#технологии — посты и обсуждения

Чтобы нейросеть в боевой системе не путала дрон с чайкой и успевала реагировать на резкие манёвры FPV‑камикадзе, её не тренируют на реальных полётах над полигоном — сначала всё прогоняют в «цифре». Это безопаснее, дешевле и даёт тысячи вариантов за считаные дни. 😎

Редкие и опасные сценарии. Например, рой из 20 дронов, атака под углом 80 градусов, одновременный заход с разных направлений — в жизни такие тесты рискованны, а в симуляции их можно прогнать сколько угодно раз.

Контроль переменных. В симуляторе задается погода, дым, пыль, засветку от солнца, помехи — и смотрим, где ИИ ошибается.

Ускорение обучения. Симуляции работают быстрее реального времени: можно «промотать» тысячи часов полётов за несколько дней. 🕒

Как это устроено технически 3D‑модели дронов и окружения. Создают реалистичные 3D‑модели разных БПЛА (квадрокоптеры, FPV, крылатые формы) и среды (город, поле, лес, промзона). Важно, чтобы текстуры и отражения были похожи на реальные: иначе нейросеть научится распознавать «мультяшные» дроны, а не настоящие.

Физика и динамика полёта. К моделям подключают физические движки: задают массу, инерцию, тягу моторов, сопротивление воздуха. Это нужно, чтобы траектории и манёвры выглядели как у настоящих дронов.

Генерация датасета «на лету». Симулятор запускает сотни дронов с разными стратегиями: хаотичный полёт, пикирование, резкие повороты, уход за препятствиями. Для каждого кадра сохраняются:

картинка с камеры (RGB),

карта глубины (depth),

тепловая карта (если есть ИК‑канал),

метки (bbox, класс, скорость, угол).

Имитация сенсоров. Чтобы ИИ учился не только по видео, но и по данным радаров и лидаров, в симуляции генерируют «сырые» данные этих сенсоров: облака точек, радарные профили, доплеровские сдвиги.

Погодные и помеховые эффекты. Добавляют дождь, туман, пыль, блики, засветку, дым, ИК‑помехи — чтобы нейросеть училась работать не только в идеальных условиях. 🌧️

Цикл обучения: от симулятора к реальности.

Это всегда двухэтапный процесс:

Предварительное обучение в симуляции. Нейросеть учится базово отличать дрон от всего остального, определять класс, направление и скорость.

Дообучение на реальных данных. Берут реальные кадры с полигонов и камер, размеченные вручную, и «подтягивают» модель, чтобы она не теряла качество при переходе из «цифры» в жизнь.

Тестирование в смешанных сценариях. Проверяют, как модель справляется с гибридными данными: часть из симулятора, часть реальная. Если ошибки растут — возвращаются к симулятору и добавляют недостающие сценарии.

Какие задачи решает ИИ в таком обучении:

Детекция и трекинг. Находить дрон на кадре и удерживать его при манёврах.

Классификация. Отличать FPV‑камикадзе от разведывательного коптера, а дрон от птицы.

Оценка угрозы. По траектории и поведению определять, опасен ли объект прямо сейчас.

Планирование реакции. Выбирать средство поражения (лазер, РЭБ, ракета) и рассчитывать время удержания луча. 🎯

Примеры технологий и подходовСинтетические датасеты. Генерация тысяч кадров с вариациями освещения, ракурсов, погодных условий.

Domain randomization. Намеренно «ломают» картинку: меняют текстуры, добавляют шум, меняют освещение — чтобы модель стала устойчивой к любым условиям.

Reinforcement Learning (обучение с подкреплением). ИИ учится не просто распознавать, а действовать: выбирать цель, рассчитывать упреждение, распределять ресурсы. Это как «тактический ИИ», который тренируется в виртуальных боях.

Transfer Learning. Берут модель, обученную на обычных видео (например, распознавание объектов), и дообучают её на антидроновых данных — это сильно ускоряет процесс.

Почему без симулятора никак!?

Даже если у тебя есть полигон и реальные дроны, ты не сможешь безопасно и дёшево:

запустить рой из 50 дронов одновременно,

проверить работу в ливень и густой туман,

протестировать новые тактики противника каждый день.

Симулятор закрывает эти пробелы и позволяет быстро «перепрошить» тактику ИИ, когда противник меняет методы атак. 🛡️

#ИИ #антидрон #обучениеИИ #симуляции #технологии #оборона #Перун

🔥 Лазерные установки против БПЛА: оружие будущего уже в деле? 🔥

Беспилотники стали одной из главных угроз на современном поле боя и в гражданской инфраструктуре — и ответом на этот вызов становятся лазерные системы ПВО. Это не фантастика, а реально работающие комплексы, которые уже применяют в разных странах. 🛡️

Как это работает? Всё просто: лазерный луч нагревает уязвимые части дрона — камеру, электронику, топливный бак — до разрушения. Для поражения цели луч должен удерживаться на ней несколько секунд. Мощность современных установок — от десятков до сотен киловатт: например, израильский «Железный луч» (Iron Beam) работает на 100–150 кВт, а китайская Silent Hunter — на 30 кВт. 🧠

Среди главных преимуществ лазеров:

✅ Экономичность: один «выстрел» стоит копейки по сравнению с ракетой.

✅ Неограниченный боезапас: пока есть энергия — система может работать.

✅ Высокая точность: поражается именно цель, а не окружающая среда.

✅ Быстрое реагирование: скорость света позволяет почти мгновенно «достать» цель. 🚀

Но есть и серьёзные ограничения:

⚠️ Погода решает всё: туман, дождь, пыль резко снижают эффективность луча.

⚠️ Ограниченная дальность: обычно речь идёт о нескольких километрах.

