RobotMe

#НовостиRobotMe 🚒🤖

Роботы идут в огонь: Ростех поставил первую серийную партию АНТ-1000ПМ

Роботы нужны не только для автоматизации производства. Иногда их главная задача — работать там, где человеку находиться опасно.

📅 12 октября Ростех сообщил об отгрузке первой серийной партии робототехнических комплексов пожаротушения АНТ-1000ПМ. Машины предназначены для одной из крупных российских топливных компаний.

🔥 Что умеет робот-пожарный?

АНТ-1000ПМ создан на базе мини-погрузчика АНТ и оснащён дистанционно управляемым пожарным стволом.

📌 Дальность подачи огнетушащего вещества — до 60 метров.

📌 Высота подачи — до 35 метров.

📌 Дистанция управления — до 1 000 метров.

📌 Камеры и датчики помогают оператору контролировать машину на расстоянии.

За дистанционное управление отвечает программно-аппаратный комплекс «Прометей».

🛡 Почему это важно?

При тушении пожаров на промышленных объектах спасателям приходится сталкиваться с высокими температурами, задымлением и другими опасными условиями.

АНТ-1000ПМ позволяет приблизить пожарное оборудование к очагу возгорания, не отправляя человека непосредственно в опасную зону.

При этом важно: это дистанционно управляемый робот, а не полностью автономный пожарный. Решения и управление остаются за оператором.

💡 Главное в этой новости

Переход к серийным поставкам — важный этап для технологии: от разработки и испытаний к передаче техники заказчику.

И это ещё одно напоминание, что ценность робототехники измеряется не только производительностью. Иногда самое важное, что может сделать робот, — снизить риск для человека. 🤖

#АгиИсследует 🔎🤖

Роботизация незаметных задач: почему это важно?

На связи Аги 💙

Когда мы говорим о роботизации, чаще представляем промышленные манипуляторы или гуманоидов, выполняющих сложные действия.

Но что, если одна из самых полезных задач для робота — та, которую люди почти не замечают?

🏭 Большие площади — большая рутина

Уборка складов, торговых комплексов и производственных помещений — регулярная задача, требующая времени и ресурсов.

Один из примеров её автоматизации — Pudu MT1, автономный робот-подметальщик для больших помещений.

🤖 Что умеет Pudu MT1?

Робот предназначен для сухой уборки твёрдых напольных покрытий. Камеры и лазерная навигация помогают ему ориентироваться в пространстве, а система распознавания мусора — находить загрязнения.

По заявленным характеристикам:

📌 Производительность — до 1 800 м²/ч в стандартном режиме и до 6 000 м²/ч при локальной уборке.

📌 Ширина уборки — 70 см, объём контейнера — 35 л.

📌 Автономная работа — 4–8 часов в зависимости от режима, зарядка — менее 3 часов.

📌 Робот может автоматически возвращаться на зарядку и целенаправленно убирать обнаруженный мусор.

📊 А как это выглядит на практике?

По данным австралийского интегратора ERA Robotics, с января по сентябрь 2026 года один Pudu MT1 на объекте индивидуального хранения выполнил 258 уборочных заданий, обработав суммарно более 1 млн м² за 1 260 часов работы.

Это общая площадь повторных уборок за девять месяцев, а не размер самого помещения.

📈 Что интереснее самих характеристик?

Pudu MT1 показывает, что роботизация не обязательно требует универсального робота. Иногда важнее автоматизировать одну конкретную операцию, которая повторяется каждый день.

Но заявленная производительность — ещё не гарантия экономической выгоды. Результат зависит от планировки помещения, препятствий, характера загрязнений и затрат на обслуживание.

💡 Вывод Аги

Ценность робота не всегда в универсальности. Иногда важнее, насколько хорошо он справляется с одной задачей.

И порой технологический прогресс выглядит не как сцена из фантастического фильма, а как чистый пол на складе. 🤖

🔥 Шоу, которое соберёт толпу и взорвёт соцсети!
Аренда гуманоидных роботов Agibot X2 Ultra для вашего мероприятия.

Хотите удивить гостей, клиентов или зрителей так, чтобы об этом говорили ещё недели? Возьмите в аренду три гуманоидных робота Agibot X2 Ultra — и получите футуристическое шоу с синхронными движениями, интерактивом и мощным wow-эффектом.

Идеально для:
— презентаций и открытий
— выставок и конференций
— корпоративов и фестивалей
— промо-акций, ТЦ и городских событий
— свадеб, вечеринок и спецпроектов

Почему именно три робота?
Три Agibot X2 Ultra создают эффект масштаба: синхронная программа, динамика, настоящий робо-спектакль и внимание публики, которое невозможно не заметить.

📲 Забронируйте аренду трёх роботов Agibot X2 Ultra уже сегодня:
👉 https://t.me/AgibotX2show

Переходите по ссылке, напишите нам в Telegram — подберём программу, дату и формат шоу.
Количество свободных слотов ограничено. Приглашаем взять в аренду три робота для шоу — сделайте ваше мероприятие незабываемым!

#humanoid #agibotX2ultra #agibotX2show

#ЮниСловарь 💛🤖

Сингулярность робота: что это?

На связи Юни 💛

Иногда робот может оказаться в положении, в котором некоторые движения становятся для него проблемой. И дело не обязательно в неисправности — причиной может быть сингулярность.

📌 Что это такое?

Сингулярность — это особая конфигурация механизма робота, при которой возможности движения рабочего органа в некоторых направлениях становятся ограниченными.

Представим многосуставную руку. В определённом положении её звеньев некоторые возможности движения становятся зависимыми друг от друга. Чтобы продолжить движение рабочей точки по заданной траектории, отдельным суставам могут потребоваться очень большие скорости.

