Нероботы

Роботы на ниточках

MIT Technology Review сегодня выпустил большой разбор о том, насколько человекоподобные роботы близки к обещанному. Если коротко: далеки.

Илон Маск называет робота Optimus крупнейшим продуктом в истории, оценивает его в $20 тысяч и ждёт продаж к концу 2027 года. Дженсен Хуанг сулил роботам человеческий уровень уже в этом году. Банк Morgan Stanley насчитал, что к 2050 году будет почти 1 млрд гуманоидных роботов и рынок больше $5 трлн.

Инженеры считают иначе. Ян Лекун, один из «крёстных отцов» ИИ, сказал в Давосе, что ни одна из компаний, строящих гуманоидных роботов, не знает, как сделать их достаточно умными. Джонатан Хёрст из Agility Robotics добавил: сделать машину похожей на человека легко, заставить её двигаться как человек — совсем другая задача.

Откуда же тогда ролики, где роботы танцуют и разносят напитки? Часто за кадром сидит человек с пультом. Робота, который в марте 2025 года послушно ходил по сцене за Дженсеном, вёл, по признанию создателей, «кукловод за кулисами». Домашний 1X Neo за $20 тысяч уже можно предзаказать, но почти всё он делает руками удалённого оператора. Который, да, смотрит на вашу гостиную через камеры робота.

По сети ходят видео с Optimus'ом, делающим движения, как бы «снимающие» с «головы» VR-шлем.

Ниточки нужны, впрочем, не только для шоу. На них роботов и учат: оператор ведёт манипулятор через задачу, модель запоминает. У языковых моделей был весь интернет, у роботов есть только то, что успели надёргать кукловоды. За пределами выученного машина теряется.

Лучший результат года выглядит так. Стартап Physical Intelligence в апреле показал модель π0.7, и та почти положила батат в аэрогриль, хотя её этому не учили. Потом, впрочем, в данных нашли два примера, где оператор задвигал корзину аэрогриля. Этого хватило на «почти».

«Почти» в этой отрасли звучит как диагноз. Основатель Boston DynamicsМарк Райберт напоминает: все радуются росту успешности с 50% до 70%, но 70% означает «не работает». У Google DeepMind робот не смог собрать в корзину продукты для ризотто. Илон обещал тысячи Optimus на заводах Tesla к концу 2025 года, а в январе признал, что простые задачи выполняет лишь часть из них. Хёрст даёт домашним роботам 10 лет.

Деньги тем временем идут в «модели мира», то есть в ИИ, который учится физике по видео и сенсорам. AMD в конце сентября купила World Labs за $8,2 млрд, хотя её основательница Фэй-Фэй Ли сама называет направление зарождающимся.

А пока Запад спорит, Китай отгружает. Почти 90% из 15 тысяч гуманоидных роботов, проданных в 2025 году — китайские, а модель Unitree стоит меньше $6 тысяч. Покупают их, правда, в основном лаборатории и госкомпании.

В 1495 году Леонардо да Винчи нарисовал механического рыцаря, которым управляли тросы и блоки. За 531 год ниточки стали беспроводными. Тоже прогресс...

@anti_robots

Железный рост

В 2025 году парк промышленных роботов в России достиг 21,9 тысячи единиц (+11%), а к 2030 г. их число может вырасти более чем в четыре раза – до 104 тысяч (оптимисты). Первая полностью автоматизированная «темная фабрика», то есть предприятие без участия человека может появиться в стране ориентировочно в 2032-2035 годах. Такими данными делится в своем исследовании рынка консалтинговая компания Strategy Partners. А вот их инфографика ⤴

Собрали и другие интересные цифры:
▪ за год установили около 1,8 тысячи промышленных роботов, из них 400-700 – российского производства
▪ еще 1,04 тысячи – это складские роботы
▪ парк складских роботов к 2030 году может достичь 12-29 тысяч единиц (+15-36%)
▪ плотность промышленной роботизации в России за 2020-2024 годы выросла в 4,8 раза, тогда как в среднем по миру – только в 1,4 раза.

