Kandinsky 6.0 Video — новая линейка моделей генерации видео со звуком
Модели генерируют видео с диалогами, музыкой и звуками окружения. Аудиодорожка синхронизирована с происходящим в кадре, движения губ персонажей совпадают с речью. Это первая российская нейросеть, генерирующая видео с синхронным звуком.
— Флагман новой линейки, Kandinsky 6.0 Video Pro — показывает качество на уровне Veo 3.1 Audio, а среди открытых моделей уступает только MiniMax H3, достигая паритета с LTX 2.5.
— Есть компактная Video Lite (3B) для запуска дома — доступны пресеты для видеокарт с 16–32 ГБ VRAM.
Веса моделей доступны на Hugging Face, код — на GitHub и на GitVerse. Также опубликован подробный технический отчёт с описанием архитектуры, данных, процесса обучения и результатов тестирования. Модель можно попробовать бесплатно в ГигаЧате в разделе генерации видео.
Модели генерируют видео с диалогами, музыкой и звуками окружения. Аудиодорожка синхронизирована с происходящим в кадре, движения губ персонажей совпадают с речью. Это первая российская нейросеть, генерирующая видео с синхронным звуком.
— Флагман новой линейки, Kandinsky 6.0 Video Pro — показывает качество на уровне Veo 3.1 Audio, а среди открытых моделей уступает только MiniMax H3, достигая паритета с LTX 2.5.
— Есть компактная Video Lite (3B) для запуска дома — доступны пресеты для видеокарт с 16–32 ГБ VRAM.
Веса моделей доступны на Hugging Face, код — на GitHub и на GitVerse. Также опубликован подробный технический отчёт с описанием архитектуры, данных, процесса обучения и результатов тестирования. Модель можно попробовать бесплатно в ГигаЧате в разделе генерации видео.
👍15❤8🤣7🔥1
Space Bunny, который возглавил мировые рейтинги и прокачал более 200 трлн токенов, оказался ранней версией M3.1 Flash.
По данным MiniMax, модель набрала 62% на Automation-Bench, 30% на ALE, 74% на DeepSWE и 91% на BabyVision. Стоит она в треть от M3 и работает втрое быстрее.
API стоит 0,15 доллара за 1 млн входных токенов и 0,60 доллара за 1 млн выходных, чтение из кеша 0,015 доллара. Веса опубликуют 23 октября.
Попробовать можно через API, подписку M Plan и десктопный MiniMax Code .
Веса опубликуют 23 октября.
Источник: http://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5❤1
DeepSeek V4.1 Flash 1017 теперь можно запустить у себя 🐳
Unsloth сжали модель до 1 бита: вес упал с 508 ГБ до 250 ГБ, почти вдвое. По их оценке, точность при этом сохранилась на уровне около 88,2%.
Для запуска нужно устройство с 128 ГБ+ оперативной памяти. Квантизованные GGUF-файлы уже лежат на Hugging Face, а в гайде от Unsloth расписано, как это всё поднять локально.
В Unsloth называют V4.1 Flash 1017 сильнейшей открытой моделью на сегодня. Это их оценка, независимых замеров рядом нет, так что цифры по точности лучше проверить на своих задачах.
Гайд: https://unsloth.ai/docs/models/deepseek-v4.1-flash
GGUF: https://huggingface.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF
Unsloth сжали модель до 1 бита: вес упал с 508 ГБ до 250 ГБ, почти вдвое. По их оценке, точность при этом сохранилась на уровне около 88,2%.
Для запуска нужно устройство с 128 ГБ+ оперативной памяти. Квантизованные GGUF-файлы уже лежат на Hugging Face, а в гайде от Unsloth расписано, как это всё поднять локально.
В Unsloth называют V4.1 Flash 1017 сильнейшей открытой моделью на сегодня. Это их оценка, независимых замеров рядом нет, так что цифры по точности лучше проверить на своих задачах.
