"Энерготехнохаб Петербург" запускает юбилейную программу поддержки технологических предпринимателей в энергетике

Энерготехнохаб Петербург совместно с Ассоциацией «Цифровые технологии в промышленности», при поддержке ГУАП и УГНТУ, открыл приём заявок на десятую, юбилейную программу инкубатора для начинающих технологических предпринимателей в области энергетики. Главная цель программы — помочь молодым tech-предпринимателям в создании и развитии стартапов в сфере энергетики и новых технологий.

Тематики проектов:
▪️Освоение ресурсов и работа в сложных условиях добычи
▪️Водные технологии и экология
▪️Эффективная энергетика и энергосбережение
▪️Цифровизация и интеллектуальные системы (ИИ, роботизация, автоматизация)
▪️Новые материалы и химические технологии

Заявки принимаются до 25 сентября включительно. Призовой фонд программы — более 1 млн рублей. Финал состоится 18 декабря 2025 года в Сколтехе (Москва), где будут представлены ТОП-10 проектов инкубатора.

Подробнее о программе и условиях участия — на официальном сайте.

Компания Humanoid представила HMND 01 Alpha - нетипичного робота-гуманоида, ориентированного на промышленное использование.

HMND 01 Alpha был разработан всего за 7 месяцев и стал первым гуманоидным роботом для промышленной эксплуатации в Великобритании. Устройство совмещает в себе черты классического промышленного манипулятора и антропоморфного робота, являясь неким промежуточным звеном между данными направлениями робототехники. Важно отметить, что опорная конструкция робота подвижна и представляет из себя колёсную платформу.

Основные характеристики:
▪️Масса: 300 кг
▪️Рост: 220 см
▪️Грузоподъемность: 15кг
▪️Максимальная скорость: 2 м/с
▪️29 степеней свободы без учёта концевых эффекторов

Взаимодействие и восприятие
Робот оснащен комплексом RGB-камер с обзором на 360° и двумя камерами глубины для полного восприятия окружающей среды. В систему робота можно интегрировать пятипалые кисти с 12 степенями свободы или систему параллельного захвата с одной степенью свободы, что позволяет роботу адаптироваться к выполнению различного рода задач.

Имитационное обучение и ИИ
Робот оснащен фирменной запатентованной системой 360° имитационного обучения с использованием реальных данных. По заявлениям компании, на данный момент скорость разработки выросла вдвое, а затраты сократились в два раза по сравнению с традиционными методами. HMND 01 Alpha оснащен системой сквозного мышления на основе ИИ (AI-driven end-to-end reasoning), позволяющей ему  самостоятельно управлять полным циклом восприятия, анализа и действия.

Источник: Humanoid

Инженеры из Improbable AI Lab Массачусетского технологического института представили DEXOP — устройство для передачи роботу точных человеческих манипуляций.

Традиционный метод обучения роботов — телеоперация. Это процесс, при котором оператор управляет манипулятором, а система запоминает эти движения и воспроизводит их в симуляции. Такой подход имеет серьёзные ограничения: он требует больших массивов данных, часто некорректно передаёт тактильные ощущения и плохо переносится в реальный мир.

Для решения данной проблемы инженеры разработали DEXOP — пассивный экзоскелет для кистей рук, физически связанный с роботизированной рукой. Система реализует новый подход perioperation — сенсоризацию человеческих манипуляций для сбора обширных мультисенсорных данных (зрение, проприоцепция, осязание и действие) с возможностью переноса навыков на робота.

Все движения оператора мгновенно повторяются роботом, создавая максимально естественное отражение человеческих манипуляций. DEXOP-12 — самая технологичная конфигурация системы на данный момент, представляющая собой искусственную кисть с четырьмя пальцами и тремя степенями свободы на каждый.

В кончики пальцев встроены датчики давления, позволяющие точно фиксировать силу, которую человек прикладывает при взаимодействии с объектами. Благодаря этому робот учится не только перемещать предметы, но и корректно оценивать усилие — от лёгкого касания до плотного захвата.

DEXOP в режиме реального времени обрабатывает визуальные данные с камер и отслеживает физические манипуляции человека, что позволяет роботу обучаться на реальных сценариях. Такой подход минимизирует разрыв между цифровым и физическим миром (sim2real), ускоряя процесс обучения и делая его более адаптивным для практического применения.

Источник: DEXOP