При этом Россия все еще заметно отстает от мировых лидеров по плотности роботизации. Чтобы войти в топ-25 стран к 2030 году, показатель должен вырасти до 134-185 роботов на 10 тысяч работников. Сейчас рынок подталкивают дефицит кадров, импортозамещение и господдержка, считают аналитики Strategy Partners. Но тормоза тоже серьезные: высокая ставка, нехватка интеграторов и пока неготовая инфраструктура для массового внедрения. Минусов не видим: восстание машин откладывается!

@anti_robots

Руки дошли до дела

Исследователи из ETH Zurich научили роботизированную кисть WUJI ходить на собственных пальцах. Пятерня умеет ползать, поворачиваться, вставать после падения, играть в Танки нажимать клавиши и толкать предметы – без ног, голов и других обвесов.

У кисти 20 приводных суставов – по четыре на каждый палец. Чтобы она могла передвигаться самостоятельно, инженеры установили специальный небольшой датчик, который определяет движение и положение кисти в пространстве. Вся рука весит 818 г.

Ходьбу и повороты WUJI освоила с помощью обучения с подкреплением в симуляторе NVIDIA Isaac Lab. Для этого исследователи настроили виртуальную модель – учли трение, жесткость и возможные задержки. После переноса на реальную систему кисть смогла передвигаться по 14 типам поверхностей, включая дерево, резину и гравий.

На случай, если рука запутается в своих пальцах, для нее обучили отдельную модель восстановления. В физических тестах WUJI смогла самостоятельно подняться после падения в 84% случаев. Кажется, все мы видели подобную сцену в фильмах ужаса.

Возвращаясь к нашим танкам: кисть вполне успешно посадили нажимать кнопки на клавиатуре. Поддерживая себя на пальцах, она без камеры нажимала стрелки и правильно выполнила 29 из 32 последовательных команд. На реакцию в среднем уходило 0,25 секунды. Кисть также смогла пройти небольшие головоломки Sokoban на 9 и 12 ходов. Правда, во всех трех ошибках рука вместо стрелки вверх случайно нажимала правый Shift. Ну, а кто из нас так не делал.

@anti_robots

Маршрут наговорен

Mistral AI представила Robostral Navigate — модель для навигации, которая помогает роботу находить путь по команде на естественном языке. Ей достаточно одной RGB-камеры: робот получает инструкцию вроде «доедь до двери и поверни направо», смотрит на окружающее пространство и решает, куда двигаться дальше. Лидары и камеры глубины для этого не нужны.

Robostral анализирует "инструкцию" и историю кадров и примерно раз в две секунды выбирает следующую точку движения. Если цель видна, то система указывает ее на изображении, а если нет — задает направление поворота или смещения. При этом Robostral не управляет моторами напрямую. Ее маршрутную точку получает отдельная диффузионная модель.

Систему обучали полностью в симуляции — примерно на 2,4 млн маршрутов в 350 тыс. сценах. Чтобы модель меньше зависела от конкретного робота, разработчики меняли размеры платформы, положение и наклон камеры. После Robostral дообучили с подкреплением на сложных сценариях, где исходная версия чаще ошибалась. Модель успешно стала выполнять 77,4% задач.

Систему проверили на гуманоиде Galaxea R1 и колесном JetAuto. При этом менять пришлось только контроллер, который непосредственно управляет движением каждого из роботов. Роботы прошлись по заполненному офису с препятствиями на пути. Хотя, к сожалению, о проценте успешных случаев умалчивают. Ну, нет конца учению!

@anti_robots

Китай начинает охлаждать рынок гуманоидных роботов

Китайский регулятор ужесточает подход к IPO стартапов, выпускающих гуманоидных роботов. Комиссия по ценным бумагам дала инвестиционным банкам неформальные рекомендации: для выхода на биржу робототехническим компаниям теперь важно показать реальную выручку, перспективу сокращения убытков или технологическую уникальность.

Вероятно, это следствие IPO Unitree Robotics, одного из главных символов бума. После дебюта на Шанхайской бирже цена их акций взлетела на 460%, но затем потеряла около 40% от цены закрытия первого дня. К слову, акции другой компании, Mech-Mind Robotics, после выхода в Гонконге сейчас торгуются примерно на 20% ниже цены IPO.