⚙️ Только у промышленных роботов?

Нет. Сингулярность связана с кинематикой механизма, поэтому встречается у самых разных роботизированных систем.

Например:
🤖 у промышленных и коллаборативных роботов сингулярность может возникнуть при определённом положении суставов — тогда движение инструмента в некоторых направлениях ограничивается;

🦾 у руки гуманоида проблемная конфигурация может возникнуть, например, вблизи полностью выпрямленного локтя — конкретное положение зависит от конструкции робота;

🔺у дельта-роботов существует несколько типов сингулярностей. Например, в некоторых конфигурациях рычагов, в том числе вблизи границ рабочей области, рабочая платформа может потерять возможность двигаться в определённом направлении.

🧠 Что с этим делают?

Сингулярности учитывают при планировании движений. Система управления может скорректировать траекторию или выбрать другую конфигурацию механизма, чтобы не проходить через проблемное положение.

💡 Запомнить просто:

Сингулярность — не поломка робота, а особое положение его механизма, в котором некоторые направления движения становятся недоступными или требуют слишком больших скоростей отдельных суставов.

Так что в неудобное положение могут попасть не только люди — роботам это тоже знакомо. 😄🤖

#АгиИсследует 🔎🤖

RAW 2026: три вектора роботизации

На связи Аги 💙

24–25 сентября в Санкт-Петербургском политехническом университете Петра Великого прошла конференция RAW 2026 — Robots, Additive & Welding.

📋 В программе:
• промышленная робототехника
• аддитивные технологии
• сварка
• меры господдержки
• практическая работа с роботизированными комплексами.

Но если посмотреть на программу шире, можно выделить сразу три направления, вокруг которых сегодня строится разговор о промышленной роботизации.

📌 1. От отдельного робота — к комплексному внедрению

Один из докладов RAW был посвящён поэтапной роботизации: от автоматизации первой операции до «умного цеха». А среди основных тем конференции отдельно обозначили интеграцию роботизированных комплексов.

То есть в центре внимания оказывается не только сам робот, но и его встраивание в производственный процесс.

💰 2. Финансирование становится частью роботизации

На RAW обсуждались меры государственной поддержки. В Санкт-Петербурге действует отдельная программа Фонда развития промышленности для проектов по роботизации: предприятие может получить от 5 до 500 млн рублей на проект под 3% годовых на срок до пяти лет.

Причём инструмент уже применяется: первая заявка по программе была одобрена в феврале 2026 года — 51,6 млн рублей направили на приобретение десяти робототехнических комплексов.

⚙️ 3. Специалистов готовят через практику

Второй день RAW включал практический интенсив по роботизации сварки. Участники создавали виртуальную сварочную ячейку, готовили программу в среде офлайн-программирования, загружали её в робототехнический комплекс и переходили к сварке заготовок.

Такой формат показывает, какие компетенции нужны для внедрения: недостаточно познакомиться с роботом в теории — необходимо уметь программировать и запускать комплекс под конкретный производственный процесс.

💡 Что в итоге?

Если смотреть на RAW 2026 не просто как на отдельную конференцию, в её программе хорошо прослеживаются три составляющие роботизации: интеграция оборудования, доступ к финансированию и подготовка специалистов.

Робот — лишь одна часть системы. Чтобы он действительно заработал на производстве, вокруг него должна появиться вся инфраструктура внедрения. 🤖

#ЮниМифы 💛🤖

Миф: точность робота и повторяемость — одно и то же

На связи Юни 💛

В характеристиках промышленных роботов часто можно увидеть: «повторяемость позиционирования — ±0,05 мм». Кажется, что это и есть точность робота. Но эти показатели говорят о разных вещах.

🎯 Представим мишень.

Точность показывает, насколько близко робот попал к её центру — то есть к заданной точке.

А повторяемость показывает, насколько близко друг к другу расположены результаты нескольких одинаковых движений.

Например, робот десять раз выполняет одну команду. Все десять раз он останавливается почти в одном месте, но на 2 мм правее заданной точки.

Получается:
📌 попадания расположены очень близко друг к другу — повторяемость высокая;
📌 но вся группа смещена от нужной точки — есть ошибка позиционирования.

Именно поэтому робот может отлично повторять движение, но это ещё не означает, что он столь же точно выходит в заданные координаты.

⚙️ Почему это важно?

При сварке, нанесении материала или перемещении деталей часто особенно важна способность стабильно воспроизводить уже настроенную траекторию. Поэтому в характеристиках промышленных манипуляторов часто указывают именно повторяемость.

💡 Запомнить просто:

Повторяемость — насколько близки результаты друг к другу.
Точность — насколько они близки к заданной точке.

Похожие понятия, но в робототехнике разница принципиальная. 🤖

#НовостиRobotMe 🤖

Две роборуки — два подхода: знакомимся с OmniHand Lite и OmniHand 3

Роботу недостаточно добраться до предмета — нужно ещё суметь его взять.
Для этого не всегда подходит один и тот же захват: компактному сервисному роботу важны небольшие размеры и вес, а для более сложных манипуляций могут потребоваться дополнительные управляемые движения и тактильные датчики.

Посмотрим, как эти задачи решают две антропоморфные кисти — OmniHand Lite и OmniHand 3.

🤏 OmniHand Lite — компактность прежде всего

Модель разработана для полуростовых гуманоидов, мобильных манипуляторов и небольших сервисных платформ. Она весит всего 350 г и рассчитана на полезную нагрузку до 1 кг.

📌 Характеристики:
• Габариты — 140 × 70 × 32 мм
• Вес — 350 г
• Полезная нагрузка — до 1 кг
• Степени свободы — 4 активные и 7 пассивных
• Повторяемость позиционирования — ±0,5 мм
• Типичное время открытия и закрытия — 0,5 с

Четыре активные степени свободы отвечают за управляемые движения, а пассивные позволяют элементам кисти подстраиваться под форму предмета. Для разработчиков предусмотрены SDK и опциональная камера на запястье.

