Робототехника CSI

6 выпуск CSI Journal⬇️

В России профинансируют создание 13 центров промышленной робототехники. В ходе деловой программы XVI Международной промышленной выставки «Иннопром», проходящей в этом году в Екатеринбурге с 6 по 9 июля, Валерий Пивень, директор департамента станкостроения и тяжелого машиностроения Министерства промышленности и торговли РФ, заявил, что до конца 2026 года в российских регионах будет профинансировано создание 13 центров промышленной робототехники. Это позволит довести их общее число в стране до 20 единиц. Ожидается, что в 2027 году их количество возрастёт ещё на 10 центров. «Центры развития промышленной робототехники — это один из основных механизмов поддержки регионов. Механизм позволит на местах привлечь больше сторонников роботизации», — отметил Валерий Пивень. Первый федеральный центр развития промышленной робототехники открылся в 2024 году на базе Университета Иннополис в Татарстане и стал головным центром в рамках национального проекта «Средства производства и автоматизации». В будущем он должен координировать работу создаваемых центров-спутников. Всего на меры поддержки развития робототехники в стране до конца года выделят 10 миллиардов рублей, в 2027 году на эти цели направят ещё 11 миллиардов, а в 2028 — дополнительные 23 миллиарда рублей. Бюджет может корректироваться и быть увеличен в случае наличия потребности у отрасли. Источник: ТАСС

🏭 Гуманоид Apptronik готовят к серийному запуску: почти $1 млрд на роботов-рабочих Apptronik закрыла раунд Series A на сумму более $935 млн - это один из крупнейших инвестиционных раундов в истории гуманоидной робототехники. В феврале 2026 года компания привлекла дополнительные $520 млн при оценке около $5 млрд, а инвесторами выступили Google, Mercedes‑Benz, AT&T Ventures, John Deere и даже Катарский инвестиционный фонд. Сам Apollo - 173 см ростом, 73 кг весом, поднимает до 25 кг и работает до 4 часов на одной батарее. Робот уже тестируется на заводах Mercedes‑Benz (повысил эффективность доставки деталей на 40%) и в логистике GXO. В июне 2026 года Apptronik представила Apollo 2 - в версиях на двух ногах и на колёсах - и открыла в Остине 8‑тысячеметровый центр сбора данных для обучения ИИ-моделей. Компания заявляет, что «настоящие производственные версии» появятся в 2027 году и позже. Гонка гуманоидов набирает обороты. Apollo конкурирует с Tesla Optimus (грузоподъёмность 20 кг против 25 кг у Apollo) и Figure, которую оценивают в $39 млрд. Ключевое преимущество Apptronik - стратегическое партнёрство с Google DeepMind и использование ИИ‑модели Gemini Robotics. Но главная интрига: Apptronik заключила соглашение с Jabil о том, что роботы Apollo будут собирать новых Apollo на заводских линиях. Компания называет это «маховым колесом» для массового внедрения - роботы, производящие роботов, снижают стоимость и ускоряют масштабирование. По сути, Apptronik строит не просто завод, а фабрику по производству «цифровой рабочей силы»: одни роботы делают других, а центр сбора данных «производит» обучающие данные для ИИ. А что в России? У нас тоже появляются свои игроки. В ноябре 2025 года представили первого отечественного антропоморфного робота Aidol с 77% российских компонентов, а компании «Промобот» и другие создают «Новую технологическую коалицию» с планами привлечь $30–50 млн. Эксперты подчёркивают, что гуманоиды идеальны для гибкой автоматизации - они работают в среде, созданной для человека, без перестройки инфраструктуры. Также заметна и концентрация на нишах, где гуманоиды решают реальные задачи - нефтегаз, атомная энергетика, логистика в сложных климатических условиях. Пока Apptronik, Tesla и Figure сражаются за заводы Mercedes и BMW, у российских разработчиков есть шанс занять вертикали, где западные роботы просто не сертифицированы или не адаптированы. Подписывайтесь на канал, чтобы узнавать больше новостей из быстроразвивающегося мира роботов! 🟢 Подписаться на канал 🟢 Подписаться в MAX