Отрасль перегрета, в нее сейчас вливается огромный поток венчурных денег. Только в первой половине года китайские стартапы в сфере гуманоидной робототехники привлекли около $5,4 млрд — более чем вдвое больше, чем за весь 2025 год. Эти деньги порождают десятки похожих компаний, которые пока выдают недостаточно убедительные результаты. А между тем, многие из них уже собрались на IPO. Его планируют такие компании, как GalBot, AgiBot, LimX Dynamics и Galaxea AI.

Однако масштабирование сегодня происходит быстрее, чем появляются реальные технологии и бизнес-модели. В Китае уже сотни робототехнических стартапов, а демонстрации на выставках становятся всё эффектнее: роботы готовят еду, складывают одежду, выполняют физическую работу. Но в реальных условиях многие из этих сценариев пока требуют постоянного вмешательства человека.

В этих условиях, китайские регуляторы, видимо, решили попробовать отсечь наиболее слабые проекты перед массовым выходом на биржу, чтобы инвесторы начали оценивать проекты не по числу прототипов и размеру раундов, а по выручке, себестоимости, устойчивости бизнеса и действительно работающим технологиям.

Сомневаемся, впрочем, что это поможет. Кривую хайпа не обманешь — сначала период завышенных ожиданий, потом долина разочарований, и только затем — внедрения в реальные кейсы.

Читайте «Нероботы» в Telegram и Максе!

Ушёл с завода по собственному желанию

Не знаем, как вы, а роботы уже настолько устали, что начали сами уходить с работы. Как минимум, с конвейера.

XPeng запустила в Гуанчжоу новую автоматизированную линию для гуманоидов IRON. Первый собранный на ней робот завершил финальную сборку, встал на ноги и самостоятельно вышел из цеха. Вся трудовая биография уместилась в десятисекундную прогулку перед камерами.

Линию XPeng проектировала одновременно с самим роботом и перенесла на неё автомобильные методы контроля качества. Компания утверждает, что автоматизировано более 80% ключевых операций. В июле здесь уже шла мелкосерийная пробная сборка, теперь оборудование официально ввели в работу.

Внутри IRON — 76 степеней свободы, по 21 в каждой кисти и три собственных чипа Turing общей производительностью до 2250 TOPS. ИИ-модель работает прямо на роботе, поэтому управлять им удалённо, по версии XPeng, не требуется.

К концу года компания рассчитывает выпускать до тысячи IRON в месяц. В 2027-м их отправят работать консультантами в магазины XPeng и сотрудниками корпоративных кампусов.

Эффектная демонстрация — только начало. За две недели до её открытия робототехническое подразделение XPeng привлекло $900 млн при оценке свыше $6,3 млрд. Из этой суммы $600 млн дали IDG Capital, Tencent, Alibaba и Gaorong Ventures, ещё $300 млн вложили сама XPeng и структуры её руководителей.

Инвесторы поставили роботам дедлайн: если подразделение не выйдет на биржу в течение семи лет, они смогут потребовать деньги обратно с процентами. Поэтому ходить IRON придётся ещё очень и очень много.

@anti_robots

Учи ученого

Hugging Face совместно со стартапом Pollen Robotics, приобретенным в 2025 году, открыла предзаказы на Microduck — небольшого робота-утку, которого можно самостоятельно учить новым движениям. Начинаем откладывать с зарплаты: стоит такая утка $399. За первые несколько дней разработчики получили более 10 тысяч предзаказов примерно на $4 млн.

Microduck вышел ростом около 25 см и весом чуть меньше 800 г. Робот оснащен 15 электромоторами, камерой, микрофоном, динамиком, небольшим лидаром, Bluetooth, Wi-Fi и двумя датчиками движения. Вместо обычного клюва у него захват, которым он может подбирать небольшие предметы. На одном заряде утка может протянуть примерно час.