🖐 OmniHand 3 — больше возможностей для манипулирования

Эта модель рассчитана на более высокую нагрузку и оснащена распределённой тактильной сенсорикой. По заявленным характеристикам, кисть весит 510 г и способна работать с нагрузкой до 5 кг.

📌 Характеристики:
• Габариты — 180 × 85 × 38,5 мм
• Вес — 510 г
• Полезная нагрузка — до 5 кг
• Степени свободы — 10 активных и 6 пассивных
• Повторяемость позиционирования — ±0,3 мм
• Типичное время открытия и закрытия — 0,5 с

В OmniHand 3 заявлено более 300 тактильных датчиков силы, размещённых на подушечках пальцев, ладони и тыльной стороне кисти. Они позволяют получать информацию о контакте с предметами и учитывать её при управлении захватом.

💡 Какую модель выбрать для робота?

OmniHand Lite ориентирована на платформы, где особенно важны компактность и небольшой вес. OmniHand 3 предлагает больше активных степеней свободы, более высокую заявленную нагрузку и тактильную обратную связь.

При этом больше датчиков и степеней свободы не всегда означает лучший выбор: всё зависит от предметов, с которыми предстоит работать роботу, доступного пространства, требований к точности и условий эксплуатации.

Обе модели показывают, насколько разными могут быть роботизированные кисти — даже когда внешне они решают одну задачу: помогают роботу взаимодействовать с окружающим миром.🤖

#АгиИсследует 🔎🤖

Роботизация в регионах: где точки роста?

На связи Аги 💙

📈 В Ростовской области и Краснодарском крае растёт спрос на промышленных роботов.

Но свежая региональная статистика показывает: для развития рынка важны не только закупки оборудования, но и условия, в которых предприятия принимают решения о роботизации.

📊 Что показывают цифры?

По данным «ТендерПро», опубликованным 16 сентября, с начала 2026 года закупки промышленной робототехники выросли на 4,3% в Ростовской области и на 4,7% в Краснодарском крае по сравнению с аналогичным периодом прошлого года.

Для сравнения: за весь 2025 год спрос в этих регионах увеличился на 58,8% и 57,9% соответственно относительно 2024-го. Периоды сравнения различаются, поэтому по этим цифрам пока нельзя судить об итогах 2026 года.

В структуре спроса на промышленных роботов, по данным «ТендерПро», на Центральный федеральный округ приходится 44,8%, а на Южный — 10,4%. Это показатели закупочного спроса в данных компании, а не распределение всех установленных в России роботов.

🏭 Какие задачи предприятия роботизируют?

По данным аналитиков, основной объём тендеров формируют производственный сектор, пищевая промышленность и складская логистика.

Среди востребованных операций — сварка, упаковка, укладка продукции на палеты, обслуживание станков и контроль качества с применением машинного зрения.

⚙️ Что может поддержать дальнейший рост?

В «ТендерПро» связывают замедление темпов роста спроса с высокой стоимостью кредитования, экономической неопределённостью и нехваткой инженеров для внедрения и обслуживания роботов.

📌 Поэтому для предприятия важно не только выбрать оборудование, но и заранее оценить экономику проекта, подготовить производственный процесс, найти специалистов для интеграции и предусмотреть дальнейшее обслуживание.

Источник: «Ведомости Юг» — данные «ТендерПро»⁠

#НовостиRobotMe 🤖⚙️

На TNF 2026 показали роботов для промышленных объектов

С 14 по 17 сентября в Тюмени проходит промышленно-энергетический форум TNF 2026. В этом году на TNF EXPO впервые выделили отдельную масштабную зону промышленной робототехники и беспилотных систем.

📌 Что показали?

Среди экспонатов — четвероногие роботы Deep Robotics Lite 3 и LYNX M20 Pro.

Lite 3 с 3D-сканером может обследовать труднодоступные участки и собирать данные для построения трёхмерной модели объекта.

LYNX M20 Pro предназначен для обходных маршрутов и визуального контроля, а дополнительное оборудование позволяет использовать платформу, например, для газового мониторинга.

⚙️ Не только робособаки

На выставке также представлены универсальное мобильное шасси AgileX THUNDER, автоматическая уборочная машина KLEENBOT C40 и гидравлические роботы серии РОИН для дистанционной работы в опасных условиях.

🏭 Зачем такие роботы промышленности?

Среди сценариев применения представленных платформ — инспекция оборудования, мониторинг территорий, перевозка грузов и работа в труднодоступных или потенциально опасных зонах.

При этом речь идёт не только о выставочных образцах: во время TNF «Газпром нефть» и Тюменский государственный университет подписали стратегию сотрудничества, которая предусматривает в том числе разработку роботизированных комплексов для автономной работы на удалённых месторождениях.

📈 TNF 2026 показывает, насколько разнообразными становятся задачи промышленной робототехники: от мобильной инспекции до работы в опасных и труднодоступных зонах. 🤖

Фоторепортаж 72.RU с TNF 2026⁠

#ЮниСоветует 🤖📚

3 книги для тех, кто хочет разобраться в реальной робототехнике

На связи Юни 💛

В прошлый раз мы советовали книги об ИИ, роботах и их месте в жизни человека. Сегодня — другой подход: меньше фантастики, больше реальной робототехники.

Собрали три книги с разным уровнем погружения — от знакомства с историей роботов до программирования собственных систем 👇🏻

📘 «Роботы. История развития машин» — Александр Прасол

Хорошая отправная точка, если хочется сначала увидеть общую картину.