Ozon Tech проведет хакатон по робототехнике «Робозон» Ozon Tech запускает «Робозон» — хакатон по автоматизации и роботизации сортировочных процессов для инженеров и разработчиков. Мероприятие пройдёт в два этапа: онлайн с 2 июля по 12 сентября и офлайн‑финал на конференции E‑CODE. Дорога и проживание за счёт Ozon Tech. Призовой фонд — 15 000 000 рублей. Участникам будут предложены три задачи на основе реальных данных сортировочных центров: Трек 1. Имитационное моделирование сортировочного центра Участникам предстоит разработать имитационную модель работы сортировочного центра. Модель должна отражать ключевые процессы и анализировать возможности повышения эффективности производства за счёт более эффективной организации и автоматизации процессов. Трек 2. Конструкция автоматизированного сортировщика товаров В этом треке необходимо предложить инженерно проработанную конструкцию автоматизированного сортировщика или модульной системы сортировки.  В проектном решении необходимо раскрыть принципы работы системы, логику распределения товаров и обосновать целесообразность применения проектного решения в реальных производственных процессах. Трек 3. Интеллектуальная роботизированная система сортировки Задача трека — спроектировать систему автоматической сортировки товаров на конвейерной линии. Решение может быть представлено в виде программно-аппаратного комплекса или цифровой симуляции. Система должна обнаруживать объекты, идентифицировать их тип с помощью компьютерного зрения и автоматически перемещать товары в соответствующие зоны сортировки. Участвовать можно как индивидуально, так и в команде. Регистрация открыта до 11 июля. Детальная информация и регистрация — на сайте хакатона.

WAIC 2026: бизнес-миссия в Шанхай РобоДжобс организует бизнес-миссию на World Artificial Intelligence Conference — одно из главных мировых событий по ИИ и робототехнике. Поездка состоится с 12 по 19 июля. В программе: посещение WAIC и 12 технологических компаний Шанхая и Нанкина, включая Agibot, Fourier, DroidUp, Flexiv, ESTUN, MechMind Robotics, IO Intelligence, Galaxis, Seer, Skywell и IITM. Заявки принимаются до 30 июня. Подробнее на сайте РобоДжобс.

OFG: миниатюрный светоуправляемый роботизированный захват для микроманипуляций Уже более 35 лет исследователи используют оптические пинцеты — технологию, позволяющую работать с микроскопическими объектами путем использования сфокусированного лазерного луча. Однако подобные системы способны развивать силы лишь порядка пиконьютонов, чего достаточно только для манипулирования очень маленькими и правильными по форме объектами. Исследователи из Университета науки и технологий Китая предложили альтернативный подход — Optical Fiber Gripper (OFG), который представляет собой миниатюрный светоуправляемый роботизированный захват, полностью размещённый на торце стандартного оптического волокна. В основу OFG положена биоинспирированная конструкция, напоминающая строение живого организма. Оптическое волокно выполняет роль нерва, передавая световой сигнал, термочувствительный гидрогель служит искусственной мышцей, а жёсткий полимерный каркас (фоторезист) — скелетом, на котором закреплен трехпальцевый захват. Работа устройства основана на фототермическом эффекте. В состав гидрогеля PNIPAM (poly(N-isopropylacrylamide)) встроены серебряные наночастицы. Сам по себе гидрогель представляет собой полимерную сетку, способную удерживать большое количество воды между своими молекулярными цепями. При комнатной температуре материал находится в «набухшем» состоянии, поскольку его структура активно связывает молекулы воды. Когда по оптическому волокну проходит лазерный луч ближнего инфракрасного диапазона (808 нм), серебряные наночастицы начинают интенсивно поглощать световую энергию. На физическом уровне это сопровождается возбуждением коллективных колебаний свободных электронов в наночастицах (локализованный поверхностный плазмонный резонанс). По мере затухания этих колебаний поглощённая энергия преобразуется в тепло, быстро нагревая окружающий гидрогель. Ключевую роль играет то, что PNIPAM обладает нижней критической температурой растворения (LCST) около 32 °C. Пока температура ниже этого значения, гидрогель гидрофилен и удерживает воду внутри своей структуры. Однако после нагрева выше 32°С молекулярные связи с водой разрушаются: гидрогель становится гидрофобным, вода быстро выходит из его полимерной сетки, а объём материала резко уменьшается. Именно это сокращение искусственной мышцы приводит к перемещению жёстких элементов конструкции, а впоследствии заставляет трёхпальцевый механизм раскрываться. После отключения лазера серебряные наночастицы перестают нагреваться, гидрогель охлаждается ниже температуры фазового перехода, вновь начинает активно поглощать воду из окружающей среды и возвращается к первоначальному объёму. При расширении гидрогеля трехпальцевый захват снова смыкается, надёжно удерживая объект. Таким образом, единственным управляющим сигналом является свет, передаваемый по обычному оптическому волокну. Сам OFG изготавливается непосредственно на торце коммерческого оптического волокна методом двухфотонной полимеризации — разновидностью сверхточной 3D-печати. Габариты устройства составляют всего 38 × 38 × 61 мкм, что примерно в двадцать раз меньше диаметра стандартных биопсийных щипцов. Несмотря на столь миниатюрные размеры, микрозахват развивает усилие до 4,9 мкН, обладает рекордным отношением силы к массе 340 мкН/мг, а его время отклика составляет 76,7 мс, позволяя устройству выполнять до пяти циклов захвата в секунду. В ходе экспериментов устройство успешно манипулировало непрозрачными частицами сложной формы, выполняло сборку миниатюрных механических узлов с микрометровой точностью, переносило отдельные клетки человека практически без их повреждения, а также работало внутри стеклянных капилляров диаметром 300 мкм. Благодаря высокой силе захвата OFG способен работать с объектами, недоступными классическим оптическим пинцетам. По мнению исследователей, миниатюрные светоуправляемые захваты могут найти применение в одноклеточной биологии, малоинвазивной хирургии, высокоточной биопсии, тканевой инженерии, сборке микромеханических устройств и роботизированных эндоскопических систем. Полная научная статья доступна на Nature.