Из коробки Microduck умеет ходить, садиться, пинать мяч, петь, кататься на роликах и самостоятельно вставать после падения. Дообучить робота можно самостоятельно в симуляторе MuJoCo. Модель многократно выполняет задачу, а алгоритм поощряет удачные попытки и постепенно находит подходящий способ движения. Новое поведение можно перенести на робота. SDK, симулятор и полный стек обучения с подкреплением уже лежат на GitHub.

@anti_robots

Один мозг на всех

Одна и та же команда для разных роботов всегда «выглядит» по-разному: у каждого свои конструкция, число суставов и способ управления движением. Чтобы устранить этот пробел и упростить обучение, команда Xiaomi Embodied Intelligence Team и Университета Макао разработала систему UCAG-P, которая позволяет одной VLA-модели учиться на данных от совершенно разных «тел», будь то робот-манипулятор или робот-гуманоид.

Система описывает движение через две опорные точки, которые можно определить у роботов: конец манипулятора и центр захвата. Их траектория задается в трехмерном пространстве относительно камеры. Для человеческих демонстраций аналогами этих точек становятся запястье и середина между большим и указательным пальцами.

Затем отдельный модуль преобразует такую универсальную траекторию в команды под конкретного робота. Для этого он учитывает его текущее состояние, кинематику и калибровку камеры. В обучении помогали 11 наборов данных — в сумме около 6370 часов демонстраций на 9 типах роботов. При этом на одну треть часов пришлись видео с человеческими руками.

В симуляции одну и ту же обученную модель без дополнительной настройки проверили сразу на нескольких бенчмарках. В LIBERO она успешно выполнила 98,3% заданий, в RoboTwin для двуруких роботов — около 89%, а в усложненном LIBERO-Plus — 82%. Отдельно модель проверили на гуманоиде GR-1 с 29-ю степенями свободы — там результат составил 62%.

Но полностью игнорировать душевную организацию конкретного робота пока не получается. Когда модель, обученную на двуруком ALOHA, без дополнительной настройки перенесли на робота ARX другой конструкции, успех выполнения задач упал до 35%.

Отдельно UCAG-P проверили на манипуляторах Piper (они, кстати, на видео). Здесь уже использовали по 100 демонстраций для адаптации каждой задачи. Система помогла роботу успешно схватить круассан в 60% случаев против 20% у π0.5, открыть ящик — в 90% против 85%, а также разложить тарелки — в 75% против 65%.

Хотя не все мы идеальны. UCAG-P пока не с первого раза справляется с определением положения кисти или калибровкой камеры. Вызывают сложности и открывание-закрывание дверей и ящиков. К слову, в скором времени ждем исходный код на GitHub.

@anti_robots

Не верь чувствам своим

Роботу можно внушить фантомное прикосновение, не взламывая ни контроллер, ни управляющую модель. Исследователи из Чжэцзянского университета и HKUST разработали GhostTac — бесконтактную атаку, которая подменяет показания тактильных сенсоров электромагнитным сигналом.

Атака направлена в аналоговый тракт датчика. Наведённая помеха проходит через нелинейные компоненты усилителя и превращается из высокочастотного сигнала в постоянное смещение. Обычные фильтры отсекают исходную частоту, но пропускают результат: для программы он выглядит как настоящее давление на палец или ладонь робота. Синхронизировав сигнал с последовательным опросом ячеек сенсора, можно управлять не только силой, но и местом, площадью и движением поддельного «касания».

GhostTac проверили на 15 датчиках восьми производителей, включая десять отдельных модулей и две роботизированные кисти. Показания удалось подменить у всех устройств, а 13 из 15 сенсоров получилось полностью вывести из строя.

В демонстрациях атака заставляла кисть слишком сильно сжимать бумажный стакан и силиконовую руку либо, наоборот, ронять стеклянную бутылку и медицинское устройство. Роботу также подделывали проскальзывание предмета и заставляли классификатор путать четыре материала. Эти сценарии стабильно воспроизводились в десяти испытаниях.

С направленной антенной исследователи смогли заставить робота сжимать бутылку с расстояния до трёх метров. Сигнал сработал также через окно, деревянную дверь и стену. То есть бесконтактная атака здесь вполне буквально проходит сквозь стены.

