Channel: Папа роботов // Иван Калинов
Вчера наши роботы съездили на Y2B — закрытую внутреннюю конфу Яндекса для топ‑менеджеров крупного бизнеса. Тут показывают, что под капотом у передовых технологий, делятся инсайтами, обкатывают новые идеи.
Пикер там попал в объектив телефона... и тут же его утащил. Как это выглядело его глазами — смотрите видос 👁🤖
#новости_яндекс_роботикс
Пикер там попал в объектив телефона... и тут же его утащил. Как это выглядело его глазами — смотрите видос 👁🤖
#новости_яндекс_роботикс
Сегодня вышла классная новость, которую хочется прокомментировать. Яндекс открыл фонд технологических инициатив Yet Another Tech Fund на поддержку крутых технологических идей наших сотрудников.
На самом деле, в каком-то виде так было всегда в Яндексе. Я не присутствовал, но старожилы Яндекса рассказывают, что так и начинались Драйв, Такси и другие взрослые бизнесы, без которых сейчас сложно представить городские сервисы. Мне кажется, что раньше доносить свои идеи для руководства было тяжелее, а сейчас есть открытая подача для всех, что сильно упрощает дело. Поддерживаемые проекты отбирает экспертный совет Yet Another Tech Fund, в который входят технические директора разных направлений Яндекса. По мне, это очень классное направление и возможность для любого сотрудника продвинуть и реализовать свои идеи.
🤖 Какие инициативы получат поддержку первыми:
— ПО для роботов-гуманоидов на базе разработок Яндекса, в том числе ИИ;
— Разработки на базе ИИ для задач в медицине;
— Гибридный поиск. Нейросетевым моделям будет проще находить нужные данные для ответа;
— Оцифровка процессов в офлайн-магазинах, создание их цифровых копий.
Давайте прокомментирую самое интересное направление для нас — это ПО для гуманоидов. Сейчас проект будет развиваться в бизнес-группе b2b-теха, в которую раньше переехал автономный транспорт. Это очень долгоиграющее R&D, но при этом многообещающее. С ребятами из нового проекта мы активно делимся опытом, который прошли в пикинге, и помогаем делать первые шаги.
А у нас сейчас фокус на продуктах, которые могут начать приносить пользу бизнесу уже в этом году. Поэтому продолжаем развивать свой универсальный ИИ на базе VLA-модели для пикинга и софта для мобильных роботов в рамках наших продуктов. Следите за новостями 😎
#новости_яндекс_роботикс
На самом деле, в каком-то виде так было всегда в Яндексе. Я не присутствовал, но старожилы Яндекса рассказывают, что так и начинались Драйв, Такси и другие взрослые бизнесы, без которых сейчас сложно представить городские сервисы. Мне кажется, что раньше доносить свои идеи для руководства было тяжелее, а сейчас есть открытая подача для всех, что сильно упрощает дело. Поддерживаемые проекты отбирает экспертный совет Yet Another Tech Fund, в который входят технические директора разных направлений Яндекса. По мне, это очень классное направление и возможность для любого сотрудника продвинуть и реализовать свои идеи.
— ПО для роботов-гуманоидов на базе разработок Яндекса, в том числе ИИ;
— Разработки на базе ИИ для задач в медицине;
— Гибридный поиск. Нейросетевым моделям будет проще находить нужные данные для ответа;
— Оцифровка процессов в офлайн-магазинах, создание их цифровых копий.
Давайте прокомментирую самое интересное направление для нас — это ПО для гуманоидов. Сейчас проект будет развиваться в бизнес-группе b2b-теха, в которую раньше переехал автономный транспорт. Это очень долгоиграющее R&D, но при этом многообещающее. С ребятами из нового проекта мы активно делимся опытом, который прошли в пикинге, и помогаем делать первые шаги.
А у нас сейчас фокус на продуктах, которые могут начать приносить пользу бизнесу уже в этом году. Поэтому продолжаем развивать свой универсальный ИИ на базе VLA-модели для пикинга и софта для мобильных роботов в рамках наших продуктов. Следите за новостями 😎
#новости_яндекс_роботикс
Please open Telegram to view this post
VIEW IN TELEGRAM
Помните, я писал в последнем посте про Amazon, что пока компания массово не внедряет решения для пикинга и что это станет следующим шагом в авангарде технологий? Последние попытки были показаны в 2022 году, но не совсем для пикинга.
Так вот, ребята из Amazon продолжают развивать picking-решения. Недавно на мероприятии в Германии компания анонсировала Vulcan — роботизированную систему, которая может как укладывать, так и подбирать предметы со скоростью близкой к человеческой. Работает пока медленно. В статье Amazon надеется, что роботы Vulcan только смогут работать с 80% ассортимента со скоростью 300 предметов в час, работая при этом 20 часов в день.
В этой новости есть один интересный момент: теперь их складские роботы могут чувстововать больше. Как пишет Amazon, они добавили к себе на борт «сенс оф тач». Теперь роботы смогут идентифицировать предметы на ощупь, используя ИИ, чтобы определить, с чем они могут справиться, а с чем — нет. И выяснить, как лучше всего поднять вещь и отрегулировать силу захвата. Это особенно актуально, когда в одной корзине могут быть как хрупкие, так и тяжелые предметы.
