Робототехника CSI

RoboDojo — единый бенчмарк воплощённого искусственного интеллекта в робототехнике Исследовательская группа Гонконгского университета совместно с учёными из ведущих университетов мира, включая Университет Цинхуа, Стэнфордский университет и MIT, представила RoboDojo — единый Sim-and-Real бенчмарк для оценки воплощённого ИИ в робототехнике. Он объединяет испытания систем управления роботами в симуляции и на реальных роботах. RoboDojo позволяет проверить, насколько хорошо робот выполняет различные задачи, работает с новыми объектами и условиями, использует ранее полученную информацию и выполняет последовательности действий. Такой подход позволяет оценивать возможности воплощённого ИИ не только в виртуальной среде, но и при непосредственном взаимодействии с физическим миром. Симуляционная часть RoboDojo включает 42 задачи в NVIDIA Isaac Sim. Они разделены на пять направлений: работа в новых условиях, использование памяти, точность, выполнение длинных последовательностей действий и следование инструкциям на естественном языке. Среди заданий — классификация и сортировка объектов по словесным инструкциям, складывание блоков и одежды, установка деталей, закручивание винтов, использование инструментов, переливание жидкости и выполнение длинных последовательностей действий. Некоторые сценарии требуют учитывать информацию, полученную на предыдущих этапах. Чтобы ускорить испытания, RoboDojo использует параллельное моделирование в Isaac Sim. Разные задачи, сцены и процессы могут выполняться одновременно, что позволяет значительно увеличить скорость оценки и проводить большое количество испытаний. Вторая часть системы — RoboDojo-RealEval, которая переносит оценку из симуляции в реальный мир. Она включает 18 задач и три двурукие роботизированные платформы: ARX X5, Piper и Piper X. Сценарии включают классификацию и сортировку объектов, упаковку, складывание предметов, установку деталей, приготовление пищи и другие задачи, требующие непосредственного физического взаимодействия с объектами. Испытания на реальных роботах позволяют выявить проблемы, которые невозможно в полной мере воспроизвести в симуляции: шумы сенсоров, ошибки приводов, особенности физического контакта между роботом и объектами и другие параметры. Чтобы результаты разных испытаний можно было сопоставлять, разработчики стандартизировали конфигурацию оборудования, процедуру сброса сцены, протокол оценки и интерфейс развертывания систем управления. RoboDojo-RealEval также поддерживает удалённую оценку через облачную инфраструктуру: разработчик может подключить свою систему управления к роботизированной платформе RoboDojo и провести испытание на реальном роботе дистанционно, не имея такого оборудования у себя. Для подключения различных систем управления разработчики создали XPolicyLab — программную инфраструктуру с единым интерфейсом. Она позволяет подключать разные системы управления к общей среде RoboDojo, после чего их можно оценивать как в симуляции, так и на реальных роботах с минимальной адаптацией самой системы управления. В рамках исследования авторы интегрировали 30 систем управления роботами и сравнили их результаты на RoboDojo. Главная идея RoboDojo заключается в объединении двух уровней оценки - масштабных испытаний в симуляции и проверки на физических роботах. Это позволяет не только сравнивать системы управления по большому числу задач, но и проверять, насколько хорошо их возможности сохраняются после перехода из виртуальной среды в реальный мир. В результате RoboDojo создаёт единый подход к оценке универсальных систем управления роботами и помогает выявлять их сильные и слабые стороны. Полная научная статья доступна на arXiv. Наш канал в Мах