Гайд: https://unsloth.ai/docs/models/deepseek-v4.1-flash
GGUF: https://huggingface.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF
🤣19🔥16❤1
🔬 ИИ на 27 млрд параметров предлагает научные гипотезы, которые совпадают с последующими исследованиями чаще, чем у GPT-6 и Claude Opus 5.
Авторы DiscoveryRSI сравнили гипотезы моделей с работами, опубликованными после даты отсечения обучающих данных. Доля совпадений:
• DiscoveryRSI-27B — 6,3%
• GPT-6 — 2,5%
• Claude Opus 5 — 2,3%.
Система развивает гипотезы, собирает доказательства, предлагает способы проверки и использует результаты предыдущих попыток, чтобы улучшать следующие. У каждой идеи должны быть план исследования, критерии проверки и альтернативные объяснения.
Совпадение с публикацией ещё не означает доказанное открытие. Но это интересная проверка того, способен ли ИИ предлагать направления, к которым позже приходят исследователи.
Модель и код доступны:
📄 https://arxiv.org/abs/2610.23839
💻 https://github.com/Gen-Verse/DiscoveryRSI
🔴 https://foundry-arena.rsi-arena.workers.dev/arena
Авторы DiscoveryRSI сравнили гипотезы моделей с работами, опубликованными после даты отсечения обучающих данных. Доля совпадений:
• DiscoveryRSI-27B — 6,3%
• GPT-6 — 2,5%
• Claude Opus 5 — 2,3%.
Система развивает гипотезы, собирает доказательства, предлагает способы проверки и использует результаты предыдущих попыток, чтобы улучшать следующие. У каждой идеи должны быть план исследования, критерии проверки и альтернативные объяснения.
Совпадение с публикацией ещё не означает доказанное открытие. Но это интересная проверка того, способен ли ИИ предлагать направления, к которым позже приходят исследователи.
Модель и код доступны:
📄 https://arxiv.org/abs/2610.23839
💻 https://github.com/Gen-Verse/DiscoveryRSI
🔴 https://foundry-arena.rsi-arena.workers.dev/arena
👍9❤6😁1🤣1
🧰 281 AI-инструмент для разработчика - с описаниями на русском
Awesome AI DevTools RU - каталог для тех, кто хочет разобраться, что подключить к своей работе: от помощника в редакторе до агентов, тестирования и локальных моделей.
Что внутри:
• AI-IDE и терминальные агенты - Cursor, Claude Code, Codex, Cline, Aider и другие.
• Код-ревью, тестирование и безопасность.
• MCP, навыки, управление контекстом и оркестрация агентов.
• Локальные модели, LLMOps и контроль расходов.
• Отдельный раздел с российскими сервисами.
У инструментов есть метки: открытый код, бесплатный тариф, локальные модели, свой API-ключ и поддержка MCP.
Помимо каталога - сравнительные таблицы, схемы выбора и готовые стеки под разные задачи. А ещё четыре урока: как выбрать инструмент, запустить модели локально, настроить MCP и разобраться в устройстве кодирующих агентов.
Полезная закладка, когда хочется собрать рабочее окружение с ИИ, а не устанавливать всё подряд.
💻 https://github.com/justxor/awesome-ai-devtools-ru
Awesome AI DevTools RU - каталог для тех, кто хочет разобраться, что подключить к своей работе: от помощника в редакторе до агентов, тестирования и локальных моделей.
Что внутри:
• AI-IDE и терминальные агенты - Cursor, Claude Code, Codex, Cline, Aider и другие.
• Код-ревью, тестирование и безопасность.
• MCP, навыки, управление контекстом и оркестрация агентов.
• Локальные модели, LLMOps и контроль расходов.
• Отдельный раздел с российскими сервисами.
У инструментов есть метки: открытый код, бесплатный тариф, локальные модели, свой API-ключ и поддержка MCP.
Помимо каталога - сравнительные таблицы, схемы выбора и готовые стеки под разные задачи. А ещё четыре урока: как выбрать инструмент, запустить модели локально, настроить MCP и разобраться в устройстве кодирующих агентов.
