Так появился стартап FieldAI, ориентированный на промышленные и прикладные сценарии.

В основе FieldAI лежит идея универсального «робомозга», который можно встроить почти в любого робота. Главная особенность модели — акцент на физической природе среды, в которой этот робот существует. Разработчики говорят о дополнительном «физическом слое» в архитектуре модели, который наделяет систему отдельным набором знаний о реальном мире и позволяет оценивать физическую ситуацию. FieldAI выдает не готовые рекомендаций, а анализ физических рисков и ограничений среды.

Вот что говорит сам Ага:
«Мы избрали принципиально иной путь. Вместо того чтобы пытаться втиснуть крупные языковые и визуальные модели в робототехнику — а затем постфактум бороться с их галлюцинациями и ограничениями, — мы с самого начала спроектировали систему с осознанным отношением к рискам.»

Рискованной для рядового предпринимателя выглядит и бизнес-стратегия FieldAI. В отличие от большинства стартапов, компания не пытается сначала нарастить критическую массу полезных функций, а уже потом выходить на рынок. Здесь логика обратная: как можно быстрее отправить роботов в свет — на стройки, заводы, склады и другие реальные объекты. Пусть на первых порах они будут мало что уметь и понимать, зато каждый такой выход дает данные для обучения модели. Улучшенная модель позволяет запускать еще больше роботов — и так далее.

Видимо, так рисковать Али позволяют внушительный багаж и экспертизы, и связей, и авторитета. Об этом говорит и то, что в 2025 стартап поддержали Nvidia, Билл Гейтс и Джефф Безос.

The post FieldAI: «Физический слой» в архитектуре ИИ для анализа рисков реального мира first appeared on Компания НТР.

Для «Цифрового директора» это был ещё один насыщенный, полный открытий год. Мы пролистали наш канал на год назад и отобрали несколько постов, к которым предлагаем вернуться и вам.

Например, пост  о “страхах цифрового директора”. В начале года главными рисками для лидеров цифровизации мы называли кибербезопасность, отсутствие единой IT-стратегии и проблемы функциональной совместимости со старыми решениями. Год спустя эти риски, пожалуй, так и остались ключевыми.

А вот обещанный Forbes тренд уходящего года — полностью автономные «тёмные фабрики». На наш взгляд, трендом в полном смысле слова они не стали, но по частоте упоминаний в новостях уверенно входят в топ-10 индустриальных тем.

Мы делились не только новостями, но и собственным, нет-нет да и экспертным, мнением. Рассуждали о том, что же в итоге победит: централизация или децентрализация в AI. Победитель пока не определён, продолжаем наблюдать. А ещё рассказывали об использовании ИИ в металлургии — разумеется, на собственном опыте.

Были и новости о необычных, а местами даже странных, но при этом неожиданно успешных решениях. Например, AI-робот для разделки рыбы по старинному японскому методу икэ дзимэ. Или очень узкое и очень успешное решение исключительно для сбора шампиньонов.

Делились и собственными успехами: вот «Синильга» — дрон для промышленной инспекции с защитой лопастей, а вот «ВеКо» — AI-инструмент, помогающий операторам досмотра сохранять внимание и не отвлекаться.

В 2026 продолжим следить за новостями, делиться опытом, обсуждать удачные и не очень решения и смотреть, как технологии действительно работают в индустрии. Счастливого Нового года и до встречи в 2026!

The post Время подводить итоги года — отраслевые и личные first appeared on Компания НТР.

Вероятно, на этом история могла бы и закончиться — Gecko жили бы долго и счастливо, продолжали бы развивать технологию, плавно масштабировать бизнес. Но по мере роста компании и появления заказчиков крупнее и требовательнее в Gecko нащупали неожиданно слабое место всей отрасли: инспекция кровельных покрытий. Даже небольшая трещина на крыше приводит к попаданию влаги, а та очень быстро превращается в заметные дефекты и дорогостоящие проблемы.

При этом оказалось, что автоматизация в этой области развита удивительно слабо. Большинство крыш продолжают осматривать вручную — что не только небезопасно, но и крайне неэффективно: человек способен пропустить до 50% критических, но мелких дефектов.

В итоге в Gecko решили расширить фокус с краулеров и внутренних котловых поверхностей на крыши и дроны. С технической точки зрения наружный осмотр крыши совершенно не является проблемой: на рынке полно готовых дронов, полностью подходящих для такой задачи. Оставалось оснастить их нужным ПО, а за более чем десять лет существования Gecko успели разработать зрелую аналитическую платформу. Так появился дрон StratoSight. Он облетает крышу, собирает фотограмметрические и термографические данные и сразу загружает их в облако. Там с помощью ИИ формируется отчёт с 3D-визуализацией и всей необходимой аналитикой.

Разумеется, всё это применимо не только к крышам котлов, но и к любым промышленным и коммерческим кровлям. А таких — склады, заводы, логистические терминалы — тысячи зданий и миллионы квадратных метров, которые до сих пор обследуются вручную.

По сути, Gecko удалось очень малой доработкой — просто добавив новый тип робота к уже существующей цифровой платформе — открыть огромный новый рынок.