Пока для неё нужны заранее подобранные параметры и заметное радиооборудование. Но сама уязвимость системная: робот доверяет цифровому показанию, не подозревая, что «прикосновение» возникло внутри его собственной электроники. Работа принята на конференцию ACM CCS 2026.

@anti_robots

Олимпиада по стирке

Китайским гуманоидам решили устроить соревнования, которые чем-то напоминают обычный выходной дома. В рамках вторых Всемирных игр гуманоидных роботов участников отправляли в реальные гостиницы, библиотеки, магазины и квартиры. В соревнованиях приняли участие 38 команд, в том числе китайская X-Humanoid.

В домашнем сценарии у робота было 30 минут на изнуряющую смену дела по хозяйству. Ему требовалось расставить вещи в гостиной, открыть дверь в спальню и сложить одежду, затем достать вещи из корзины, загрузить их в стирку и закрыть дверцу. После этого — перенести белье на балкон и развесить его. Уже здесь проверялись навигация, распознавание предметов, работа с дверьми и мелкая моторика.

За навыки робот мог получить 300 баллов, при этом 55 из них оставили на случайную задачу. Посреди работы гуманоид-спортсмен слышал голосовую команду о приехавшей посылке: он должен был распознать ее, прервать текущее занятие, сходить за ней к двери, положить в указанном месте, а потом вспомнить, чем занимался, и вернуться к уборке.

При этом помощь зала никто не отменял. Но прохождение сценария с дистанционным оператором приносило более скромные баллы: итоговый результат умножался на коэффициент 0,5. Полностью автономный робот получал коэффициент 1.

Чтобы уж наверняка сорвать куш, некоторые участники установили камеры на голове и руках робота, чтобы собирать изображения сцены, параметры предметов и данные о движениях. Для обучения одной из систем использовали сразу пять источников: интернет-видео, движения людей, симуляции, телеуправление и данные, которые робот получал во время реальных тестов. Некоторые разработчики также добавили механизм постоянного обучения, чтобы машина могла корректировать движения даже по мере износа собственных суставов.

@anti_robots

Роботов ещё не наняли, а Unitree уже стоит $9 млрд

Гуманоиды пока чаще работают в лабораториях, университетах и рекламных роликах, чем на заводах. Но будущее, в котором они станут массовой рабочей силой, уже включили в цену Unitree.

Китайский производитель начал принимать заявки на покупку акций перед выходом на Шанхайскую биржу. Unitree продаёт 10% компании за 6,1 млрд юаней, около $904 млн. Всё предприятие при такой цене оценивается в 61 млрд юаней, или $9 млрд.

Это даже больше, чем ожидал Citic Securities — банк, который организует размещение Unitree и помогает ей выйти на биржу. Ещё на прошлой неделе он прогнозировал, что через 6-12 месяцев после начала торгов компания будет стоить 50,6-55,9 млрд юаней. Но акции сразу выставили по цене, которая даёт оценку на 9% выше верхней границы прогноза.

Инвесторам предлагают заплатить сумму, равную 219 годовым прибылям Unitree. Для сравнения, у похожих компаний этот показатель составляет около 39. В 2025 году Unitree получила 1,71 млрд юаней выручки и 278 млн юаней чистой прибыли.

За год Unitree поставила более 5500 роботов-гуманоидов, заработала на них 867,8 млн юаней и впервые получила от этой категории больше выручки, чем от четвероногих машин.

В размещение вошли DeepSeek и Tencent. Первая купила акции на 140,8 млн юаней, вторая — на 136 млн. После выхода на биржу каждой будет принадлежать примерно по 0,2% Unitree.

Риски тоже вполне земные. В первом квартале скорректированная прибыль компании сократилась на 52,6% из-за расходов на исследования и продвижение. Более 40% продаж приходится на зарубежные рынки, а новые модели Unitree могут не получить допуск в США. Ну, в случае чего, всегда могут прийти на своих двоих.

@anti_robots

Друг всегда прикроет спину

Итальянский институт технологий совместно с INAIL и Generative Bionics разработал гуманоида ergoCub, который помогает человеку поднимать грузы и одновременно следит, чтобы тот не надорвал спину. За основу инженеры взяли предыдущего робота iCub3 и подогнали его длину конечностей и распределение массы специально под совместную работу с людьми. В результате максимальная длина шага выросла с 28 до 35 см, а его минимальная продолжительности сократилась с 0,8 до 0,5 секунды.

