#будущееужездесь — посты и обсуждения

🤖Тут и правда есть забавное сходство: и человек, и робот учатся по видео, но делают это совершенно по‑разному. Разберём, как именно Unitree G1 (который гуляет по Москве)«смотрит» видео с людьми и превращает увиденное в движения — и чем это отличается от того, как учимся мы.

📍Как робот учится по видео: имитационное обучение (Imitation Learning)

Для G1 это не «посмотрел и повторил», а многоступенчатый инженерный процесс.

✅Разметка человеческого тела. Сначала видео с человеком прогоняют через нейросеть‑оценщик поз (pose estimator), например, MediaPipe или OpenPose. Она ставит на тело человека 17–25 ключевых точек: плечи, локти, запястья, бёдра, колени, стопы. Получается не картинка, а таблица чисел — координаты этих точек в каждом кадре.

✅Перенос на робота (Human‑to‑Robot Mapping). У человека и у G1 разная анатомия: разные длины конечностей, разные диапазоны вращения суставов. Поэтому координаты точек переводят в углы суставов робота. Это делают с помощью оптимизатора: он подбирает такие углы в 23 степенях свободы G1, чтобы его поза максимально совпадала с человеческой. На выходе — траектория углов во времени.

✅Сглаживание и безопасность. «Сырые» траектории часто резкие: человек может махнуть рукой слишком быстро, и робот рискует потерять равновесие или повредить приводы. Поэтому траектории сглаживают фильтрами, ограничивают скорости и ускорения, добавляют требования по балансу (центр масс должен оставаться над опорой).

✅Отработка в симуляторе. Полученную траекторию сначала прогоняют в симуляторе (Isaac Gym, Mujoco, Gazebo). Робот там сотни раз падает, встаёт, корректирует движение — алгоритм учится быть устойчивым. Это этап обучения с подкреплением (Reinforcement Learning), который «докручивает» сырую имитацию до надёжного поведения.

✅Перенос на реального робота (Sim2Real). Когда в симуляторе всё стабильно, траекторию и политику управления переносят на реального G1. На практике всё равно нужна небольшая донастройка: реальный мир шумнее (пол чуть скользкий, кабель под ногой), поэтому добавляют простые контроллеры обратной связи (PD‑регуляторы), которые держат углы и компенсируют мелкие отклонения.

📍Примеры, как это выглядит на практике:

✅Танец или «поза из мема». Берут видео, где человек делает эффектное движение. Нейросеть извлекает ключевые точки, оптимизатор строит траекторию для 23 суставов G1, симулятор докручивает баланс — и робот повторяет движение, сохраняя устойчивость. Так появляются вирусные ролики.

✅Бытовые действия (открыть дверь, взять предмет). Тут важнее не поза, а последовательность шагов и взаимодействие с объектом. Для этого используют не только видео, но и телеуправление: оператор в костюме захвата движений или через джойстик показывает, как правильно тянуть ручку или обхватывать чашку. Эти данные добавляют к видео, чтобы робот понял не только «как стоять», но и «как действовать».

📍Чем это отличается от того, как учится человек:

✅Параметр.

👨‍🦯Человек

🤖Unitree G1

✅Восприятие.

👨‍🦯Интуитивно «видит» смысл действия, понимает контекст и намерения.

🤖Видит только пиксели и точки; смысл и намерения нужно явно задавать через цели и ограничения.

✅Обобщение.

👨‍🦯Легко переносит навык на новые условия (другая дверь, другой угол).

🤖Требует дообучения или новых демонстраций; обобщает хуже, особенно при сильных изменениях.

✅Обратная связь.

👨‍🦯Чувствует тело, боль, усталость; корректирует движение по ощущениям.

🤖Опирается на датчики усилия, IMU, энкодеры; «боль» — это ошибка контроллера или падение.

✅Скорость обучения.

👨‍🦯Может научиться простому жесту за 1–3 попытки.

🤖Требует сотен/тысяч симуляционных попыток плюс реальные тесты; подготовка данных тоже занимает время.

✅Безопасность.

👨‍🦯Самостоятельно избегает опасных движений.

🤖Инженеры заранее ограничивают диапазоны и скорости, чтобы робот не травмировал себя и людей.

📍Где и как это делают на практике:

✅В лабораториях и вузах на версиях G1 EDU: у них открыт доступ к низкоуровневому управлению, SDK и ROS2. Студенты собирают короткие видео‑демонстрации, обрабатывают их скриптами на Python, запускают обучение в симуляторе и переносят на робота.