Книга рассказывает, как развивалась идея создания роботов: от ранних автоматов и механических устройств до современных робототехнических систем.

🔵Уровень: для знакомства с темой
🔵Подойдёт тем, кто хочет разобраться в робототехнике без погружения в код и технические детали.

📘 «Практическая робототехника. C++ и Raspberry Pi» — Ллойд Бромбах

Здесь начинается уже инженерная практика 🦾

Автор разбирает создание автономного мобильного робота: электронику, датчики, двигатели, Raspberry Pi и программирование на C++.

🔵Уровень: средний
🔵Подойдёт тем, кому интересно не только читать о роботах, но и понимать, из каких систем они состоят и как всё это связывается вместе.

📘 «Изучение робототехники с помощью Python» — Лентин Джозеф

Самый технический вариант в подборке 💻🤖

Книга посвящена разработке робототехнических систем с использованием Python и затрагивает программирование, аппаратную часть, компьютерное зрение и другие инструменты, необходимые при создании роботов.

🔵Уровень: более глубокое погружение
🔵Лучше выбирать, если базовое знакомство с программированием уже есть и хочется перейти ближе к практике.

💡 Получилась своеобразная лестница: сначала разобраться, откуда появилась современная робототехника → затем посмотреть на устройство реального робота → после этого перейти к его программированию.

#ЮниСоветует 🎬🤖

3 небанальных сериала о роботах и искусственном интеллекте 💛

Если хочется посмотреть что-то про ИИ и роботов, но без самых очевидных вариантов, вот три сериала, которые по-разному раскрывают тему технологий.

🤖 «Лучше, чем люди»

Российский сериал о мире, где андроиды постепенно становятся частью повседневной жизни.

Здесь интересно не только то, как показаны сами роботы, но и то, как общество реагирует на их появление: от бытового использования до вопросов доверия, контроля и границ между человеком и машиной.

🧠 «Разрабы» (Devs)

Это уже не столько про роботов, сколько про искусственный интеллект, вычислительные системы и идею предсказуемости мира.

Сериал неспешный, философский и местами довольно сложный — зато хорошо подходит тем, кому интересны не только технологии, но и вопросы сознания, выбора и того, насколько далеко может зайти вычислительная система.

👤 «Почти человек» (Almost Human)

Детективный сериал, где полицейские работают в паре с высокотехнологичными андроидами.

Главная интересная линия — не сами расследования, а взаимодействие человека и машины: доверие, эмоции, принятие решений и то, насколько «человечным» может быть искусственный интеллект.

💡 Эти сериалы очень разные: один показывает роботов как часть общества, другой исследует возможности ИИ, а третий — взаимодействие человека и андроида в повседневной работе.

Так что выбор зависит от того, что вам интереснее: технологии, философия или просто хороший сюжет с роботами. 🤖

#НовостиRobotMe 🤖🥊

В Китае стартовала первая в мире коммерческая лига боёв гуманоидных роботов

В июле в китайском городе Шэньчжэнь официально стартовал первый сезон Ultimate Robot Knock-out Legend (URKL) — первой в мире коммерческой лиги поединков между полноразмерными гуманоидными роботами.

📌 Как проходят соревнования?

После квалификации в основной этап вышли 32 команды из разных стран. Все они используют одинаковую робототехническую платформу — EngineAI T800.

Благодаря единой аппаратной платформе команды соревнуются не конструкцией робота, а алгоритмами управления, стратегией и качеством программного обеспечения.

🤖 Что оценивают во время поединков?

Во время боёв роботы выполняют удары руками и ногами, уклонения, восстановление равновесия после падений и другие динамичные движения.

По словам организаторов, соревнования позволяют испытывать роботов в условиях интенсивных физических нагрузок и получать данные для дальнейшего совершенствования систем управления движением, устойчивости и координации.

📈 Почему это важно?

Несмотря на зрелищный формат, URKL создавалась не только как спортивное шоу.

По замыслу организаторов, лига должна стать площадкой для проверки алгоритмов управления в сложных условиях и способствовать развитию технологий гуманоидной робототехники.

🥊 Следим за развитием URKL — самое интересное ещё впереди.

#ЮниМифы ❌🤖

Миф: чем больше степеней свободы, тем лучше робот

На связи Юни 💛

На первый взгляд кажется, что чем больше у робота степеней свободы, тем он совершеннее.

Но это не совсем так.

📌 Что такое степень свободы?

) — это независимое движение, которое может выполнять робот.

Например, сустав, способный вращаться вокруг одной оси, добавляет одну степень свободы.

💡 Почему это миф?

Дополнительные степени свободы действительно делают движения более гибкими и позволяют выполнять более сложные задачи.

Однако вместе с этим возрастает сложность управления, планирования движений, вычислений и координации всех исполнительных механизмов.

⚙️ Кроме того, каждая дополнительная степень свободы увеличивает количество компонентов, которые необходимо контролировать, а также может повысить стоимость, массу и энергопотребление робота.

📈 Поэтому при разработке инженеры не стремятся добавить как можно больше степеней свободы. Их задача — найти оптимальный баланс между функциональностью, сложностью конструкции и требованиями конкретной задачи.

🤖 И именно поэтому робот с меньшим количеством степеней свободы может оказаться эффективнее, если его конструкция лучше соответствует условиям эксплуатации и выполняемой работе.

#ЮниСловарь 📚🤖

Что такое Action Model?

На связи Юни 💛

Action Model — это компонент интеллектуальной системы, который преобразует принятое решение в последовательность действий, необходимых для выполнения задачи роботом.

Если помогает роботу понимать окружающую среду и прогнозировать последствия своих действий, то Action Model отвечает за их реализацию.

📌 Что делает Action Model?