Да и получился, честно говоря, почти неандерталец: ergoCub ростом 1,5 м и массой около 56 кг. Формально его конструкция рассчитана на грузы примерно до 10 кг, хотя в опубликованных экспериментах человек и робот проверяли свои силы на пустом контейнере, а также грузах массой 1 и 2 кг.

Вначале в систему вводят рост и вес человека, а носимые датчики отслеживают положение его тела. На основе этих данных алгоритм восстанавливает позу, оценивает усилия в суставах и определяет нагрузку на участок между поясницей и крестцом.

Траектория рук робота задается заранее, но направление и скорость движения меняются в зависимости от разницы между высотой его рук и рук человека. На экране вместо лица он ещё и показывает, насколько опасной считает текущую нагрузку. В тестах робот следовал за руками человека со средней ошибкой менее одного сантиметра. Его помощь снизила нагрузку на поясницу на 29-49% в зависимости от сценария. В общем, впервые нормальный коллега на складе.

@anti_robots

Роботам опять предлагают думать

Исследователи Массачусетского технологического университета (MIT) разработали систему VLASH, которая позволяет роботам планировать следующее движение, не останавливая выполнение предыдущего. Как это происходит обычно: робот получает изображение с камеры и команду, рассчитывает серию действий, выполняет её — и только после этого снова принимается за анализ и формирование новой команды. Отсюда возникают паузы.

Запустить расчёты параллельно с движением можно и без VLASH, но появляется другая проблема: пока модель размышляет, рука уже успевает переместиться. В итоге новая команда рассчитана для положения, в котором робота больше нет, и движения становятся дёргаными 👆🏻 VLASH заранее прокручивает уже запланированные действия и вычисляет, какое положение нужно занять к моменту выполнения следующей команды.

Чтобы модель действительно учитывала эти данные, её дополнительно обучали на одном и том же изображении, но с разными будущими положениями робота и соответствующими действиями. А для дальнейшего ускорения несколько мелких движений объединяли в одно крупное: вместо десятка коротких шажков манипулятор сразу переходил к следующей важной точке траектории.

Метод проверили с несколькими VLA-моделями, включая π0.5 от Physical Intelligence, GR00T N1.6 от NVIDIA и SmolVLA от Hugging Face, а также на двуруком роботе Galaxea R1 Lite и небольшом манипуляторе LeRobot SO-101. При перекладывании, сортировке и складывании кубиков задачи выполнялись в 1,5-2 раза быстрее без ухудшения результата, а максимальная задержка реакции сократилась до 11,8 раза.

Для наглядности робота отправили играть в пинг-понг: стандартная VLA-модель, которая рассчитывает движения и только потом их выполняет, не отбила ни одной из двадцати подач. VLASH же справился с одиннадцатью. Ещё система заметно лучше показала себя в игре Whac-A-Mole (это та, где надо успевать ударить крота по темечку) — но это уже другой вопрос, насколько достойно мы применяем большие языковые модели.

@anti_robots

Кожаные, подвиньтесь

Минэкономики подготовило финальную редакцию проекта экспериментального правового режима для роботов-доставщиков и направило её в правительство. Эксперимент планируют запустить на три года в 35 регионах: документ впервые подробно прописывает, где роверы смогут ездить, с какой скоростью и как должны вести себя рядом с пешеходами.

По велодорожкам им разрешат разгоняться до 25 км/ч, по тротуарам — до 10 км/ч. Совсем узкие места решили оставить людям: сквозное движение по тротуару шириной меньше метра запретят.

Перед пешеходным переходом робот должен будет сбросить скорость до 6 км/ч, следить за светофором и уступать людям. А вот спорить с регулировщиком ему нельзя — при виде него сразу надо искать другой маршрут. Зато роверам разрешат заезжать внутрь зданий, а в перспективе — самостоятельно пользоваться лифтами. Ждём тот день, когда из квартиры можно больше не выходить.