В Санкт-Петербурге подошел к концу Международный чемпионат Digital Skills 2026. С 17 по 19 июня в Санкт-Петербурге прошёл Международный чемпионат профессионального мастерства Digital Skills 2026. Соревнования собрали студентов из вузов и колледжей России и Казахстана на площадке Конгресс-центра ПетроКонгресс в рамках форума «Инженерное собрание России». Организаторами выступили некоммерческая ассоциация «Кластер Креономика» и Институт Инновационных Технологий в Бизнесе (ИИТБ). Участники соревновались по пяти компетенциям: цифровое производство, аддитивное производство, бережливое производство, промышленная робототехника и роботизированная сварка, направление, которое было реализовано на чемпионате впервые. За три дня студенты проявили свои навыки в создании цифровых двойников, офлайн-программировании промышленных роботов, в том числе сварочных, оптимизации производственных процессов и разработке устройств с помощью 3D-печати. Все задачи были максимально приближены к реальным производственным сценариям. Следующим масштабным соревновательным мероприятием Industry Skills станет Международный чемпионат TechSkills, который пройдёт в рамках Международной выставки испытательного и контрольно-измерительного оборудования «Testing&Control» 19–21 октября в МВЦ «Крокус Экспо» в Москве. Подробнее с предстоящими соревнованиями для инженеров-специалистов промышленных предприятий, а также студентов вузов и колледжей можно ознакомиться в официальном канале Industry Skills.

Qwen-Robot Suite: пакет ИИ-моделей, переводящий естественный язык в физическое действие 16 июня 2026 года Qwen представила Qwen-Robot Suite — набор из трёх фундаментальных ИИ-моделей, который решает главную проблему воплощённого ИИ (Embodied AI) - разрыв между пониманием физического мира и действием в нём. Фреймворк Qwen-RobotClaw позволяет мультимодальной модели Qwen VLM выступать в роли верхнеуровневого планировщика: она разбивает сложные абстрактные задачи на последовательность шагов, вызывает модели Qwen-Robot Suite для выполнения физических действий и управляет контекстом длительных операций. Qwen-Robot Suite включает три специализированные ИИ-модели: •Qwen-RobotNav отвечает за навигацию и объединяет пять классов задач: следование инструкциям, навигацию по точкам, навигацию по целям, отслеживание объектов и автономное вождение. Модель обучена на 15,6 миллиона образцов. На робособаке Unitree Go2 с единственной базовой RGB-камерой модель продемонстрировала сквозную задержку 196 миллисекунд (приблизительно 5,1 Гц) и успешно ориентировалась в незнакомой квартире без предварительного построения карты. Ключевые результаты: 76,5% успеха в VLN-CE RxR и 75,6% в HM3Dv2. •Qwen-RobotManip решает проблему морфологического разнообразия роботов. Движения различных конфигураций устройств проецируются в единую систему координат камеры, что делает их совместимыми на уровне представления и позволяет обучать модель на данных с различных платформ. Модель обучена на 38 100 часах данных из открытых источников. Ключевая инновация — автоматическая конвертация 1 933 часов обычных видеозаписей с действиями людей в 24 808 часов демонстрационных данных для 15 различных типов роботов. Конвейер обеспечивает это за счёт переназначения движений, удаления рук и дорисовки фона, симуляционного рендеринга и глубинного наложения изображений, а также многоэтапного процесса фильтрации данных для обеспечения их высокого качества. •Qwen-RobotWorld представляет собой диффузионную нейросеть, которая предсказывает физическое будущее. По текущему кадру и текстовой команде она генерирует видео того, что произойдёт при совершении действия. Это позволяет роботу предсказывать и оценивать свои движения до физического выполнения, что снижает риск повреждения оборудования. Модель обучена на 8,6 миллиона пар видео-текст для более чем 20 типов роботизированных платформ. Главным достижением Qwen-Robot Suite является не сама архитектура моделей, а новый подход к обучению роботов. Возможность преобразовывать обычные видеозаписи действий человека в роботизированные траектории (1 933 часа в 24 808 часов) открывает доступ к практически неограниченному массиву данных для обучения воплощённого ИИ. Именно дефицит качественных данных сегодня считается одним из ключевых барьеров на пути создания по-настоящему универсальных роботов, и Alibaba предложила собственное авторское решение данной проблемы. Источник: Qwen

