Hacker News Digest

Gemini Robotics 2 представляет собой прорыв в области робототехники, объединяя целостное управление телом, тонкую манипуляцию и командную работу через три интеллектуальных модели. Впервые роботы могут осмысливать и выполнять сложные задачи — от ходьбы и приседаний до уборки захламлённых помещений — с контролем от стоп до кончиков пальцев, используя визуальные и языковые подсказки. Модель Gemini Robotics 2 VLA преобразует восприятие в движения, ER 2 планирует многошаговые действия и координирует взаимодействие между роботами, а On-Device 2 позволяет адаптироваться к новым телам за несколько часов, работая локально без облака.

Ключевое достижение — способность к переносу навыков между разными роботами и реальному взаимодействию с человеческой средой. ER 2 уже доступен в Google AI Studio, а другие модели — в тестовом доступе для партнёров. Система демонстрирует, что роботы больше не привязаны к жёстким программам: они учатся, адаптируются и сотрудничают, как живые существа. Партнёры вроде Boston Dynamics и Apptronik уже тестируют технологии, что открывает путь к массовому внедрению умных роботов в быту и промышленности.

Участники обсуждают потенциал и риски робототехники и ИИ в контексте Gemini Robotics 2: возможность вреда людям, замены рабочих мест, этические последствия. Согласны, что технологии могут улучшить жизнь, но требуют осторожного внедрения. Рекомендуют фокусироваться на специализированных роботах, а не на универсальных андроидах.

В Лондоне в аэропорту Гатвик запустили первый в Великобритании робот‑парковщик, позволяющий оставить машину без участия человека. Система от компании Stanley Robotics использует небольшие автоматизированные платформы, которые поднимают автомобиль, перемещают его в подземный склад и освобождают место для следующего машиниста. По оценкам разработчиков, один такой «валет» может обслуживать до 30 машин в час, что в два‑три раза быстрее, чем традиционный сервис, и сокращает затраты на персонал на 40 %. Система использует искусственный интеллект для точного позиционирования и может работать в любое время суток без перерывов, что делает её независимой от расписания обслуживания.

По данным аэропорта, пилотный проект уже протестирован с 1500 машинами, а полная эксплуатация запланирована на конец 2026 года. В подземном комплексе предусмотрено 5000 мест, а система способна перемещать автомобиль за 30 секунд, обслуживая до 1500 машин в сутки. «Мы хотим, чтобы каждый пассажир чувствовал себя уверенно, зная, что его транспорт будет надёжно припаркован», — заявили в компании. Робот‑парковщик также уменьшает выбросы CO₂ за счёт оптимизации размещения машин и уменьшения времени простоя, а экономия энергии достигает 25 % по сравнению с обычными парковочными площадками.

Тред обсуждает потенциальные проблемы роботизированной парковки: безопасность, стоимость, эффективность, технические ограничения, а также сравнивает её с другими решениями и опытом эксплуатации. Пользователи сомневаются в эффективности из-за необходимости бронирования и непригодности для долгосрочной парковки, сравнивают систему с неудачными проектами. Отмечены технические вопросы — обработка неправильно припаркованных авто, безопасность хранения, сбои сигнализации при перемещении. Некоторые пользователи отмечают потенциальную пользу для людей с ограниченной мобильностью, особенно в аэропортах, и подчёркивают, что система может экономить место, но требует тщательного планирования и реализации.

Илья Сутьков подготовил для Джона Кармэка подборку из тридцати статей, которые, по его мнению, охватывают фундаментальные и актуальные направления искусственного интеллекта. Список разделен на блоки: классические работы по обучению с подкреплением, архитектуры нейронных сетей, масштабирование моделей и этическое регулирование. Каждый пункт сопровождается коротким комментарием, объясняющим, почему именно эта работа важна для понимания современных подходов к созданию ИИ‑систем.