Полезная закладка, когда хочется собрать рабочее окружение с ИИ, а не устанавливать всё подряд.
💻 https://github.com/justxor/awesome-ai-devtools-ru
🔥4🥰1🥴1💊1
Media is too big
VIEW IN TELEGRAM
Спустя 2 месяца после старта открытой беты состоялся релиз HappyShrimp 1.0 - генеративной модели, создающей законченные музыкальные композиции по тексту.
HappyShrimp использует сквозную архитектуру, в которой трек создается как единое целое, позволяя избежать механического звучания голоса, рассинхронизацию текста с ритмом и нецелостную структуру трека.
Модель умеет работать с абстрактными запросами, самостоятельно определяя жанр и инструменты под заданное настроение или контекст.
Для управления предусмотрены расширенные параметры: указание темпа, тональности, состав инструментовки, пол и манера вокалиста, а также кривая эмоционального развития композиции.
Вместе с моделью Alibaba объявила о партнерстве с лейблом Taihe Music Group, а в ближайшее время планирует выпустить отдельное мобильное приложение.
Все тексты, музыка, аранжировка и вокал для демо-ролика были созданы в HappyShrimp 1.0.
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10👍6🔥5
Представьте проблему: «Один рекомендательный пайплайн решает сразу несколько разных задач — показ по известным интересам, исследование новых интересов, поддержка новых авторов. Как вы будете их разводить?»
В AI VK это сделали через стримы — отдельные пайплайны, имеющие общую кодовую базу, но разные конфигурации.
В статье — подробный разбор подхода.
В AI VK это сделали через стримы — отдельные пайплайны, имеющие общую кодовую базу, но разные конфигурации.
В статье — подробный разбор подхода.
❤1👍1🔥1
MemT-1.0-Nano — открытая ИИ-модель со встроенной долговременной памятью.
Она записывает информацию из диалога во внутреннее состояние и использует её в следующих ответах — без повторной загрузки всей переписки в контекст. Память можно сохранить и восстановить в новой сессии.
— Основа — Qwen3.6-35B-A3B.
— 36 млрд параметров, из них 3 млрд активных.
— При истории в 128 тысяч токенов состояние памяти занимает примерно в 66 раз меньше места, чем полный KV-кэш, по данным разработчиков.
Это подход к созданию ассистентов и агентов, которые используют прошлый опыт без постоянного раздувания контекста. Но в задачах на точное извлечение деталей из длинной истории лучшие системы с текстовой памятью пока впереди.
https://huggingface.co/MemTensor/MemT-1.0-Nano
Она записывает информацию из диалога во внутреннее состояние и использует её в следующих ответах — без повторной загрузки всей переписки в контекст. Память можно сохранить и восстановить в новой сессии.
— Основа — Qwen3.6-35B-A3B.
— 36 млрд параметров, из них 3 млрд активных.
— При истории в 128 тысяч токенов состояние памяти занимает примерно в 66 раз меньше места, чем полный KV-кэш, по данным разработчиков.
Это подход к созданию ассистентов и агентов, которые используют прошлый опыт без постоянного раздувания контекста. Но в задачах на точное извлечение деталей из длинной истории лучшие системы с текстовой памятью пока впереди.
https://huggingface.co/MemTensor/MemT-1.0-Nano
🔥17🥰2👏1
Anthropic на четыре месяца отложила широкий доступ к моделям уровня Mythos ради усиления киберзащиты.
По словам Дарио Амодеи, Mythos изначально планировали выпустить в феврале 2026 года, но компании потребовалось дополнительное время на защитные механизмы.
Амодеи также заявил, что дистилляция - обучение других моделей на ответах Claude - не представляет серьёзной коммерческой угрозы. Больше его беспокоит безопасность: вместе со способностями можно перенести в другую модель опасные возможности, не сохранив ограничения.