Ростех показал робота-сварщика В рамках V чемпионата профессионального мастерства «Время первых» Госкорпорация Ростех представила промышленного робота, способного повысить эффективность сварочных работ на 57%. Мобильный робототехнический сварочный комплекс разработан компанией «КЕДР» на базе коллаборативного робота-манипулятора DOKA RC10, созданного «РОБОПРО» — партнёром Ростеха. Основные характеристики DOKA RC10: •Грузоподъёмность: 10 кг •Повторяемость позиционирования: ±0,05 мм •Максимальная скорость перемещения: 2 м/с •Радиус рабочей зоны: 1300 мм •Степень защиты: IP54 Роботизированный комплекс обеспечивает стабильное качество швов, высокую точность и производительность. По итогам испытаний производительность одного рабочего места выросла на 57%, загрузка оборудования достигла 90%, сроки изготовления изделий сократились в три раза, а объём брака снизился практически до нуля. При этом комплекс можно адаптировать под разные задачи за счёт смены технологической оснастки, а на основе пилотных испытаний планируется разработать новые стандарты квалификации при участии Агентства развития профессионального мастерства и МГТУ им. Н.Э. Баумана. Стоит отметить, что «РОБОПРО» ежегодно выпускает до 550 роботов, а к 2030 году планирует нарастить производство до 6000 единиц в год. Уровень локализации составляет порядка 75%. Продукция поставляется как для нужд Ростеха, так и внешним заказчикам. Источник: Ростех

Седьмой выпуск CSI Journal выйдет 21 августа ⬇️ Тематики основных статей: •Эффект Холла и его применение в робототехнике. •Пьезоэффект в робототехнике: тактильные датчики и микроприводы. • Робототехника в медицине: от хирургии до роботизированных таблеток •Экзоскелеты для реабилитации: как роботы возвращают людям утраченные функции тела. •Состояние рынка робототехники Республики Узбекистан. •Роботизация на краю света: текущее состояние рынка робототехники Австралии и главные тренды развития отрасли.

Unitree Robotics выходит на IPO Китайская компания Unitree Robotics, один из крупнейших в мире производителей гуманоидных роботов, планирует провести IPO на технологическом рынке STAR Шанхайской фондовой биржи (SSE). По данным Bloomberg, в ходе первичного размещения акций компания планирует привлечь около 6.1 млрд юаней (около $900 млн.). Это сделает Unitree Robotics первой публично-торгуемой компанией — производителем гуманоидных роботов на материковом Китае. Согласно заявлению, поданному на Шанхайскую биржу, компания планирует разместить акции по цене 150.8 юаня ($22,21) за бумагу. В ходе IPO Unitree Robotics планирует разместить 40.4 млн акций, или 10% увеличенного акционерного капитала компании. Согласно документам, поданным в четверг, китайская AI-компания DeepSeek входит в число стратегических инвесторов IPO Unitree. Компания приобрела акции Unitree на сумму около 140.8 млн юаней ($20.8 млн.). Среди стратегических инвесторов также — Tencent, CNPC, China Southern Power Grid, China Telecom, CITIC Securities и Фонд социального страхования КНР. Согласно первоначальному плану IPO, около 4.2 млрд юаней будет направлено на разработку моделей воплощенного ИИ для роботов, исследования человекоподобных роботов, программы по выпуску новых продуктов и проекты по расширению производства. Согласно проспекту эмиссии, выручка Unitree Robotics в 2025 году выросла до 1.7 млрд юаней с 393 млн юаней годом ранее. Чистая прибыль компании в прошлом году составила 278 млн юаней, а рентабельность по валовой прибыли превысила 60%. Основатель и глава Unitree Robotics Ван Синсин останется руководителем компании после размещения акций на бирже. Ожидается, что после IPO Ван Синсин и подконтрольные ему структуры будут владеть примерно 31,29% акций. Напомним, что Unitree Robotics стала одним из мировых лидеров по поставкам гуманоидных роботов в 2025 году. По данным самой компании, за год она продала и поставила конечным заказчикам более 5 500 единиц гуманоидных роботов, что в разы превышает показатели, например, Tesla, Figure AI и Agility Robotics. Конкурентом Unitree по этому показателю является китайская AgiBot, показавшая сопоставимые результаты. Наш канал в МАХ