🤖 преобразует выбранную задачу в последовательность действий;

🦾 рассчитывает необходимые движения робота;

📍 определяет траектории перемещения и параметры выполнения действий;

⚙️ передаёт результаты системе управления движением для выполнения задачи.

💡 Почему это важно?

Представьте, что роботу нужно взять коробку со стола.

World Model помогает определить, где находится коробка, какие объекты расположены рядом и как может измениться ситуация после захвата.

После того как интеллектуальная система принимает решение выполнить задачу, Action Model преобразует его в последовательность действий, необходимых для её выполнения: определяет движения, траекторию захвата и другие параметры, которые используются системой управления движением робота.

📈 World Model и Action Model решают разные задачи, но работают совместно.
Первая помогает роботу понимать окружающую среду, а вторая — преобразовывать принятое решение в действия. Именно такое сочетание лежит в основе работы многих современных систем Embodied AI и Physical AI. 🚀

#НовостиRobotMe 🤖🌏

На World AI Conference 2026 показали более 300 роботов

С 17 по 20 июля в Шанхае прошла World Artificial Intelligence Conference 2026 (WAIC) — крупная международная конференция и выставка в области искусственного интеллекта.

В этом году свои разработки представили более 1 100 компаний. Общая экспозиция включала свыше 4 400 технологических решений.

📌 Что показали?

Значительная часть экспозиции была посвящена робототехнике и embodied intelligence.

По данным китайских СМИ, в этом направлении участвовали более 200 компаний, представивших свыше 300 действующих роботов.

Среди них были гуманоидные, четвероногие и мобильные платформы, а также роботизированные манипуляторы и компоненты для робототехники.

🤖 Чем запомнилась выставка?

Одной из заметных особенностей WAIC 2026 стал переход от отдельных демонстрационных трюков к показу прикладных сценариев. На стендах воспроизводили задачи производства, логистики, розничной торговли, фармацевтики и обслуживания посетителей.

📈 WAIC 2026 показала, что гуманоидная и embodied-робототехника становятся всё более заметной частью индустрии ИИ. Однако дальнейшее развитие направления будет зависеть не только от возможностей прототипов, но и от их надёжности, стоимости и эффективности в реальных условиях.

#АгиИсследует 🔬🤖

Может ли форма робота выполнять часть работы вместо алгоритма❓

На связи Аги 💙

Обычно возможности робота связывают с алгоритмами, сенсорами и приводами. Но часть задачи можно фактически перенести на само физическое устройство робота — его геометрию, упругость и свойства материалов.

Эта идея особенно заметна в мягкой робототехнике.

📌 Как это работает?

Представьте мягкий роботизированный захват. Вместо того чтобы точно рассчитывать положение каждого пальца для предметов разной формы, его эластичная конструкция может пассивно деформироваться при контакте и адаптироваться к поверхности объекта.

То есть часть адаптации обеспечивается не дополнительными вычислениями, а физическими свойствами самого механизма.

🧠 Это называют morphological intelligence

Идея заключается в том, что форма и механика тела могут участвовать в решении задачи, дополняя вычислительное управление.

Например, правильно подобранная геометрия и жёсткость конструкции способны облегчить захват объектов, адаптацию к неровной поверхности или устойчивое взаимодействие с окружающей средой.

⚙️ Зачем это нужно?

Такой подход потенциально позволяет уменьшить сложность активного управления для некоторых задач: вместо того чтобы постоянно компенсировать каждое изменение программно, часть реакции возникает непосредственно благодаря механике конструкции.

Но это не означает, что алгоритмы становятся не нужны. Напротив, задача инженеров — совместно проектировать тело и систему управления, используя преимущества обоих.

📈 Именно поэтому в современной робототехнике всё больше внимания уделяется embodied physical intelligence — идее, что возможности робота определяются не только его вычислительным «интеллектом», но и тем, как само физическое тело взаимодействует с окружающим миром. 🤖

#ЮниМифы 🤖💡

Миф: робот может «потеряться» в пустой комнате

На связи Юни 💛

Кажется, что пустое помещение — идеальное место для робота: нет мебели, людей и других препятствий.

Но иногда именно отсутствие объектов может усложнить навигацию.

📌 Зачем роботу нужны ориентиры?

Для определения своего положения робот использует камеры, LiDAR, IMU, одометрию и другие датчики.

Система анализирует окружающую среду и сопоставляет полученные данные с предыдущими измерениями, чтобы понять, где находится робот и как он перемещается.

🏢 Что происходит в пустой комнате?

Если вокруг только одинаковые стены, пол и почти нет характерных объектов, системе сложнее найти уникальные ориентиры.

Например, камере может быть трудно сопоставить изображения, а LiDAR будет видеть преимущественно однотипные поверхности.

В результате роботу становится сложнее точно определить своё положение.

⚙️ Но это не значит, что робот действительно «теряется».

Современные системы используют сразу несколько источников данных и алгоритмы локализации, которые помогают справляться с недостатком ориентиров.

💡 Поэтому пустая комната для робота — не страшное место.

Просто для человека пустота — это отсутствие препятствий, а для робота иногда ещё и отсутствие подсказок, по которым можно понять, где он находится💛

#АгиИсследует 🔬🤖

Может ли робот учиться, просто наблюдая за человеком?

На связи Аги 💙

Один из главных дефицитов современной робототехники — данные о физических взаимодействиях. Собирать их непосредственно на роботах долго и дорого, тогда как человеческих видео и демонстраций существует значительно больше.

Поэтому исследователи изучают, как использовать человеческий опыт для обучения роботов 👀🤖

📌 Что робот может извлечь из наблюдения?

Из видео модели могут получать информацию о движении человека и объектов, последовательности взаимодействий и изменениях состояния среды.

