Нероботы

Ушёл с завода по собственному желанию Не знаем, как вы, а роботы уже настолько устали, что начали сами уходить с работы. Как минимум, с конвейера. XPeng запустила в Гуанчжоу новую автоматизированную линию для гуманоидов IRON. Первый собранный на ней робот завершил финальную сборку, встал на ноги и самостоятельно вышел из цеха. Вся трудовая биография уместилась в десятисекундную прогулку перед камерами. Линию XPeng проектировала одновременно с самим роботом и перенесла на неё автомобильные методы контроля качества. Компания утверждает, что автоматизировано более 80% ключевых операций. В июле здесь уже шла мелкосерийная пробная сборка, теперь оборудование официально ввели в работу. Внутри IRON — 76 степеней свободы, по 21 в каждой кисти и три собственных чипа Turing общей производительностью до 2250 TOPS. ИИ-модель работает прямо на роботе, поэтому управлять им удалённо, по версии XPeng, не требуется. К концу года компания рассчитывает выпускать до тысячи IRON в месяц. В 2027-м их отправят работать консультантами в магазины XPeng и сотрудниками корпоративных кампусов. Эффектная демонстрация — только начало. За две недели до её открытия робототехническое подразделение XPeng привлекло $900 млн при оценке свыше $6,3 млрд. Из этой суммы $600 млн дали IDG Capital, Tencent, Alibaba и Gaorong Ventures, ещё $300 млн вложили сама XPeng и структуры её руководителей. Инвесторы поставили роботам дедлайн: если подразделение не выйдет на биржу в течение семи лет, они смогут потребовать деньги обратно с процентами. Поэтому ходить IRON придётся ещё очень и очень много. @anti_robots

Учи ученого Hugging Face совместно со стартапом Pollen Robotics, приобретенным в 2025 году, открыла предзаказы на Microduck — небольшого робота-утку, которого можно самостоятельно учить новым движениям. Начинаем откладывать с зарплаты: стоит такая утка $399. За первые несколько дней разработчики получили более 10 тысяч предзаказов примерно на $4 млн. Microduck вышел ростом около 25 см и весом чуть меньше 800 г. Робот оснащен 15 электромоторами, камерой, микрофоном, динамиком, небольшим лидаром, Bluetooth, Wi-Fi и двумя датчиками движения. Вместо обычного клюва у него захват, которым он может подбирать небольшие предметы. На одном заряде утка может протянуть примерно час. Из коробки Microduck умеет ходить, садиться, пинать мяч, петь, кататься на роликах и самостоятельно вставать после падения. Дообучить робота можно самостоятельно в симуляторе MuJoCo. Модель многократно выполняет задачу, а алгоритм поощряет удачные попытки и постепенно находит подходящий способ движения. Новое поведение можно перенести на робота. SDK, симулятор и полный стек обучения с подкреплением уже лежат на GitHub. @anti_robots

Один мозг на всех Одна и та же команда для разных роботов всегда «выглядит» по-разному: у каждого свои конструкция, число суставов и способ управления движением. Чтобы устранить этот пробел и упростить обучение, команда Xiaomi Embodied Intelligence Team и Университета Макао разработала систему UCAG-P, которая позволяет одной VLA-модели учиться на данных от совершенно разных «тел», будь то робот-манипулятор или робот-гуманоид. Система описывает движение через две опорные точки, которые можно определить у роботов: конец манипулятора и центр захвата. Их траектория задается в трехмерном пространстве относительно камеры. Для человеческих демонстраций аналогами этих точек становятся запястье и середина между большим и указательным пальцами. Затем отдельный модуль преобразует такую универсальную траекторию в команды под конкретного робота. Для этого он учитывает его текущее состояние, кинематику и калибровку камеры. В обучении помогали 11 наборов данных — в сумме около 6370 часов демонстраций на 9 типах роботов. При этом на одну треть часов пришлись видео с человеческими руками. В симуляции одну и ту же обученную модель без дополнительной настройки проверили сразу на нескольких бенчмарках. В LIBERO она успешно выполнила 98,3% заданий, в RoboTwin для двуруких роботов — около 89%, а в усложненном LIBERO-Plus — 82%. Отдельно модель проверили на гуманоиде GR-1 с 29-ю степенями свободы — там результат составил 62%. Но полностью игнорировать душевную организацию конкретного робота пока не получается. Когда модель, обученную на двуруком ALOHA, без дополнительной настройки перенесли на робота ARX другой конструкции, успех выполнения задач упал до 35%. Отдельно UCAG-P проверили на манипуляторах Piper (они, кстати, на видео). Здесь уже использовали по 100 демонстраций для адаптации каждой задачи. Система помогла роботу успешно схватить круассан в 60% случаев против 20% у π0.5, открыть ящик — в 90% против 85%, а также разложить тарелки — в 75% против 65%. Хотя не все мы идеальны. UCAG-P пока не с первого раза справляется с определением положения кисти или калибровкой камеры. Вызывают сложности и открывание-закрывание дверей и ящиков. К слову, в скором времени ждем исходный код на GitHub. @anti_robots