В Кемеровской области запустили серийное производство электрических машин с вертикальными взлётом и посадкой (eVTOL), сообщает ТАСС со ссылкой на технического директора производства Максима Ивлева.

«Разработали одноместные электрические летательные аппараты, то есть электрические машины — eVTOL. Массовое производство находится в Кемерове. В России мы — пока единственный производитель. Производство полностью обеспечено нами, кроме закупа иностранных моторов и аккумуляторов. <..> Уже пять частных лиц заказали и ждут технику. При максимальной загруженности можем отгружать до одной сотни аппаратов в год», — рассказал господин Ивлев.

Машина является экологически чистым транспортным средством, которое не оставляет углеродного следа. При массе оператора до 75 кг восемь электродвигателей обеспечивают полёт продолжительностью до 30 минут. Отрыв от земли производится в вертикальном направлении, поэтому для взлёта машине не требуется горизонтальная полоса. Производитель предусмотрен несколько версий транспортного средства в зависимости от массы человека — до 75, 90 и 110 кг; без пилота машина может разгоняться до 95 км/ч.

Подобные летательные аппараты скоро вытеснят вертолёты, считает Максим Ивлев, потому что в их основе лежат технологии нового поколения. В производстве используются лёгкие композитные материалы, в том числе карбон, а за общую прочность конструкции отвечает титановый корпус. Модуль управления включает современные электронные решения, которые принимают на себя 90 % сложной работы, помогая оператору в воздухе. Предусмотрены механизмы автоматической стабилизации, интуитивный интерфейс, критические системы продублированы, есть автоматический выпуск спасательного парашюта.

Для подъёма в воздух требуется видимость на менее 2 км, ясное небо при отсутствии дождей и температура воздуха от -15 до +30 °C. Можно летать зимой в снег, но это сопряжено с определёнными рисками. Неопытному оператору рекомендовано пройти пятичасовой курс по метеорологии и аэродинамике, но можно обходиться и без него. Производитель обладает лицензией Минпромторга на авиационные виды деятельности и располагает технической возможностью производить двухместные машины. Воздушный кодекс РФ не требует сертификации аппаратов до 115 кг — они квалифицируются как самостоятельная постройка; регистрация производится через «Госуслуги».

Источник: ТАСС

Всем хейтерам и недоброжелателям большого человеческого счастья... И для инфо, работа есть, но бОльшая часть денег уходит на медикаменты, уж так получилось...

Переводил заранее запрещенным ElevenLabs. Оригинал на заранее запрещенном TEDx Talks на заранее запрещенном, экстремистком ютубе https://www.youtube.com/watch?v=2BoxhZUi01Y (закон для длящихся преступлений имеет обратную силу, так что заранее проставил предупреждения).

В 2021-2023 годах команда MIT (Hasani, Lechner, Rus) показала: дрон управляется сетью из нескольких десятков нейронов и уверенно летит к цели сквозь ветки, даже если пейзаж полностью сменился (лето->зима, лес->город).

Это Liquid Neural Networks - сетки, у которых каждый нейрон описывается дифференциальным уравнением с адаптивной «жидкостной» постоянной времени. Сеть постоянно «течёт» и подстраивается под входящий поток данных даже после обучения. Идея подсмотрена у червяка способного на сложные адаптации - нематоды C. elegans длиной 1мм с 302-я нейронами.

Насколько это компактно

• Классический LSTM/RNN для похожих задач навигации: десятки-сотни тысяч параметров (часто 64-220 hidden units + тяжёлый CNN).

• Liquid / NCP:

  • 9 нейронов - простой контроль (1 DoF)

  • 14-24 нейрона - полноценный автопилот

  • ~19 нейронов и 253 синапса - lane-keeping

  • ~34 нейрона - знаменитый лесной дрон 2023 года

Разница - один-три порядка по параметрам. Такая сеть спокойно крутится на Raspberry Pi Zero в реальном времени. Или ещё в более мелкую Raspberry Pi Pico с 264 КБ RAM влазит около 30 нейронов, но будут те же проблемы что и с дистилированными квантифицированными моделями - потеря обобщения, кодирования сложных закономерностей, объективно тупее будет.

Откуда берётся экономия

В 2022-м появился CfC - закрытая форма тех же уравнений. Вместо медленных численных солверов ODE - прямое вычисление. Ускорение времени тренировки и инференса - от одного до пяти порядков. На медицинских задачах фиксировали 220х.

Liquid AI (стартап тех же людей(конкурируют с диффузионными LLM вроде Mercury 2.5)) заявляет 10-1000х меньшее энергопотребление на инференс** и 10-20х быстрее обучение по сравнению с трансформерами на узких задачах. На крайних устройствах и роботах это уже не маркетинг, а физика: меньше MAC-операций, ниже задержка, меньше тепла.

Почему так работает

Нейроны не имеют жёстких весов. Их динамика зависит от текущего входа и состояния. Плюс, разреженная структура связей(sparse wiring), скопированный с нервной системы нематоды. В результате сеть лучше ловит причинность и временную структуру сигнала - и ей просто не нужно раздуваться до миллионов параметров.

С тех времён жидкостные нейронки улучшились на несколько порядков, как и роевые алгоритмы. Скорость прогресса видно на выпусках LLM. Примерно 3 недели на существенно улучшенную модель - смотрите на отрезок времени между Gemini 3.7 и 3.8.

*Flatten - слой, который берёт многомерный тензор (карту признаков после свёрток) и просто «расплющивает» его в один длинный одномерный вектор.

**Инференс - это процесс работы уже обученной модели, когда она применяет накопленные знания для анализа новых данных и выдачи результата.