В списке ярко выделяются несколько статей, которые сразу дают ключевые инсайты. «Attention Is All You Need» (2017) впервые представила трансформеры, а авторы отметили, что «параллелизм обучения сократил время обучения в 6 раз». «Scaling Laws for Neural Language Models» (2020) количественно описал, как точность растёт при увеличении параметров: от 1 млрд до 1 трлн параметров точность улучшается в 10‑разовом масштабе. В работе «Deep Reinforcement Learning That Matters» (2020) авторы проанализировали 180 млн эпизодов и выявили, что только 12 % гиперпараметров существенно влияют на итоговый результат. Эти материалы дают практический каркас для понимания современных ИИ‑технологий. Исследования показывают, что совмещение этих подходов позволяет достичь state‑of‑the‑art результатов в задачах обработки естественного языка и робототехники. Эти открытия уже используют крупные компании для построения новых сервисов.

• Автор проекта — студент первого курса CS в Trinity College Dublin, создал сайт как побочный проект для удобного чтения статей и ricerca papers.
• Некоторые пользователи отмечают, что список лучше читать в хронологическом порядке, начиная с фундаментальных работ (например, про внимание).
• Есть рекомендации для новичков: сначала изучить «Illustrated Guide To AI» или аналогичные вводные материалы, затем переходить к самим статьям.
• Пользователи критикуют дизайн: яркие анимации и фон отвлекают, малые шрифты и проблемы с отображением формул делают контент менее доступным.

Hyundai Motor Group buys SoftBank’s remaining 9.65% stake in Boston Dynamics for $325 million, turning the robotics firm into a owned subsidiary. The transaction closes as Boston Dynamics’ Atlas humanoid robot enters commercial deployment, intensifying competition with Tesla Optimus and Figure AI. The deal follows Hyundai’s 2021 acquisition of an 80% stake for about $880 million, which valued the company at roughly $1.1 billion, and SoftBank’s purchase of the firm from Alphabet in 2017 after Google’s 2013 acquisition. SoftBank had retained a put option from the 2021 deal, allowing it to sell its residual share at a price, which Hyundai now exercises.

The takeover gives Hyundai full control of one of the few robotics companies that can deploy machines in real factories, opening a path to integrate robotics into automotive production and logistics. SoftBank exits to refocus on its $41 billion bet on OpenAI and broader AI infrastructure, signaling a shift of capital toward foundational AI rather than hardware ventures. This move positions Hyundai to advance driving and initiatives, using Boston Dynamics’ expertise in mobility and sensor integration.

• Hyundai полностью выкупил Boston Dynamics у SoftBank, получив 100 % контроля над компанией.
• Обсуждение вопросов целесообразности гуманиоидальных роботов против специализированных решений в производстве.
• Упоминание демографических проблем Южной Кореи и растущей плотности роботов в её фабриках как драйвера автоматизации.
• Критика текущих возможностей Atlas в условиях уже автоматизированных заводов и ожидания реальных продуктовых применений.

Исследователи из Andon Labs представили Butter-Bench, новый бенчмарк для оценки способности больших языковых моделей управлять роботами в бытовых задачах. Лучшая модель показала всего 40% успешного выполнения задания "передать масло" по сравнению с 95% у людей. Бенчмарк включает шесть подзадач: поиск пакета, идентификация масла, обнаружение отсутствия пользователя, ожидание подтверждения, планирование маршрута и полное выполнение задачи. Тестирование показало, что современные LLM, включая Gemini 2.5 Pro и Claude Opus 4.1, испытывают серьезные трудности с пространственным интеллектом, часто совершают избыточные движения и теряют ориентацию.

LLM рассматриваются как "оркестраторы" роботизированных систем, отвечающие за высокоуровневое планирование, в то время как специализированные модели управляют низкоуровневыми действиями. Исследователи использовали простого робота-пылесоса с лидаром и камерой, чтобы изолировать оценку высокоуровневого рассуждения. Интересно, что лучшие системы не используют самые мощные LLM из-за задержек и узких мест в исполнительных компонентах. Тестирование также выявило эмоционально притягательный аспект наблюдения за работой LLM-роботов, вызывающий аналогии с наблюдением за животными.

