Когда я понял, что ИИ уже принимает решения, которые влияют на мою жизнь, запереживал. Решил понять, почему 3 законы Азимова не спасут нас и как технологии могут выйти из-под контроля.
Бонус — примеры кода для (теоритического) внедрения этических правил в ИИ.
ГК «Вартон» Дениса Фролова, совладельца «Группы Астра» и «Байкал Электроникс», завершила сделку по приобретению 51% производителя промышленных роботов Technored за 675 млн рублей. Общий объем инвестиций в стратегическое партнерство до 2030 года, включая финансирование, гарантии и поручительства, оценивается в 6,5 млрд рублей. Разбираем в нашем материале патентный портфель Technored.
Спойлер: всё, вроде бы, нормально. Но есть вопросы.
Тема разума в космосе (вселенной) малоизученная и перспективная. Знания для размышлений по ней дают философия, психология, физика, биология, космология и компьютерные науки. В настоящей работе тема подсвечена с авторской “колокольни”. Исследуется сущность возможных видов разумных существ и их расселение в космосе. Статья может показаться в чём-то предвзятой или фантастичной. Приветствую конструктивную критику.
Одним из ключевых элементов автономной станции обслуживания дронов является механизм точного позиционирования и фиксации беспилотника после посадки. Даже при значительном отклонении от центра платформы система должна надежно закрепить аппарат и выровнять его относительно окна подъёмника для последующей замены груза или аккумулятора.
Всем привет! Продолжаем наш путь в захватывающий мир беспилотных технологий. В первой части статьи мы познакомились с симулятором Carla, создали собственный беспилотный автомобиль и научили его ехать прямо.
Во второй части мы займемся улучшением плавности хода при помощи PID-контроллера, освоим алгоритм Stanley для точного управления рулём и научим машину реагировать на внезапные препятствия. Готовы погрузиться глубже и сделать ваш виртуальный беспилотный автомобиль ещё умнее и безопаснее? Тогда пристёгивайтесь и поехали!
На YCombinator вышло его свежее интервью, и звучит оно как предупреждение. AGI, роботы, Марс и человеческая ненужность — не сюжет Чёрного зеркала, а рабочий план на ближайшие годы. Мы разобрали, что именно он имел в виду — и почему в этом есть здравое зерно.
В январе 2025 года я решил попробовать создать человекоподобного робота. Пока готова только одна рука без датчиков (рецепторов).
Создание быстросборного маломерного беспилотного судна с возможностью быстрой интеграции различных полезных нагрузок для решения задач на воде и под водой в автономном режиме.
Друзья, всем привет! С каждым днем на дорогах становится все больше беспилотных автомобилей. Waymo уже обошел Lyft по количеству поездок в Сан-Франциско и подбирается к Uber. В Нью-Йорке, Шанхае и Москве можно увидеть сотни машин с датчиками на крыше. Как они работают? Что за магия приводит их в движение?
Давайте погрузимся в мир Self-driving, рассмотрим основные компоненты и модули беспилотного автомобиля. А чтобы путешествие было более интересным — напишем свой беспилотник на Python в симуляторе Carla (UE4). В начале он будет просто стоять на месте, а в конце сможет ехать по маршруту и останавливаться перед препятствиями. Пристегивайтесь, мы отправляемся в путь!
Роботы уже не фантастика — они на фабриках, в больницах, на улицах и даже дома. Кто-то программирует их, кто-то работает с ними плечом к плечу, а кто-то еще только учится доверять. Понять, откуда они пришли и куда движутся, — значит лучше понять время, в котором мы сейчас живем. И в этом нам помогут три лекции YADRO Lectorium от экспертов Сколтеха, «Иннополиса» и Музея криптографии. Вы узнаете, почему возникла идея о разумных машинах, что происходит на глобальном рынке робототехники сегодня и как дизайн влияет на эффективность роботов и восприятие человеком.
Привет, Хабр! Меня зовут Лёша Лещанкин, я руковожу проектом Humanoids в Яндексе. В начале 2025 года мы запустили это направление при поддержке фонда технологических инициатив компании — Yet Another Tech Fund, созданного специально для реализации новаторских идей сотрудников. Наша цель — создать гуманоидных роботов, которые смогут уверенно и безопасно работать рядом с людьми в самых разных условиях: от логистики и промышленности до сферы обслуживания.
В рамках нашего проекта мы тестируем разные RL‑модели. И сегодня расскажу об одном из методов, который позволил нам перейти от «робот дёргается и падает» к «робот ходит плавно 500 шагов подряд» — Lipschitz‑Constrained reinforcement learning.