Google DeepMind представила Gemini Robotics 2 — семейство моделей для управления роботами. Google DeepMind представила новое поколение моделей для управления роботами - Gemini Robotics 2, которое позиционируется как универсальная интеллектуальная система, которую можно адаптировать под различные робототехнические платформы — от двуруких манипуляторов до человекоподобных роботов. Семейство объединяет три специализированные модели, отвечающие за непосредственное управление роботом, высокоуровневое рассуждение и локальную работу на самом устройстве: • Gemini Robotics 2 — основная VLA-модель, преобразующая визуальную информацию и текстовые инструкции в управляющие команды для робота. В новой версии система получила возможность координировать работу всего тела гуманоидного робота. Модель была испытана на платформах Apptronik Apollo 2 и Franka Duo. На Apollo 2 она координировала перемещение робота для выполнения задач, требующих одновременной ходьбы, наклонов и выполнения различного рода манипуляций. Модель также получила более развитые навыки работы с антропоморфными пятипалыми кистями (до 22 степеней свободы), включая завязывание узлов и закрытие зип-пакетов. • Gemini Robotics ER 2 — модель воплощённого рассуждения (embodied reasoning), выполняющая функции высокоуровневого «мозга». Она анализирует пространственную среду через непрерывный видеопоток, разбивает сложные задачи на последовательность действий и отслеживает их выполнение. ER 2 не управляет приводами напрямую, а передаёт подзадачи VLA-модели. Это позволяет выполнять многошаговые сценарии длительностью в несколько минут и восстанавливаться после ошибок. Модель также поддерживает координацию работы группы роботов для совместного выполнения задач. • Gemini Robotics On-Device 2 — локальная VLA-модель для автономной работы робота без постоянного подключения к облаку. Локальное выполнение минимизирует задержки и зависимость от сети, при этом модель способна адаптироваться к работе на новых типах манипуляторов за несколько часов с использованием менее 200 демонстрационных примеров. Работу системы уже протестировали на платформах Dexmate, SO101 и Trossen. Демонстрации показывают прогресс в повышении ловкости устройств, работающих на новой версии модели. При этом разработчики признают, что показатели успешности и скорость выполнения операций пока сильно зависят от сложности задачи и требуют дальнейшей оптимизации. Так, согласно официальным данным Google DeepMind, успешность выполнения задач варьируется от 32% (сборка с совком) до 92% (выкручивание лампочки). Gemini Robotics ER 2 уже доступна разработчикам через Google AI Studio и Gemini API. Исполнительные VLA-модели (Robotics 2 и On-Device 2) пока предоставляются ограниченному кругу партнёров, среди которых Apptronik, Boston Dynamics и Agile Robots. Источник: Google Deepmind

⚡️Семаргл в программе «Петербург — город решений» 15 июля в эфире телеканала «Санкт-Петербург» вышел новый выпуск программы «Петербург — город решений», посвящённый цифровой трансформации отечественной промышленности. В центре внимания выпуска — ключевые инструменты повышения эффективности предприятий: цифровизация производства, роботизация, компьютерное зрение, модернизация промышленных площадок и роль современных технологий в решении кадрового дефицита. Одним из героев программы стала компания «Семаргл», недавно открывшая новое роботизированное производство на площадке ОЭЗ «Санкт-Петербург» («Новоорловская»). Управляющий партнёр компании Сергей Терентьев рассказал о деятельности компании, собственных робототехнических решениях и перспективах автоматизации российских предприятий. Подробнее — в выпуске телеканала «Санкт-Петербург». 🤩Семаргл I ТG 🤩Семаргл I МАХ