Поэтому теперь на складах Amazon начинают появляться роботы с тактильными сенсорами, способные ощущать форму, текстуру и регулировать силу захвата. Это делает их намного точнее обычных машин, особенно при работе с хрупкими предметами.
Мы в какой-то момент тоже решали задачу по работе с хрупкими предметами — сенсоры не добавляли. Но с тех пор задачка лежит в беклоге на «поисследовать». В целом, очень хороший шаг, потому что это зачастую отделяет роботов от того, чтобы лучше воспринимать наш мир и взаимодейстовать с ним. Вообще, этому посвящена отдельная область науки, называется хаптика, связанная с осязанием и тактильным взаимодействием.
Что же будет дальше делать Amazon? Пишут, что планируют внедрить систему в течение 2 лет, что может сократить число рабочих мест, но повысить эффективность. То есть через одно или два поколения складов ребята планируют внедрять такие технологии повсеместно. Скорее всего, сами роботы немного видоизменятся, но такие решения открывают эпоху более «чутких» и автономных машин в складской и промышленной индустрии, способных на сложное взаимодействие с физическим миром.
Ждем две их научные статьи в IEEE Transactions on Robotics, чтоб изучить подробнее.
Новость долетела до the guardian, полный текст здесь.
#склад_будущего
Так вот, ребята из Amazon продолжают развивать picking-решения. Недавно на мероприятии в Германии компания анонсировала Vulcan — роботизированную систему, которая может как укладывать, так и подбирать предметы со скоростью близкой к человеческой. Работает пока медленно. В статье Amazon надеется, что роботы Vulcan только смогут работать с 80% ассортимента со скоростью 300 предметов в час, работая при этом 20 часов в день.
В этой новости есть один интересный момент: теперь их складские роботы могут чувстововать больше. Как пишет Amazon, они добавили к себе на борт «сенс оф тач». Теперь роботы смогут идентифицировать предметы на ощупь, используя ИИ, чтобы определить, с чем они могут справиться, а с чем — нет. И выяснить, как лучше всего поднять вещь и отрегулировать силу захвата. Это особенно актуально, когда в одной корзине могут быть как хрупкие, так и тяжелые предметы.
Поэтому теперь на складах Amazon начинают появляться роботы с тактильными сенсорами, способные ощущать форму, текстуру и регулировать силу захвата. Это делает их намного точнее обычных машин, особенно при работе с хрупкими предметами.
Мы в какой-то момент тоже решали задачу по работе с хрупкими предметами — сенсоры не добавляли. Но с тех пор задачка лежит в беклоге на «поисследовать». В целом, очень хороший шаг, потому что это зачастую отделяет роботов от того, чтобы лучше воспринимать наш мир и взаимодейстовать с ним. Вообще, этому посвящена отдельная область науки, называется хаптика, связанная с осязанием и тактильным взаимодействием.
Что же будет дальше делать Amazon? Пишут, что планируют внедрить систему в течение 2 лет, что может сократить число рабочих мест, но повысить эффективность. То есть через одно или два поколения складов ребята планируют внедрять такие технологии повсеместно. Скорее всего, сами роботы немного видоизменятся, но такие решения открывают эпоху более «чутких» и автономных машин в складской и промышленной индустрии, способных на сложное взаимодействие с физическим миром.
Ждем две их научные статьи в IEEE Transactions on Robotics, чтоб изучить подробнее.
Новость долетела до the guardian, полный текст здесь.
#склад_будущего
This media is not supported in your browser
VIEW IN TELEGRAM
Апдейты с открытия нового робоцентра Technored
Из интересного о Technored: ребята поставляют роботизированные системы для промышленных предприятий по всей России. И благодаря новому робоцентру они планируют обеспечить разработку и внедрение до 25000 роботов к 2030 году. По факту, амбиция очень масштабная — это 30% от цели Национального проекта — войти в ТОП-25 стран по плотности роботизации к 2030 году.
На самом открытии прошлись по производственной площадке, лаборатории, зоне сборки и тестирования. Самое приятное для Яндекс Роботикс то, что на базе текущего робоцентра мы уже развернули совместную ячейку под управлением нашей RMS. Роботы разных типов и от разных производителей работают в одной экосистеме над совместными задачами!
Ещё из новостей — готовим с Technored совместный стенд для выставки Металлобработка 2025, где как раз покажем работу этой ячейки. Всех очень ждём в гости.
Ну и, конечно, поздравляем всю команду Technored и Артема Лукина @lukintech с открытием. Дальше — больше!)
#склад_будущего
Из интересного о Technored: ребята поставляют роботизированные системы для промышленных предприятий по всей России. И благодаря новому робоцентру они планируют обеспечить разработку и внедрение до 25000 роботов к 2030 году. По факту, амбиция очень масштабная — это 30% от цели Национального проекта — войти в ТОП-25 стран по плотности роботизации к 2030 году.