Обновленная подборка Telegram-каналов по робототехнике. Сейчас наше объединение насчитывает уже 47 каналов.   Ссылка на папку.  P.S При желании принять участие в подобном виде сотрудничества обращаться к @tati79933333078

Sonar-MASt3R: технология подводного картографирования от MIT Подводные роботы сталкиваются с фундаментальной проблемой: во время работы на морском дне они поднимают облака осадка, которые делают бортовые камеры практически бесполезными и существенно затрудняют ориентацию робота в пространстве. Исследователи из Массачусетского технологического института (MIT) и Океанографического института Вудс-Хоул разработали метод Sonar-MASt3R, который объединяет визуальные данные оптических камер и акустические данные сонаров, позволяя создавать трёхмерные карты окружающей среды в реальном времени даже при высокой мутности воды. Оптические камеры обеспечивают детальное изображение окружающего пространства, но эффективно работают исключительно в чистой и хорошо освещённой воде. Сонары сохраняют работоспособность в любых условиях, анализируя время возврата акустических сигналов и угол их отражения для определения расстояния, формы и контуров объектов, однако их карты лишены визуальных деталей. Новый метод объединяет преимущества обоих подходов, подобно сочетанию эхолокации дельфина и зрения морской черепахи. В основе метода лежит алгоритм MASt3R, который анализирует визуальные изображения и в реальном времени восстанавливает относительную геометрию сцены, но не способен самостоятельно определить абсолютный масштаб пространства. Сонар устраняет эту неоднозначность, предоставляя данные о расстоянии до объектов, благодаря чему система получает корректный масштаб и строит точные трёхмерные карты. Процесс построения карты происходит следующим образом. Сначала роботизированная рука с закреплёнными на ней камерой и сонаром выполняет сканирование окружающего пространства. Система создаёт грубую сонарную карту контуров и форм объектов, которая используется для навигации. После того как робот подходит достаточно близко к опредленной точке в пространстве, оптическая камера фиксирует объекты с высокой детализацией. Для оптимизации используется метод ключевого кадра, при котором каждый новый кадр сравнивается с предыдущим ключевым, и если он содержит новую информацию, он добавляется в карту, а если дублирует уже известные данные, система его игнорирует. Испытания проводились в лабораторном резервуаре при восьми уровнях мутности. Внутри были размещены небольшой валун, кофейная кружка и упаковочный ящик. Даже когда оптические камеры не могли видеть сквозь плотную суспензию, сонарные сенсоры формировали грубую карту скрытых объектов, позволяя роботизированной руке безопасно приближаться к целям для последующей детальной съёмки. Авторы отмечают, что лабораторный резервуар работает как эхо-камера, создавая ложные отражения и искажения, которые усложняют обработку данных. В естественной подводной среде таких помех меньше, поэтому система будет работать надёжнее. В перспективе технология может применяться для научных исследований, подводного строительства, инспекции инфраструктуры, поисково-спасательных операций и обезвреживания опасных объектов на морском дне. Полная научная статья доступна на arXiv. Наш канал в Max