⚠️ Нужно долго держать цель: быстрые и манёвренные FPV‑дроны сбить сложнее.

⚠️ Высокие энергозатраты: для работы мощных лазеров нужны серьёзные источники питания. ⚡

Примеры действующих систем:

🔸 Iron Beam (Израиль) — перехватывает дроны, ракеты и миномётные снаряды.

🔸 Dragonfire (Великобритания) — успешно испытана против дронов и снарядов.

🔸 Silent Hunter (Китай) — мобильная установка для защиты на малых высотах.

🔸 Российские комплексы — применяются для поражения разных типов БПЛА, в том числе малых FPV‑дронов. 🎯

Сейчас лазерные системы чаще используют как часть эшелонированной обороны — в связке с РЭБ, кинетическими средствами и традиционными ПВО. Это не замена, а важное дополнение: лазер отлично закрывает «ближний контур» защиты. 🤝

Станут ли лазеры главным средством борьбы с дронами в ближайшие годы?

#лазеры #ПВО #БПЛА #технологии #оборона #инновации #военныетехнологии

Основатели этих компаний неправильно поняли книгу Толкина. Вот самые яркие примеры:

«Palantir» — компания, которая помогает наносить удары по врагам США в разных точках планеты, а также следить за гражданами страны/стран, считается одной из главных корпораций зла. Во «Властелине колец» Палантир — шар, который позволял Саурону следить за происходящим в мире.

«Anduril» — стартап создателя Oculus Палмера Лаки, который производит высокотехнологичные дроны и системы для обороны на основе ИИ. Название позаимствовали у меча Арагорна.

«Erebor» — банк для обслуживания стартапов, связанных с военной сферой. Также основали Палмер Лаки и Питер Тиль. Эребор это гора, в которой расположено царство гномов.

«Sauron» — стартап, который использует военные технологии для создания домашних охранных систем с распознанием угроз.

«Lembas, Valar и Rivendell» — инвестиционные фонды и компании Питера Тиля, который также основал Palantir.

При этом никого из основателей этих компаний не тревожит, что «Властелин колец» — антивоенная книга.

Кроме того, Питер Тиль и другие технократы, одержимые продлением жизни и трансгуманизмом, хотят стать «эльфами, которые не умирают», хотя Толкин показывал, что страх смерти — это путь на тёмную сторону.

Лидеры Palantir, Anduril и так далее видят во «Властелине колец» не книгу про ужасы войны, а считают Средиземье — образцом «золотого века» белой расы с чёткими расовыми и классовыми иерархиями.

#бизнес #финансы #технологии

В России появятся правила дорожного движения для роботов-доставщиков.

Минтранс, Минэкономразвития и МВД согласовали проект постановления об экспериментальном правовом режиме, который планируют запустить в 35 регионах на три года.

Роверы будут идентифицированы, скорость их движения по тротуарам регламентирована, ответственность операторов прописана как и их взаимодействие с пешеходами.

Ну, вот и роверы начинают «окучивать».

#Россия #бизнес #доставка #продажи #технологии #роботизация #регулирование

Такие команды теперь значительно сократились, в отдельных случаях на 60-70%, а прежнюю повседневную работу сотрудников таких команд уже передали ИИ-агентам.

Первая волна увольнений сотрудников ИИ команд в BigTech прошла в мае этого года, вторую волну увольнений в командах BigTech в разных мировых локациях изначально планировали на октябрь-ноябрь. До этого, штаты команд занимающихся ИИ в Силиконовой долине и иных локациях уже уменьшили на 25% и более.

Теперь, новые организационные модели команд, занимающихся ИИ в BigTech, строятся вокруг небольших команд — «подов».

Если раньше, обычная, та или иная продуктовая команда по ИИ насчитывала 10-20 человек, включая 7-14 инженеров, менеджера по продукту, дизайнера, аналитика, UX-исследователя и дата-инженера, то теперь, новые «поды» состоят всего из 3-5 человек: 3-4 «билдеров» и руководителя.

К июню этого года такие команды появились во многих подразделениях американского BigTech.

Руководители верхнего уровня («орглиды») теперь курируют всего по 30-50 сотрудников, а технические группы работают по 4-недельным спринтам вместо традиционных 6-месячных циклов планирования.

И если кто-то вдруг подумал, что из-за замены человеков на ИИ-агентов, компании BigTech получилили рост производственной эффективности — то это не так — компании BigTech не получили ожидаемого роста производительности: количество предложенных изменений в коде внутренних платформ и инфраструктуры выросло на 200-250% год к году, но, число изменений, которые действительно превратились в новые функции или улучшения для пользователей, увеличилось лишь на 36%.

Одновременно, число серьёзных технических инцидентов выросло на 40% по сравнению с 2025 годом, а время сотрудников на их устранение увеличилось на 70%. Доля же положительных оценок в pulse-опросах сразу же упала в полтора раза.

В результате, компании BigTech фактически начали смягчать свой курс «замены» человеков.

Программы по отслеживанию нажатий клавиш и кликов, которые должнв были помогать обучать ИИ-агентов воспроизводить действия человека за компьютером, приостановили, а некоторых, ранее уволенных сотрудников и спецов, снова вернули в прежние команды.

В начале июля 2026 года в компаниях американского BigTech начали признавать свои просчёты в сроках и ощутили, что ИИ-агенты развивались медленнее, чем они ожидали, хотя, в BigTech и рассчитывали на заметный рост их полезности за 3-6 месяцев работы.

Так что, даже в компаниях американского BigTech, ИИ-агенты хоть и позволили увеличить объём работы, но, не дали одидаемого от них качества и эффективности.

#бизнес #ИИ #БигТех #AI #BigTech #человек #технологии