На самом открытии прошлись по производственной площадке, лаборатории, зоне сборки и тестирования. Самое приятное для Яндекс Роботикс то, что на базе текущего робоцентра мы уже развернули совместную ячейку под управлением нашей RMS. Роботы разных типов и от разных производителей работают в одной экосистеме над совместными задачами!
Ещё из новостей — готовим с Technored совместный стенд для выставки Металлобработка 2025, где как раз покажем работу этой ячейки. Всех очень ждём в гости.
Ну и, конечно, поздравляем всю команду Technored и Артема Лукина @lukintech с открытием. Дальше — больше!)
#склад_будущего
В комментах время от времени появляются вопросы, связанные с подготовкой специалистов: где лучше учиться робототехнике, какие направления сейчас более востребованы и т.д. Дал сегодня небольшой комментарий на эту тему.
Но действительно классная новость заключается в том, что совсем скоро вместе с Яндекс Образованием мы запустим магистерскую программу «AI Robotics» в Сколтехе.
В следующую среду пройдет день открытых дверей, где я поделюсь деталями программы и отвечу на все вопросы. Зарегистрироваться можно по ссылке.
#новости_яндекс_роботикс
Но действительно классная новость заключается в том, что совсем скоро вместе с Яндекс Образованием мы запустим магистерскую программу «AI Robotics» в Сколтехе.
В следующую среду пройдет день открытых дверей, где я поделюсь деталями программы и отвечу на все вопросы. Зарегистрироваться можно по ссылке.
#новости_яндекс_роботикс
В мире робототехники нет единой официальной классификации поколений роботов, но есть устоявшаяся логика в разных форм-факторах, по которой роботов делят по уровню «ума». В Яндекс Роботикс сложилась терминология про три поколения роботов.
Gen1: делаю не глядя
Это базовый робот без сенсоров и алгоритмов, он просто делает одну операцию.
Пример: манипулятор, который забирает товар из точки А и кладёт в точку B, не глядя. Это в каком-то роде классическая автоматизация, которая уже много где внедрена — чёткий маршрут/логика, ноль вариативности. В мобильных роботах это хорошо известные AGV, которые катаются по заранее заданной карте маршрутов на изолированных от людей площадках.
Gen2: вижу, что делаю
Второе поколение умнее и обладает глазами в разных ипостасях (камеры, лидары и т. д.): здесь уже появляется компьютерное зрение и технологии CV и ML. Например, рука может определить, что перед ней — яблоко или груша, и взять их разными способами. При этом вариативность и логика действий, которые она производит после, могут быть определены заранее. Или, если робот едет по складу, то может заметить рассыпанные коробки и объехать их.
В Яндексе такой подход используется в мобильных роботах класса AMR. Например, в работе инвентаризатора: он видит препятствия, думает и меняет маршрут.
Gen3: вижу, думаю и делаю сам
Тут уже появляется большая модель — LLM, VLM или VLAM, которая сама принимает решения. Робот не ждёт, пока ему скажут «бери вот так». Он сам понимает, как именно схватить предмет, как повернуть, как уложить — на основе сотен тысяч примеров определённой операции. В Роботикс это роборука, которая может рассортировать товары из корзины без чёткой инструкции. Она сама решает, как брать предметы, в каком порядке и куда класть.
А зачем всё это? Поколения нужны, чтобы понимать, насколько «умный» робот реально нужен бизнесу. Gen1 дешевле, но подходит только для суперпростых задач. В сумме Gen1 и Gen2 могут закрывать до 80% существующих кейсов автоматизации. Gen3 — это священный грааль: супергибкие, адаптивные роботы, которые реально что-то «понимают», но пока они есть только в R&D и пилотах. В продакшене — единицы. Но как только будут первые массовые успехи, то рынок сильно поменяется. Окажется, что в сумме Gen1 и Gen2 закрывали не 80%, а 20%, просто остальные были настолько сложными, что в них никто не верил)
Ну а что дальше? Для меня это поведение схожее с человеком, подход без специализированных и больших датасетов для каждой операции. По сути, модель с базовым next-level интеллектом из определённых умений, которая сможет постигать новые операции самостоятельно, не видя их до этого.
#что_творят_технологии
Gen1: делаю не глядя
Это базовый робот без сенсоров и алгоритмов, он просто делает одну операцию.
Пример: манипулятор, который забирает товар из точки А и кладёт в точку B, не глядя. Это в каком-то роде классическая автоматизация, которая уже много где внедрена — чёткий маршрут/логика, ноль вариативности. В мобильных роботах это хорошо известные AGV, которые катаются по заранее заданной карте маршрутов на изолированных от людей площадках.
Gen2: вижу, что делаю
Второе поколение умнее и обладает глазами в разных ипостасях (камеры, лидары и т. д.): здесь уже появляется компьютерное зрение и технологии CV и ML. Например, рука может определить, что перед ней — яблоко или груша, и взять их разными способами. При этом вариативность и логика действий, которые она производит после, могут быть определены заранее. Или, если робот едет по складу, то может заметить рассыпанные коробки и объехать их.