Sonar-MASt3R: технология подводного картографирования от MIT Подводные роботы сталкиваются с фундаментальной проблемой: во время работы на морском дне они поднимают облака осадка, которые делают бортовые камеры практически бесполезными и существенно затрудняют ориентирование в пространстве. Исследователи из Массачусетского технологического института (MIT) и Океанографического института Вудс-Хоул разработали метод Sonar-MASt3R, который объединяет визуальные данные оптических камер и акустические данные сонаров, позволяя создавать трёхмерные карты окружающей среды в реальном времени даже при высокой мутности воды. Оптические камеры обеспечивают детальное изображение, но эффективно работают только в чистой и хорошо освещённой воде. Сонары сохраняют работоспособность в любых условиях, анализируя время возврата акустических сигналов и угол их отражения для определения расстояния, формы и контуров объектов, однако их карты лишены визуальных деталей. Новый метод объединяет преимущества обоих подходов, подобно сочетанию эхолокации дельфина с близким зрением морской черепахи. В основе метода лежит алгоритм MASt3R, который анализирует визуальные изображения и в реальном времени восстанавливает относительную геометрию сцены, но не способен самостоятельно определить абсолютный масштаб пространства. Сонар устраняет эту неоднозначность, предоставляя абсолютные данные о расстоянии до объектов, благодаря чему система получает корректный масштаб и строит точные трёхмерные карты. Процесс построения карты происходит следующим образом. Сначала роботизированная рука с закреплёнными на ней камерой и сонаром выполняет медленное сканирование пространства. Система создаёт грубую сонарную карту контуров и форм объектов, которая используется для навигации. После того как робот подходит достаточно близко, оптическая камера фиксирует объекты с высокой детализацией. Для оптимизации используется метод ключевого кадра: каждый новый кадр сравнивается с предыдущим ключевым, и если он содержит новую информацию, он добавляется в карту, а если дублирует уже известные данные, система его отбрасывает. Испытания проводились в лабораторном резервуаре при восьми уровнях мутности. Внутри разместили небольшой валун, кофейную кружку и упаковочный ящик. Даже когда оптические камеры не могли видеть сквозь плотную суспензию, сонарные сенсоры формировали грубую карту скрытых объектов, позволяя роботизированной руке безопасно приближаться к целям для последующей детальной съёмки. Авторы отмечают, что лабораторный резервуар работает как эхо-камера, создавая ложные отражения и искажения, которые усложняют обработку данных. В естественной подводной среде таких помех меньше, поэтому система будет работать надёжнее. В перспективе технология может применяться для научных исследований, подводного строительства, инспекции инфраструктуры, поисково-спасательных операций и обезвреживания опасных объектов на морском дне. Полная научная статья доступна на arXiv. Наш канал в Max

Шестой выпуск CSI Journal будет опубликован 23 июня. Тематики основных статей: •Электроаэродинамика в робототехнике: эффект Бифельда-Брауна и ионная тяга. •Тенсегрити в робототехнике: физические основы разработки ударопрочных роботов. •Космическая робототехника: как планетоходы покоряют новые миры. •Нейроинтерфейсы: как сила мысли управляет роботами. •Состояние рынка робототехники Нидерландов. •Обзор рынка робототехники Беларуси

