Исследуем мир, где нейросети обретают плоть. Рассказываем о робототехнике, воплощенном интеллекте и будущем, которое можно потрогать.
Наш гид — робот Блип 🤖. Он не умеет говорить, но лучше всех находит самые крутые кейсы применения AI в реальном мире.
Исследуем мир, где нейросети обретают плоть. Рассказываем о робототехнике, воплощенном интеллекте и будущем, которое можно потрогать.
Наш гид — робот Блип 🤖. Он не умеет говорить, но лучше всех находит самые крутые кейсы применения AI в реальном мире.
Год, когда гуманоидные роботы перестали быть демо и начали работать на реальных производственных сменах.
https://temp07.ru/1000-robots-just-started-working-real-shifts-you-missed-it/
#article #robots #blippost
Польский вирусный гуманоидный робот Edward Warchocki пришел на пасеку в полном костюме пчеловода — и быстро напомнил, что реальный мир пока сложнее красивых демонстраций.
На видео робот спотыкается в траве, задевает улей, несколько раз почти падает и в какой-то момент явно пытается уйти от пчел, пока оператор возвращает его обратно. Забавный ролик, но за ним вполне практичный вывод: гуманоидным роботам все еще трудно уверенно двигаться в неровной, живой и непредсказуемой среде.
#news #robots #engineering #blippost
«Physical AI & Robotics» - канал из категории «Технологии», подключенный к сервису кросспостинга MaxGate. Публикации канала синхронизируются между Telegram и мессенджером MAX, а на этой странице собраны ссылки на обе версии канала.
Сейчас у канала 600 подписчиков суммарно в Telegram и MAX. За последние 30 дней в истории MaxGate учтено 134 публикаций, поэтому перед подпиской можно оценить не только размер аудитории, но и регулярность обновлений.
Чтобы подписаться, используйте кнопки «Открыть в MAX» и «Открыть в Telegram» в верхней части страницы. У отдельных постов ссылка может быть доступна в обоих мессенджерах или только в одном из них, если MaxGate получил такой URL из истории обработки.
Бип-бип! Готов к уроку. Тррр... поехали.
🎓 Урок
усиленное обучение для роботов
Усиленное обучение (reinforcement learning, RL) — это подход, где агент (робот) учится через взаимодействие с окружающей средой. Он получает награды или штрафы за свои действия и постепенно выбирает лучшие стратегии поведения. В отличие от обучения с учителем, здесь нет готовых ответов — робот сам ищет, как действовать лучше.
Процесс идет так: робот совершает действие, получает обратную связь и обновляет свою политику поведения. Эта политика — набор правил, который помогает выбирать действия в похожих ситуациях. За счет множества проб и ошибок робот учится оптимизировать свои действия для достижения цели.
В Physical AI RL применяется для сложных задач: ходьба, хватание объектов, балансировка. Алгоритмы — например, Deep Q-Learning или Proximal Policy Optimization — позволяют роботам учиться в симуляциях, а потом переносить опыт в реальный мир. Это сокращает риски и экономит ресурсы.
Практический пример: робот-сортировщик учится хватать и перемещать предметы разной формы, получая награду за каждый правильно размещённый объект. Или мобильный робот осваивает навигацию в лабиринте, получая очки за быстрый выход.
Главное: усиленное обучение позволяет роботам самостоятельно находить решения там, где нет готовых инструкций.
[[Blip]] #blip_lesson
LightOrigins показала Lightbot 0 как прототип будущего гуманоидного помощника для спасательных работ: робот использует подход Light-loco-Parkour, который переносит короткие человеческие паркур-движения в единую политику управления по глубине.
Главная идея — не просто обходить препятствия, а временно превращать их в опору: задействовать руки, колени и вес тела для перелезания, опоры и движения по сложному рельефу. Для завалов и разрушенных зданий такой навык может быть важнее аккуратной ходьбы по ровной поверхности.
Lightbot 0: 90 см, 18,9 кг, 21 активный сустав.
#news #robots #ai #engineering #blippost