Сам робот должен быть не длиннее 110 см, не шире 80 см и весить максимум 120 кг без груза; мощность электродвигателя ограничат 4 кВт. Ещё понадобятся номер, фонари, светоотражатели и звуковой сигнал.

Сейчас в России работает больше тысячи таких роверов, и весь парк принадлежит «Яндексу». По плану эксперимента, через три года рободоставщиков должно стать уже 12 тысяч. Так что готовимся к тому, что придётся ютиться на тротуаре и с самокатчиками, и с роверами.

@anti_robots

Робот-кентавр с мёртвыми глазами придёт к вам домой. Но зайти не сможет — у него рога

Калифорнийский стартап Satyress представил Threehalves — телеуправляемого робота с человеческим торсом, четырьмя ногами и головой рогатого козла. Его предлагают отправлять туда, где человеку лучше не появляться: на пожары, завалы, промышленные объекты, в шахты и заражённые зоны.

Четыре ноги дают устойчивость, а вместо кистей у робота быстросъёмные интерфейсы для бензопил, дрелей и другого инструмента. К насадкам можно подвести питание на 12, 18 или 48 вольт и сжатый воздух. Повреждённые конечности, торс и голову обещают менять и калибровать прямо в полевых условиях.

Но прекраснее всего раздел безопасности на официальном сайте. При потере давления тормоза и механические фиксаторы должны обездвижить робота. Если автоматика не поможет, резервуары со сжатым воздухом в корпусе разрешается пробить острым предметом или выстрелом.

А если этого покажется недостаточно, компания предлагает установить рога побольше — чтобы робот физически не мог пройти через дверной проём. Но зато он у удовольствием посмотрит вам прямо в душу.

@anti_robots

Вижу, следовательно, осязаю

Робототехника в буквальном смысле упёрлась в кончики пальцев. Камера показывает положение предмета, но не всегда замечает, что он проскальзывает в захвате, упёрся в край отверстия или прижат с перекосом.

Здесь помогают тактильные датчики. Но они хрупкие, требуют отдельной установки и калибровки, а показания разных систем сложно свести к общему формату. Американские исследователи нашли способ частично обойти проблему: научить камеру предсказывать, что должны чувствовать пальцы.

Система FELT получает один RGB-кадр с камеры на запястье. Предобученный визуальный энкодер DINOv2 извлекает визуальные признаки, а отдельный декодер превращает их в две карты давления размером 12 × 32 ячейки, по одной на каждый палец захвата.

Генератор предварительно обучили на 2,6 млн пар «кадр — показания датчиков» из более чем 2700 демонстраций. После этого новые демонстрации можно собирать уже без тактильного оборудования. FELT либо дорисовывает к старым визуальным данным карты давления, либо сразу передаёт управляющей модели скрытое представление контакта. Во время работы робота тоже достаточно камеры. Генерация занимает около 20 мс на RTX 4090.

На четырёх задачах добавленное таким образом «осязание» улучшило финальную успешность относительно одной камеры:

▪️ вставка трубки: 50% против 40%;
▪️ сбор четырёх чашек в стопку: 35-45% против 25%;
▪️ стирание надписи: 75-85% против 65%;
▪️ вставка треугольного штифта: 70-90% против 50%.

Самый странный результат получился со штифтом. Скрытые признаки FELT дали 90% успешных вставок, тогда как настоящий датчик давления дал 70%. Авторы предполагают, что при 60 обучающих демонстрациях модели оказалось проще тыкать пальцем в небо, чем использовать шумные физические измерения.

@anti_robots

Бежать нельзя катиться

Unitree показала своё новое творение — робота AS2-W. Это 25-килограммовый робопёс с четырьмя ведущими семидюймовыми колёсами на концах ног. На ровной поверхности он разгоняется до 6 м/с, или почти 22 км/ч. Перед камнями, лестницей или крутым склоном робот меняет геометрию корпуса: ноги работают как активная подвеска и помогают переносить колёса через препятствия.