The post Роботы для крыш: эволюция Gecko Robotics first appeared on Компания НТР.

Autopicker 2.0 позиционируют как человекоподобного робота, но, к счастью, в данном случае человекоподобность не про форму, а про поведение. Техническое оснащение перечислять не будем — всё, примерно, стандартно. Главное, что действительно делает его ближе к человеку, — способность одновременно двигаться и собирать товары. То есть, робот забирает не нужный товар, а всю корзину и сразу же продолжает движение к следующей точке. Сборка происходит по дороге от одной точки до другой. Маршрут тоже по-умному оптимизируется, получается почти непрерывный поток действий: в одном месте забрал, в другом поставил, где-то там же рядом взял следующий — и всё это без пауз на вытаскивание товара из корзины.

Отказ от остановок увеличивает скорость работы, примерно, в 1,5 раза — до 70–80 операций в час.

Есть важное уточнение, которое, возможно, слегка охладит впечатление: всё это работает только внутри складской экосистемы Brightpick — со стандартизированными контейнерами, стеллажами и заданными размерами. Но как демонстрация концепции Picking-in-Motion — вполне любопытно.

The post Складской робот с Picking-in-Motion first appeared on Компания НТР.

Решения на основе математической оптимизации применяются в 7 из 10 компаний. Лидер среди точек приложения — планирование, причем любое: долгосрочное и краткосрочное, планирование производства, поставок и так далее. На уверенном втором месте — логистика. Также респонденты упоминают ценообразование.

Вы спросите: «А как же AI?» Вопрос однозначно уместен и приходит в голову всем, кто сталкивается с внедрением математической оптимизации в производство. Оптимизация не заменяет AI, а AI не заменяет оптимизацию — они решают разные задачи и делают это по-своему. Оптимизация — более древняя область, но сегодня разговор о любой автоматизации немыслим без AI, поэтому естественным образом возникает сотрудничество этих двух подходов.

По результатам Gurobi, 81% опрошенных компаний реализуют хотя бы один проект, в котором применяются и математическая оптимизация, и машинное обучение. Для сравнения, в 2020 году таких компаний было всего 46%. С генеративным AI ситуация пока более скромная — совмещение с оптимизацией остается скорее на уровне экспериментов (помощь в кодинге не в счет).

Gurobi Optimization, конечно, компания заинтересованная, и, составляя такие отчеты, преследует свои понятные цели. Но и мы с недавних пор не беспристрастны в этой области — видим спрос у наших заказчиков, видим перспективу для математической оптимизации на российском рынке и с удовольствием реализуем такие проекты.

The post Математическая оптимизация в индустрии first appeared on Компания НТР.

Пока конкуренты и коллеги модернизируют существующие производства, реализуют сложные проекты по внедрению AI, роботов и так далее, на фабрике в Джорджии всё устроено так с самого открытия. Дроны автоматически инвентаризируют склады, умные камеры корректируют окраску деталей, беспилотные такси доставляют оборудование, а робособака ходит по производству и проверяет правильность сборки.

Кейс HMGMA — наверное, один из первых в текущую эру модернизации, но точно не первый в истории. Чуть больше века назад промышленность, так же как и сейчас, переживала бурный переход в новую эру. Производства гудели от инноваций, компании проводили масштабные проекты, модернизировали все возможные и невозможные процессы — шла электрификация. На этой волне, в октябре 1910 года, Ford открыл новую фабрику в Мичигане, Highland Park. Чем была примечательна эта новость? Тем, что по задумке владельцев эту фабрику долго не нужно было модернизировать. Это был совершенно новый тип производства — Форд был убежден, что электричество и освещение должны быть буквально в каждом углу завода.

В Highland Park был установлен гигантский генератор, который по проводам доставлял электричество по всему заводу — к двигателям оборудования и к бесчисленным лампочкам. Эта “электрификация от рождения“, разумеется, привела к невероятным преимуществам: производство стало точнее, быстрее и эффективнее. Но еще это дало эффект, на который создатели не рассчитывали. Производство получилось просторным, гибким, открытым — оно дало место для новых идей. В итоге всего через три года, в октябре 1913, в Highland Park придумали первый в мире сборочный конвейер, который сократил время производства со 150 до 25 минут.

Это не было результатом целенаправленных исследований или какого-то продуманного проекта. Это было спонтанным результатом того, что state-of-the-art производство освободило время и место для создания чего-то принципиально нового. Так что ставим таймер на три года и следим за фабриками вроде HMGMA, “цифровыми от рождения”.

The post Производства, которым не нужна модернизация first appeared on Компания НТР.

Эта «последняя миля» автоматизации — путь от цифровых систем до реальной машины и реального инженера — остаётся непройденной для большинства проектов.

А на этой неделе мы увидели интервью с создателем чешского стартапа Edmund, который как раз занимается этой самой последней милей. Проработав несколько месяцев на современном производстве, основатель компании Якуб Шлаур понял: системы предиктивного обслуживания на практике имеют очень ограниченное применение. Самой ценной «системой» остаётся мастер с отверткой (или киянкой) — тот, кто действительно идёт и налаживает машину. И неважно, сколько AI-отчётов и графиков построено и сколько данных собрано. Многие проекты по автоматизации лишь усложняют существующий порядок: добавляют больше датчиков, больше данных, больше систем.