Отдельно он сообщил, что Anthropic блокировала предполагаемые попытки использовать её модели для разработки биологического оружия.
https://x.com/DarioAmodei/status/2112732230124818891
По словам Дарио Амодеи, Mythos изначально планировали выпустить в феврале 2026 года, но компании потребовалось дополнительное время на защитные механизмы.
Амодеи также заявил, что дистилляция - обучение других моделей на ответах Claude - не представляет серьёзной коммерческой угрозы. Больше его беспокоит безопасность: вместе со способностями можно перенести в другую модель опасные возможности, не сохранив ограничения.
Отдельно он сообщил, что Anthropic блокировала предполагаемые попытки использовать её модели для разработки биологического оружия.
https://x.com/DarioAmodei/status/2112732230124818891
❤8👍7❤🔥4💊3😁1💯1
🧮 Большую часть математики можно формализовать за три года. Но что мы получим на выходе?
Такую перспективу описывают Кевин Баззард, Джереми Авигад и другие математики в блоге Xena.
Формализовать - значит перевести определения, теоремы и доказательства на язык вроде Lean, чтобы компьютер мог проверять логические шаги.
Авторы видят в ИИ возможность резко ускорить эту работу. Но предупреждают: миллионы строк проверенного кода могут оказаться бесполезными, если на них невозможно строить новые исследования.
Нужны понятные определения, документация, совместимость библиотек и повторное использование результатов.
Уже есть два подхода:
• Tau Ceti - единая библиотека: математики задают план, ИИ пишет код, другие ИИ проверяют.
• Formal Frontier - система агентов, превращающая математические тексты в связанные формальные библиотеки.
Компьютерная проверка доказывает корректность формального утверждения. Ценность для науки появляется, когда результат можно понять, исследовать и использовать дальше.
📖 https://xenaproject.wordpress.com/2026/10/16/how-to-formalize-all-of-mathematics/
Такую перспективу описывают Кевин Баззард, Джереми Авигад и другие математики в блоге Xena.
Формализовать - значит перевести определения, теоремы и доказательства на язык вроде Lean, чтобы компьютер мог проверять логические шаги.
Авторы видят в ИИ возможность резко ускорить эту работу. Но предупреждают: миллионы строк проверенного кода могут оказаться бесполезными, если на них невозможно строить новые исследования.
Нужны понятные определения, документация, совместимость библиотек и повторное использование результатов.
Уже есть два подхода:
• Tau Ceti - единая библиотека: математики задают план, ИИ пишет код, другие ИИ проверяют.
• Formal Frontier - система агентов, превращающая математические тексты в связанные формальные библиотеки.
Компьютерная проверка доказывает корректность формального утверждения. Ценность для науки появляется, когда результат можно понять, исследовать и использовать дальше.
📖 https://xenaproject.wordpress.com/2026/10/16/how-to-formalize-all-of-mathematics/
👍8❤6🔥3
📚️️️️️️ ИИ самостоятельно нашёл и доказал новые математические закономерности
Исследователи Google DeepMind и Кембриджа создали агента на базе Gemini, который обнаружил точные правила поведения 11 машин Тьюринга на границе задачи Busy Beaver.
Машина Тьюринга - простейшая модель компьютера. Даже программа с шестью состояниями может вести себя настолько сложно, что неизвестно, остановится ли она вообще.
Агент искал закономерности в работе таких программ, формулировал гипотезы и строил доказательства. Затем проверял их в Lean — системе, которая строго проверяет математические рассуждения.
Результат - компактные правила, позволяющие описывать сразу множество шагов программы вместо пошагового перебора.
Остановятся ли эти 11 машин, пока неизвестно. Но теперь их поведение получило точное математическое описание. Это шаг к ИИ, который самостоятельно находит предмет для исследования и доводит гипотезу до проверенного результата.
https://arxiv.org/abs/2610.22603
Исследователи Google DeepMind и Кембриджа создали агента на базе Gemini, который обнаружил точные правила поведения 11 машин Тьюринга на границе задачи Busy Beaver.