Robostral Navigate: модель для автономной навигации роботов с помощью одной RGB-камеры Французский стартап в области искусственного интеллекта Mistral AI представил Robostral Navigate - первую модель компании для автономной навигации роботов. Система принимает на вход изображение с монокулярной RGB-камеры и инструкцию на естественном языке, после чего обеспечивает перемещение робота в заданную точку пространства. В основе функционирования Robostral Navigate лежит визуально-языковая модель с 8 миллиардами параметров, разработанная внутри компании. Навигация реализована через механизм указания (pointing). Модель не вычисляет траекторию в абсолютных величинах, а определяет на текущем изображении координаты целевой точки и задаёт желаемую ориентацию робота в момент прибытия. Такой подход, оперирующий в визуальном пространстве, обеспечивает устойчивость системы к изменению параметров камеры и масштаба сцены. Если целевая точка не попадает в поле зрения камеры, то модель переключается на команды смещения и поворота в локальной системе координат робота. Архитектура Robostral Navigate разделяет семантическое планирование и низкоуровневое управление. Первый уровень — визуально-языковая модель с 8 млрд параметров, которая отвечает за понимание инструкции, анализ сцены и выбор промежуточных целей. Она работает с частотой около 2 Гц, предсказывая целевую точку в координатах текущего кадра или, при её отсутствии, выдавая команды смещения в локальной системе координат робота. Второй уровень — диффузионная модель со 121 млн параметров и контроллер. Модель преобразует выбранную VLM цель в конкретную траекторию, генерируя последовательность из 30 команд на ближайшую секунду с частотой 10 Гц. Эти команды задают относительные смещения, например, «проехать 0,5 метра вперёд и повернуть на 5 градусов». Контроллер, адаптированный под конкретную платформу, транслирует траекторию в высокочастотные сигналы для моторов (100 Гц). Такое разделение позволяет использовать одну и ту же модель на разных типах роботов — достаточно заменить только контроллер. Обучение Robostral Navigate проводилось в симуляции. Для этого Mistral подготовила около 2.4 миллиона траекторий в 350 тысячах виртуальных сцен, включающих офисные, жилые и коммерческие помещения, многоэтажные маршруты и открытые пространства. С целью достижения универсальности в процессе генерации данных варьировались размеры робота, высота и наклон камеры, уровень освещения, архитектура помещений и плотность объектов. В итоге модель работает на колесных, шагающих и даже летающих роботах без перенастройки. После первичного обучения модель была доработана с использованием алгоритма обучения с подкреплением CISPO. Для этого была сформирована выборка из 35 тыс. сложных заданий, на которых исходная версия демонстрировала систематические ошибки. В тесте R2R-CE итоговая версия модели успешно завершила 77,4% маршрутов в неизвестных сценах, что превосходит предыдущий лучший результат для систем с одной камерой (66,9%) и для систем с несколькими камерами или датчиком глубины (72,1%). В более сложном тесте RxR-CE показатель составил 75,1% против 73,4% у лучшей однокамерной системы. В знакомых сценах успешность возрастает до 79,4%. Полная версия научной статьи доступна на arXiv. Наш канал в Мах

BrainCo представила платформу с поддержкой ИИ для управления роботами с помощью силы мысли На Всемирной конференции по искусственному интеллекту WAIC 2026 в Шанхае китайская компания BrainCo, разработчик неинвазивных интерфейсов «мозг-компьютер» (BCI), представила платформу, которая позволяет управлять роботами исключительно силой мысли. Технология работает в три этапа: пользователь надевает ЭЭГ-гарнитуру, которая регистрирует электрическую активность головного мозга. Алгоритмы искусственного интеллекта декодируют эти сигналы для определения двигательных или управляющих намерений, а затем преобразуют их в команды для робота. Полный цикл обработки сигнала, от возникновения мысли до исполнения команды, занимает менее 200 миллисекунд. Платформа совместима с серийными роботами разных типов — от гуманоидов до промышленных манипуляторов и роботов-собак. При этом настройка системы под конкретного пользователя, по заявлению разработчиков, не требует специальной подготовки в области нейроинтерфейсов и занимает около десяти минут. Помимо системы управления, BrainCo представила решение для одной из ключевых проблем современной робототехники — дефицита качественных данных для обучения воплощённого искусственного интеллекта. Разработанная компанией система сбора данных, включающая перчатку с сенсорными датчиками и роботизированную руку с 21 степенью свободы, синхронно записывает двигательную активность оператора и соответствующие сигналы, поступающие от его мозга. Это позволяет создавать более качественные наборы данных для обучения роботов сложным операциям. Основные принципы работы нейроинтерфейсов и перспективы их применения в робототехнике — в шестом выпуске CSI Journal.