Решение, которое предлагают в Edmund — универсальная LLM, которая берет уже имеющиеся данные со всех существующих в компании систем (а обычно таких систем много, каждая отвечает за свою часть) и через 24 часа готова выдавать пользователю информацию. Главное преимущество, о котором говорят создатели — пользователь получит только ту информацию, которая действительно нужна именно ему, без лишнего мусора. То есть мастер на производстве увидит только машину, к которой прямо сейчас лучше подойти с киянкой, чтобы позднее не пришлось тормозить производство.

Если уж быть честными, описание решения от Edmund принципиально не отличается от множества похожих — это тоже ещё одна система, добавленная к уже существующим. Но компания имеет успех у инвесторов в Центральной Европе, и мы желаем ей удачи. Для нас интереснее озвучивание текущих проблем отрасли — отрыв теоретического “предиктивного обслуживания” от реальности и бесконечное наращивание систем аналитики, которые лишь усложняют жизнь.

На российском рынке тоже уже нужны скорее интеграторы, чем новые системы. Нужно упрощать, а не усложнять, чтобы наконец пройти эту последнюю милю автоматизации.

The post Последняя миля автоматизации first appeared on Компания НТР.

Nestlé стала, возможно, одной из первых таких компаний. Благо, условия подходящие: есть очень удобная для автоматизации задача — перебор «рецептов» для идеального заваривания капучино 3-в-1 — и есть дружественный академический ресурс — Швейцарская высшая политехническая школа.

В итоге получился необычный проект, который уже дал интересный результат: робот перебирает разные способы приготовления, компьютерное зрение оценивает получившуюся пенку и на основе этой оценки формирует следующие настройки эксперимента. Настраиваемые параметры приготовления капучино достаточно просты: высота, с которой наливается вода, а также время и скорость размешивания.

Что мы можем вынести из этого кейса? Во-первых, что для идеального кофе 3-в-1 нужно наливать воду с высоты 11 см и не слишком быстро размешивать в течение 50 секунд. Во-вторых, что автоматизация не ограничивается только производством — по крайней мере, если речь идёт об уважающих себя компаниях-гигантах.

The post Автоматизация R&D: секрет успеха Nestlé в создании идеального капучино first appeared on Компания НТР.

Но вот коллеги из британской Energy Robotics видят проблему с другого, нового для нас угла.

По всему миру растёт средний возраст работников (в России — тоже). Рабочая сила стареет во всех отраслях, и если для офиса это не критично, то в промышленности возникают сложности. Задачи инспекции связаны с физической активностью (залезть на леса, провести замеры) и плохо подходят людям старшего возраста. Поэтому они часто предпочитают уходить раньше обычного срока. Но именно эти сотрудники обладают уникальной экспертизой, опытом и насмотренностью, которые в условиях старения рабочей силы оказывается некому передать. Так возникает “Boomer Brain Drain” — поколенческая утечка мозгов.

На эту неочевидную проблему обратил внимание Марк Дасслер, СЕО Energy Robotics, и превратил её в маркетинговый ход. Раз старшее поколение не хочет больше лезть в нефтяные бункеры, на ветряные вышки и инженерные леса, пусть это делают дроны и робособаки — благо такие уже есть во многих странах (в России — тоже). Таким образом, мы даём возможность старшим работникам не увольняться раньше времени, а компаниям — сохранить их опыт. Дрон собирает всю информацию, а заслуженный специалист, сидя в безопасном и комфортном офисе, анализирует данные и принимает решения.

The post Роботизация как ответ на «Boomer Brain Drain» в промышленности first appeared on Компания НТР.

Между тем объёмы производства и запросы рынка растут, поэтому необходимо каким-то образом повышать эффективность сбора мёда. Если модернизировать улей не требуется, а роботизировать пчёл пока невозможно, то остаётся единственное слабое место — пчеловод. Для решения этой задачи израильская компания Beewise разработала роботизированный улей, в котором большая часть работы пчеловода передана компьютерному зрению, роборукам и AI.

Обычно пчеловод 1–2 раза в неделю достаёт каждую рамку с пчёлами, осматривает её, проверяет состояние насекомых и возвращает обратно в улей. Beewise делает всё то же самое, но в автоматическом режиме. За 1–2 недели между ручными осмотрами в улье может произойти многое — например, распространиться инфекция или паразит. Beewise обрабатывает данные почти в реальном времени и автоматически направляет уведомления о проблемах (например, нехватка новых личинок или появление клещей).

Что ещё интересно в этом кейсе — это чрезвычайно благодатная почва для обучения AI. В каждой рамке насчитывается около 6000 сот, в каждом улье — до 15 рамок, а в одном Beewise — до 10 ульев. Процессы в колонии происходят быстро, поэтому данных для обучения можно получить очень и очень много за короткое время.

The post Улей с искусственным интеллектом: Цифровой пасечник для роя first appeared on Компания НТР.