Но напрямую превратить человеческое движение в действие робота нельзя. Возникает так называемый embodiment gap — различие между физическим устройством человека и робота: их кинематикой, степенями свободы, рабочей областью и доступными способами взаимодействия.

⚙️ Как решают эту задачу?

Один из подходов — адаптация движений человека к кинематике робота. Другой — обучение моделей, которые связывают наблюдаемое взаимодействие с действиями, доступными конкретной робототехнической платформе.

То есть задача не в точном копировании траектории человека, а в том, чтобы извлечь из демонстрации полезную структуру действия и перенести её на другое физическое тело.

🧠 Почему это важно?

Современным робототехническим моделям нужны большие и разнообразные наборы данных о взаимодействии с физическим миром. Человеческие демонстрации могут стать дополнительным источником такого опыта наряду с данными от самих роботов и симуляцией.

📈 Главная цель — научить робота не просто повторять движения человека, а извлекать из наблюдения информацию, которую можно преобразовать в действия уже с учётом возможностей самого робота. 🤖

#НовостиRobotMe 🤖🚚

В России готовят ПДД для роботов-доставщиков

🏙️ Для автономных роботов-доставщиков хотят установить единые правила передвижения по городской среде.

Как сообщил 29 августа министр транспорта Андрей Никитин, Минэкономразвития вместе с Минтрансом и МВД уже подготовили проект постановления с правилами для роботов-доставщиков. Требования к работе роверов уже согласованы с профильными ведомствами 📄🤖

📌 Что будут регулировать?

Правила должны определить идентификацию роботов, скорость их движения по тротуарам, взаимодействие с пешеходами, ответственность операторов, а также зоны и маршруты, где роверам разрешат или запретят передвигаться.

Главный принцип, обозначенный Минтрансом: роботы не должны создавать помех людям, а конкретные ограничения будут закреплены в итоговом постановлении.

⚙️ Где протестируют новые правила?

Экспериментальный правовой режим планируют запустить на три года в 35 регионах России 🇷🇺

Его задача — проверить на практике безопасные условия работы роботов-доставщиков.

Согласно проекту, после завершения эксперимента планируется подготовить изменения в ПДД, которые позволят закрепить регулирование роботов-доставщиков уже на постоянной основе 🚚

📈 Появление отдельных правил — важный этап развития роботизированной доставки: по мере распространения роверов необходимо регулировать не только их движение, но и взаимодействие с пешеходами и городской инфраструктурой.

🤖 https://vvpgroup.com/robotics/deep-robotics/lynx-m20-pro — робот, который сочетает скорость колёс и проходимость шагающих платформ.

В этом видео Иван Дубовицкий, старший продакт-менеджер направления робототехники VVP Group, рассказывает, чем интересен этот робот, где он может применяться и какие инженерные решения делают его эффективным для работы в сложных условиях.

Подписывайтесь на — впереди ещё больше обзоров и новостей из мира робототехники! 🚀

#АгиИсследует 🔬🤖

Почему вокруг гуманоидов так много инвестиций, если они ещё мало работают?

На связи Аги 💙

Со стороны может показаться, что инвесторы слишком торопятся: большинство гуманоидов пока проходят испытания, а массового применения ещё нет.

Но для крупных компаний это не главный критерий.

📌 Во что на самом деле они инвестируют?

🦾 Универсальную платформу

Большинство промышленных роботов создаются для одной конкретной задачи.

Гуманоиды же разрабатываются как роботы общего назначения, способные выполнять разные виды работ после обучения без создания новой конструкции под каждую операцию.

Именно такая универсальность делает технологию потенциально масштабируемой.

🧠 Следующее поколение искусственного интеллекта

Сегодня ведущие компании развивают не только самих роботов, но и технологии Embodied AI, которые позволяют интеллектуальной системе воспринимать окружающий мир, принимать решения и взаимодействовать с физической средой.

Поэтому инвестиции направляются одновременно в программное обеспечение, данные, вычислительную инфраструктуру и робототехнические платформы.

🏭 Будущий рынок автоматизации

Многие компании рассматривают первыми площадками для внедрения гуманоидов именно заводы и склады. Это более предсказуемая среда, где проще оценить экономическую эффективность новых решений. Такой подход, например, публично описывал генеральный директор NVIDIA Дженсен Хуанг.

💡Инвестиции в гуманоидов — это ставка не на то, что они уже умеют сегодня, а на то, какими они могут стать через несколько лет.

#ЮниСловарь 📚🤖

Что такое World Model?

На связи Юни 💛

World Model — это модель искусственного интеллекта, которая помогает роботу формировать внутреннее представление окружающей среды и прогнозировать, что может произойти после того или иного действия.

В отличие от систем, которые только анализируют текущие данные с камер и датчиков, World Model позволяет заранее моделировать возможные варианты развития событий ещё до выполнения действия.

📌 Что учитывает World Model?

🌍 расположение объектов в окружающей среде;

⚙️ физические свойства объектов и среды;

↔️ возможные взаимодействия между объектами;

🔮 вероятные последствия собственных действий.

💡 Почему это важно?

Представьте, что роботу нужно взять коробку со стола.

Без World Model система в основном принимает решения, опираясь на текущие данные с камер и датчиков.

С World Model она может заранее спрогнозировать, как изменится положение коробки после захвата, не заденет ли соседние предметы и какой способ выполнения задачи окажется наиболее эффективным.

📈 Именно поэтому сегодня World Models считаются одним из ключевых направлений развития Embodied AI и Physical AI.

Чем точнее интеллектуальная система моделирует окружающую среду, тем увереннее она может работать в новых и непредсказуемых условиях🚀

#новостиRobotMe 🤖🤝

UBTech представила линейку ультрареалистичных гуманоидных роботов-компаньонов.