Где-то весной 2025 года мне попалась на Хабре статья уважаемого Марата Айрапетяна @space_marat «Через тернии к Красной планете: почему космонавты круче роверов и когда наконец можно будет сажать картошку на Марсе». Марат прослеживает и хорошо иллюстрирует историю развития колёсных марсоходов, из которых в настоящее время остаются на ходу два: «Кьюриосити» (прибыл на Марс в район кратера Гейла в августе 2012 года) и «Персеверанс» (начал работу на Марсе в феврале 2021 года в районе кратера Езеро). Кроме того, в течение 2021-2022 годов на марсианской равнине Утопия действовал китайский марсоход «Чжужун». Ранее на Хабре также выходил перевод статьи «Как управлять марсоходом» от уважаемого @Seleditor Эта статья вышла в период, когда «Персеверанс» ещё был на пути к Марсу и, можно сказать, анонсирует возможности этого новейшего марсохода. Вообще, тема марсоходов и марсианского вертолёта «Индженьюити» на Хабре пользуется популярностью, но в основном как источник космических новостей и запоминающихся картинок. При этом почему-то почти не рассмотрен вопрос о том, как эти машины готовят к полёту – ведь марсоход нужно тестировать, а проводить такие испытания и корректировки можно только на Земле. Об этом давайте поговорим под катом.
Миниатюрные роботы, размером с насекомых, способны проникать в места, недоступные для более крупных машин — например, глубоко внутрь обрушившихся зданий, чтобы искать выживших после землетрясений. Однако, двигаясь среди обломков, такие маленькие ползающие роботы могут сталкиваться с высокими препятствиями, которые они не могут перелезть, или скользкими поверхностями, по которым они будут соскальзывать. Воздушные роботы могли бы избежать этих опасностей, но для полёта требуется слишком много энергии, что серьёзно ограничивает расстояние, на которое они могут уйти от базы, прежде чем им потребуется вернуться и подзарядиться.
Чтобы объединить преимущества обоих способов передвижения, исследователи из Массачусетского технологического института (MIT) разработали подпрыгивающего робота, который может перепрыгивать через высокие препятствия и перескакивать через наклонные или неровные поверхности, используя при этом значительно меньше энергии, чем летающий робот. Работа опубликована в журнале Science Advances.
Этой проблеме я уже посвятил две статьи. Ну, как проблеме — проблеме для меня. Никак не удавалось охватить её целиком, когнитивно и ментально промоделировать. Появление Copilot кардинально всё изменило — ментальные границы раздвинулись, и здесь я выкладываю окончательное решение для семейств микроконтроллеров Synergy и RA8 от Renesas.
В предыдущей статье я начал разработку open-source веб-приложения для стриминга видео с веб-камеры и управления роботом. Написал фронтенд, который принимает видеопоток от mjpg_streamer, а также отправляет команды через WebSocket на бэкенд, написанный на FastAPI.
Во второй части я расскажу, как отправлять команды роботу с WebSocket-бэкенда. Мой робот работает на плате Orange Pi Zero, передавая и принимая информацию через Wi-Fi. Я покажу, как настроить сервер Nginx на роботе в качестве обратного прокси, а также напишу Python-код для приёма команд с веб-приложения.
Статья будет полезна любителям робототехники и веб-программистам, интересующимся фреймворком FastAPI. Я продемонстрирую работу с несколькими WebSocket-соединениями в одном веб-приложении, а также покажу настройку Orange Pi Zero для работы.
Гуманоидные роботы на ИИ. То что раньше казалось наивной фантастикой, оказалось уже наступившим будущем. Но почему-то в русскоязычном интернете об этом почти не говорят.
Вместе со студентами направления "Мехатроника и робототехника" сделал математическую модель системы векторного управления синхронным двигателем с постоянными магнитами СДПМ. Симуляция осуществляется в среде Ansys Twin Builder. Выбор в пользу данного программного продукта был сделан в связи с возможностью использования в качестве модели двигателя не только модели с сосредоточенными параметрами (как в этом проекте), но и моделей с распределенными параметрами, расчет которых ведется методом конечных элементов. В любом случае, среда симуляции - это всего лишь инструмент и результат получился бы идентичным и в Simulink и на Python и в других средах - математика везде одинаковая.
Nike потратила 8 месяцев, чтобы научить робота прикреплять логотип кроссовок — и всё пошло прахом, когда сменился дизайн. Гуманоидные роботы решают такие задачи без перекодирования: уже работают на заводах BMW. Это не фантастика, а новая волна роботизации. Почему именно сейчас — их время.
Почему нам на самом деле не угрожает искусственный интеллект? Или он всё же опасен? Автор считает развитие ИИ безобидным следствием прогресса, удобным инструментом, не более. Об этом и поговорим
Настройка ROS на Raspberry Pi 5 вручную может быть сложной и отнимать много времени. В нашем проекте мы столкнулись с этой задачей и нашли эффективное решение — Docker. В этой статье подробно расскажем, как установить и настроить ROS2 Jazzy на RPi 5 с использованием Docker-контейнеров, чтобы получить чистую, воспроизводимую и управляемую среду.