Машина Тьюринга - простейшая модель компьютера. Даже программа с шестью состояниями может вести себя настолько сложно, что неизвестно, остановится ли она вообще.
Агент искал закономерности в работе таких программ, формулировал гипотезы и строил доказательства. Затем проверял их в Lean — системе, которая строго проверяет математические рассуждения.
Результат - компактные правила, позволяющие описывать сразу множество шагов программы вместо пошагового перебора.
Остановятся ли эти 11 машин, пока неизвестно. Но теперь их поведение получило точное математическое описание. Это шаг к ИИ, который самостоятельно находит предмет для исследования и доводит гипотезу до проверенного результата.
https://arxiv.org/abs/2610.22603
🔥10❤6👍3🤣2💊1
This media is not supported in your browser
VIEW IN TELEGRAM
Опенсорс фреймворк от CopilotKit для Intelligent UI, и он уже в топ-5 трендов GitHub 🔥
Идея в том, что агент отвечает на запрос не текстом, а живым интерфейсом: интерактивными графиками, 3D-сценами, формами, симуляциями и визуализациями алгоритмов. Всё рендерится в песочнице прямо в чате.
Под капотом Next.js 16 с React 19, бэкенд на LangChain Deep Agents, который подгружает визуализационные скиллы по требованию, и отдельный MCP-сервер. Через него дизайн-систему и сборщик HTML можно подключить к Claude Desktop, Claude Code и Cursor. Лицензия MIT, запускается командами make setup и make dev.
В анонсе пишут про работу с любым LLM и любым агентным фреймворком. В README по умолчанию стоит Claude, для OpenAI достаточно ключа, а для остальных провайдеров нужно править модель в коде. Слабые модели, по словам авторов, часто ломают вёрстку.
Авторы уверяют, что к 2027 году такой агентный слой будет в каждом приложении. Спорно, но направление понятно: интерфейс всё чаще генерируется под задачу, а не рисуется заранее.
Источник: https://github.com/CopilotKit/OpenIntelligentUI
@machinelearning_interview
#ui
Идея в том, что агент отвечает на запрос не текстом, а живым интерфейсом: интерактивными графиками, 3D-сценами, формами, симуляциями и визуализациями алгоритмов. Всё рендерится в песочнице прямо в чате.
Под капотом Next.js 16 с React 19, бэкенд на LangChain Deep Agents, который подгружает визуализационные скиллы по требованию, и отдельный MCP-сервер. Через него дизайн-систему и сборщик HTML можно подключить к Claude Desktop, Claude Code и Cursor. Лицензия MIT, запускается командами make setup и make dev.
В анонсе пишут про работу с любым LLM и любым агентным фреймворком. В README по умолчанию стоит Claude, для OpenAI достаточно ключа, а для остальных провайдеров нужно править модель в коде. Слабые модели, по словам авторов, часто ломают вёрстку.
Авторы уверяют, что к 2027 году такой агентный слой будет в каждом приложении. Спорно, но направление понятно: интерфейс всё чаще генерируется под задачу, а не рисуется заранее.
Источник: https://github.com/CopilotKit/OpenIntelligentUI
@machinelearning_interview
#ui
❤6🔥4🥰1
Задача IMO 2007, на которой 473 школьника получили ноль
Шестая задача IMO 2007 о покрытии точек куба плоскостями: 473 участника из 520 получили ноль, полный балл у пятерых, среди них будущий филдсовский лауреат Петер Шольце. Разбираем условие и решение.
В июле 2007 года в Ханое прошла 48-я Международная математическая олимпиада (IMO). За медали боролись 520 школьников со всего мира. Шестая задача, последняя во втором туре, оказалась настоящей мясорубкой: 473 участника получили за неё ноль баллов, и только пятеро набрали полные семь. Одним из этих пятерых был 19-летний Петер Шольце из Германии. В 2018 году он получил Филдсовскую премию, самую престижную награду в математике.
