Робототехника

Пока Россия тратит сопоставимые деньги на блокировки сайтов, Китай на те же суммы строит роботов, которые будут жить в наших домах. Такое вот случайное совпадение цифр, из которых исходят неслучайные выводы.

Boston Dynamics 15 лет учил роботов делать сальто. Никому не известный китайский стартап обещает за полгода сделать робота, который застелет кровать и приготовит ужин.

Видео с роботом, который готовит еду и стирает бельё, разлетелось по Сети. Я начал искать информацию о разработчике — и обнаружил, что за скромным стартапом стоит целая государственная стратегия Китая.

Google показала Project Genie в новой фазе: теперь генеративный 3D-мир можно привязывать к реальным координатам Google Street View. Это уже не просто видео и не просто красивая демка, а полноценная world model, в которой робот может тренироваться в виртуальном Лондоне, Нью-Йорке или Токио, не выходя из дата-центра.

В статье разбираю, чем world models отличаются от video generation, как устроен Genie 3 под капотом, что уже используют Waymo и Google, и почему эта технология важна не только для робототехники, но и для gamedev. Отдельно смотрим, как связка Genie + Unity MCP + Blender MCP может превратить генерацию миров в рабочий production-пайплайн.

Вы когда-нибудь задумывались, что будет с вашей профессией, когда ИИ научится делать половину вашей работы? Дело не в увольнениях — меняется сама структура занятости. 

Согласно свежему исследованию McKinsey, в десяти крупнейших странах Европы уже сегодня можно автоматизировать 58% рабочих часов. Технологии созрели. Вопрос только в том, как быстро компании начнут их внедрять.

Аналитики выделили три новых архетипа профессий. В первом (31% занятости) человек остается в центре — это врачи, менеджеры, педагоги. Во втором (27%) люди работают бок о бок с агентами и роботами — продавцы, сантехники, медсестры. В третьем (42%) структура и алгоритмы берут верх — бухгалтеры, операторы, инспекторы. 

Изменения не сводятся к тому, что вместо человека за цифры отвечает нейросеть. Это переформатирование профессий: одни навыки уходят в автоматику, другие становятся еще более ценными. Меняется сам способ работы. Европе, чтобы оставаться конкурентоспособной, предстоит переобучить миллионы людей.

Попробуем разобраться, какие навыки окажутся в выигрыше, какие уйдут в тень и что это значит для каждого из нас.

Конференции в науке об ИИ очень любят и ждут. Подача работы на какое‑либо мероприятие из верхушки рейтинга CORE обычно престижнее, чем подача её же в журнал первого квартиля. В «большую тройку» главных конференций года принято включать NeurIPS, ICML и ICLR. Последняя обычно проходит раньше двух других — в этом году она прошла в конце апреля в Рио‑де‑Жанейро.

Мы посетили ICLR 2026 вместе с коллегами из AIRI и рассказываем, чем запомнилась нашим исследователям эта командировка.

Где-то в глубинах робототехнической лаборатории EPFL человек толкает деревянный блок с конвейера на верстак, ставит его на стол, отходит и бросает в корзину. После этой единственной демонстрации три совершенно разных промышленных робота (каждый со своей геометрией суставов и своими физическими ограничениями) повторяют те же действия. При этом никто не переписал ни строчки кода.

Но в реальном цехе такое пока не работает: при замене робота или модели программу пересобирают с нуля. При этом оплачивается работа интеграторов, время простоя. Минута незапланированной остановки на наладке, по отраслевым оценкам, обходится производству от тысячи до 10 тысяч долларов, а сам процесс может растянуться на 2–4 недели сверх плана.

Швейцарские инженеры из EPFL утверждают, что задачу можно закрыть, и, главное, намеренно делают это без AI, выступая против главного технологического мейнстрима 2026 года. 

Разберемся, как это работает, во сколько обходится и почему в этой сфере математика обыграла нейросети.

Привет, я Иван из НИИ Крокодил. Это небольшая команда внутри ИЖ-РЭСТ, завода штампов и пресс-форм. Если коротко, мы пришли на завод из IT и теперь пытаемся понять, где можем быть полезны.

Но началось всё, конечно, не с робота.

Первую работу я получил лет в пятнадцать: продавал двери. Потом успел поработать в строительной теме, делал сайты, ушел в IT, занимался разработкой, продуктами, клиентами, процессами. В какой-то момент за плечами оказалось 11 лет в IT, куча проектов, привычка всё раскладывать на процессы и странное ощущение, что хочется делать что-то более физическое.

