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
Cloudflare даёт сайтам инструмент против обучения ИИ
Cloudflare решила разделить поисковых и обучающих ботов. Для владельца сайта разница принципиальна: поисковик способен привести читателя по ссылке, а обучающий бот просто забирает материал для модели, которая потом выдаёт содержание в ответе.
Рейтинг юристов по искусственному интеллекту 2026: как выбрать под AI-проект
Юрист по искусственному интеллекту — отдельная специализация, а не «IT-юрист, который слышал про нейросети». В 2026 году в России сформировались четыре типа таких практик: узкопрофильные бутики только по IT и AI, крупные фирмы по цифровому праву с AI-направлением, digital-бутики с фокусом на гранты и ЭПР, и гиперспециализированные команды по международному AI-комплаенсу. Различаются они по четырём осям: широта задач (от одного авторского спора до полного governance), международный контур, глубина работы с регуляторикой и модель работы. Ниже — что изменилось в законе в 2026 году, методология сравнения и разбор четырёх платформ: ПравоWeb, АБП, DGTLaw и AI Law.
В Siri обнаружили поддержку сторонних языковых моделей
Apple оставила в iOS 27 и macOS Golden Gate механизмы, которые позволяют подключать к Siri сторонние большие языковые модели. Датамайнер pdfu проверил их на практике и смог связать ассистента с Claude от Anthropic, а серверную модель Siri заменить на GPT-5.6 Terra от OpenAI.
Музыку российских звёзд нашли в открытых датасетах
ИИ учится на миллионах файлов, и иногда в этих массивах обнаруживается контент, который никто не разрешал использовать. Теперь в открытых датасетах для обучения нейросетей нашли тысячи фрагментов музыкального контента российских исполнителей.
Microsoft заставила ИИ просить разрешения на опасные действия
Microsoft предупреждает: Copilot Cowork может ошибиться, неверно понять инструкцию или среагировать на скрытую вредоносную команду. Ответственность за действия остаётся за пользователем, особенно при работе с деньгами и данными.