В Яндексе такой подход используется в мобильных роботах класса AMR. Например, в работе инвентаризатора: он видит препятствия, думает и меняет маршрут.
Gen3: вижу, думаю и делаю сам
Тут уже появляется большая модель — LLM, VLM или VLAM, которая сама принимает решения. Робот не ждёт, пока ему скажут «бери вот так». Он сам понимает, как именно схватить предмет, как повернуть, как уложить — на основе сотен тысяч примеров определённой операции. В Роботикс это роборука, которая может рассортировать товары из корзины без чёткой инструкции. Она сама решает, как брать предметы, в каком порядке и куда класть.
А зачем всё это? Поколения нужны, чтобы понимать, насколько «умный» робот реально нужен бизнесу. Gen1 дешевле, но подходит только для суперпростых задач. В сумме Gen1 и Gen2 могут закрывать до 80% существующих кейсов автоматизации. Gen3 — это священный грааль: супергибкие, адаптивные роботы, которые реально что-то «понимают», но пока они есть только в R&D и пилотах. В продакшене — единицы. Но как только будут первые массовые успехи, то рынок сильно поменяется. Окажется, что в сумме Gen1 и Gen2 закрывали не 80%, а 20%, просто остальные были настолько сложными, что в них никто не верил)
Ну а что дальше? Для меня это поведение схожее с человеком, подход без специализированных и больших датасетов для каждой операции. По сути, модель с базовым next-level интеллектом из определённых умений, которая сможет постигать новые операции самостоятельно, не видя их до этого.
#что_творят_технологии
This media is not supported in your browser
VIEW IN TELEGRAM
Яндекс Роботикс на Я Железо 2025!
В эту субботу, 24 мая, можно будет пообщаться с ребятами из нашей команды на конфе Я Железо о разработке умных устройств, автономного транспорта и роботов.
Где нас найти:
— в треке Software — Арсентий Гусев, руководитель группы сенсоров и актуаторов, в 17:10 выступит с докладом «Как Embedded снижает стоимость нейронных сетей?». Рассмотрим несколько задач с которыми сталкиваются системные архитекторы в мире Embedded: методику расчета пропускной способности вычислений; оптимизации для снижения потребляемой электроэнергии и выделяемого тепла; подходы к снижению объема памяти для хранения весов и ускорению использования кэша
— на экспо всех сервисов — здесь Валера Ильин, руководитель сектора разработки мобильных роботов, покажет работу нашего Пикера и CV Робота-инвентаризатора
Регистрация еще открыта, можно подключиться в онлайне, но будем рады встретиться очно)
#новости_яндекс_роботикс
В эту субботу, 24 мая, можно будет пообщаться с ребятами из нашей команды на конфе Я Железо о разработке умных устройств, автономного транспорта и роботов.
Где нас найти:
— в треке Software — Арсентий Гусев, руководитель группы сенсоров и актуаторов, в 17:10 выступит с докладом «Как Embedded снижает стоимость нейронных сетей?». Рассмотрим несколько задач с которыми сталкиваются системные архитекторы в мире Embedded: методику расчета пропускной способности вычислений; оптимизации для снижения потребляемой электроэнергии и выделяемого тепла; подходы к снижению объема памяти для хранения весов и ускорению использования кэша
— на экспо всех сервисов — здесь Валера Ильин, руководитель сектора разработки мобильных роботов, покажет работу нашего Пикера и CV Робота-инвентаризатора
Регистрация еще открыта, можно подключиться в онлайне, но будем рады встретиться очно)
#новости_яндекс_роботикс
Заметил много вопросов про магистерскую программу Яндекса и Сколтеха. Тезисами расскажу в чём суть, а здесь можно посмотреть подробную презентацию.
• Программа в первую очередь для разработчиков и инженеров в сфере робототехники
• Обучение длится 2 года: в конце первого года — стажировка в Яндекс Роботикс, в конце второго — возможность устроиться в компанию
• Основные акценты: ML, разработка алгоритмов, системное мышление, мехатроника, встраиваемые системы и интеграция роботов в бизнес-процессы
Если вопросы ещё остались, комментарии как всегда открыты)
#новости_яндекс_роботикс
• Программа в первую очередь для разработчиков и инженеров в сфере робототехники
• Обучение длится 2 года: в конце первого года — стажировка в Яндекс Роботикс, в конце второго — возможность устроиться в компанию
• Основные акценты: ML, разработка алгоритмов, системное мышление, мехатроника, встраиваемые системы и интеграция роботов в бизнес-процессы
Если вопросы ещё остались, комментарии как всегда открыты)
#новости_яндекс_роботикс
Сегодня подписали соглашение с Technored! 🚀 Расскажу, о чём и зачем это всё:
Важность партнёрства
Роботизация промышленности — огромная задача для всей экономики. Одному её не решить. У Яндекса — экспертиза в софте, у Technored — много внедрённых ячеек на производствах. Вместе мы учим индустрию мыслить не отдельными ячейками, а собирать их в целые процессы.
На стенде как раз показали пример синергии: мобильный робот возит детали между ячейками с роботами от Technored, а вся система управляется нашей RMS. Роботы внутри одного процесса знают друг о друге.