WRC 2026: бизнес-миссия в Пекин РобоДжобс организует бизнес-миссию на World Robot Conference — ключевое мировое событие в области робототехники. Поездка состоится с 16 по 23 августа. В программе: посещение WRC и 15 ведущих технологических компаний Пекина, включая Realman, Robotera, Phybot, Booster Robotics, Galbot, Casbot, X Humanoid Robots, NOETIX, Yunji, WeRide, JD Logistics и других разработчиков гуманоидных роботов и систем embodied AI. Заявки принимаются до 31 июля. Подробнее на сайте РобоДжобс.

Робототехника CSI pinned a file

НАУРР и Хабр создают реестр интеграторов в сфере промышленной робототехники. Национальная ассоциация участников рынка робототехники совместно с Хабром запускают проект по созданию единого отраслевого реестра интеграторов в сфере промышленной роботизации, который станет инструментом навигации по рынку и позволит систематизировать информацию о компаниях, работающих в сфере промышленной робототехники. При поддержке НАУРР разработана единая анкета для интеграторов и производителей робототехнических решений. На основе полученных данных будет сформировн реестр, в который войдет информация о компетенциях компаний, реализованных проектах, отраслевой специализации, применяемых технологиях, опыте внедрения робототехнических комплексов и инженерной экспертизе. Компании будут классифицированы по ключевым компетенциям: отраслевая специализация, применяемые робототехнические платформы, программное обеспечение и успешный опыт интеграции в действующие производственные цепочки. Параллельно Национальная ассоциация участников рынка робототехники (НАУРР) формирует механизм независимой оценки квалификации участников реестра. В перспективе к этой процедуре планируется привлекать и самих заказчиков — это повысит объективность рейтинга и превратит реестр в действенный рыночный инструмент. Собранные данные лягут в основу отраслевой аналитики и послужат фундаментом для новых программ поддержки промышленной роботизации в России. К участию приглашаются интеграторы промышленных роботов, производители робототехнических решений и компании, реализующие проекты по промышленной автоматизации и роботизации. Для включения в реестр необходимо заполнить анкету. Прием заявок открыт до 10 августа 2026 года. Подробнее

Роботы меняют рынок: как промышленная автоматизация перекраивает спрос на склады и цеха в России За два года плотность роботизации в России выросла с 19 до 40 машин на 10 тысяч сотрудников. Парк уже превысил 21 тысячу, а в 2025-м выпустили больше 700 отечественных роботов - против 11 годом ранее. Чтобы к 2030-му достичь целевых 145 единиц, нужно ставить по 6 тысяч новых систем ежегодно. Примеры уже есть: на Челябинском кузнечно-прессовом один робот заменяет двух-трёх человек, производительность растёт на 15%. А на складе «Восток Сервиса» 48 роботов окупились за год и ускорили обработку заказов на 21%. Проблема в том, что большинство существующих складов под это не заточены. Типичный класс А - потолки до 12 метров, а роботизированным системам нужно 18–24 метра. В 2025-м ввели рекордные 7,6 млн кв. м, но значительная часть уже морально устарела. И главный драйвер автоматизации - не прогресс ради прогресса: почти треть компаний идёт на это из-за кадрового голода, ещё треть - ради производительности. До 85% складских операций всё ещё делают вручную, а дефицит персонала исчисляется десятками процентов. При высокой ключевой ставке чаще модернизируют действующие объекты, не останавливая производство, чем строят новые. Для рынка это расклад с чёткими ставками. Рентабельность проектов в промнедвижимости достигает 25–35%, но здания без запаса по высоте и усиленных перекрытий стремительно теряют ликвидность. Государство субсидирует до 20% затрат на роботизацию, в бюджете на 2026-й заложено 9 млрд рублей. Прогнозируют, что объём рынка промробототехники вырастет до 48 млрд рублей к 2030-му - а вместе с ним потянется и спрос на принципиально другие площади: с потолками под 20 метров, с цифровой инфраструктурой, с возможностью встраивать линии без перепланировки. Кто закладывает это в проекты сейчас, на наш взгляд, окажется в плюсе. Остальным придётся догонять, и это обойдётся дорого. Подписывайтесь на канал MT-GROUP, чтобы узнавать больше новостей из быстроразвивающегося мира роботов! 🟢 Подписаться на канал 🟢 Подписаться в MAX