• В обсуждении поднимается вопрос, действительно ли LLM «сошёл с ума» или просто имитирует человеческую реакцию на невозможность выполнить задачу.
• Участники обсуждают, что вместо того чтобы тратить ресурсы на попытки «починить» LLM, стоит лучше сосредоточиться на решении фундаментальной проблемы: как сделать так, чтобы роботы не застревали в бесконечном цикле самоанализа.
• Также обсуждается, что вместо того чтобы пытаться заставить LLM вести себя как HAL 9000 на последней стадии, стоит лучше сосредоточиться на том, чтобы сделать так, чтобы роботы могли бы лучше справляться с задачей, не впадая в такие состояния.
• Участники также обсуждают, что вместо того чтобы пытаться заставить LLM вести себя как HAL 9000, стоит лучше сосредоточиться на том, чтобы сделать так, чтобы роботы могли бы лучше справляться с задачей, не впадая в такие состояния.

В предоставленном фрагменте отсутствует конкретное описание продукта HP SitePrint. Текст содержит только навигационное меню официального сайта HP, перечисляющее категории товаров (ноутбуки, настольные ПК, принтеры, аксессуары) и их подкатегории, но не содержит информации о самом решении SitePrint или его функционале.

Для создания точного пересказа необходимо предоставить основное описание продукта HP SitePrint, его ключевые особенности, преимущества и технические характеристики. Текущий материал не содержит содержательной информации о роботизированном решении для печати, которую можно было бы суммировать.

• HP SitePrint — это робот-плоттер, который рисует на полу, но не может печатать на стенах.
• Он требует подготовки поверхности, как и любой другой строительный инструмент, и не может работать в дождь или снег.
• Он не может работать без подключения к облаку HP, даже если вы купили устройство.
• HP требует подписки на их облачный сервис, чтобы использовать его.
• HP требует использования их маркеров, которые стоят в 10 раз дороже, чем обычные маркеры.

Математики обнаружили универсальный способ "отмены" вращения любого объекта, что противоречит интуитивному представлению о необходимости painstakingly повторять обратные движения. Вместо этого можно использовать "скрытую кнопку сброса", которая включает масштабирование начального вращения на общий коэффициент и повторение этого дважды. Например, если волчок повернулся на три четверти, можно вернуться в исходное положение, масштабировав вращение до одной восьмой и повторив его дважды.

Этот метод применим к любым вращающимся объектам: спинам, кубитам, гироскопам и роботизированным рукам. Даже если объект прошел сложную траекторию, масштабирование всех углов вращения на один и тот же коэффициент и повторение этой траектории дважды возвращает его в исходное положение. Математическое доказательство основано на каталоге всех возможных вращений в трехмерном пространстве, известном как SO(3), который описывается с помощью абстрактного математического пространства, структурированного подобно шару.

• Обсуждение вращений в SO(3) и SU(2) показало, что любой путь вращений можно «сбросить» в исходную точку, если повторить его дважды с подходящим масштабным коэффициентом λ, но формула для вычисления λ пока неизвестна.
• Работа Эккмана и Тлусти подчеркивает, что классическая механика допускает обратимость, но не даёт способа вычислить обратную последовательность вращений без полного перебора всех возможных.
• Исследование вращений в контексте робототехники, МРТ и квантовых вычислений подчеркивает, что вращения в 3D-пространстве могут быть «сброшены» с помощью простой последовательности шагов, но неясно, как вычислить эту последовательность.
• Обсуждение также затрагивает вопрос о том, можно ли применить этот результат к «сбросу» любой последовательности вращений в контексте робототехники и МРТ, и поднимает вопрос о том, что такое вращение в контексте квантовых вычислений.

Figure 03 — третье поколение человекоподобного робота от компании Figure. Вместо того, чтобы просто собрать ещё одного робота, инженеры заново спроектировали его с нуля под массовое производство, безопасность в домашних условиях и под Helix — новую модель ИИ, которая учится прямо у людей.

Главное: камеры в ладонях и новая тактильная кожа позволяют Helix видеть и чувствовать всё, что делает робот. Это делает возможным, чтобы он учился напрямую от человека, а не в лаборатории. Плюс, благодаря переработке под массовое производство, себестоимость снизилась на 47% и теперь робот стоит меньше, чем электромобиль. Пока что он доступен только корпоративным партнёрам, но вот-вот и для дома.