От идеи до результата за полгода
Полгода назад мы только задумались о том, чтобы сделать RMS открытой для всего рынка. Три месяца назад посадили команды вместе — и вот на выставке уже живая ячейка.
Наша большая победа
Верим, что открытая RMS принесёт пользу индустрии и поможет роботам всех производителей быстрее справляться в ней.
Что дальше?
С Technored запускаем пилотные проекты по внедрению таких ячеек. Будет интересно!
#новости_яндекс_роботикс
Важность партнёрства
Роботизация промышленности — огромная задача для всей экономики. Одному её не решить. У Яндекса — экспертиза в софте, у Technored — много внедрённых ячеек на производствах. Вместе мы учим индустрию мыслить не отдельными ячейками, а собирать их в целые процессы.
На стенде как раз показали пример синергии: мобильный робот возит детали между ячейками с роботами от Technored, а вся система управляется нашей RMS. Роботы внутри одного процесса знают друг о друге.
От идеи до результата за полгода
Полгода назад мы только задумались о том, чтобы сделать RMS открытой для всего рынка. Три месяца назад посадили команды вместе — и вот на выставке уже живая ячейка.
Наша большая победа
Верим, что открытая RMS принесёт пользу индустрии и поможет роботам всех производителей быстрее справляться в ней.
Что дальше?
С Technored запускаем пилотные проекты по внедрению таких ячеек. Будет интересно!
#новости_яндекс_роботикс
А что, если очень мощный процессор будущего не в дата-центре, а у нас в голове?
Короче, сегодня поговорим про нейроморфные процессоры, которые пытаются думать как человеческий мозг — не просто быстро считать, а учиться, адаптироваться и реагировать так, как это делает нейросеть, только у нас в голове. То есть это чипы, построенные по принципу нейронов и синапсов. У них нет привычной тактовой частоты, они не исполняют инструкции последовательно, как классические процессоры. Вместо этого у них сплошной параллелизм и событийный подход. Что-то произошло — они это обрабатывают: как нейрон у нас в мозгу получает импульс и зажигается.
А чем это круто? Такие процессоры умеют работать прямо на устройстве, без облаков и серверов. В мире нейроморфные чипы только начинают тестироваться. Например, в протезах, которые «чувствуют» поверхность и помогают человеку вернуть полноценное ощущение рук. Есть ещё ряд тестовых применений, но пока это не полноценное мышление, а скорее энергоэффективный способ решать узкие задачи, вроде распознавания образов или управления робототехникой в реальном времени.
Мы в Роботикс пока такие процессоры не используем. Но звучит это как направление, за которым стоит приглядывать. Особенно если дойдём до истории, где человек в шлеме одной мыслью мог бы присматривать за 500 роботами на складе. Такая идея лежит в основе human-machine-интерфейсов нового поколения. Например, один сварщик может не просто варить детали, а контролировать сразу несколько манипуляторов, записывая данные, по которым потом будет учиться нейросеть. И всё, что делает человек, превращается в датасет, на котором учатся машины. Технология классная, звучит как очень перспективное будущее из фантастических книг моего детства, но на текущей стадии до таких сложных когнитивных процессов, как у человека, подобным системам ещё далековато.
Я уверен, что когда-нибудь мы до такого будущего дорастём, но ближайший шаг — это как раз разного рода интерфейсы на базе таких процессоров, которые позволят одному человеку удалённо присматривать за целыми автономными складами и производствами за счёт снижения когнитивной нагрузки на мозг и более естественного управления.
А как вы думаете, перевернут ли нейроморфные процессоры наш мир или это просто одна из ступеней технологической эволюции?
#склад_будущего
Короче, сегодня поговорим про нейроморфные процессоры, которые пытаются думать как человеческий мозг — не просто быстро считать, а учиться, адаптироваться и реагировать так, как это делает нейросеть, только у нас в голове. То есть это чипы, построенные по принципу нейронов и синапсов. У них нет привычной тактовой частоты, они не исполняют инструкции последовательно, как классические процессоры. Вместо этого у них сплошной параллелизм и событийный подход. Что-то произошло — они это обрабатывают: как нейрон у нас в мозгу получает импульс и зажигается.
А чем это круто? Такие процессоры умеют работать прямо на устройстве, без облаков и серверов. В мире нейроморфные чипы только начинают тестироваться. Например, в протезах, которые «чувствуют» поверхность и помогают человеку вернуть полноценное ощущение рук. Есть ещё ряд тестовых применений, но пока это не полноценное мышление, а скорее энергоэффективный способ решать узкие задачи, вроде распознавания образов или управления робототехникой в реальном времени.
Мы в Роботикс пока такие процессоры не используем. Но звучит это как направление, за которым стоит приглядывать. Особенно если дойдём до истории, где человек в шлеме одной мыслью мог бы присматривать за 500 роботами на складе. Такая идея лежит в основе human-machine-интерфейсов нового поколения. Например, один сварщик может не просто варить детали, а контролировать сразу несколько манипуляторов, записывая данные, по которым потом будет учиться нейросеть. И всё, что делает человек, превращается в датасет, на котором учатся машины. Технология классная, звучит как очень перспективное будущее из фантастических книг моего детства, но на текущей стадии до таких сложных когнитивных процессов, как у человека, подобным системам ещё далековато.
