сотрудник с 01.01.2025 по 01.01.2025
Россия
Метаанализ количественно оценивает технические характеристики (количество подвижных суставов и осей вращения, масса, энергетическая стоимость передвижения, скорость) и методы управления (обучение с подкреплением, точка нулевого момента, управления с прогнозирующими моделями) гуманоидных роботов. С использованием модели случайных эффектов в Rstudio установлены ключевые метрики: средняя энергетическая стоимость передвижения – 0,79, скорость – 1,48 м/с, успешность выполнения задач – 68,14%. Подтверждена высокая эффективность квазипрямых приводов и алгоритмов обучения с подкреплением. Предложена классификация роботов для медицинских, промышленных и бытовых задач. Исследование систематизирует данные для оптимизации проектирования и инвестиций до 2030 г., подчеркивая необходимость повышения автономности и точности манипуляций антропоморфных систем.
гуманоидные роботы, метаанализ, энергоэффективность, устойчивость, этические вызовы
1. Tong Y., Liu H., Zhang Z. Advancements in Humanoid Robots: A Comprehensive Review and Future Prospects // IEEE/CAA Journal of Automatica Sinica. 2024. Vol. 11, no. 2. DOI:https://doi.org/10.1109/JAS.2023.124140. EDN: https://elibrary.ru/PNNHRS
2. Gu Z., Li J., Shen W. [et al.]. Humanoid Locomotion and Manipulation: Current Progress and Challenges in Control, Planning, and Learning // arXiv preprint. 2025. DOI:https://doi.org/10.48550/arXiv.2501.02116.
3. Cao L. AI Robots and Humanoid AI: Review, Perspectives and Directions // arXiv preprint. 2024. DOI:https://doi.org/10.48550/arXiv.2405.15775.
4. Zhang Q., Cui P., Yan D. [et al.]. Whole-body Humanoid Robot Locomotion with Human Reference // arXiv preprint. 2024. DOI:https://doi.org/10.48550/arXiv.2402.18294.
5. Ficht G., Behnke S. Bipedal Humanoid Hardware Design: A Technology Review // arXiv preprint. 2021. DOI:https://doi.org/10.48550/arXiv.2103.04675.
6. Kim D., Srouji M., Chen C. [et al.]. ARMOR: Egocentric Perception for Humanoid Robot Collision Avoidance and Motion Planning // arXiv preprint. 2024. DOI:https://doi.org/10.48550/arXiv.2412.00396.
7. Liu H., Xie Q., Zhang Z. [et al.]. PR2: A Physics- and Photo-realistic Testbed for Embodied AI and Humanoid Robots // arXiv preprint. 2024. DOI:https://doi.org/10.48550/arXiv.2409.01559.
8. Duan Y., Zhang Q., Zhou J. [et al.]. E2H: A Two-Stage Non-Invasive Neural Signal Driven Humanoid Robotic Whole-Body Control Framework // arXiv preprint. 2024. DOI:https://doi.org/10.48550/arXiv.2410.02141.
9. Sferrazza C., Huang D.-M., Lin X. [et al.]. HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation // arXiv preprint. 2024. DOI:https://doi.org/10.48550/arXiv.2403.10506.
10. Anonymous. Incremental Learning of Humanoid Robot Behavior from Natural Interaction // Frontiers in Robotics and AI. 2024. DOI:https://doi.org/10.3389/frobt.2024.1455375.
11. Chen P.-T., Huang H.-P., Lo J.-H., Chang S.-K. Control Barrier Function-Based Whole-Body Control Framework for Humanoid Robots // International Journal of Humanoid Robotics. 2025. DOI:https://doi.org/10.1142/s0219843625400018. EDN: https://elibrary.ru/EYBBCY
12. Humanoid Robots [Electronic resource] // U.S.-China Economic and Security Review Commission. 2024. URL: https://www.uscc.gov/research/humanoid-robots (accessed: 01.12.2025).
13. How 2024 Reshaped the Humanoid Robotics Landscape [Electronic resource] // The Robot Report. 2024. URL: https://www.therobotreport.com (accessed: 01.12.2025).