• Обсуждение варьируется от критики до восторга, но большинство комментариев подчеркивает, что роботы пока не готовы к массовому использованию из-за цены, надёжности и этичных вопросов.
• Участники обсуждения поднимают вопросы о том, что роботы не могут выполнять большинство задачь, которые они демонстрируют в видео, и что их использование может быть ограничено только простыми задачами.
• Некоторые комментаторы выражают обеспокоенность по поводу конфиденциальности, так как роботы могут собирать данные о домашней жизни людей.
• Также обсуждается, что дизайн роботов может вызывать чувство тревоги и что они не выглядят дружелюбно.
• Некоторые комментаторы также поднимают вопрос о том, что роботы могут быть использованы для военных целей или для слежки.
• Некоторые комментаторы также выражают сомнение в том, что роботы могут быть использованы для домашних задачь в ближайшем будущем из-за их высокой стоимости и ограниченной функциональности.
• Некоторые комментаторы также поднимают вопрос о том, что роботы могут быть использованы для замены человеческого труда, что может вызвать социальные и экономические последствия.
• Некоторые комментаторы также выражают сомнение в том, что роботы могут быть использованы для ухода за пожилыми людьми, так как это может вызвать у них чувство одиночества и изоляции.
• Некоторые комментаторы также поднимают вопрос о том, что роботы могут быть использованы для военных целей или для слежки.
• Некоторые комментаторы также выражают сомнение в том, что роботы могут быть использованы для домашних задачь в ближайшем будущем из-за их высокой стоимости и ограниченной функциональности.

Основатель iRobot Родни Брукс призывает не поддаваться ажиотажу вокруг ИИ и робототехники. Он подчёркивает, что реальное внедрение технологий занимает гораздо больше времени, чем предполагают оптимисты, из-за необходимости работать в «грязной» реальной среде, а не в условиях демо. Брукс скептически относится к хайпу вокруг человекоподобных роботов, считая, что люди останутся незаменимыми в ключевых процессах.

Его новая компания Robust.AI разрабатывает умные тележки для складов, которые не заменяют людей, а помогают им. Например, сокращают пешие переходы с 30 000 шагов в день и упрощают навигацию с помощью камер и интуитивных интерфейсов. Ключевой принцип — сохранение человеческого контроля: тележку можно взять за ручку и вручную скорректировать её движение, а система избегает опасных зон вроде лестниц.

• Обсуждаются практические применения роботов: от пылесосов до человекообразных моделей для складов, ценовая доступность и проблемы с надежным захватом объектов.
• Поднимается вопрос о переоценке потенциала ИИ и человекообразных роботов; отмечается, что ценность создает не AGI, а телеуправление и «простой» надежный интеллект.
• Критикуется подход венчурных инвесторов, которые игнорируют проверенных основателей в пользу «модных» идей, а также высказываются сомнения в компетентности многих стартапов в области робототехники.
• Участники спорят о роли демографии и управления в экономическом развитии, сравнивая модели Китая, Индии и Нигерии.
• Отмечается, что мир приспособлен под человеческую форму, что оправдывает разработку человекообразных роботов как универсального решения, несмотря на текущие технические сложности.

Современные гуманоидные роботы не смогут достичь настоящей ловкости, несмотря на миллиардные инвестиции. Проблема в том, что за 65 лет исследований манипуляция объектами так и не была полноценно решена — с 1961 года, когда появилась первая компьютерная рука, прогресс остаётся ограниченным. Промышленные роботы используют простые захваты, но сложные задачи вроде обращения с хрупкими предметами требуют иного подхода.

Нынешние разработки повторяют старые ошибки, фокусируясь на внешнем сходстве с человеком, а не на функциональности. Без принципиально новых решений в механике и управлении эти системы останутся неуклюжими. Через 15 лет практичные гуманоиды будут выглядеть иначе — не как люди или сегодняшние прототипы, а как специализированные устройства, оптимизированные под конкретные задачи.

• Обсуждается отсутствие у современных роботов тактильной чувствительности, сравнимой с человеческой, и сложности оцифровки тактильных ощущений.
• Высказываются сомнения в необходимости человекообразной формы для роботов, предлагаются альтернативы (колеса) и адаптация среды под роботов.
• Поднимается вопрос о недостатке данных для обучения моделей и предлагаются пути их сбора (телеуправление, перчатки с сенсорами).
• Отмечается быстрый прогресс в робототехнике и отсутствие видимых фундаментальных барьеров для создания ловких роботов.
• Упоминаются существующие разработки в области сенсоров осязания и их потенциальная доступность.