✅На уровне компании‑разработчика. используют большие датасеты из сотен человеческих демонстраций и мощные вычислительные кластеры. Так обучают базовые политики ходьбы и баланса, которые потом «вшивают» в прошивки всех G1

Так что, когда видим, как G1 «танцует» или повторяет движение из видео, за этим стоит не магия, а цепочка: оценка поз → перенос на другую кинематику → симуляция и дообучение → перенос на реального робота.

#роботы #гуманоидныероботы #UnitreeG1 #EngineAIT800 #робототехника #технологии #инновации #tech #будущееужездесь #сравнениероботов #искусственныйинтеллект #AI #инженерныерешения #китайскиетехнологии #промышленныероботы

Минтранс всерьёз задумался о том, чтобы сделать Max ID обязательным для посадки в поезда и самолёты. Проект пока на стадии проработки, официального утверждения ещё нет, но чиновники уже называют инициативу «перспективной».

Звучит как шаг в сторону тотальной цифровизации, но давайте посмотрим, что это вообще значит и к чему может привести.

Что такое Max ID и зачем он нужен?

Скорее всего, речь идёт о едином цифровом идентификаторе — своего рода «цифровом паспорте», который можно быстро проверить на турникете или у выхода на посадку. Идея проста: вместо того чтобы показывать билет и паспорт по отдельности, пассажир предъявляет один цифровой профиль. Система сверяет данные, и — вуаля — путь открыт.

В чём плюсы?Скорость. Меньше бумаг, меньше ручных проверок — быстрее посадка, меньше очередей.

Меньше ошибок. Автоматизированная проверка снижает риск человеческого фактора: никто не перепутает страницу паспорта и не пропустит опечатку.

Удобство. Всё в одном месте: билет, данные пассажира, возможно, даже статус лояльности и история поездок.

А что с минусами?

Тут вопросов хватает:

Конфиденциальность. Хранение и обработка персональных данных в единой системе — это всегда риск. Что, если база утечёт? Кто будет отвечать?

Доступность. Не у всех есть смартфоны, не у всех стабильно работает интернет на вокзале или в аэропорту. Что делать тем, кто не может воспользоваться цифровым ID?

Сбои. Любая автоматизация хороша, пока не ломается. Если серверы упадут, на вокзалах и в аэропортах может начаться хаос.

Как это может выглядеть на практике?

Представьте: вы подходите к турникету, сканируете QR‑код из приложения Max — система мгновенно подтверждает вашу личность и право на посадку. Или сотрудник на гейте считывает ваш цифровой профиль через планшет. В идеале — никаких лишних движений, всё быстро и чётко. Но для этого нужна надёжная инфраструктура и понятные правила на случай сбоев.

Пока проект не утверждён, и до обязательного внедрения ещё далеко. Но тренд очевиден: транспорт всё сильнее уходит в цифру. Главное, чтобы удобство не шло в ущерб безопасности и правам пассажиров.

Вы готовы полностью перейти на цифровой ID или предпочитаете старый добрый бумажный билет и паспорт?

#MaxID #транспорт #цифровизация #Минтранс #авиация #железнаядорога #технологии #безопасностьданных #будущееужездесь

#человекоподобныероботы #роботы #искусственныйинтеллект #инвестиции #технологии #будущееужездесь #роботизация #AI #humanoidrobot #робототехника #новыеэкономическиемаршруты #инфраструктурабудущего #времяинвестировать#базар

Пока ты читаешь этот пост, на заводах BMW в Южной Каролине уже работают 350 роботов Figure 03. В аптеках Шанхая роботы собирают заказы вместо фармацевтов. А в Калифорнии готовятся выпускать по 1000 роботов Optimus в неделю.

Человекоподобные роботы перестали быть игрушкой. Они стали работниками.

И это меняет всё.

Суть и логика происходящего:

Раньше роботы умели только танцевать и кувыркаться. В 2026 году они научились думать и работать.

В мире произошёл тектонический сдвиг:

· Китай выдал 97% всех человекоподобных роботов в мире — свыше 40 000 штук только за первое полугодие 2026.

· Tesla готовит 10 000 роботов Optimus к концу года, а в перспективе — 1 000 000 в год.

· Figure AI уже поставила 1000 роботов в реальное производство.

· Agibot отгрузил 15 000 машин.

Инвестиции в отрасль за первый квартал 2026 года — 68,1 миллиарда юаней.

А главное — роботы становятся дёшевыми. Три года назад один экземпляр стоил больше 1 миллиона юаней (≈13 млн руб.). Сегодня — менее 100 000 юаней (≈1,3 млн руб.). Снижение на 90% за три года. А к 2027–2028 году, по прогнозам, цена упадёт ещё сильнее.

Когда стоимость робота становится ниже годовой зарплаты рабочего — экономика переворачивается.

Где они уже работают (и это не «тесты»):

🏭 Заводы — роботы BMW собирают детали, разгружают контейнеры, работают на конвейерах.

📦 Логистика — сортировка посылок, комплектация заказов. Один робот обрабатывает 1816 посылок в час.

🏪 Ритейл — роботы управляют магазинами, продают кофе, собирают заказы в аптеках.

🏠 Дома — роботы готовят еду, складывают вещи, убирают.

Всё это — не демонстрации. Это реальная работа за реальные деньги.

Почему это необходимо сейчас:

1. Демография. Людей становится меньше, работать некому. Роботы — не замена, а спасение.

2. Экономика. Когда один робот стоит как годовая зарплата и работает 24/7 — он окупается за месяцы.

3. Гонка. Китай уже захватил 97% рынка. США подтягиваются. Европа строит свои заводы. Россия — пока наблюдает.

Кто опоздает — тот проиграет.

Для инвестора:

Рынок человекоподобных роботов вырастет с 23 млрд юаней (≈300 млрд руб.) в 2026 году до 277,6 млрд юаней (≈3,6 трлн руб.) к 2030 году. Рост в 12 раз за 4 года.

Это быстрее, чем росла любая другая отрасль в истории человечества.

Аналитики Goldman Sachs повысили прогноз в 4 раза. Morgan Stanley — ещё выше.

Поезд уходит. Твой вагон — здесь.

Ты берёшь телефон, чтобы заказать пиццу, а он уже знает, что ты хочешь пепперони с двойным сыром, потому что в прошлый раз ты съел три куска и потом полчаса гуглил «как убрать изжогу». И это не магия. Это ИИ. А теперь представь, что такой же умный помощник живёт прямо в твоей сим‑карте — точнее, в сервисах связи от Яндекса, где искусственный интеллект уже вовсю помогает управлять связью, экономить деньги и даже спасать от неловких ситуаций.

Звучит как фантастика? Почти. Но в реальности всё куда веселее.

Когда сим-карта начинает «понимать»

Современные сервисы связи — это уже не просто минуты, гигабайты и SMS. Это целая экосистема, где ИИ тихо и незаметно делает твою жизнь удобнее. Например, он может подсказывать, когда тариф вот-вот закончится, и предлагать оптимальный вариант продления — не наугад, а исходя из твоих реальных привычек. Ты любишь смотреть сериалы в метро? ИИ это заметил и предложит пакет с увеличенным трафиком. Забыл пополнить баланс перед важной встречей? Умная система пришлёт напоминание так, чтобы ты не пропустил звонок от начальника — и не сорвал сделку века (или хотя бы не пропустил звонок мамы).

А ещё ИИ умеет анализировать, как ты пользуешься связью, и предлагать персонализированные решения. Не «вот вам стандартный тариф на 500 минут», а «вот тариф, где 300 минут, зато безлимит на мессенджеры и стриминг — потому что вы почти не звоните, зато смотрите котиков в 4K». Это как личный стилист, только для мобильной связи.

Юмор, который спасает

Иногда ИИ не просто полезен — он ещё и забавен. Представь: ты пишешь в поддержку «У меня не работает интернет, я сейчас сгорю от отчаяния», а в ответ получаешь не сухое «Перезагрузите роутер», а что-то вроде: «Понимаю, остаться без мемов в самый ответственный момент — это почти трагедия. Давайте попробуем перезагрузить роутер — обещаю, это не больно». И вот ты уже улыбаешься, перезагружаешь, и интернет вдруг действительно появляется. Совпадение? Не думаем.

Или другой сценарий: ИИ помогает тебе выбрать тариф, и в процессе шутит: «Вы так часто смотрите видео, что ваш трафик можно измерять не в гигабайтах, а в сериалах. Предлагаю тариф “Запойный зритель” — в него входит безлимит на стриминг и скидка на попкорн (шучу, но идея хорошая)». Такой подход снимает напряжение и делает рутинные вещи чуть веселее.