Читать дальше: https://uproger.com/zadacha-imo-2007-scholze/
Шестая задача IMO 2007 о покрытии точек куба плоскостями: 473 участника из 520 получили ноль, полный балл у пятерых, среди них будущий филдсовский лауреат Петер Шольце. Разбираем условие и решение.
В июле 2007 года в Ханое прошла 48-я Международная математическая олимпиада (IMO). За медали боролись 520 школьников со всего мира. Шестая задача, последняя во втором туре, оказалась настоящей мясорубкой: 473 участника получили за неё ноль баллов, и только пятеро набрали полные семь. Одним из этих пятерых был 19-летний Петер Шольце из Германии. В 2018 году он получил Филдсовскую премию, самую престижную награду в математике.
Читать дальше: https://uproger.com/zadacha-imo-2007-scholze/
❤7🔥4👍2
Лаборатория Мустафы Сулеймана закончила предобучение своей самой крупной MoE-модели на 2,8 трлн параметров, из которых на каждый токен работают 80 млрд. Сейчас она проходит дообучение, сроков релиза Microsoft не называет.
Веса компания собирается лицензировать проверенным партнёрам через платформу Foundry и отдельно подчёркивает, что учила модель только на собственных данных, без дистилляции ответов чужих моделей.
MAI-Base-2 обучали 38 дней в августе и сентябре на 16 тысячах GPU GB200, через модель прошло около 50 трлн токенов. Знания модели заканчиваются мартом 2026 года.
В отличие от предшественницы MAI-Base-1, она с самого начала училась и на изображениях, без отдельного визуального энкодера, на них пришлось 18% обучающей смеси.
На собственных наборах текстов, кода, задач по естественным наукам, математике и вопросов с ответами MAI-Base-2 предсказывает текст точнее всех протестированных открытых моделей с триллионом и более параметров: DeepSeek-V4-Pro-Base, Kimi K3, Qwen3.8-2.4T-A95B и MiMo-V2.6-Pro-RL.
По расчётам Microsoft, при её подходе к обучению, т. е. с теми же данными, архитектурой и настройками, модели нужно в 4–12 раза меньше вычислений, чем потратила DeepSeek, чтобы достичь качества DeepSeek-V4-Pro-Base.
Эта оценка выведена из законов масштабирования, а не из прямого сравнения.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8❤5🔥3
Kimi K3.1 Pro: открытая MoE на 2.8T параметров и контекстом 1M
Moonshot выпустила самую сильную свою модель: 2.8T параметров всего, 104B активных, мультимодальность. Упор на длинные агентные задачи: игры целиком в Unreal, Unity и Godot, параметрическое 3D в Blender и CAD, финансовые расчёты с падением галлюцинаций на 65%.
По кодингу, агентам и знаниям авторы ставят её вровень с лучшими закрытыми моделями. Это заявление самой Moonshot, независимых замеров пока нет.
Есть и версия Highspeed, в 2-3 раза быстрее. Обе доступны на Kimi.ai и через API, веса обещают открыть до 4 ноября.
Источник: https://kimi.ai/blog/kimi-k3-1-pro
Moonshot выпустила самую сильную свою модель: 2.8T параметров всего, 104B активных, мультимодальность. Упор на длинные агентные задачи: игры целиком в Unreal, Unity и Godot, параметрическое 3D в Blender и CAD, финансовые расчёты с падением галлюцинаций на 65%.
По кодингу, агентам и знаниям авторы ставят её вровень с лучшими закрытыми моделями. Это заявление самой Moonshot, независимых замеров пока нет.
Есть и версия Highspeed, в 2-3 раза быстрее. Обе доступны на Kimi.ai и через API, веса обещают открыть до 4 ноября.
Источник: https://kimi.ai/blog/kimi-k3-1-pro
🔥10👍4❤2
Статью Питера Хиггса отклонил научный журнал. Через 48 лет предсказанную частицу обнаружили на Большом адронном коллайдере.
В 1964 году физик из Эдинбургского университета исследовал, как некоторые частицы могут приобретать массу, сохраняя математическую согласованность теории.