Японские исследователи создали роботизированную кисть, способную переключаться между несколькими захватными модулями с помощью одного двигателя. Современная робототехника сталкивается с проблемой универсального захвата - объекты различной формы и размеров требуют применения разных типов захватных механизмов, однако установка отдельного двигателя для каждого захвата усложняет конструкцию, увеличивает массу и требует сложных систем управления. Инженеры из Канадзавского университета предложили решение этой проблемы, представив роботизированную кисть с несколькими захватными модулями, управляемыми одним двигателем. Вместо независимых приводов для каждого механизма они разработали систему MaGDri (Magnetic and Gravity-based Driving), которая автоматически переключает передачу крутящего момента между захватными механизмами с помощью магнитных муфт и поворота подвижного основания под действием силы тяжести. В основе конструкции находится двигатель, установленный на подвижном основании, способном свободно поворачиваться относительно корпуса кисти. На валу двигателя и приводных валах каждого захватного модуля размещены магнитные муфты в виде дисковых элементов с чередующимся расположением северных и южных полюсов. При совмещении муфт магнитное взаимодействие обеспечивает бесконтактную передачу крутящего момента: двигатель приводит в движение только определенный захват, тогда как остальные модули остаются неподвижными. Механизм MaGDri работает в двух состояниях — передачи момента и переключения. В рабочем режиме двигатель приводит в движение выбранный захват, выполняя сжатие или раскрытие пальцев. Магнитное взаимодействие между муфтами удерживает соединение и предотвращает случайное переключение. Когда захват достигает конечного положения или удерживает объект, дальнейшее вращение двигателя вызывает рост противодействующего момента и относительное угловое смещение магнитных элементов. При увеличении смещения передаваемый момент сначала достигает максимума, а затем снижается, что приводит к магнитному расцеплению. После расцепления подвижное основание с двигателем освобождается и поворачивается под действием силы тяжести до положения, в котором магнитная муфта двигателя совмещается с муфтой другого захватного модуля. После повторного соединения двигатель начинает передавать крутящий момент новому захвату. Таким образом, переключение между механизмами выполняется автоматически без дополнительных приводов. Каждый захватный модуль оснащён червячной передачей с эффектом самоблокировки. Она позволяет двигателю вращать выходной механизм, но не допускает обратного проворачивания под нагрузкой. Благодаря этому после переключения двигателя ранее активированный захват сохраняет своё положение и продолжает удерживать объект. Исследователи разработали два прототипа: первый включал двухпальцевый и трёхпальцевый захваты, а второй состоял из пяти независимых двухпальцевых модулей. Эксперименты подтвердили возможность переключения между захватами во время операций захвата и отпускания. Робот успешно работал с объектами различной формы, включая прямоугольные и цилиндрические предметы, выбирая подходящий для этой задачи механизм. Для оценки универсальности разработки были проведены успешные испытания с 12 объектами различной формы, включая предметы из набора YCB, используемого для тестирования роботизированных систем. Среднее время переключения составило 0,41 секунды, сила захвата достигла 20,5 Н для двухпальцевого модуля и 12,2 Н для трёхпальцевого. После 1000 циклов переключения заметных признаков износа обнаружено не было. Главным ограничением текущей реализации является зависимость переключения от ориентации роботизированной кисти. Для перехода к другому захвату целевой модуль должен находиться в положении, при котором подвижное основание с двигателем может повернуться под действием силы тяжести. В дальнейшем авторы планируют увеличить количество захватных модулей, провести испытания системы в промышленных задачах pick-and-place и интегрировать полностью автономное управление. Полная научная статья доступна на IEEE Xplore.

6 выпуск CSI Journal⬇️ •Электроаэродинамика в робототехнике: эффект Бифельда-Брауна и ионная тяга •Нейроинтерфейсы: как сила мысли управляет роботами •Тенсегрити в робототехнике: физические основы разработки ударопрочных роботов •Космическая робототехника: как планетоходы покоряют новые миры •Рынок робототехники Беларуси •Рынок робототехники Нидерландов Робототехника CSI

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.