Argus: предельная динамическая симметрия как основа для создания всенаправленных и многофункциональных роботов Исследователи из Университета Дьюка представили новый подход к проектированию мобильных роботов, основанный на концепции предельной динамической симметрии. В отличие от традиционного подхода, где основное внимание уделяется геометрической симметрии конструкции, авторы предлагают оценивать способность робота создавать одинаковые ускорения в любом направлении. Теоретические основы Большинство современных роботов обладают геометрической симметрией, однако это не гарантирует одинаковых динамических возможностей во всех направлениях. Например, типичный квадрокоптер имеет симметричную конструкцию, но способен мгновенно ускоряться только вдоль вертикальной оси, для движения вбок ему требуется наклониться, то есть изменить свое положение в пространстве. Для количественной оценки динамической симметрии исследователи ввели показатель динамической изотропии η, который определяется как отношение минимального достижимого ускорения к максимальному среди всех возможных направлений движения. Чем ближе значение η к единице, тем более равномерно робот способен ускоряться в пространстве. Проведенное моделирование показало, что повышение динамической изотропии приводит к улучшению устойчивости, точности движения, энергоэффективности и устойчивости к отказам исполнительных механизмов робота. Конструкция Конструкция Argus представляет собой сферический каркас с радиально расположенными линейными приводами, направленными к центру масс. Учеными было исследовано более 1500 вариантов конструкции с количеством приводов от 6 до 40. Значение динамической изотропии при этом изменялось от 0,32 до 0,97. Наибольший прирост характеристик достигается при увеличении числа приводов до 16–22. Дальнейшее усложнение конструкции приводит к значительно меньшему улучшению характеристик. Физический прототип Argus оснащен 20 линейными приводами, распределенными по вершинам правильного додекаэдра. Масса робота - 23.4кг, η - 0.91. Каждый привод развивает усилие до 375 Н. На концах приводов установлены двадцать ToF-камер для кругового восприятия окружающей среды. Результаты экспериментов • Робот способен перемещаться по бетону, траве, песку и скользким покрытиям без дообучения. • На препятствиях высотой 12 см успешность преодоления составила 83,3%. • В симуляции робот перевозил груз 40 кг (170% собственной массы), сохраняя 68,4% скорости. В физическом эксперименте асимметричный груз 4,5 кг снизил скорость лишь до 96,3% от заданной. • При отключении двух приводов сохраняется 95% скорости, при отключении четырёх приводов — 85% скорости. • В условиях лунной гравитации робот способен лазать между двумя параллельными стенами. В симуляции средняя скорость подъема составила 0.258 м/с при успешности 85.5%, в физическом эксперименте - 0.238 м/с. •Двадцать ToF-камер строят единое облако точек. В симуляции робот отслеживал тестовый куб (1 м³) с успешностью 89,9% (ошибка скорости 0,167±0,120 м/с) и толкал его с успешностью 91,5% (ошибка направления 0,256±0,207 рад за 10 с). В реальности успешность упала до 36,8% и 39,4% из-за теплового дрейфа и рассинхронизации камер. Перспективы применения и ограничения По мнению исследователей, разработанная концепция может применяться в поисково-спасательных операциях, инспекции промышленных объектов, исследовании труднодоступных территорий и космических миссиях на Луне. Высокая отказоустойчивость (сохранение подвижности при отказе нескольких приводов) особенно важна для автономных систем, работающих вдали от сервисной инфраструктуры. Основными ограничениями робота на данный момент являются - высокая сложность конструкции, увеличивающая стоимость и массу, а также снижение эффективности компьютерного зрения на физическом прототипе из-за теплового дрейфа ToF-камер. Тем не менее, предельная динамическая симметрия может стать новым направлением развития робототехники, где динамические свойства рассматриваются как фундаментальный принцип проектирования мобильных роботов. Полная научная статья доступна на arXiv.

Сбер представил полуантропоморфного робота «Воркер» для прикладных задач бизнеса. Центр робототехники Сбера представил «Воркера» — новое воплощение технологии Physical AI на базе модели Green‑VLA, разработанной на платформе GigaChat. Green-VLA представляет собой модель класса Vision-Language-Action (VLA), объединяющую компьютерное зрение, обработку естественного языка и управление исполнительными механизмами робота. Архитектура обеспечивает единство программной основы для различных физических воплощений — от антропоморфного робота «Грин» до мобильной платформы «Воркер». «Воркер» представляет собой мобильную платформу с двумя манипуляторами, способными работать одновременно. Робот автономно перемещается в пространстве, самостоятельно определяет целевые зоны и выполняет типовые операции без участия человека. Основные характеристики «Воркер»: •Грузоподъёмность: 15 кг •Высота рабочей зоны: 50–170 см •Грузоподъёмность захватных устройств: 3 кг •Вылет захватного устройства: 70 см •Время работы: 24 часа ИИ-модель Green-VLA Green-VLA построена на базе нейросети GigaChat и описывает полный цикл обучения моделей управления роботами — от базового предобучения до настройки поведения робота в реальных условиях. Ключевой особенностью методологии является обеспечение переносимости решений между различными типами роботов и выравнивание поведения с помощью обучения с подкреплением. Эффективность подхода подтверждена результатами на международных бенчмарках Simpler Fractal и Simpler widowX (Стэнфордский университет и Google), а также CALVIN (Фрайбургский университет). Сбер позиционирует Green-VLA как открытую методологию обучения, а не готовый универсальный контроллер. Отчёт по Green-VLA от Сбера доступен на платформе arXiv. Пилотные испытания и сферы применения Робот «Воркер» уже проходит пилотные испытания на базе торговой сети «Перекрёсток». Ключевым преимуществом устройства является возможность интеграции в существующую инфраструктуру без необходимости перестройки среды. К слову, на ПМЭФ-2026 Сбер и X5 подписали соглашение о сотрудничестве в сфере роботизации ретейла. Помимо данной сферы, «Воркер» также может использоваться в складских операциях (сортировка товаров, комплектация заказов), производственных процессах и сервисных задачах. Источник: Сбер