Я уверен, что когда-нибудь мы до такого будущего дорастём, но ближайший шаг — это как раз разного рода интерфейсы на базе таких процессоров, которые позволят одному человеку удалённо присматривать за целыми автономными складами и производствами за счёт снижения когнитивной нагрузки на мозг и более естественного управления.
А как вы думаете, перевернут ли нейроморфные процессоры наш мир или это просто одна из ступеней технологической эволюции?
#склад_будущего
Сегодня был спикером на сессии про искусственный интеллект в робототехнике, которую мы организовали на форуме ЦИПР. Говорили о робототехнике и ИИ — и не о теории, а о том, как это всё меняет индустрию прямо сейчас.
⠀
Чтобы роботы стали полноценными участниками производственного процесса, им нужен интеллект. Настоящий — с обучением, адаптацией, принятием решений. Именно ИИ делает из робота не инструмент, а партнёра.
Говорили о глобальных трендах роботизации — и о том, где на этой карте мы сейчас находимся. Пока на 10 тысяч работников в промышленности у нас приходится всего 19 роботов. Цель — вырасти почти в 10 раз к 2030 году.
⠀
Показали реальные кейсы, где внедрение роботов уже трансформирует бизнес-процессы: помогает экономить, расти и быть эффективнее.
⠀
Мы часто боимся, что роботы вытеснят человека, но правда в том, что ИИ — это не про замену, а про усиление. Он помогает уйти от рутины и сфокусироваться на том, где нужна интуиция, креативность и опыт.
#новости_яндекс_роботикс
⠀
Чтобы роботы стали полноценными участниками производственного процесса, им нужен интеллект. Настоящий — с обучением, адаптацией, принятием решений. Именно ИИ делает из робота не инструмент, а партнёра.
Говорили о глобальных трендах роботизации — и о том, где на этой карте мы сейчас находимся. Пока на 10 тысяч работников в промышленности у нас приходится всего 19 роботов. Цель — вырасти почти в 10 раз к 2030 году.
⠀
Показали реальные кейсы, где внедрение роботов уже трансформирует бизнес-процессы: помогает экономить, расти и быть эффективнее.
⠀
Мы часто боимся, что роботы вытеснят человека, но правда в том, что ИИ — это не про замену, а про усиление. Он помогает уйти от рутины и сфокусироваться на том, где нужна интуиция, креативность и опыт.
#новости_яндекс_роботикс
Показали Михаилу Мишустину нашего Пикера. Искусственный интеллект от Яндекс Роботикс позволяет роботу взаимодействовать с новыми предметами без дополнительного обучения и выполнять множество складских задач на разных этапах. Приятно, что премьер-министр оценил нашу разработку и даже доверил свой мобильный 🙂
#новости_яндекс_роботикс
#новости_яндекс_роботикс
РИА Новости
Мишустину показали, как работает роборука со встроенной нейросетью
Премьер-министру РФ Михаилу Мишустину на выставке, которая проходит в рамках конференции "Цифровая индустрия промышленной России" (ЦИПР), продемонстрировали... РИА Новости, 04.06.2025
This media is not supported in your browser
VIEW IN TELEGRAM
Гонка роботизации: как ИИ набирает скорость и меняет всё
Утверждение понятное и, наверное, уже всем приелось. Сейчас сложно найти индустрию, в которой не пытаются использовать ИИ. Давайте глянем на цифры.
Рынок ИИ, и ИИ в робототехнике в частности, быстро растёт
• Объём мирового рынка ИИ в 2024 году составил $ 621 млрд, к 2032 году он вырастет до $ 2,74 трлн (среднегодовой темп роста (CAGR) — 20,4%)
• Объёмы инвестиций в ИИ в робототехнике меньше, но темпы роста выше: инвестиции в 2024 году — $ 11,3 млрд, к 2030 году — $ 89,5 млрд, а CAGR — 29,45%
• В РФ темпы роста в робототехнике будут ещё выше, ведь мы хотим войти в топ-25 стран по плотности роботизации, а для этого роботов должно стать почти в 10 раз больше за следующие 5,5 года.
Сейчас при внедрении роботов мы часто сталкиваемся с техническими барьерами: нет общих стандартов, сложная интеграция, нехватка компетентных специалистов и компаний-интеграторов.
Здесь искусственный интеллект действительно может помочь с эффективной автоматизацией:
• адаптивное поведение роботов в реальном времени — меньше хардкода и жёстких настроек
• предобученные модели — для обработки визуальных данных
• появление больших моделей, которые умеют работать с нестандартными ситуациями и решать фундаментальные задачи, к примеру такие, как мелкая моторика.
При этом индустрия будет постепенно переходить к процессно-ориентированному мышлению, используя RMS (Robot Management System) — систему, объединяющую все компоненты (роборуки, конвейеры, мобильных роботов, ПО и т. д.).