Так я оказался на заводе. Мы не пришли учить завод жить. Скорее наоборот: сначала сами учимся понимать, как здесь всё устроено, а потом пробуем аккуратно добавлять то, что хорошо работает в IT.

На этом фоне у нас и появилась задача со сварочным роботом.

Точнее, робот уже был. Большая промышленная рука стояла в цехе и ждала, когда кто-нибудь превратит её из дорогого оборудования в рабочий инструмент. Задача звучала просто: научить робота наплавлять металл на несерийные детали.

Давайте к делу.

Погрузившись в тему робототехники, мы все больше нового узнаем о человеке. Видимо, Бог проектировал нас тем же путем

Продолжаем экспериментировать с llm‑ками (ну или приближать восстание машин, тут как повезет). Продвигаем нейропанк, короче.

На этот раз будем пробовать обучить компактную открытую языковую модель на 270 млн параметров от Google управлять гусеничным роботом с робо‑рукой, пока чисто в симуляции.

Теперь, когда в вашей клиентской библиотеке появились сообщения, можно перейти к созданию ROS2 ноды и связанных с ней элементов (издателей, сервисов и т.п.). На самом деле процесс добавления этих элементов мало отличается от создания обёртки для таймера, описанный в первой части, поскольку всё сводится к надстройке над функциями библиотеки rcl. Поэтому я не буду рассматривать их подробно, а остановлюсь только на отдельных особенностях.

Привет, Хабр! Сегодня поговорим о том, как роботы работают с предметами в реальной жизни. Современные роботы умеют выполнять множество простых операций, но терпят катастрофический провал в задачах, требующих понимания трехмерных пространственных отношений и физической осуществимости действий. Попробуем разобраться, как с помощью vision-language models (VLM) роботы учатся работать с предметами в пространстве.

В сферу помощи людям с ограниченными возможностями венчурный капитал и топ-исследователи никогда не спешили. Слишком маленький рынок, сложный пользователь, долгая окупаемость. Но теперь ИИ-индустрия заходит на эту территорию всерьез — полноценным научным проектом на главной конференции года по искусственному интеллекту.

Команда Бингемтонского университета создала робота-поводыря с LLM внутри. В отличие от обычной собаки, он разговаривает с человеком по ходу маршрута: спрашивает, куда нужно, предлагает варианты пути, объясняет, что происходит вокруг. Работу представили в январе 2026 года на конференции AAAI в Сингапуре.

Само по себе появление такого робота — еще не сенсация: каждый месяц на конференциях по ИИ показывают десятки прототипов. Интересно вообще другое. Похожие проекты запускают по всему миру независимо друг от друга. Все используют практически одинаковое железо, похожие языковые модели и решают почти одну и ту же задачу.

Узнаем, как сфера социальных проектов для людей с ОВЗ становится новой индустрией и свежим плацдармом для инженерных вызовов.

Большинство задач современной робототехники так или иначе завязаны на нейронных сетях: детекция объектов, оценка глубины, локализация, планирование. Всё это ресурсоёмко, и вопрос выбора компактного вычислителя (достаточно часто алгоритмы должны работать локально) встает довольно остро. На практике выбор сводится к трём классам устройств: NVIDIA Jetson, внешний ускоритель (один из самых популярных — Hailo) и китайский (не всегда, конечно, но в современных реалиях обычно китайский) SoC с интегрированным NPU. В этой статье я рассмотрю представителя третьего класса — Axera AX650N, а NVIDIA Jetson будет использоваться для сравнения, так как это единственное массовое edge-решение с универсальными вычислительными ядрами (CUDA).

Это первая часть цикла. Здесь я разберу аппаратную архитектуру самого AX650N — CPU, NPU, DSP, ISP, память — и поделюсь результатами первых тестов: YOLO, Depth Anything, SuperPoint и мультимодальный Qwen3. Подробные бенчмарки и сравнения — во второй части.

Я тестировал AX650N в рамках готового устройства от Sipeed — Maix4 Hat. Он состоит из двух частей: SoM, на котором расположены SoC и 8 GB RAM (2x4 GB, так как у AX650N два отдельных DDR-контроллера), и baseboard от Sipeed с минимальным количеством интерфейсов. Скромность интерфейсов объясняется просто: baseboard — это HAT для Raspberry Pi 5, подключающийся по PCIe 2.0. В такой конфигурации AX650N работает как внешний ML-ускоритель, аналогично Hailo. В рамках этой и последующих статей я буду использовать Maix4 Hat как самостоятельный микрокомпьютер.

