Бывший руководитель отдела разработки очков дополненной реальности (AR) компании Meta✴✴, Кейтлин Калиновски (Caitlin Kalinowski), перешла в OpenAI. На своей странице в LinkedIn она сообщила, что возглавит направление робототехники и потребительских устройств в OpenAI. Компания также подтвердила её назначение, подчеркнув, что опыт Калиновски поможет вывести ИИ в реальный мир, расширяя его возможности для массового использования.

Топ-10 смартфонов до 10 тысяч рублей (2026 год)

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Сравнительный тест камер флагманских смартфонов (2026): итоги

Снято в Голливуде? Почему Стэнли Кубрик физически не смог бы подделать лунную походку

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Компьютер месяца, спецвыпуск: во что дефицит чипов памяти превратил бюджетные игровые ПК и при чем здесь Steam Machine

10 флагманских процессоров Intel за 10 лет

Источник изображения: caitlinkalinowski.com

Калиновски пришла в Meta✴✴ в 2022 году, где возглавила работу над проектом AR-очков Orion, представленных на ежегодной конференции Meta✴✴ Connect. В течение девяти лет она также руководила проектами по разработке устройств виртуальной реальности. До работы в Meta✴✴ Калиновски трудилась в Apple, где занималась проектированием аппаратного обеспечения для MacBook, приобретая ценный опыт в создании высококачественной потребительской электроники.

Калиновски прокомментировала своё назначение в OpenAI так: «С радостью сообщаю, что присоединяюсь к команде OpenAI в качестве руководителя направлений робототехники и потребительского оборудования. На новом посту я сосредоточусь на проектах OpenAI в области робототехники и развитии партнёрских отношений, чтобы внедрить искусственный интеллект в физическую реальность и раскрыть его возможности на благо человечества».

Предполагается, что Калиновски будет работать совместно с Джони Айвом (Jony Ive), бывшим топ-менеджером Apple, который сейчас возглавляет LoveFrom и разрабатывает вместе с OpenAI новое аппаратное ИИ-решение. В сентябре Айв подтвердил, что их совместное устройство будет «менее социально деструктивным, чем iPhone». Это партнёрство позволит OpenAI и LoveFrom объединить усилия для создания принципиально нового формата взаимодействия пользователей с ИИ.

OpenAI также объявила о поиске инженеров-исследователей для новой команды по робототехнике. Команда призвана помочь партнёрам компании интегрировать мультимодальные технологии OpenAI в физические устройства. Это возрождение робототехнического направления OpenAI знаменательно, ведь в 2018 году компания приостановила подобные исследования, сосредоточив усилия на разработке программного обеспечения (ПО). В частности, одним из достижений той эпохи стала роботизированная рука, способная обучаться самостоятельному захвату объектов.

Технологии OpenAI уже активно внедряются в современные устройства. Так, Apple планирует интегрировать ChatGPT в iPhone до конца года, расширяя возможности пользователей «яблочных» устройств. Кроме того, робототехническая компания Figure использует технологии OpenAI: её робот-гуманоид Figure 01 может вести естественные диалоги благодаря встроенному ПО OpenAI. Эти примеры подтверждают растущую значимость ИИ в улучшении его взаимодействия с человеком.

Приход Кейтлин Калиновски в OpenAI — значимый шаг для компании, стремящейся воплотить ИИ в физическом мире. Её опыт и знания в области разработки потребительских устройств могут дать новый импульс аппаратным проектам компании, обеспечивая ИИ более широкое проникновение в повседневную жизнь и делая его неотъемлемой частью нашей привычной реальности.

Исследователи из Массачусетского технологического института (MIT) разработали собственный метод обучения роботов новым навыкам. Вместо стандартного набора сфокусированных данных, которые обычно используются при обучении роботов, они задействовали большие массивы данных, тем самым имитируя процесс обучения больших языковых моделей (LLM).

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Сравнительный тест камер флагманских смартфонов (2026): итоги

10 флагманских процессоров Intel за 10 лет

Топ-10 смартфонов до 10 тысяч рублей (2026 год)

Снято в Голливуде? Почему Стэнли Кубрик физически не смог бы подделать лунную походку

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Компьютер месяца, спецвыпуск: во что дефицит чипов памяти превратил бюджетные игровые ПК и при чем здесь Steam Machine

Источник изображения: MIT

По мнению исследователей из MIT, имитационное обучение, когда робот учится на действиях человека, выполняющего ту или иную задачу, может оказаться неэффективным при несущественном изменение окружающей обстановки. К примеру, у робота могут возникнуть трудности после обучения, если он попадёт в обстановку с другим освещением или предметами.

