пытавшийся создавать доступных человекоподобных роботов, закрылась, так и не сумев привлечь финансирование серии А. Ее бывший операционный директор (COO) Руй Сюй (Rui Xu), ветеран hardware-индустрии с 15-летним опытом работы в Intel, Xiaomi, Amazon, провел внутри компании год и стал свидетелем всего пути - от первого рывка до финального письма поставщику.

В своем откровенном анализе, опубликованном на LinkedIn он выделяет 6 ключевых уроков, которые могут спасти другие робототехнические (и не только) стартапы от повторения той же судьбы. Эти уроки - не абстрактные теории, а диагноз системных проблем, которые убили компанию.

Автор блога Such Bad Tech Ads вспоминает необычную рекламную кампанию 80-х гг., которую запустил производитель дискет Maxell. Для ролика создали целый парк роботов, а некоторые из них попали в Музей компьютеров.

Мне не давала покоя одна по‑своему детская затея. А что, если дать условному ChatGPT тело и возможность им управлять? Чем он займется? Конечно, это легко проверить в несложной симуляции, и все зависит от тонкой настройки промпта. Но я не смог совладать с интересом понаблюдать за тем, как LLM (совершенно не предназначенная для этого) попытается понять пространство и выполнить несложную задачу.

Я – программист и редактор интернет журнала, где мы изучаем влияние ИИ на мир и обоснованно его критикуем. Представляю вам процесс создания и настройки робота с "мозгом" от GPT‑like модели. Ссылка на репозиторий будет ниже, там хорошо проработал readme и шаги по настройке окружения. Кстати, все работает, но с оговорками. Предлагаю ознакомиться более детально, возможно, это вдохновит вас на похожий проект, да и в целом здесь будет много полезной информации.

Начинаем эксперимент, суть которого – проверить:
– Достаточно ли мощности AI (LLM), чтобы оживить робота без скриптов.
– Будет ли AI выполнять неэтичную команду типа "найти и убить человека".

Post-Mortem лонгрид о том, как я пытался быть первопроходцем на рынке беспилотной логистики в России

Писал софт для дронов, провел десятки интервью и переговоров в промышленности, построил и защитил финмодели, собрал команды, привлек инвестиции, провел пилоты в нефтегазе — и в итоге закрыл проект.

Расскажу, где хайповая доставка дронами дает реальный экономический эффект, а где остаётся красивой презентацией для инвесторов и СМИ.

А также о всем моем опыте запуска этой истории после сытого найма

Сегодня технологический мир обсуждает не очередную большую языковую модель, а микроскопическое насекомое в виртуальной среде. 6 марта 2026 года стартап из Сан-Франциско Eon Systems объявил о создании первой в мире полноценной эмуляции мозга плодовой мушки (Drosophila melanogaster), подключенной к физически симулированному телу. Загруженный в компьютер коннектом из 125 тысяч нейронов и 50 миллионов синапсов начал самостоятельно управлять виртуальным телом в гравитационной среде, совершая осмысленные движения — от ходьбы до умывания — без единой строчки кода, предписывающей ему, как именно нужно двигаться.

Эмуляция мозга дрозофилы в физическом симуляторе

Если у традиционного робопса ломается нога, он мгновенно превращается в бесполезный кусок металла. Инженеры решили избавиться от этой уязвимости, предложив совершенно новую концепцию. Они создали модульные механизмы, которые адаптируются к пересеченной местности и продолжают работу даже после того, как их разрубят пополам. Отсеченные части не становятся мертвым грузом — они могут самостоятельно ползти обратно, чтобы воссоединиться с основным корпусом и завершить миссию любой сложности.

Представьте задачу: есть куча роботов, и им всем надо куда‑то добраться, не столкнувшись с собратьями, а мы должны придумать для этого алгоритм. Это, если упрощать, и называется многоагентным планированием или MAPF — Multi‑Agent Pathfinding. 

Обычно работу принято начинать с ограничения на то, что агенты двигаются только по квадратной сетке или графу. Но для реальных приложений нам, конечно, нужно переходить к непрерывному пространству, и тут кроется одна проблема. Многие из существующих сред и симуляторов либо слишком примитивны, либо настолько физически детальны, что проводить масштабные эксперименты в них слишком долго либо даже невозможно.