Сбер представил полуантропоморфного робота «Воркер» для прикладных задач бизнеса. Центр робототехники Сбера представил «Воркера» — новое воплощение технологии Physical AI на базе модели Green‑VLA, разработанной на платформе GigaChat. Green-VLA представляет собой модель класса Vision-Language-Action (VLA), объединяющую компьютерное зрение, обработку естественного языка и управление исполнительными механизмами робота . Архитектура обеспечивает единство программной основы для различных физических воплощений — от антропоморфного робота «Грин» до мобильной платформы «Воркер» . «Воркер» представляет собой мобильную платформу с двумя манипуляторами, способными работать одновременно. Робот автономно перемещается в пространстве, самостоятельно определяет целевые зоны и выполняет типовые операции без участия человека . Основные характеристики «Воркер»: Грузоподъёмность: 15 кг Высота рабочей зоны: 50–170 см Грузоподъёмность захватных устройств: 3 кг Вылет захватного устройства: 70 см Время работы: 24 часа ИИ-модель Green-VLA Green-VLA построена на базе нейросети GigaChat и описывает полный цикл обучения моделей управления роботами — от базового предобучения до настройки поведения робота в реальных условиях . Ключевой особенностью методологии является обеспечение переносимости решений между различными типами роботов и выравнивание поведения с помощью обучения с подкреплением . Эффективность подхода подтверждена результатами на международных бенчмарках Simpler Fractal и Simpler widowX (Стэнфордский университет и Google), а также CALVIN (Фрайбургский университет) . Сбер позиционирует Green-VLA как открытую методологию обучения, а не готовый универсальный контроллер. Отчёт по Green-VLA от Сбера доступен на платформе arXiv. Пилотные испытания и сферы применения Робот «Воркер» уже проходит пилотные испытания на базе торговой сети «Перекрёсток» (X5 Group) . Ключевым преимуществом устройства является возможность интеграции в существующую инфраструктуру без необходимости перестройки среды . К слову, на ПМЭФ-2026 Сбер и X5 подписали соглашение о сотрудничестве в сфере роботизации ретейла. Помимо данной сферы, «Воркер» также может использоваться в складских операциях (сортировка товаров, комплектация заказов), производственных процессах и сервисных задачах. Источник: Сбер

Роботизация на стройке: от единичных пилотов к стандартной практике. Интерес застройщиков к автоматизации и робототехнике ежегодно растёт. Технологии, которые ещё недавно выглядели экспериментальными, сегодня становятся эффективным инструментом управления себестоимостью и сроками реализации проектов. Build UP — это ежегодный акселератор на базе Фонда «Сколково», где застройщики находят готовые решения для внедрения на реальных строительных площадках. Программа позволяет разработчикам напрямую протестировать оборудование и программное обеспечение в условиях действующего строительного бизнеса. Что Build UP даёт разработчикам технологий

→ Презентацию продукта напрямую лицам, принимающим решения в девелопменте. → Возможность заключения долгосрочного партнерства с крупнейшими игроками отрасли. → Доступ к грантовому финансированию «Сколково» для доработки и масштабирования решений.

Цифры и результаты За время работы программы подано более 5000 заявок. Партнёры рассмотрели свыше 3000 проектов, а более 150 решений уже работают на реальных объектах застройщиков. Участие в акселераторе бесплатное. К отбору допускаются стартапы и зрелые компании с технологиями на стадии работающего прототипа и выше. Чтобы понять, какие технологии застройщики готовы внедрять в 2026 году и как усилить свою заявку, организаторы проводят онлайн-встречу 9 июня в 11:00 по московскому времени. Представители Фонда «Сколково» и топ-менеджеры компаний-партнёров в прямом эфире разберут самые востребованные решения и ответят на вопросы участников. Как присоединиться к Build UP Для участия необходимо зарегистрироваться на вебинар и подать заявку на сайте программы до 15 июня.

