Кухонные роботы могут улучшить домашние впечатления, уменьшив бремя повседневных дел. Однако эти роботы должны ловко и безопасно выполнять свои задачи в общей среде обитания людей, особенно при работе с опасными инструментами, такими как кухонные ножи. Это исследование направлено на то, чтобы позволить роботу автономно и безопасно обучаться задачам по нарезке продуктов питания.

ЛЕТАЮЩИЕ САМОЛЕТЫ С ПОМОЩЬЮ JAVASCRIPT

Это руководство начинается со следующего примечания: «Чтобы развеять любые опасения: речь идет не об использовании программного обеспечения JavaScript для управления реальным самолетом.

Автор научит вас подключаться к Microsoft Flight Simulator 2020 с помощью веб-сокетов. Из этой серии из 6 частей вы узнаете, как взаимодействовать с API, создавать собственные веб-инструменты и, наконец, создавать автопилот для посадки самолета. https://pomax.github.io/are-we-flying/

Мозг животных использует меньше данных и энергии по сравнению с современными глубокими нейронными сетями, работающими на графических процессорах (GPU). Это затрудняет разработку крошечных автономных дронов, которые слишком малы и легки для тяжелого оборудования и больших батарей. Недавно появление нейроморфных процессоров, имитирующих работу мозга, позволило исследователям из Делфтского технологического университета разработать дрон, который использует нейроморфное зрение и управление для автономного полета. https://www.science.org/doi/10.1126/scirobotics.adi0591

Если вы собираетесь взять с собой в поход собаку-робота, самое меньшее, что она может сделать, — это нести за вас рюкзак.

Hugging Face выпускает LeRobot: модель машинного обучения (ML) с открытым исходным кодом, созданную для робототехники

https://www.marktechpost.com/2024/05/22/hugging-face-releases-lerobot-an-open-source-machine-learning-ml-model-created-for-robotics

Разработка манипулятора для игры в шахматы

В этой статье я хочу рассказать про наш проект по созданию манипулятора, позволяющего удаленно играть в обычные шахматы — о том как мы его делали, и каких результатов удалось добиться. https://habr.com/ru/articles/815819/

Объединив камеру событий со скоростью 5000 кадров в секунду (FPS) и RGB-камеру со скоростью 20 кадров в секунду, робототехники из Цюрихского университета разработали гораздо более эффективную систему технического зрения, которая предотвращает столкновения беспилотных автомобилей с предметами, как описано в текущем документе. https://www.nature.com/articles/s41586-024-07409-w

Есть ли у вас проблемы с многозадачностью? Сделайте себя киборгом с помощью мышечной стимуляции, чтобы автоматизировать повторяющиеся физические задачи, пока вы сосредотачиваетесь на чем-то другом. https://lab.plopes.org/#SplitBody

Orbit: унифицированная среда моделирования для интерактивных сред обучения роботов

https://github.com/isaac-sim/IsaacLab?tab=readme-ov-file

Документация: https://isaac-sim.github.io/IsaacLab/

В этом видео вы видите начало разработки 1X передовой системы искусственного интеллекта, которая объединяет простые задачи в сложные действия с помощью голосовых команд, обеспечивая беспрепятственное управление несколькими роботами и удаленное управление.

Это видео не содержит телеоперации, компьютерной графики, монтажных работ, ускорений видео или воспроизведения заданной траектории. Все это контролируется через нейронные сети.

https://www.1x.tech/discover/ai-update-voice-commands-chaining-tasks

OpenVLA:
модель Vision-Language-Action с открытым исходным кодом

https://openvla.github.io/

Вот самый похожий на жука робот, который может взлетать, парить, приземляться, ползать и даже переворачиваться

Насекомые уже давно являются источником вдохновения для роботов. Мир насекомых полон крошечных, полностью автономных, высокомобильных, энергоэффективных, мультимодальных, самовосстанавливающихся существ, и я мог бы продолжать и продолжать, но вы поняли: насекомые являются одновременно источником вдохновения и разочарования для робототехники, потому что очень сложно добиться, чтобы роботы обладали хоть сколько-нибудь способностями, близкими к насекомым.

Робототехники из Шанхайского университета Чонг Тонг продемонстрировали самого похожего на жука робота, которого я когда-либо видел.

Орнитоптер своими руками?

Среди летательных аппаратов особое место занимают махолёты (их ещё называют орнитоптерами). И если раньше из-за отсутствия достаточно мощных и компактных источников энергии единственным вариантом построения таких аппаратов у любителей было использование в качестве источника энергии скрученной резиновой ленты/лент (так называемые «модели с резиномотором») то теперь появилась возможность создавать такие устройства с электрическим приводом, о чём мы поговорим в этой статье. https://habr.com/ru/companies/ruvds/articles/822101/

Мы представляем Морфи — нового летающего робота, способного к адаптации и обладающего морфологическими возможностями, в руки которого встроены гибкие сенсорные суставы, что обеспечивает устойчивость к столкновениям на высоких скоростях https://www.autonomousrobotslab.com/

ИНСТРУМЕНТ ВИЗУАЛИЗАЦИИ И СРАВНЕНИЯ LIDAR: VELODYNE, OUSTER, HESAI, ROBOSENSE

Tangram Vision создали этот инструмент для сравнения некоторых избранных многолучевых лидаров. Этот инструмент может быть полезен для быстрого сравнения, если вы ищете датчик для своего проекта. https://www.tangramvision.com/resources/lidar-visualizer-comparison-tool

😎 Тщательно подобранный список библиотек и программного обеспечения по робототехнике

https://github.com/jslee02/awesome-robotics-libraries

Работа с YOLOV8. Детекция, сегментация, трекинг объектов, а также подготовка собственного датасета и обучение

Если вам кажется, что начать работу с нейросетями - это сложно, то этот материал для вас!

В статье подробно, с примерами кода, разберем основные функции базовой модели YOLOV8 - детекция, сегментация, трекинг объектов, а также создание собственного датасета и дообучение нейросети для работы с собственными объектами! https://habr.com/ru/articles/821971/

Обнаружение объектов в ROS2 с помощью PyTorch's Faster

В робототехнике обнаружение и идентификация объектов в окружающей среде имеет решающее значение. Эта способность позволяет роботам ориентироваться в пространстве, взаимодействовать с объектами и лучше понимать свое окружение. В этой записи блога мы рассмотрим, как настроить систему обнаружения объектов в ROS2 с использованием Faster R-CNN от PyTorch, современной модели для обнаружения объектов. https://medium.com/@kabilankb2003/object-detection-in-ros2-with-pytorchs-faster-bb54a65e47e0