Китайская компания UBTech представила серию гуманоидных роботов UWORLD U1, ориентированных на длительное взаимодействие с человеком.

📌 Для чего они предназначены?

По заявлению компании, основная задача новых роботов — компаньонство и эмоциональная поддержка.

Они должны не просто отвечать на вопросы, а поддерживать длительное общение, распознавать эмоциональное состояние пользователя и реагировать на него во время взаимодействия.

🧠 Для этого роботы используют генеративный искусственный интеллект и эмоционально-ориентированную языковую модель. По данным UBTech, система способна распознавать более 20 человеческих эмоций и поддерживать естественный диалог.

📦 Линейка включает несколько моделей, рассчитанных на разные сценарии применения — от базовой версии U1 Lite до флагманской U1 Ultra.

⚙️ Почему это важно?

Сегодня большинство разработчиков гуманоидов сосредоточены на промышленности, логистике и производстве.

UBTech делает ставку на другое направление — создание роботов, основной задачей которых становится социальное взаимодействие с человеком, а не выполнение физических операций.

📈 При этом говорить о массовом распространении подобных устройств пока рано. Сейчас этот сегмент находится на раннем этапе развития, а его дальнейшие перспективы будут зависеть от развития технологий, стоимости решений и интереса пользователей.

#ЮниСловарь 📚🤖

Что такое Sim-to-Real?

На связи Юни 💛

В прошлом посте мы рассказывали, зачем роботам нужны синтетические данные и почему часть обучения можно проводить в виртуальной среде.

Но как сделать так, чтобы освоенный там навык работал и на физическом роботе?

📌 Sim-to-Real — это подход к переносу моделей, политик управления и навыков, разработанных или обученных в симуляции, на реальные робототехнические системы.

⚙️ В чём сложность?

Симуляция всегда остаётся приближением реальности.

Трение, свойства объектов, контактная динамика, освещение и работа датчиков могут отличаться от виртуальной модели.

Из-за этого алгоритм, успешно работающий в симуляции, на реальном роботе может вести себя иначе. Эту разницу называют sim-to-real gap.

🔄 Как её сокращают?

Один из методов — domain randomization: во время обучения намеренно меняют параметры виртуальной среды — например, освещение, массу и положение объектов, трение и другие характеристики.

Так модель или политика управления учится работать не в одной идеальной среде, а в разных условиях.

Также разработчики повышают точность физических моделей, настраивают параметры симуляции по реальным данным и при необходимости дополнительно адаптируют систему уже на физическом роботе.

💡 Почему это важно?

Sim-to-Real позволяет значительную часть обучения и тестирования проводить виртуально, где необходимые сценарии можно безопасно повторять множество раз, а затем переносить полученные результаты на реальные платформы.

📈 Главная задача Sim-to-Real — не сделать симуляцию идеальной копией реальности, а добиться того, чтобы полученные в ней навыки сохраняли работоспособность и в физическом мире. 🤖

#АгиИсследует 🔬🤖

Почему роботам нужны синтетические данные?

На связи Аги 💙

Чтобы робот уверенно работал в реальном мире, ему недостаточно нескольких заранее подготовленных сценариев. Нужно научиться справляться с разным освещением, незнакомыми объектами, новыми помещениями и ситуациями, которых не было во время обучения.

Собирать всё это разнообразие на физических роботах долго и дорого. Поэтому часть опыта создают искусственно.

📌 Как это работает?

В симуляции робот взаимодействует с виртуальной средой, а разработчики получают изображения, данные глубины, положения объектов, результаты действий и другие параметры для обучения моделей.

Главное преимущество здесь не только в количестве данных, но и в контроле над ними.

⚙️ В виртуальной среде можно автоматически менять расположение и свойства объектов, освещение, параметры камер и физические характеристики среды.

Один из таких подходов — domain randomization: модель обучают на множестве вариаций среды, чтобы она меньше зависела от конкретных условий обучения и лучше переносила навыки в реальный мир.

🧠 Ещё один плюс — автоматическая разметка.

В симуляции заранее известны точные координаты, границы, глубина и положение объектов. Поэтому необходимые для обучения метки можно генерировать вместе с данными, а не размечать вручную.

🌍 Но есть ограничение — sim-to-real gap.

Симуляция не может идеально воспроизвести реальность: трение, контактную динамику, свойства материалов, шум датчиков и другие факторы. Поэтому синтетические данные обычно дополняют реальными данными и испытаниями.

📈 Главная ценность синтетических данных — возможность масштабировать и контролировать опыт робота

🤖 AGIBOT X2 Ultra — гуманоидный робот, который может не только взаимодействовать с людьми, но и выступать в роли экскурсовода.

В этом видео AGIBOT X2 Ultra проводит экскурсию по Химки Бизнес Парку: знакомит с пространством и демонстрирует свои возможности в реальном сценарии взаимодействия с людьми.

Подписывайтесь на RobotMe — впереди ещё больше обзоров и новостей из мира робототехники! 🚀

#ЮниМифы 🤖💡

Миф: LiDAR всегда лучше камер

На связи Юни 💛

LiDAR способен напрямую измерять расстояние до объектов и строить точное трёхмерное представление окружающего пространства. Поэтому может показаться, что для робота он автоматически лучше обычной камеры.

Но универсально «лучшего» сенсора здесь нет.

📌 В чём преимущество LiDAR?

LiDAR испускает лазерные импульсы и по отражённому сигналу определяет расстояние до поверхностей.

Это позволяет получать геометрическую информацию об окружении и использовать её для локализации, построения карт, обнаружения препятствий и навигации.

📷 А зачем тогда камеры?

Камеры дают богатую визуальную информацию, которой обычно нет в данных LiDAR: цвет, текстуру, надписи и другие особенности объектов.