В своей работе исследователи задействовали разные LLM, такие как GPT-4, чтобы повысить качество обучения методом перебора данных. «В области языковых моделей все данные — это просто предложения. В робототехнике, учитывая всю неоднородность данных, если вы хотите проводить предварительное обучение аналогичным образом, то потребуется другая архитектура», — рассказал один из авторов исследования Лируй Ванг (Lirui Wang).

Исследователи разработали новую архитектуру под названием Heterogeneous Pretrained Transformers (HPT), которая объединяет информацию, получаемую от разных датчиков и из разных сред. Собираемые таким образом данные объединяются в обучаемые модели с помощью «трансформера». Конечному пользователю нужно лишь указать дизайн робота, его конфигурацию и навык, которому он должен обучиться.

«Мы мечтаем о создании универсального мозга робота, который можно было бы загрузить и использовать в своём роботе без какого-либо обучения. Пока мы находимся на ранних стадиях, но мы собираемся продолжать упорно работать и надеемся, что масштабирование приведёт к прорыву в робототехнике, как это было с большими языковыми моделями», — рассказал один из авторов исследования Дэвид Хелд (David Held).

Boston Dynamics и Toyota объявили о партнёрстве для разработки универсальной роботизированной антропоморфной платформы с элементами ИИ и способностью к обучению. По аналогии с большими языковыми моделями ИИ (LLM), на платформе антропоморфного робота Atlas Институт Toyota (TRI) внедрит собственную «большую поведенческую модель» (Large Behavior Models, LBM). В случае успеха Toyota начнёт распространять адаптированную модель LBM для роботов других компаний.

Сравнительный тест камер флагманских смартфонов (2026): итоги

Снято в Голливуде? Почему Стэнли Кубрик физически не смог бы подделать лунную походку

Топ-10 смартфонов до 10 тысяч рублей (2026 год)

10 флагманских процессоров Intel за 10 лет

Компьютер месяца, спецвыпуск: во что дефицит чипов памяти превратил бюджетные игровые ПК и при чем здесь Steam Machine

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Полностью электрический робот Atlas. Источник изображения: Boston Dynamics

Антропоморфный робот Atlas компании Boston Dynamics произвёл фурор и может считаться эталоном в современной антропоморфной робототехнике. Он не пошёл в серию, но это не отменяет отработку на нём множества новаторских решений, которые, так или иначе, нашли или найдут отражение в роботах других компаний.

Ранее в этом году компания Boston Dynamics остановила развитие оригинального робота Atlas на гидравлике и представила полностью электрическую его версию. Электрический Atlas получил намного больше степеней свободы для всех конечностей, что, как нетрудно догадаться, помимо значительного расширения функциональности намного усложнило управление платформой.

Институт Toyota преуспел в методах обучения роботизированных манипуляторов навыкам делать что-то «своими руками». Метод основан на телеприсутствии, когда человек-оператор лично управляет манипуляторами, наблюдая за процессом как бы глазами робота. Затем система самостоятельно повторяет манипуляции с множеством интерпретаций — как правильных, так и ошибочных — и уже на этом массиве данных строит своё будущее поведение. Такой метод позволяет платформам ИИ самостоятельно учиться даже тем вещам, которые человек им не показывал, что экономит время на обучение.

Человечество накопило огромные данные в текстовом виде, что обеспечило моделям LLM взрывной рост за считанные годы. Аналогичных по объёмам данных по физическому поведению нет. Институт Toyota, среди прочих, создаёт такие базы и считается одним из лидеров этого процесса. Объединение усилий Boston Dynamics и Института Toyota вокруг создания обучаемой антропоморфной платформы Atlas обещает привести к появлению универсального человекоподобного робота, который будет способен выполнять широкий спектр физических действий и задач. Каждый из партнёров — ведущий специалист в своей области, поэтому вероятность успеха высока как никогда.

Мозг человека не управляет работой сердца, поэтому компьютер робота также следует освободить от подобной нагрузки, предоставив больше вычислительных мощностей для задач ИИ. Для этого исследователи из Королевского колледжа Лондона (KCL) создали «первого в мире» робота, который программирует свои действия без использования электричества и электроники — только с помощью своей аппаратной части. Подобные примеры уже встречались в прошлом.

