Мягкое запястье из трех пружин позволяет безопасно собирать данные при контакте, поглощая избыточные силы
Роботы
Расчеты показывают, что миграция модели Spaun на чипы SpiNNaker2 позволит снизить энергопотребление в 5.4–13.5 раз по сравнению с текущим GPU-сетапом
Модель эффективно регулирует силу: в тестах с более жестким патроном лампочки успех составил 80%
Система создает фотореалистичные модели, уменьшая длину пути робота до 3,96 метра против 18,02 метра у жадных алгоритмов NBV
При этом производительность выросла в среднем на 11,3%
Arm лицензирует технологии для большинства смартфонов в мире и работает с производителями роботов, включая Boston Dynamics
В ближайших планах команды — перенос экспериментов на реальную платформу SO100 ARM для проверки работы в условиях шума и переменного освещения
В несоединенном состоянии все модули находятся в женском состоянии Female Lock. Для односторонней стыковки один механизм переключается в мужское состояние Male Lock в процессе соединения
На бенчмарке Robotwin 2.0 Act2Goal показал success rate 0.62 на Move Can в Easy mode и 0.13 в Hard mode
Система моделирует необследованное пространство как набор вероятных будущих миров и анализирует их перед принятием решения
Ключевая идея — взаимная имитация: робот учится предсказывать действия человека по своим движениям, а человеческие жесты конвертируются в команды робота через кинематические правила
Для решения задачи используется модель Gemini 2.5 pro, которая выполняет мультимодальное zero-shot рассуждение над геометрией и функциональностью
В реальных экспериментах на роботе PiPER обучение на 50 человеческих демонстрациях дало средний success rate 28%, добавление 500 AnchorDream-демонстраций подняло его до 63%
Метод работает надежно на ограниченных данных, даже с нетривиальной моделью и сложным шумом
Конструкция способна переносить полезную нагрузку, превышающую собственную массу в 3.5 раза при ветре 4 м/с
