FALCON из Карнеги-Меллон удвоил точность управления гуманоидных роботов

Post Thumbnail

Учёные из Лаборатории адаптивной робототехники университета Карнеги-Меллон создали систему под названием FALCON, которая значительно улучшает способности гуманоидных роботов выполнять сложные задачи с высокой силовой нагрузкой. Это настоящий прорыв в области робототехники, открывающий новые возможности для применения роботов в реальных условиях.

Главная особенность FALCON заключается в его архитектуре, состоящей из 2 отдельных агентов искусственного интеллекта, которые работают как единое целое. Первый агент отвечает за устойчивую ходьбу и равновесие, а второй контролирует точные движения рук с учётом прилагаемой силы. Благодаря такому разделению функций роботы могут обучаться в виртуальной среде выполнять реальные физические задачи, требующие не только точности, но и значительной силы.

После обучения в симуляции роботы способны выполнять такие действия как перемещение тяжёлых предметов, открывание массивных дверей или сохранение равновесия при внешних воздействиях, например, когда их толкают. Это значительный шаг вперёд по сравнению с предыдущими системами управления.

Одно из главных преимуществ FALCON — его универсальность. Система не требует сложной настройки под каждую новую модель робота. Исследователи проверили её на 2 совершенно разных платформах — Unitree G1 и Booster T1. И в обоих случаях результаты оказались впечатляющими. Точность управления руками увеличилась на 100%, а устойчивость при выполнении силовых задач достигла уровня промышленных требований.

Система FALCON способна выдерживать нагрузки до 100 ньютонов, что составляет почти треть веса самого робота.

Я реально удивлен! FALCON впервые предлагает эффективное решение проблемы одновременного контроля равновесия и силового воздействия. Что исторически являлось одним из основных препятствий для применения человекоподобных роботов в реальных силовых задачах.

Почитать из последнего
Вайб-кодинг убивает Open Source - и это проблема для всех
Исследователи из Центрально-Европейского университета в Вене обнаружили жёсткую закономерность. Вайб-кодеры только потребляют ресурсы, но ничего не отдают обратно. Откуда нейросеть может взять знания? А берет она их из Open Source. Из тех самых бесплатных библиотек и фреймворков, которые энтузиасты создавали 10летиями.
Как уболтали ИИ-бота на скидку 80%
Владелец небольшого бизнеса в Англии поставил на сайт чат-бота на ИИ, чтобы он отвечал на вопросы клиентов по ночам. Полгода всё работало идеально — бот консультировал и помогал оформлять заказы, даже продажи росли. А потом нашёлся 1 хитрец, который за час беседы выманил у искусственного интеллекта скидку 80% на заказ в £8000.
Как DeepSeek обманул Anthropic и что из этого вышло
Представьте: вы годами строите уникальную технологию, вкладываете миллиарды, а кто-то просто скачивает её через прокси. Именно это произошло с Anthropic. Компания раскрыла промышленный шпионаж 3 китайских лабораторий. DeepSeek, Moonshot и MiniMax.
Учёные сломали защиту ИИ обычным вопросом
Исследователи из Microsoft наткнулись на дыру размером с ворота. Оказалось, что всю защиту ИИ можно обойти на этапе обучения 1 безобидным запросом. И дальше модель превращается в послушную машину по производству любой гадости.
США обвинили Nvidia в помощи китайским военным через DeepSeek
Глава комитета Конгресса по Китаю Джон Муленаар направил письмо министру торговли Говарду Латнику с серьёзными обвинениями. По его словам, документы Nvidia свидетельствуют, что инженеры компании помогали китайскому стартапу DeepSeek оптимизировать обучение их моделей. Теперь эти модели развёрнуты в подразделениях планирования мобилизации Народно-освободительной армии Китая.