Интернет‑продажи начинают перестраиваться вокруг новой фигуры — ИИ‑агента в роли покупателя. Это уже не чат‑бот поддержки или помощник, который пишет письма. Речь о цифровом посреднике, который получает задачу от человека, ищет товары, сравнивает варианты, проверяет условия, общается с сервисами и берет на себя покупку. Разбираемся, какие функции заберут на себя агенты в индустрии покупок, как к этому подготовились ИИ‑компании и платежные системы, останутся ли нужны красивые сайты с каталогами и к чему готовиться бизнесу, чтобы внезапно не остаться без продаж.

Несколько месяцев назад я делился первыми впечатлениями от покупки робота. Тогда он только начал осваивать квартиру, строил карту и показывал, на что способен в ежедневной рутине. Все выглядело довольно гладко, особенно после старых моделей от iRobot, где уборка превращалась в постоянную борьбу с проводами и забытой в углах пылью.

Сейчас, когда устройство отработало уже солидный срок, я могу посмотреть на него более трезво. Повседневная эксплуатация добавила деталей, которые не видны сразу после распаковки. Аппарат продолжает выполнять свою работу, все неплохо. Но время выявило моменты в эксплуатации, с которыми приходится считаться. Ими сейчас с вами и поделюсь. Поехали! 

Инженерно-изобретательская мысль работала над промышленными роботами не только в Америке. В Японии и Европе появились собственные варианты промышленных роботов, и поначалу это был обратный инжиниринг. В 1969 году Kawasaki Heavy Industries выпустила своего первого робота Kawasaki-Unimate 2000, собранного по лицензии Unimation Inc. И в том же 1969 году Hitachi презентовала своего промышленного робота, собиравшего с помощью машинного зрения нужные конструкции по чертежу, что было реверс-инжинирингом скорее игрушечного робота «Гаргантюа» студента Гриффита Тейлора, а не Unimate, но уже на новом уровне программирования - компьютерном. К слову сказать, Япония стала первой страной, где в 1971 году появилась Национальная ассоциация робототехники, а сама Япония быстро вошла в число государств-лидеров в области промышленной робототехники.

^{Electrical Projects [CreativeLab]}

В прошлой статье мы ознакомились с одним из самых интересных, по моему мнению, роботов последних лет, на которого выложены исходники — двухколёсным и двуногим одновременно роботом. 

Как мы там увидели, нет ничего невозможного, и, в принципе, подобный робот вполне может быть построен самостоятельно. 

Однако, есть и гораздо более простые варианты, тем не менее, отличающиеся достаточной привлекательностью, где одним из таких является двухколёсный балансирующий робот…

Продолжение статьи о модульных кобот-ячейках для гибкого производства

В предыдущей статье мы разобрали, как коботы и модульные рабочие ячейки решают проблему high-mix, low-volume производства. В частности говорилось о стандарте O-PAS. Попробуем раскрыть подробнее эту критическую часть: как управлять HMLV с программной стороны?

Сегодня много говорят об автоматизации в том ключе, что высокоскоростная робототехника хороша для массового производства одного типа продукта, и совершенно непригодна для гибкой переналадки. Между тем, модель производства, характеризующаяся широкой номенклатурой изделий при малых объемах выпуска (HMLV, high-mix low-volume) представляет значительный рынок.

Попробуем разобраться, как модульные рабочие ячейки с коботами (collaborative robots) решают эту задачу, какие технологии здесь задействованы, и какие реальные результаты уже достигнуты.

ИСТОЧНИК ФОТО: концерн «Калашников».

Есть ли у путинской России шанс остаться космической державой? Ничего не летает, кроме советского задела, зато здание национального космического центра в Филях в соответствии с карго-культом построено в виде громадного советского ракетоносителя.
Да-да, карго-культ. Как у тех папуасов на островах в Тихом океане, которые делали наушники из половинок кокоса и прикладывали их к ушам, строили из дерева и соломы в натуральную величину самолёты, контрольно-диспетчерские вышки и взлётно-посадочные полосы для привлечения богов - американских самолётов с полезными вещами, вкусной едой и одеждой. Но белые люди ушли и полезные и вкусные грузы перестали падать с неба...

^{github.com/fuwei007/Navbot-EN01}

За прошедшие годы мы привыкли ко многим типам шагающих роботов, однако есть один любопытный тип, который до сих пор вызывает эмоции и, в первую очередь потому, что сама концепция такой платформы позволяет любому желающему изготовить даже достаточно габаритного робота, служащего для переноски больших тяжестей, по пересечённой местности, причём, что особенно интересно, — роботы подобного типа могут быть созданы на базе относительно слабых* микроконтроллеров наподобие esp32 — и речь сейчас пойдёт о двуногих роботах на колёсах…