ТОП-5 строительных роботов для площадки

1️⃣SAM — полуавтоматический каменщик от Construction Robotics, укладывает до 3000 кирпичей в день, что в 6 раз быстрее, чем человек.

2️⃣Hadrian X — австралийский робот-каменщик от Fastbrick Robotics укладывает более 1000 кирпичей в день с помощью телескопической штанги и удаленного управления.

3️⃣TyBOT — робот для связывания арматуры от Advanced Construction Robotics, выполняющий более 1200 стяжек в час.

4️⃣RPD 35 — автономная система забивки свай от Built Robotics, с ее помощью можно устанавливать до 300 свай в день с точностью до 1 см.

5️⃣ Swarm Construction — группа роботов для подземного 3D-строительства от Hyper Tunnel прокладывает туннели в 10 раз быстрее традиционных методов.

📎 Почитать на выходные: про большие языковые модели (LLM), загрузку GPU, кибербезопасность — подборка исследований

Одно прикрепили выше, остальные — по ссылкам

Неравномерная загрузка GPU в пайплайне обучения ML-модели
По исследованию Shanghai AI Laboratory, задачи по предварительному обучению LLM занимают лишь 3% от общего объема задач, но потребляют до 94% вычислительных ресурсов. А оценка качества моделей потребляет 0,8% ресурсов, но занимает 90% объема задач. Системы мониторинга позволяют своевременно получать информацию о качестве работы модели и оптимизировать распределение задач, а также эффективно использовать инфраструктуру.

Сбои в работе
Частые аппаратные сбои происходят из-за нарушений сетевого соединения и ошибок несоответствия типа данных. Инженеры из исследования разработали эвристические правила и инструменты для автоматического перезапуска обучения LLM, что помогло сократить количество сбоев.

Рост энергопотребления
Оно растет с увеличением мощности инфраструктуры. Один запрос к ChatGPT потребляет почти в 10 раз больше энергии, чем запрос к традиционным поисковым системам. Ученые нашли способ сократить потребление — на 32% при сочетании LLM с алгоритмами принятия решений.

Оптимизация LLM под мобильные устройства — перспективное направление, и уже есть несколько решений. Например:
⚫️ Фреймворк EdgeShard позволяет разделить работу с LLM на несколько устройств.
⚫️ Архитектура Processing-in-Memory увеличивает производительность в 4,5 раза и сокращает энергопотребление на 71%.

LLM поможет с кибербезопасностью
Большие языковые модели могут помочь в защите сетей от киберугроз и анализе потенциальных атак. Такие инструменты, как ShieldGPT и SecureBERT, созданы специально, чтобы находить подобные угрозы.

Поделитесь со своими разработчиками📎

Модель π0 — первая языковая модель (GPT) для роботов


Модель разработала компания Physical Intelligence, которую создали выходцы из Гугла.

π0 — универсальная базовая модель, которая дает управлять различными типами роботов с помощью текстовых инструкций и давать команды с частотой до 50 раз в секунду. Она понимает команды и просто голосом, и текстовыми командами через бота. Также она различает картинки и видео с камер.

⚫️Не полностью открытая, но использует открытые наборы данных для обучения. В частности, 91% данных, используемых для обучения, поступает из открытых источников, таких как OXE, Bridge v2 и DROID.

⚫️Использует подход MoE, который включает два элемента: один для обработки визуальных и текстовых данных, другой — для выполнения действий в робототехнике.

⚫️Общая архитектура модели включает 3.3 млрд параметров, что позволяет ей управлять роботами с частотой до 50 Гц, что достаточно для выполнения сложных задач.

⚫️Роботы на π0 уже умеют выполнять сложные многоэтапные задачи — например, складывать картонные коробки или уборка со стола с сортировкой предметов

Модель — прорывная технология, на которой можно обучать сервисных роботов.

На 26% в денежном выражении прирос рынок умных колонок за 2024 год

Статистику продаж по России представила Группа «М.Видео-Эльдорадо»:
💙43,5 млрд рублей — сумма продаж (+26% к 2023-му).
💙5,2 млн — столько умных колонок продано (+20% к 2023-му) .
💙8,3 тыс. рублей — средняя стоимость устройства (+5% к 2023-му).

💙Алиса от Яндекса — самый популярный бренд сети.
💙Сбер показал самый интенсивный рост, еще бы — они вывели в том году свои SberBoom.

«Современные умные колонки становятся всё более универсальными устройствами, интегрируясь не только с экосистемами умного дома, но и с другими гаджетами. Технологический прогресс продолжает расширять функциональность этих устройств, превращая их в важную часть нашей цифровой жизни», — рассказала Екатерина Иксанова, руководитель департамента «Телеком и Гаджеты» Группы «М.Видео-Эльдорадо»

И все больше застройщиков интегрируют умные колонки в управление домом.

Мир движется от традиционного банкинга к открытым данным — аналитика от ФинТех

Ассоциация ФинТех изучила наш и зарубежный опыт использования открытых API. Открытые данные нужны, чтобы создать конкуренцию на рынке. Это глобальная цель, а более приземленные — собраны ниже.

Чего хотят российские компании при использовании партнерских API
⭕️85% — расширить функциональность внутренних ИТ-систем
⭕️82% — расширить функциональность внешних продуктов и услуг
⭕️79% — добавить недостающие данные в базы
⭕️62% — обмениваться данными с регулирующими органами
⭕️41% — сократить расходы на разработку и операционку
⭕️35% — сократить сроки разработки

В отчете также рассмотрены вопросы рисков использования партнерских API и мер по их минимизации, практики управления согласиями, а также организации сред открытого обмена и инструменты с использованием ИИ.

Полный отчет прикрепили👆

Аналитика от «Якова и Партнёров» по развитию генеративного искусственного интеллекта (ГИИ) в семи странах БРИКС (Бразилии, России, Индии, Китае, ЮАР, ОАЭ и Саудовской Аравии)


🌎 Мир
⚫️$350–600 — экономический эффект от внедрения ГИИ к 2030-му году, из них 70% придется на финтех, ecommerce, машиностроение, энергетику, электронику и ИТ.

⚫️57% компаний в рассматриваемых странах уже внедрили в бизнес хотя бы одно решение на базе ГИИ, а 6% продают свои продукты.

⚫️Во всех странах есть хотя бы одна большая языковая модель и собственные мощности (видеокарты) для обучения. ОАЭ, Саудовская Аравия и Индия закупают карты у NVIDIA, но часть стран (Россия и Китай) ограничены в поставках и ищут другие варианты.

⚫️Готовые датасеты для обучения моделей уже есть у ОАЭ и Саудовской Аравии. Китай, Индия и Россия — разрабатывают, в Бразилии и ЮАР подходящих для ГИИ централизованных датасетов нет.

⚫️Хотя страны и создают образовательные центры и инициативы, а также создают условия для привлечения айтишников (в т.ч. зарубежных, как в Эмиратах), в целом, наблюдается кадровый недостаток специалистов по ГИИ.

⚫️Госстратегии развития ИИ есть во всех странах, но с разной глубиной проработки. Саморегулируемые организации помогают привлекать инвестиции и участвуют в нормотворчестве, предлагая инициативы.

🇷🇺 Россия
⚫️Российские модели дают ответы на русском языке по качеству выше средних зарубежных аналогов, например GPT-3.5 Turbo. Благодаря этому более 30% моделей, используемых в решениях на базе ГИИ в российских компаниях, — отечественные.

⚫️54% российских компаний внедрили решения на базе генеративного ИИ хотя бы в одну функцию в организации.

Подробнее — в прикрепленном файле👆