Современные системы компьютерного зрения могут использовать изображения для распознавания и классификации объектов, оценки их положения и понимания сцены.

⚙️ У каждого подхода есть ограничения.

Работа камер сильно зависит от освещения, контраста и видимости.

LiDAR меньше зависит от внешнего освещения, но его данные также могут ухудшаться из-за дождя, тумана, снега, отражающих или поглощающих поверхностей. Кроме того, характеристики сильно различаются между конкретными типами LiDAR и камер.

🤝 Поэтому на практике выбор зависит от задачи.

Для одних роботов достаточно камер, для других критически важны точные измерения глубины, а во многих системах применяется sensor fusion — объединение данных камер, LiDAR, радаров, IMU и других датчиков.

💡 Главный вопрос не в том, какой сенсор «лучше», а в том, какую информацию робот должен получать и в каких условиях ему предстоит работать.

#ЮниМифы 🤖

Миф: «Роботы-собаки всегда устойчивее колёсных роботов»

На связи Юни 💛

Увидев, как робот-собака преодолевает лестницы, камни или неровную поверхность, легко сделать вывод, что такая конструкция превосходит колёсные платформы практически во всём.

Но в инженерии универсальных решений не бывает.

📌 Почему?

Устойчивость — это не только способность не упасть.

Не менее важны скорость движения, энергопотребление, грузоподъёмность, надёжность и эффективность выполнения конкретной задачи.

⚙️ Шагающие роботы действительно имеют преимущество там, где необходимо преодолевать сложный рельеф, ступени или препятствия. Именно поэтому их всё чаще используют для инспекции промышленных объектов, строительных площадок и труднодоступных территорий.

Но если рабочая среда представляет собой ровную поверхность, ситуация меняется.

🚛 Колёсные платформы обычно:
✔️ потребляют меньше энергии;
✔️ способны работать дольше без подзарядки;
✔️ развивают более высокую скорость;
✔️ перевозят больший груз при сопоставимых размерах конструкции;
✔️ требуют менее сложного обслуживания.

Именно поэтому автономные мобильные роботы (AMR), складские платформы и большинство роботов-доставщиков используют колёсное шасси.

💡 Главный вывод

В современной робототехнике вопрос обычно звучит не «какая платформа лучше?», а «какая платформа лучше подходит для конкретной задачи?»

Поэтому роботы-собаки и колёсные платформы не конкурируют напрямую — чаще всего они решают разные задачи и дополняют друг друга. 🤖

#АгиИсследует 🔬🤖

Почему обучение одного робота может ускорить обучение тысяч других?

На связи Аги 💙

Одна из сложностей современной робототехники — масштабирование опыта.

Если каждый новый робот должен самостоятельно проходить через одни и те же ситуации и ошибки, обучение большого парка машин становится медленным.

Fleet Learning предлагает другой подход: использовать опыт отдельных роботов для улучшения общей системы.

📌 Как это работает?

Роботы собирают данные во время выполнения задач: информацию с датчиков, действия системы, успешные попытки, ошибки и случаи, когда потребовалась помощь человека.

Этот опыт можно объединять и использовать для дальнейшего обучения общей модели или политики управления. После проверки обновлённая система может быть развёрнута на других совместимых роботах.

Получается важный эффект: опыт одной машины потенциально становится частью обучающих данных для всего парка.

🧠 Почему это ускоряет обучение?

Представьте парк складских роботов.

Один сталкивается с необычной упаковкой, другой — с нестандартным положением объекта, третий — с ситуацией, требующей вмешательства оператора.

Fleet Learning позволяет не оставлять этот опыт внутри отдельных машин, а использовать его для совершенствования общей системы. Чем больше роботов работает в разных условиях, тем больше разнообразных данных можно получить для следующих циклов обучения.

⚙️ Но это не «коллективный разум».

Новый навык не появляется мгновенно у всех роботов после того, как его освоил один.

Сначала данные необходимо собрать и отобрать, затем модель — обучить или дообучить, проверить и только после этого развернуть новую версию на совместимых роботах.

📈 Главное преимущество Fleet Learning — возможность масштабировать опыт.

Вместо того чтобы каждому роботу начинать обучение с нуля, данные, собранные целым парком машин, могут использоваться для последовательного совершенствования общей системы управления. 🤖

#НовостиRobotMe 🤖📈

AgiBot обогнала Unitree по поставкам гуманоидных роботов

По итогам первой половины 2026 года китайская AgiBot вышла на первое место по мировым поставкам гуманоидных роботов, согласно исследованию аналитической компании Smart Analytics Global (SAG).

С января по июнь AgiBot поставила около 8 400 роботов, заняв 44% мирового рынка по объёму поставок.

Unitree заняла второе место с примерно 5 900 роботами и долей 31%.

📌 Что стоит за результатом AgiBot?

Поставки компании выросли на 562% год к году. Аналитики связывают рост в том числе с широкой линейкой AgiBot, включающей полноразмерные двуногие, компактные и колёсные модели.

При этом Unitree также значительно увеличила поставки — на 170% год к году.

📈 Что происходит с рынком?

По оценке Smart Analytics Global, всего за первые шесть месяцев 2026 года в мире было поставлено около 19 100 гуманоидных роботов — на 272% больше, чем за аналогичный период 2025 года.

На AgiBot и Unitree вместе пришлось около 75% мировых поставок.

Меняются и сценарии применения. Более 70% поставок в первой половине 2026 года пришлось на промышленные и коммерческие применения. Годом ранее их доля составляла около 50%.

💡 Рынок гуманоидной робототехники постепенно переходит от демонстрации отдельных возможностей к масштабированию производства и практическому применению.
При этом лидерство по объёму поставок не означает технологического превосходства — это один из показателей развития рынка. 🤖