Первую короткую статью Physics Letters принял. Вторую, где Хиггс представил конкретную модель, тот же журнал отклонил.
Хиггс доработал текст, явно указав на существование новой массивной частицы, и отправил его в Physical Review Letters. Там работу опубликовали.
Независимо похожий механизм предложили Франсуа Энглер и Роберт Браут. Особенность работы Хиггса - прямое указание на частицу, которую впоследствии назвали его именем.
В 2012 году CERN объявил об обнаружении новой частицы, согласующейся с предсказанным бозоном Хиггса. В 2013-м Хиггс и Энглер получили Нобелевскую премию по физике.
Несколько страниц теории — и почти полвека до экспериментального подтверждения.
https://www.ph.ed.ac.uk/higgs/brief-history
В 1964 году физик из Эдинбургского университета исследовал, как некоторые частицы могут приобретать массу, сохраняя математическую согласованность теории.
Первую короткую статью Physics Letters принял. Вторую, где Хиггс представил конкретную модель, тот же журнал отклонил.
Хиггс доработал текст, явно указав на существование новой массивной частицы, и отправил его в Physical Review Letters. Там работу опубликовали.
Независимо похожий механизм предложили Франсуа Энглер и Роберт Браут. Особенность работы Хиггса - прямое указание на частицу, которую впоследствии назвали его именем.
В 2012 году CERN объявил об обнаружении новой частицы, согласующейся с предсказанным бозоном Хиггса. В 2013-м Хиггс и Энглер получили Нобелевскую премию по физике.
Несколько страниц теории — и почти полвека до экспериментального подтверждения.
https://www.ph.ed.ac.uk/higgs/brief-history
👍15❤6🔥4
От первого мотора до робота, который учится по демонстрациям: открытая дорожная карта по робототехнике на русском.
Robotics Roadmap 2026 предлагает план на 24 недели при занятиях по 2–3 часа в день. Обучение начинается с электроники и постепенно переходит к управлению и машинному обучению.
Внутри шесть модулей:
- Электроника, Python и Git - базовые схемы и инструменты.
- Arduino и ESP32 — моторы, датчики, линейный робот и балансир.
- CAD и 3D-печать — сборка робота-манипулятора.
- ROS 2 — симуляция, построение карты и автономная навигация.
- Управление и компьютерное зрение — регуляторы, кинематика, работа с камерой.
- LeRobot — сбор демонстраций и обучение робота.
Есть схемы подключения, примеры кода, списки компонентов, справочник по отладке и 30 идей проектов.
Начать можно без покупки железа — в симуляторах. Дальше предлагается оформлять проекты в портфолио: видео, схема, код и разбор того, что сломалось и как удалось исправить.
Полезная отправная точка для программиста, который хочет заставить свой код двигаться в физическом мире.
https://github.com/justxor/robotics-roadmap-2026/
Robotics Roadmap 2026 предлагает план на 24 недели при занятиях по 2–3 часа в день. Обучение начинается с электроники и постепенно переходит к управлению и машинному обучению.
Внутри шесть модулей:
- Электроника, Python и Git - базовые схемы и инструменты.
- Arduino и ESP32 — моторы, датчики, линейный робот и балансир.
- CAD и 3D-печать — сборка робота-манипулятора.
- ROS 2 — симуляция, построение карты и автономная навигация.
- Управление и компьютерное зрение — регуляторы, кинематика, работа с камерой.
- LeRobot — сбор демонстраций и обучение робота.
Есть схемы подключения, примеры кода, списки компонентов, справочник по отладке и 30 идей проектов.
Начать можно без покупки железа — в симуляторах. Дальше предлагается оформлять проекты в портфолио: видео, схема, код и разбор того, что сломалось и как удалось исправить.
Полезная отправная точка для программиста, который хочет заставить свой код двигаться в физическом мире.
https://github.com/justxor/robotics-roadmap-2026/
🔥6👍2❤1