Это поможет:
• упростить интеграцию роботов и оборудования через универсальный API
• снизить стоимость внедрения за счёт low-code-инструментов
• не зависеть от одного вендора при наличии стандартов и лёгкой взаимозаменяемости.
Приведу пример из практики: на одном из складов мы роботизировали депалетизацию — теперь станция разбирает 300+ коробов в час вместо 250, при этом депалетизация не стандартная (когда всегда приезжают короба одинакового размера), а умная — короба разного размера, робот заранее не знает, какие они будут, и определяет размер на лету, самостоятельно выбирая способ взятия. Раньше под изменения каждого размера приходилось бы менять настройки вручную, а сейчас робот решает сам)
Какой вывод? ИИ может полностью изменить подход к робототехнике. Без него будет сложно построить масштабируемую, гибкую и экономически эффективную систему автоматизации.
#что_творят_технологии
Утверждение понятное и, наверное, уже всем приелось. Сейчас сложно найти индустрию, в которой не пытаются использовать ИИ. Давайте глянем на цифры.
Рынок ИИ, и ИИ в робототехнике в частности, быстро растёт
• Объём мирового рынка ИИ в 2024 году составил $ 621 млрд, к 2032 году он вырастет до $ 2,74 трлн (среднегодовой темп роста (CAGR) — 20,4%)
• Объёмы инвестиций в ИИ в робототехнике меньше, но темпы роста выше: инвестиции в 2024 году — $ 11,3 млрд, к 2030 году — $ 89,5 млрд, а CAGR — 29,45%
• В РФ темпы роста в робототехнике будут ещё выше, ведь мы хотим войти в топ-25 стран по плотности роботизации, а для этого роботов должно стать почти в 10 раз больше за следующие 5,5 года.
Сейчас при внедрении роботов мы часто сталкиваемся с техническими барьерами: нет общих стандартов, сложная интеграция, нехватка компетентных специалистов и компаний-интеграторов.
Здесь искусственный интеллект действительно может помочь с эффективной автоматизацией:
• адаптивное поведение роботов в реальном времени — меньше хардкода и жёстких настроек
• предобученные модели — для обработки визуальных данных
• появление больших моделей, которые умеют работать с нестандартными ситуациями и решать фундаментальные задачи, к примеру такие, как мелкая моторика.
При этом индустрия будет постепенно переходить к процессно-ориентированному мышлению, используя RMS (Robot Management System) — систему, объединяющую все компоненты (роборуки, конвейеры, мобильных роботов, ПО и т. д.).
Это поможет:
• упростить интеграцию роботов и оборудования через универсальный API
• снизить стоимость внедрения за счёт low-code-инструментов
• не зависеть от одного вендора при наличии стандартов и лёгкой взаимозаменяемости.
Приведу пример из практики: на одном из складов мы роботизировали депалетизацию — теперь станция разбирает 300+ коробов в час вместо 250, при этом депалетизация не стандартная (когда всегда приезжают короба одинакового размера), а умная — короба разного размера, робот заранее не знает, какие они будут, и определяет размер на лету, самостоятельно выбирая способ взятия. Раньше под изменения каждого размера приходилось бы менять настройки вручную, а сейчас робот решает сам)
Какой вывод? ИИ может полностью изменить подход к робототехнике. Без него будет сложно построить масштабируемую, гибкую и экономически эффективную систему автоматизации.
#что_творят_технологии
Помните, я рассказывал про поколения роботов (Gen1, Gen2, Gen3) и про то, как их «ум» определяет сферы применения? Так вот, сегодня — не про интеллект, а про его защиту. Речь о том, как мы в Яндекс Роботикс обеспечиваем информационную безопасность наших складских роботов. Ведь умный робот — это ещё и робот, который надёжно хранит и передаёт данные.
Основа основ: Linux и принцип «Не хранить лишнего»
Как и многое у нас, роботы работают под управлением Linux. Первое правило безопасности — стараться не оставлять данные в самом роботе после завершения его задач. Но жизнь вносит коррективы: иногда данные всё же нужно хранить локально. И вот тут вступает в игру наш «железный» арсенал.
Железный замок: TPM, Secure Boot и LUKS2
Если данные должны быть в роботе, они попадают только на полностью зашифрованные носители. Доступ к ним — строго по пропуску для проверенного ПО с цифровой подписью. Как это работает технически?
Три кита:
- UEFI Secure Boot. Публичные ключи вшиты на этапе прошивки. Это как идентификаторы пропусков в системе контроля доступа.
- TPM 2.0. Хранит цифровой отпечаток данных о железе и софте. Представьте криптографический сейф внутри робота, который может быть открыт только по отпечатку.
- LUKS2. Шифрует весь диск. А ключ к этому шифру... привязан к отпечаткам в TPM!
Любая попытка сломать систему (подмена прошивки UEFI, нарушение цифровых подписей ПО) приводит к тому, что TPM генерирует неверный ключ для расшифровки диска (LUKS2).