10 флагманских процессоров Intel за 10 лет

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Снято в Голливуде? Почему Стэнли Кубрик физически не смог бы подделать лунную походку

Компьютер месяца, спецвыпуск: во что дефицит чипов памяти превратил бюджетные игровые ПК и при чем здесь Steam Machine

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Топ-10 смартфонов до 10 тысяч рублей (2026 год)

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Сравнительный тест камер флагманских смартфонов (2026): итоги

Источник изображений: King's College London

Ещё с античных времён известны описания достаточно сложных механизмов — чаще всего это были механические игрушки, которые программировались на выполнение тех или иных, порой сложных, алгоритмов поведения. Что-то похожее сейчас воспроизвела в своей лаборатории группа британских инженеров. Они обоснованно пришли к выводу, что роботы могут быть запрограммированы на определённую деятельность исключительно за счёт механических приспособлений, например, с использованием гидравлики.

Благодаря несложным настройкам, таким как регулируемые вентили, угол наклона которых меняет давление в системе, или регулировка уровней жидкости в расширительных колбах, также влияющих на давление, можно заставить роботов совершать определённые движения. А если такие вентили снабдить обратной связью и соединить друг с другом, то появляется возможность для циклического или иного изменения давления в системе. В результате робот начнёт перемещаться в зависимости от заданной механической программы.

Эти усилия учёных направлены на решение двух задач. Во-первых, узлы, управляющие движением, могут быть исключительно механическими, что позволит роботам совершать множество действий без электронного управления. Это может оказаться полезным для работы в условиях повышенной радиации. Во-вторых, электроника робота освобождается для обработки более сложных алгоритмов, включая ИИ.

Условному мозгу не придётся заботиться о работе условного сердца. Всё это имеет перспективы, считают разработчики. В частности, созданная ими схема с регулирующими давление вентилями хорошо подходит для разработки мягких роботов, где более сложные и жёсткие компоненты могли бы усложнить конструкцию.

С момента своего появления роботы взяли на себя часть наиболее опасной и трудной работы, заменяя человека в опасной для него среде. Робот Spot компании Boston Dynamics не стал исключением, хотя по своей механике больше похож на собаку. Недавно он обрёл возможность отпирать электронные замки марки Assa Abloy, связываясь с ними по интерфейсу Bluetooth.

Топ-10 смартфонов до 10 тысяч рублей (2026 год)

Снято в Голливуде? Почему Стэнли Кубрик физически не смог бы подделать лунную походку

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

10 флагманских процессоров Intel за 10 лет

Компьютер месяца, спецвыпуск: во что дефицит чипов памяти превратил бюджетные игровые ПК и при чем здесь Steam Machine

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Сравнительный тест камер флагманских смартфонов (2026): итоги

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Источник изображения: Boston Dynamics

Данная функция весьма пригодится в тех сценариях применения робота, которые подразумевают инспектирование помещений, доступ в которые преграждается автоматическими дверьми с электронными замками. Робот сможет посылать сигнал электронным замкам, и те запустят работу исполнительных механизмов, отпирающих двери.

Идея обсуждалась разработчиками на протяжении как минимум трёх лет, но только сейчас она вплотную приблизилась к своей реализации. Теперь при передвижении между помещениями, оснащёнными автоматическими приводами дверей с электронными замками, робот сможет переходить из одного отсека в другой без необходимости ручного управления или слежения со стороны операторов.

Дети обычно учатся завязывать шнурки к 5–6 годам. В это же время роботы пытаются освоить выполнение данной задачи уже несколько десятилетий. Похоже, что разработчикам из Google DeepMind удалось продвинуться в этом. А кроме того они преуспели в обучении робота выполнению некоторых других действий, требующих ловкости.

10 флагманских процессоров Intel за 10 лет

Снято в Голливуде? Почему Стэнли Кубрик физически не смог бы подделать лунную походку

Сравнительный тест камер флагманских смартфонов (2026): итоги

Топ-10 смартфонов до 10 тысяч рублей (2026 год)

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Компьютер месяца, спецвыпуск: во что дефицит чипов памяти превратил бюджетные игровые ПК и при чем здесь Steam Machine

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Источник изображения: Google DeepMind

Исследователи из Google DeepMind продемонстрировали метод обучения, позволяющий научить робота выполнять некоторые требующие определённой ловкости действия, такие как завязывание шнурков, подвешивание рубашек и даже починка других роботов.

Достигнуть определённых успехов в этом направлении удалось благодаря новой обучающей платформе ALOHA Unleashed и собственной программе моделирования DemoStart, которая позволяет роботам обучаться в процессе наблюдения за людьми.

Исследование команды DeepMind в первую очередь демонстрирует, как роботизированные системы могут научиться выполнять достаточно сложные задачи, обучаясь на визуальных демонстрациях. Однако эта работа имеет также важное практическое значение, поскольку такие роботы могут оказаться полезны, особенно для оказания помощи людям с ограниченными возможностями.