#робототехника — 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

FDA разрешило Aletta — автономную систему для забора крови у взрослых вне больниц. Машина сама находит вену, вводит иглу и заполняет пробирки; в испытании с более чем 1600 участниками первая попытка была успешной в 94,5% случаев.

Для лабораторий экономический эффект связан прежде всего с пропускной способностью: один флеботомист может контролировать до трёх установок. Это способ обслужить больший спрос на рутинные анализы при кадровом дефиците, где текучесть приближается к 25%, а доля вакансий — к 10%. Но решение о закупке потребует учесть вмешательства специалиста примерно в одном случае из двадцати и дождаться дополнительных данных о качестве образцов.

Разбираем, как устроен робот и какие проверки ещё нужны перед масштабированием:

Подробнее: https://ai-digest.ru/go/finbazar/3229/

#медтех #робототехника #бизнес

#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.

Рынок ИИ постепенно меняет структуру. Последние несколько лет основная капитализация создавалась на инфраструктурном уровне: GPU, серверы, дата-центры, сетевое оборудование. Но чем больше капитала туда уже вложено, тем сильнее смещается вопрос от «кто построит инфраструктуру» к «кто сможет на ней зарабатывать».

Именно здесь сравнение с доткомами становится полезным, но не прямым.

В 2000 году NASDAQ торговался примерно с форвардным P/E 79x, а значительная часть компаний выходила на рынок без устойчивой выручки. Сейчас крупнейшие технологические корпорации находятся в диапазоне около 25–32x будущей прибыли и финансируют AI-CAPEX в основном за счет собственного денежного потока.

При этом расходы уже огромные. Совокупные капитальные вложения гиперскейлеров превышают $500 млрд в год. Для рынка это означает рост требований к отдаче: инвесторы будут все меньше платить просто за участие в AI-теме и все больше — за конвертацию инвестиций в выручку, маржу и свободный денежный поток.

Отсюда и главный сдвиг.

Первая волна дала преимущество производителям вычислительной инфраструктуры. Вторая может достаться компаниям, которые используют эту инфраструктуру как базу для высокомаржинальных продуктов: корпоративного ПО, AI-агентов, робототехники, промышленной автоматизации и энергетических решений.

Механика здесь понятна. Дата-центр требует миллиардных вложений. Программный продукт после создания может масштабироваться на тысячи корпоративных клиентов без сопоставимого роста капитальных затрат. Именно поэтому прикладной уровень потенциально способен давать более высокую рентабельность капитала, чем инфраструктурный.

Виктор Емченко в статье для РБК приводит оценки, согласно которым мировой рынок AI-решений к 2030 году может превысить $3,1 трлн при среднем темпе роста около 30% в год.

Но это уже не история про «купить все, где есть AI». Следующая фаза будет намного более селективной.

Смотреть стоит прежде всего на три показателя: темпы роста AI-выручки, способность компании расширять маржу и соотношение CAPEX к будущему свободному денежному потоку. Именно здесь будет видно, кто действительно монетизирует ИИ, а кто просто дорого участвует в инфраструктурной гонке.

Виктор Емченко подробно разобрал, почему нынешний AI-цикл не является прямой копией доткомов и где могут появиться следующие бенефициары:

https://companies.rbc.ru/news/3Yq34Txlsy/epoha-sverhpribyilej-v-ii-tolko-nachinaetsya/

Недавний пост Илона Маска — «Optimus + Grok = робототехника и ИИ = Med Beds» с двумя эмодзи и подмигиванием — прочитали миллионы. Кто-то улыбнулся, кто-то задумался, кто-то пошёл искать, что такое MedBeds и почему имя Маска должно быть рядом с этим термином. Разбираемся, что стоит за словом, которое за последние пять лет проникло из маргинальных телеграм-каналов в речи бывших президентов США.

Что именно написал Маск

Цитата целиком:

«Однажды Optimus и Grok обеспечат невероятное медицинское обслуживание всем людям на Земле.»

«— Optimus + Grok = робототехника и ИИ = Med Beds 😉»

Здесь две части. Первая — оптимистическая и не вызывает возражений: гуманоидный робот Optimus плюс языковая модель Grok действительно могут стать частью клинической инфраструктуры в будущем, вопрос только в сроках и форме. Вторая часть — «= Med Beds» — это уже не про реальные продукты. Это про конспирологическую идею, которая гуляет по интернету с начала 2020-х. Подмигивающий смайлик — типичный приём, через который такие темы подсасываются в мейнстрим: подаются как шутка, но адресуются к тем, кто в теме, и запускают их на новый круг.

Что такое MedBeds и откуда миф

Wikipedia определяет MedBeds прямолинейно: «a nonexistent medical technology that became prominent in conspiracy theory narratives in the early 2020s» — несуществующая медицинская технология, ставшая заметной благодаря конспирологии в начале 2020-х.

Согласно мифу, существуют три типа таких «кроватей», якобы спрятанных в секретных военных тоннелях:

голографическая — диагностирует и лечит любую болезнь;

регенеративная — отращивает утраченные конечности за минуты;

омолаживающая — обращает старение вспять.

В конспирологической среде популярна версия о тысячах якобы «подавленных патентов» и скрываемых прорывах. На этом фоне появление на рынке коммерческих структур, эксплуатирующих тему, выглядит неоднозначно.

Психология отчаяния: почему в это верят?

Главный двигатель мифа о MedBeds — не глупость людей, а психология отчаяния.

Когда человек сталкивается с тяжёлым, неизлечимым или хроническим диагнозом, официальная медицина часто разводит руками: «мы можем лишь поддержать состояние». В этот момент человек и его близкие оказываются перед глухой стеной. Официальная терапия требует боли, времени, денег и не гарантирует успеха.

Конспирологический нарратив предлагает противоположное — надежду на мгновенное чудо, которое утаивают «глобалисты». В состоянии глубокого стресса критическое мышление отключается, и человек цепляется за красивую сказку. Именно поэтому борьба с подобными мифами — это не вопрос академической правоты, а защита уязвимых людей от жестокого разочарования.

Брендовая путаница и конспирологический парадокс Tesla BioHealing

В инфополе постоянно всплывает компания Tesla BioHealing, Inc. (из Пенсильвании), которая продаёт «генераторы Tesla MedBed» — устройства, якобы излучающие «жизненную силу». В августе 2023 года FDA направило ей официальное предупреждение за необоснованные медицинские заявления.

Здесь возникает интересный внутренний конфликт даже внутри самого конспирологического сообщества:

С одной стороны, люди видят бренд «Tesla» и слово «MedBed», автоматически связывая это с идеей «технологий будущего».

С другой стороны, в альтернативных кругах зреет подозрение: а не создаются ли такие коммерческие компании-пустышки специально? Критики внутри движения нередко предполагают, что подобные проекты могут намеренно запускаться системой или игроками истеблишмента, чтобы дискредитировать саму идею подлинных альтернативных прорывов, выставить сторонников теории посмешищем и дать повод регуляторам (вроде FDA) окончательно закрыть любую дискуссию на эту тему.

Так или иначе, реальной связи с Илоном Маском или секретными разработками у этих устройств нет — это чисто маркетинговая эксплуатация громких названий.

Научный труд против магического мышления: что есть в реальной ИИ-медицине

Чтобы пост Маска не воспринимался как анонс волшебства, важно видеть водораздел между реальной индустрией и мифологией:

Как работает реальный ИИ и робототехника:

Годы скучных клинических испытаний, анализ терабайтов снимков (КТ, МРТ) для помощи врачам в диагностике.

Узкоспециализированные роботы-хирурги (вроде Da Vinci) и экспериментальные системы реабилитации.

Строгий контроль регуляторов и доказательная база. Никаких «мгновенных исцелений за одну минуту».

Что обещают MedBeds:

Магическое решение всех проблем сразу («от рака до старости») без усилий, врачей и побочных эффектов.

Полный отрыв от законов физики и биологии, упакованный в псевдонаучный новояз («частотные матрицы», «голографические интерфейсы»).

Почему пост Маска сработал как триггер

Структура подобных вбросов от лидеров мнений работает безупречно по механике plausibility laundering («отмывания правдоподобности»):

Называется реальный и авторитетный бренд/продукт (Optimus, Grok).

К нему пристёгивается невозможная фантастическая концепция (MedBeds).

Добавляется игровой или двусмысленный тон (подмигивающий смайлик), позволяющий автору всегда отыграть назад: «Я же просто пошутил, вы сами всё додумали».

Итог

«MedBeds» — это не медицинская технология, а социальный феномен на стыке отчаяния, недоверия к институтам и сетевой конспирологии. Реальная медицина движется вперёд медленно, через пот, клинические тесты и строгую науку. Она не обещает чудес, но спасает жизни каждый день. И лучший способ противостоять манипуляциям — отделять маркетинговые спекуляции и сказки от реальной работы инженеров и врачей.

Источники: Wikipedia (Medbed), FDA Warning Letter (Tesla BioHealing, Inc., 10.08.2023), The New York Times (Saslow, 29.07.2024), Associated Press (Klepper, 31.01.2024), McGill Office for Science and Society (Jarry, 07.08.2025), The Verge (28.09.2025), The Independent (29.09.2025), Rolling Stone (29.09.2025).

#medbed #медбед #ИИвмедицине #Оптимус #Grok #ИлонМаск #конспирология #теориязаговора #разоблачение #QAnon #медицина #технологии #AI #искусственныйинтеллект #робототехника #Tesla #нейросети #медицинскаядезинформация #дезинформация #разбор #аналитика2026