Даже если кто-то физически доберётся до робота и попытается вскрыть его или поменять железо — данные останутся под надёжным замком. Круг замыкается: несанкционированный доступ блокируется на аппаратном уровне (это ключевой момент!).
Безопасная связь: mTLS для роботов
Данные в движении — тоже уязвимость. Поэтому вся связь между роботом и нашей облачной инфраструктурой защищена технологией mTLS (Mutual TLS). Это как секретный рукопожатный код для каждого участника. У каждого робота свой уникальный набор ключей и сертификатов, выпущенных и управляемых специально нашей командой робототехники.
Выпуск и отзыв сертификатов происходит изолированно от остальных систем Яндекса. Разделение властей в действии!
Почему мы уверены?
Все эти технологии (TPM, Secure Boot, LUKS2, mTLS) — не наши изобретения, а открытые, проверенные временем стандарты. Именно это даёт нам уверенность в их надёжности.
Итог
Благодаря такому комплексному подходу (аппаратному шифрованию + защищённой загрузке + криптографически верифицированной связи) мы гарантируем два ключевых момента:
1. Защиту от извлечения данных. Данные партнёров и пользователей недоступны для извлечения даже при компрометации робота.
2. Безопасную передачу. Данные надёжно защищены при «путешествии» между роботом и нашими облачными сервисами.
Важно: описанная схема реализована для части поддерживаемого нами робопарка, для остальных роботов применяются другие актуальные механизмы защиты.
Что дальше?
Системы безопасности, как и роботы, эволюционируют. Сейчас это надёжный фундамент уровня защиты Gen2. Но мы уже смотрим в сторону более «адаптивных» и «предсказывающих» систем безопасности, которые могли бы стать частью будущих решений Gen3. Но это уже тема для отдельного поста.
P. S. Весь этот стек — результат работы нашей команды. Детали реализации, конечно, internal, но принципы и стандарты — те самые, что описаны в открытых спецификациях.
#что_творят_технологии
Основа основ: Linux и принцип «Не хранить лишнего»
Как и многое у нас, роботы работают под управлением Linux. Первое правило безопасности — стараться не оставлять данные в самом роботе после завершения его задач. Но жизнь вносит коррективы: иногда данные всё же нужно хранить локально. И вот тут вступает в игру наш «железный» арсенал.
Железный замок: TPM, Secure Boot и LUKS2
Если данные должны быть в роботе, они попадают только на полностью зашифрованные носители. Доступ к ним — строго по пропуску для проверенного ПО с цифровой подписью. Как это работает технически?
Три кита:
- UEFI Secure Boot. Публичные ключи вшиты на этапе прошивки. Это как идентификаторы пропусков в системе контроля доступа.
- TPM 2.0. Хранит цифровой отпечаток данных о железе и софте. Представьте криптографический сейф внутри робота, который может быть открыт только по отпечатку.
- LUKS2. Шифрует весь диск. А ключ к этому шифру... привязан к отпечаткам в TPM!
Любая попытка сломать систему (подмена прошивки UEFI, нарушение цифровых подписей ПО) приводит к тому, что TPM генерирует неверный ключ для расшифровки диска (LUKS2).
Даже если кто-то физически доберётся до робота и попытается вскрыть его или поменять железо — данные останутся под надёжным замком. Круг замыкается: несанкционированный доступ блокируется на аппаратном уровне (это ключевой момент!).
Безопасная связь: mTLS для роботов
Данные в движении — тоже уязвимость. Поэтому вся связь между роботом и нашей облачной инфраструктурой защищена технологией mTLS (Mutual TLS). Это как секретный рукопожатный код для каждого участника. У каждого робота свой уникальный набор ключей и сертификатов, выпущенных и управляемых специально нашей командой робототехники.
Выпуск и отзыв сертификатов происходит изолированно от остальных систем Яндекса. Разделение властей в действии!
Почему мы уверены?
Все эти технологии (TPM, Secure Boot, LUKS2, mTLS) — не наши изобретения, а открытые, проверенные временем стандарты. Именно это даёт нам уверенность в их надёжности.
Итог
Благодаря такому комплексному подходу (аппаратному шифрованию + защищённой загрузке + криптографически верифицированной связи) мы гарантируем два ключевых момента:
1. Защиту от извлечения данных. Данные партнёров и пользователей недоступны для извлечения даже при компрометации робота.
2. Безопасную передачу. Данные надёжно защищены при «путешествии» между роботом и нашими облачными сервисами.
Важно: описанная схема реализована для части поддерживаемого нами робопарка, для остальных роботов применяются другие актуальные механизмы защиты.
Что дальше?
Системы безопасности, как и роботы, эволюционируют. Сейчас это надёжный фундамент уровня защиты Gen2. Но мы уже смотрим в сторону более «адаптивных» и «предсказывающих» систем безопасности, которые могли бы стать частью будущих решений Gen3. Но это уже тема для отдельного поста.
P. S. Весь этот стек — результат работы нашей команды. Детали реализации, конечно, internal, но принципы и стандарты — те самые, что описаны в открытых спецификациях.
#что_творят_технологии
Понятно и просто рассказали Mash Room, что такое склад будущего
HTML Embed Code: