Physical AI: От нейросетей к гуманоидным роботам

Издательство:

SelfPub

Метки:

искусственный интеллект,бизнес и предпринимательство,роботы,модуль-сервер,только на Литрес,большие языковые модели (LLM),Литрес Авторы

Жанры:

программирование,компьютерная справочная литература,книги о компьютерах

Книжный блогЧитать новые статьи

Последние статьи блога

Как выучить суру

Как быстро выучить зимнее утро

Как выучить испанский с нуля самостоятельно

Как выучить аминокислоты

Аннотация

Читать онлайн

Cкачать на Литрес

-
100%
+

Список опор

1. Siciliano, Sciavicco et al. — Robotics: Modelling, Planning and Control (кинематика/динамика как база для TF и impedance).

Как применить: сформулируйте один проверяемый вопрос к вашей ячейке, который закрывается этой опорой; запишите ответ в research note релиза. Если вопроса нет — вычеркивайте пункт из рабочего списка.

2. Murray, Li, Sastry — A Mathematical Introduction to Robotic Manipulation (screw theory; полезно, когда IK «внезапно» взрывается).

3. Thrun, Burgard, Fox — Probabilistic Robotics (фильтры, неопределённость; связка с age и covariance треков).

4. Craig — Introduction to Robotics (классика FK/IK; держите рядом с calibration runbook).

5. Sutton & Barto — Reinforcement Learning (термины reward/return; не путать field success с reward hacking).

6. Goodfellow, Bengio, Courville — Deep Learning (основы; для VLA — лишь фундамент, не рецепт ячейки).

7. Bishop — Pattern Recognition and Machine Learning (неопределённость и калибровка вероятностей).

8. ISO-ориентированные обзоры functional safety (как читать SIL/PL рядом с ML-контуром).

9. Документы NIST по AI risk management — рамка residual risk, не чеклист закупки робота.

10. Классические работы по visual servoing (Chaumette/Hutchinson) — closed-loop коррекция vs open-loop grasp.

Рабочий протокол для полки «учебники и фундаментальные работы» (U0191)

1. Выберите один claim пилота.

2. Найдите две опоры из списка выше.

3. Приложите полевой артефакт (лог/hash/ticket).

4. Зафиксируйте estimate vs measured.

Если шаг 2–3 не закрываются — claim снимается до следующего релиза.

Источники: робототехника и управление

Подборка источников и опорных рамок по теме «робототехника и управление» для команды Physical AI. Это не библиография «для красоты»: каждый пункт должен помогать проверить факт на полу или сформулировать критерии приёмки. Vendor-neutral: без рейтингов поставщиков.

Список опор

1. Обзоры operational space control и null-space projections — приоритеты задач в ячейке.

2. Работы по impedance/admittance control для контакта и вставки.

3. Статьи о singularity handling и joint-limit avoidance в redundant arms.

4. Практики URDF/SDF и TF trees в ROS-подобных стеках — версия модели = часть релиза.

5. Силовые наблюдатели и collision detection без тактильных матриц.

6. Методы trajectory generation с jerk limits для hot path.

7. Калибровка hand-eye (eye-in-hand / eye-to-hand) — протоколы после смены крепления.

8. Сравнительные отчёты gripper vs multifinger на warehouse SKU (ориентиры TCO, не рейтинг брендов).

9. Гайды по collaborative modes (speed and separation monitoring) в прикладных ячейках.

10. Полевые postmortem-разборы «TF уехал после обслуживания» — шаблоны RCA.

Рабочий протокол для полки «робототехника и управление» (U0192)

1. Выберите один claim пилота.

2. Найдите две опоры из списка выше.

3. Приложите полевой артефакт (лог/hash/ticket).

4. Зафиксируйте estimate vs measured.

Если шаг 2–3 не закрываются — claim снимается до следующего релиза.

Источники: машинное обучение и foundation models

Подборка источников и опорных рамок по теме «машинное обучение и foundation models» для команды Physical AI. Это не библиография «для красоты»: каждый пункт должен помогать проверить факт на полу или сформулировать критерии приёмки. Vendor-neutral: без рейтингов поставщиков.

Список опор

1. Обзоры behavioral cloning и DAgger в манипуляции.

2. Diffusion policy / action chunking papers — latency и abort-совместимость.

3. VLA / RT-подобные работы: что переносится, а что ломается на вашем свете.

4. Offline RL surveys — когда safe, когда маскирует дыры в данных.

5. Distillation и quantization для edge inference в robotics.

6. Covariate shift и dataset shift в robotics datasets.

7. Model cards и datasheets for datasets — адаптируйте под ячейку.

8. Работы по reward specification и specification gaming.

9. Сравнительные бенчмарки imitation на contact-rich задачах.

10. Практики episode QC и schema-first data contracts.

Рабочий протокол для полки «машинное обучение и foundation models» (U0193)

1. Выберите один claim пилота.

2. Найдите две опоры из списка выше.

3. Приложите полевой артефакт (лог/hash/ticket).

4. Зафиксируйте estimate vs measured.

Если шаг 2–3 не закрываются — claim снимается до следующего релиза.

Источники: компьютерное зрение и perception

Подборка источников и опорных рамок по теме «компьютерное зрение и perception» для команды Physical AI. Это не библиография «для красоты»: каждый пункт должен помогать проверить факт на полу или сформулировать критерии приёмки. Vendor-neutral: без рейтингов поставщиков.

Список опор

1. Обзоры 6D pose estimation для манипуляции (RGB vs RGB-D).

2. Трекинг и association (SORT/ByteTrack-семейство) в плотных полках.

3. Неопределённость позы и калибровка confidence для grasp gating.

4. Domain gap освещения: day/night, glare, HDR практики.

5. Окклюзии и multi-view fusion в ячейке.

6. Тактильность + vision: когда force честнее псевдоглубины.

7. Synthetic data for perception — геометрический gap vs texture gap.

8. Sensor aging и dirty lens — мониторинг scene health.

9. Latency budgets perception→control на edge.

10. Регресс-наборы золотых полок сайта (не «COCO-метрика»).

Рабочий протокол для полки «компьютерное зрение и perception» (U0194)

1. Выберите один claim пилота.

2. Найдите две опоры из списка выше.

3. Приложите полевой артефакт (лог/hash/ticket).

4. Зафиксируйте estimate vs measured.

Если шаг 2–3 не закрываются — claim снимается до следующего релиза.

Источники: симуляция и sim-to-real

Подборка источников и опорных рамок по теме «симуляция и sim-to-real» для команды Physical AI. Это не библиография «для красоты»: каждый пункт должен помогать проверить факт на полу или сформулировать критерии приёмки. Vendor-neutral: без рейтингов поставщиков.

Список опор

1. Обзоры domain randomization и system identification.

2. Сравнения physics engines для contact-rich insertion.

3. Методы bridging: few real episodes after sim pretrain.

4. Эмуляция задержек, drop кадров, PTP offset в sim.

5. Procedural scene generation под WMS-классы.

6. Digital twin change control — twin как артефакт релиза.

7. Метрики coverage known-hard в sim suites.

8. Лицензионные и dual-use аспекты моделей ячеек.

9. Seeded eval и reproducibility между релизами политики.

10. Стоимость high-fidelity vs скорость итерации RL.

Рабочий протокол для полки «симуляция и sim-to-real» (U0195)

1. Выберите один claim пилота.

2. Найдите две опоры из списка выше.

3. Приложите полевой артефакт (лог/hash/ticket).

4. Зафиксируйте estimate vs measured.

Если шаг 2–3 не закрываются — claim снимается до следующего релиза.

Источники: стандарты безопасности

Подборка источников и опорных рамок по теме «стандарты безопасности» для команды Physical AI. Это не библиография «для красоты»: каждый пункт должен помогать проверить факт на полу или сформулировать критерии приёмки. Vendor-neutral: без рейтингов поставщиков.

Список опор

1. ISO 10218 / ISO/TS 15066 — рамки industrial / collaborative.

2. IEC 61508 / ISO 13849 — SIL/PL; почему веса модели не поднимают уровень.

3. Практики safety-rated monitored stop и zone control.

4. Гайдлайны near miss reporting в OT.

5. Требования к audit trail и immutability журналов safety.

6. Интеграция LOTO с роботизированной ячейкой.

7. Пост-ремонтный safety regression checklist.

8. Разделение certified safety и best-effort ML abort.

9. Кибер-гигиена OT: signed firmware, accounts, pendant defaults.

10. Контрактные шаблоны liability split customer/vendor.

Рабочий протокол для полки «стандарты безопасности» (U0196)

1. Выберите один claim пилота.

2. Найдите две опоры из списка выше.

3. Приложите полевой артефакт (лог/hash/ticket).

4. Зафиксируйте estimate vs measured.

Если шаг 2–3 не закрываются — claim снимается до следующего релиза.

Источники: право, этика и privacy

Подборка источников и опорных рамок по теме «право, этика и privacy» для команды Physical AI. Это не библиография «для красоты»: каждый пункт должен помогать проверить факт на полу или сформулировать критерии приёмки. Vendor-neutral: без рейтингов поставщиков.

Список опор

1. GDPR/локальные аналоги: purpose limitation для video с ячейки.

2. DPIA-шаблоны для continuous recording в складе.

3. Запрет биометрии by default и threat model templates.

4. DPA для remote support и cross-border access.

5. Этические риски скрытого teleop и «потемкинского» success.

6. Export controls / dual-use screening one-pagers.

7. Права на данные эпизодов в договоре (customer-owned default).

8. Прозрачность для смены: что логируется и зачем.

9. Ограничения на вторичное использование (marketing clips).

10. Инцидент-коммуникация при near miss с людьми в зоне.

Рабочий протокол для полки «право, этика и privacy» (U0197)

1. Выберите один claim пилота.

2. Найдите две опоры из списка выше.

3. Приложите полевой артефакт (лог/hash/ticket).

4. Зафиксируйте estimate vs measured.

Если шаг 2–3 не закрываются — claim снимается до следующего релиза.

Источники: экономика и рынок

Подборка источников и опорных рамок по теме «экономика и рынок» для команды Physical AI. Это не библиография «для красоты»: каждый пункт должен помогать проверить факт на полу или сформулировать критерии приёмки. Vendor-neutral: без рейтингов поставщиков.

Список опор

1. Unit economics шаблоны: cost per successful cycle.

2. TCO сравнения cell vs mobile vs humanoid на узком beachhead.

<1...6061626364...79>