Безопасность с человеческим (ну, почти) лицом

ИИ в сервисах связи — это ещё и про безопасность. Он может распознавать подозрительную активность, предупреждать о возможных мошеннических звонках и даже блокировать спам. Причём делает это так, чтобы не превратить твой телефон в крепость, куда не пробиться ни другу, ни курьеру. Алгоритмы учатся отличать «странный звонок с незнакомого номера» от «это тётя Маша, она всегда звонит с нового телефона».

И да, иногда ИИ ошибается. Например, может пометить звонок из банка как спам, потому что «слишком настойчиво предлагают кредит». Но даже в этом есть свой шарм: ты звонишь в поддержку, а бот отвечает: «Простите, я слишком увлёкся борьбой со спамом и случайно заблокировал важного человека. Давайте всё исправим — и я больше не буду таким подозрительным». И ты понимаешь: даже у искусственного интеллекта бывают плохие дни.

Будущее уже здесь (и оно с юмором)

Что дальше? Возможно, ИИ научится не только предлагать тарифы, но и вести с тобой философские беседы, пока ты ждёшь загрузки страницы. Или будет подбирать рингтоны под твоё настроение: если день не задался — включит что-то бодрое, а если хочется тишины — предложит режим «Меня нет, я в медитации».

А может, однажды сим‑карта с ИИ будет настолько умной, что сама будет отвечать на звонки, когда ты слишком занят (или слишком не хочешь разговаривать). «Привет, это ИИ абонента. Он сейчас спасает мир (или просто спит). Чем могу помочь?» И кто знает — может, это будет даже лучше, чем автоответчик.

Так что сим от Яндекса с ИИ — это не просто связь. Это умный, внимательный и иногда даже остроумный помощник, который делает твою цифровую жизнь проще, безопаснее и чуточку веселее. Главное — не забывать, что он всё-таки помощник, а не замена тебе. Хотя, если он научится варить кофе, мы подумаем ещё раз.

#яндекс #ИИ #связь #технологии #будущееужездесь #умныйпомощник #цифроваяжизнь

Это звучит как сценарий для научной фантастики, но это реальность! 🤯

Я прям по горячим следам села за пост. С утра читала новости науки и инноваций (есть такая привычка многолетняя )- офигела!

Представьте: вы заходите в дата-центр, а там не только привычные стойки с серверами, но и биологические модули с живыми человеческими нейронами. Звучит безумно? А вот и нет!

В Сингапуре официально запущен прототип первого в мире биологического дата-центра . Проект объединил усилия оператора DayOne, биотех-стартапа Cortical Labs и Национального университета Сингапура (NUS Medicine) .

В основе системы — 20 биокомпьютеров CL1, объединённых в одну серверную стойку. В каждом из них находится около 800 000 живых нейронов, выращенных из стволовых клеток человека . Получается, что вся установка содержит примерно 16 миллионов живых клеток, которые выполняют вычисления! 🧠

Но зачем это нужно?

Главная причина — энергоэффективность. Обучение ИИ требует колоссальных ресурсов, и традиционные кремниевые чипы потребляют огромное количество электроэнергии . Живые нейроны, напротив, работают, потребляя в разы меньше энергии, почти не нагреваются и не требуют мощных систем охлаждения .

Энергопотребление одного блока CL1 — всего около 25–30 Вт, тогда как современные GPU для ИИ могут потреблять до 700 Вт . Аренда такого биокомпьютера стоит около $2 200 в месяц, что примерно вдвое дешевле аренды мощного чипа у облачных провайдеров .

Что с ними можно делать?

Учёные уже доказали, что нейроны можно обучить: ранее система DishBrain научилась играть в Pong, а затем и в Doom . Теперь технология выходит из лабораторий в коммерческую инфраструктуру .

Пока это всё ещё прототип. Нейроны живут около 6 месяцев, и их нужно «кормить» смесью из сахара и микроэлементов каждые три дня . Но перспективы потрясающие: от создания нового поколения ИИ и робототехники до ускорения разработки лекарств и исследований болезней мозга .

Это не просто шаг вперёд, это прыжок в совершенно новую реальность, где грань между биологией и технологией становится практически прозрачной. Будущее наступило! ✨

#Сингапур #Биокомпьютинг #ИИ #Технологии #БудущееУжеЗдесь #Нейросети #DayOne #CorticalLabs