Главный выигрыш не только в скорости. С аккумулятором на 648 Вт·ч AS2-W проезжает без груза больше 30 км, или больше 16 км с нагрузкой. По времени говорят о трёх часах налегке и более чем двух часах с 16 кг поклажи. Есть защита IP54 и рабочий диапазон от −20 до +55 °C.

Для следования за человеком используются камера, 64-128-канальный лидар и система сантиметрового позиционирования ISS 3.0. Разработчикам доступны SDK и API, а версию EDU можно дополнить вычислительным модулем до 150 TOPS. Правда, судя по демонстрации, сила там уже есть, и ума не надо.

@anti_robots

Проигрываем роботу в бадминтон

Вот и полезные роботы подъехали. В Гуанчжоу теперь можно поиграть в бадминтон с гуманоидом PHYBOT C2. Он видит волан (получше некоторых), рассчитывает его траекторию, перемещается по корту и в реальном времени решает, когда отбить.

Пиковая скорость возвращённого воланчика достигает 19,1 м/с. Робот умеет поддерживать серию из 25-30 ударов с игроком среднего уровня. Так что если результат будет хуже — мы все знаем, чья это вина.

@anti_robots

Слышишь? Ползу

Всем любителям узких пространств и пещер посвящается: учёные придумали робота-лиану, который сможет проползать сквозь завалы и искать экстремалов людей по голосу.

Корпус робота мягкий и сделан из полиэтилена; он выворачивается наружу изнутри, за счёт чего конструкция постепенно удлиняется и протискивается между препятствиями. По мере такого роста лиана разворачивает пять MEMS-микрофонов, закреплённых вдоль неё на расстоянии 30 см друг от друга.

Звук записывали с частотой 44,1 кГц и разбивали на фрагменты продолжительностью около 50 мс. Затем алгоритм SRP-PHAT сравнивал, с какой задержкой один и тот же сигнал доходил до разных пар микрофонов, и искал, где именно находится источник звука. Робот проверял сетку размером 3х3 м с шагом 5 см — то есть 3600 возможных точек для каждого фрагмента.

В одном из тестов робота уложили кольцом. Такая форма дала лучшую точность: система определяла положение источника звука со средней погрешностью 3,4 см. Если же робот полз вперёд, то промахивался на 2,4 метра! Но после того, как из корпуса разворачивался третий по счёту микрофон, погрешность падала до 21,6 см.

Пока лиана искала колонку SoundCore 2 (Алисы выдыхают), которая воспроизводила белый шум. Пыль, эхо и сама человеческая речь в опытах не участвовали. В любом случае, приятно знать, что роликов про неудачные попытки в спелеологию станет меньше.

@anti_robots

Один ролик вместо четырёх часов переобучения

Чтобы научить робота новой манипуляции, оператору обычно приходится десятки раз выполнять её через телеуправление, а затем несколько часов дообучать модель. Авторы HOST предлагают заменить весь этот процесс одним человеческим видео.

Робот не пытается напрямую повторить движения человека. Во время работы система сначала определяет, до какого этапа показанной процедуры он уже дошёл. Затем представляет следующий фрагмент действия с его собственными манипуляторами и в текущей обстановке. И только после этого генерирует команды для приводов.

Систему проверили на 50 новых двухручных манипуляциях, отсутствовавших в обучающем наборе. Каждую выполняли по 20 раз со случайным расположением предметов. Средняя успешность составила 62% — на 43 п.п. выше лучшего метода, которому тоже показывали одно человеческое видео.

HOST обошла даже модель, которую отдельно дообучили на 50 роботизированных демонстрациях каждой новой задачи: 62% против 56%. Сбор этих демонстраций и дообучение занимали от четырёх до пяти часов. Для HOST было достаточно записать один человеческий ролик средней продолжительностью 29 секунд — в 507 раз быстрее.

Веса модели в таком сценарии не меняются; видео просто становится частью контекста, благодаря чему новый навык не портит старые. HOST сохранила прежнюю успешность, тогда как лучший конкурент после дообучения удержал только 40% исходного результата.

Движения у робота в таком сценарии, конечно, крайне дёрганые. Но а кто из нас не страдал, пытаясь повторить что-то по гайду?

@anti_robots