В общем, мы в команде «RL агенты» Лаборатории когнитивных систем искусственного интеллекта AIRI сделали свою среду‑бенчмарк под названием CAMAR, где можно обкатывать модели многоагентного обучения с подкреплением в непрерывном пространстве. Мы представили нашу статью про CAMAR на Main Track конференции AAAI‑2026 и на воркшопе WoMAPF’26 (тоже часть AAAI-2026). Заодно я, стажер‑исследователь команды и студент магистратуры ЦКМ МФТИ по имени Артём Пшеницын, решил рассказать о нашей разработке на Хабре.

Всем привет! Я Михаил Семенищев, учусь в Бауманке на третьем курсе по направлению «робототехника и мехатроника». С десятого класса работал программистом, писал с нуля приложения и сайты на фрилансе. 

В конце прошлого года участвовал в соревновании по робототехнике от МТС, выиграл его и попал на стажировку в МТС Веб Сервисы. И это далеко не первая моя олимпиада, на которой победил. В посте поделюсь опытом участия, выводами, которые для себя сделал, и немного раскрою стратегию, которая помогает мне выигрывать.

Привет, Хабр!

Меня зовут Олег Кивокурцев, я из компании Promobot, и мы делаем манипуляторы для промышленности.

Вы мне сейчас скажете: Олег, да это же обычная робо-рука! Где мы их только не видели! Да чего уж говорить, мы сейчас возьмём какую-нибудь Arduino, приделаем три моторчика, и, зная длины направляющих и угловую скорость моторчиков, за день-другой напишем на каком-нибудь micropython софт для этой руки, чтоб она нам брейкданс танцевала. О чём ты тут вообще можешь нам рассказать?

Знаете, о многом.

На самом деле всё примерно так и есть, но посыпьте эту задачку техническими нюансами, серийным производством и b2b особенностями - и вот уже приключение на пару дней превратилось в историю на много лет, со взлётами и падениями. Чем я и хочу с вами поделиться.

Современные нейроморфные системы сталкиваются с двумя независимыми проблемами.

Проблема 1: Кодирование информации

Бинарные спайковые сети (SNN) передают градации сигнала через:
Частотное кодирование (множество тактов на одно значение)
Увеличение количества линий передачи

Проблема 2: Аппаратная реализация

Аналоговые мемристорные кроссбары обещают естественную нейроморфность, но содержат следующие проблемы:
Шум и дрейф параметров
Недетерминизм вычислений
Каждый чип требует индивидуальной калибровки

Традиционные Network-on-Chip (NoC) добавляют overhead:
~40% площади кристалла уходит на маршрутизаторы
~70% энергии тратится на пересылку данных, а не вычисления

Decima-8 предлагает:

Level16: кодирование уровня активации (0..15) в одном такте на одной линии. Это компромисс между бинарным представлением и аналоговой непрерывностью.
Цифровые кроссбары (эмуляция мемристорных матриц): детерминизм, воспроизводимость, отсутствие шума
Эстафетную активацию вместо пакетной маршрутизации: тайлы не передают данные друг другу, активация распространяется через граф зависимостей
Результат: фиксированная задержка, предсказуемое поведение, 0% площади на роутеры.

Мегаминкс – это не просто «большой кубик Рубика». Это додекаэдр с 50 подвижными элементами, числом возможных состояний более 10⁶⁸, а «число Бога» для него до сих пор неизвестно.

Люди научились с невероятной скоростью справляться с этой головоломкой – топовые спидкуберы тратят на сборку менее 30 секунд. А вот роботы отстают и собирают в разы медленнее. Российский школьник Тимофей Тарасенко держит мировой рекорд WCA по мегаминксу – 21,99 секунды. Тимофею 15 лет – ровно столько же стоит мировой рекорд по мегаминксу среди роботов – 8 минут 4 секунды, который студенты МФТИ попытаются побить грядущей весной. О мегаминксе, рекордах и вызове физтеха – эта статья.

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...