Группа компаний «Умный сервис» (Umserv), занимающаяся внедрением роботизированных систем в бизнес-процессы, проведет бизнес-завтрак на тему «Сквозная оптимизация цепей поставки на всех этапах: от поставщика до полки». Неформальная встреча пройдет 4 июня в 10:30 по адресу г. Москва, 3-я Песчаная улица, 2А, ВЭБ Арена. Подробности и регистрация: Umserv

BlueME: инновационная магнитоэлектрическая антенна для подводной связи между роботами Подводная связь между роботами имеет важнейшее значение для обеспечения скоординированной работы автономных подводных аппаратов, применяемых в целях мониторинга окружающей среды, поисково-спасательных операций и научных экспедиций. Однако эта задача всегда оставалась слабым местом подводной робототехники. Наиболее распространённой технологией является акустическая связь, которая имеет низкую скорость передачи данных, может негативно влиять на окружающую среду и подвержена значительным задержкам распространения сигнала. Оптическая связь (например, модемы LUMA от Hydromea, поддерживающие скорость передачи данных 10 Мбит/с на расстоянии до 50 метров) также не лишена недостатков, главным из которых является критическая зависимость от мутности воды. Группа учёных из Университета Флориды под руководством профессоров Джахидула Ислама и Адама Халифы работает над проектом BlueME, главной целью которого является создание надёжной подводной связи между роботами. В ходе работы ими была разработана магнитоэлектрическая антенная решётка BlueME, которая эффективно работает в диапазонах очень низких и низких частот, оставаясь при этом компактной и производительной. Физический принцип работы В основе функционирования BlueME лежит магнитоэлектрический эффект. Антенна представляет собой многослойную структуру из магнитострикционного материала Metglas и пьезоэлектрика PZT-5J. При подаче переменного тока возникает магнитное поле, которое вызывает механическую деформацию композита, заставляя его резонировать на собственной частоте, составляющей около 35 килогерц. Этот механический резонанс многократно усиливает излучаемое магнитное поле. При приёме внешнее магнитное поле деформирует магнитострикционный материал Metglas, а пьезоэлектрик преобразует эту деформацию в электрический сигнал. Конструкция BlueME представляет собой антенную решётку, состоящую из пятнадцати элементов, расположенных в три ряда по пять. Каждый элемент имеет трёхслойную структуру Metglas-PZT-Metglas толщиной 25, 150 и 25 микрометров соответственно. Для создания постоянного магнитного смещения используются двадцать неодимовых магнитов. Вся конструкция помещена в герметичный корпус, напечатанный на 3D-принтере, и заполнена маслом для компенсации гидростатического давления на глубине. Антенна работает в частотном диапазоне приблизительно от 31 до 41 килогерц. Передающая решётка соединяется параллельно, а приёмная — последовательно. Такая схема даёт линейный рост магнитного момента от числа элементов. Поскольку мощность излучения пропорциональна его квадрату, 15 передающих элементов увеличивают её в 225 раз. Приёмная же решётка повышает чувствительность в 15 раз за счёт суммирования наведённых напряжений. Результаты испытаний В пресной воде озера система продемонстрировала устойчивую связь на расстоянии не менее 200 метров при потребляемой мощности около 1 ватта. В солёной воде у побережья Флориды, где проводимость достигает 5 сименсов на метр, связь была успешно установлена на дистанции свыше 730 метров при потребляемой мощности около 10 ватт. Авторы работы подчёркивают, что качество связи не зависит от мутности воды, наличия препятствий и многолучевого распространения сигнала. Дальнейшее развитие По мнению исследователей, BlueME открывает путь к созданию кооперативных групп подводных роботов. Аппараты смогут обмениваться картами местности, перераспределять задачи и синхронно отслеживать цели без необходимости всплывать на поверхность для передачи данных. Это критически важно для экологического мониторинга, подводной инспекции инфраструктуры и поисково-спасательных работ. Авторы работы подчёркивают, что это первая практическая демонстрация компактных магнитоэлектрических антенн для подводной связи между роботами вне лабораторных условий. Они уже подали предварительный патент и ищут финансирование для дальнейших испытаний на автономных подводных аппаратах. Ссылка на полную научную статью Масштабная статья по подводной робототехнике доступна в пятом выпуске CSI Journal.