<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/"><channel><title>מגזין ITANU: רובוטיקה</title><link>https://itanu.org/he/magazine/desk/robotics/</link><description>החדשות האחרונות בבינה מלאכותית, מחשבים, תוכנה ומדע. עדכונים מהחלל, סייבר ועסקי הטכנולוגיה, עם קישורים למקורות בכל כתבה.</description><language>he</language><lastBuildDate>Fri, 20 Nov 2026 17:33:15 GMT</lastBuildDate><atom:link href="https://itanu.org/he/magazine/desk/robotics/feed.xml" rel="self" type="application/rss+xml"/><item><title>מחקר מצא שתשעה אלגוריתמים לתכנון נהיגה מספרי הלימוד גברו בסימולציה על אלגוריתם שאומן</title><link>https://itanu.org/he/magazine/textbook-driving-planners-outscore-learned-planner-in-simulation-qlohx26l/</link><guid isPermaLink="true">https://itanu.org/he/magazine/textbook-driving-planners-outscore-learned-planner-in-simulation-qlohx26l/</guid><pubDate>Fri, 20 Nov 2026 17:33:15 GMT</pubDate><dc:creator>מערכת מגזין ITANU</dc:creator><category>רובוטיקה</category><description>לדברי אנדראס לוק, האלגוריתם המצטיין מבין אלה שבספרי הלימוד קיבל ציון של 41.8 בסימולטור הנהיגה HUGSIM, לעומת 32.0 לאלגוריתם התכנון המאומן של UniAD. שניהם השתמשו באותה מערכת תפיסה.</description><content:encoded>&lt;h3&gt;עיקרי הדברים&lt;/h3&gt;&lt;ul&gt;&lt;li&gt;לוק החליף רק את רכיב התכנון והשאיר את מערכת התפיסה של UniAD ללא שינוי.&lt;/li&gt;&lt;li&gt;לוק מצא שהשיפור הגדול ביותר נרשם כשהרכב נתקל במכוניות עומדות או במכוניות שנסעו מולו.&lt;/li&gt;&lt;li&gt;לדברי לוק, האלגוריתם המצטיין מספרי הלימוד השלים את המסלול ב־31 מתוך 182 ההרצות שבהן הרכב פגע במכונית בהנחיית רכיב התכנון של UniAD.&lt;/li&gt;&lt;/ul&gt;&lt;p&gt;במאמר מקדים שהגיש ל־arXiv ב־18 בנובמבר דיווח אנדראס לוק כי תשעה מתוך 16 אלגוריתמים לתכנון נהיגה המתוארים בספרי הלימוד קיבלו בסימולטור HUGSIM ציון גבוה מזה של אלגוריתם התכנון המאומן של UniAD. כל האלגוריתמים השתמשו באותה מערכת לקליטת הסביבה.&lt;/p&gt;&lt;p&gt;לדברי מפתחי UniAD, המערכת משלבת תפיסה, חיזוי ותכנון ברשת אחת. לוק החליף רק את רכיב התכנון, שבוחר את מסלול הרכב וקובע כיצד ינוע לאורכו. האלגוריתמים מספרי הלימוד לא קיבלו מפה ברזולוציה גבוהה.&lt;/p&gt;&lt;p&gt;לוק דיווח שהאלגוריתם המצטיין מספרי הלימוד קיבל ציון נהיגה של 41.8, לעומת 32.0 לרכיב התכנון של UniAD. מפתחי HUGSIM מסבירים שכדי לחשב את הציון הם מכפילים את הציון הממוצע של הרכב לאורך ההרצה בחלק היחסי של המסלול שהרכב השלים.&lt;/p&gt;&lt;p&gt;לוק מצא שהשיפור הגדול ביותר נרשם כשרכב המבחן נתקל במכוניות עומדות או במכוניות שנסעו מולו. כשמכוניות אחרות פנו לעברו, לא נרשם שיפור. בהנחיית רכיב התכנון של UniAD פגע הרכב במכונית ב־182 הרצות. לדברי לוק, האלגוריתם המצטיין מספרי הלימוד השלים את המסלול ב־31 מאותן הרצות.&lt;/p&gt;&lt;h3&gt;מקורות&lt;/h3&gt;&lt;ol&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/abs/2611.25138&quot;&gt;Old-School Planners Drive (Sometimes) Better Than Learned Ones&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/html/2611.25138v1&quot;&gt;Old-School Planners Drive (Sometimes) Better Than Learned Ones&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://xdimlab.github.io/HUGSIM/&quot;&gt;HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving&lt;/a&gt;, XDimLab&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/abs/2212.10156&quot;&gt;Planning-oriented Autonomous Driving&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/html/2412.01718&quot;&gt;HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving&lt;/a&gt;, arXiv&lt;/li&gt;&lt;/ol&gt;&lt;p&gt;מערכת החדשות של ITANU הפיקה את הכתבה בעזרת בינה מלאכותית ובדקה אותה מול המקורות שמופיעים למעלה.&lt;/p&gt;</content:encoded></item><item><title>חוקרים הציעו דרך לבדוק מתי רובוט יכול לעבור בבטחה למצב גיבוי</title><link>https://itanu.org/he/magazine/safety-test-for-robots-that-switch-to-fallback-x23booww/</link><guid isPermaLink="true">https://itanu.org/he/magazine/safety-test-for-robots-that-switch-to-fallback-x23booww/</guid><pubDate>Thu, 19 Nov 2026 11:47:29 GMT</pubDate><dc:creator>מערכת מגזין ITANU</dc:creator><category>רובוטיקה</category><description>לדברי החוקרים, בהדמיות הרחפן נמנע מהתנגשות בכל ניסוי. בנסיעת מבחן של 30 דקות במסלול רטוב נרשמו שמונה התאוששויות מאומתות של מכונית מרוץ אוטונומית מדגם IndyNXT.</description><content:encoded>&lt;h3&gt;עיקרי הדברים&lt;/h3&gt;&lt;ul&gt;&lt;li&gt;החוקרים אומרים שביכולתם לאמת באילו תנאים רובוט יכול לעבור בבטחה למצב התאוששות אמין.&lt;/li&gt;&lt;li&gt;בכל צמד הדמיות הגיע הרחפן שעבר למצב גיבוי ליעדו לפני הרחפן שהשתמש במסנן בטיחות, כך דיווחו החוקרים.&lt;/li&gt;&lt;li&gt;לדברי הצוות, מכונית המרוץ החליטה בעצמה מתי לעבור למצב גיבוי והגיעה למהירות של 20 מטר לשנייה במבחן על מסלול רטוב.&lt;/li&gt;&lt;/ul&gt;&lt;p&gt;במאמר מקדים שהגישו ל־arXiv ב־17 בנובמבר 2026 הציעו חוקרים שיטה לאמת מתי רובוט יכול לעבור בבטחה למצב גיבוי אמין. הם מכנים את הגישה &amp;quot;יכולת התאוששות&amp;quot; ומדווחים שבחנו אותה בהדמיות טיסה ובמכונית מרוץ אוטונומית.&lt;/p&gt;&lt;p&gt;החוקרים מכנים את התחום שבו הם יכולים להבטיח התאוששות &amp;quot;צינור&amp;quot;. לדבריהם, מעבר למצב גיבוי בכל נקודה בתוך התחום מבטיח התכנסות מעריכית גם אם הרובוט נתקל בהפרעות או אם המודל שלו אינו מדויק.&lt;/p&gt;&lt;p&gt;בהדמיות הרחפן השוו החוקרים בין מעבר ממצב טיסה למצב התאוששות לבין שימוש במסנן בטיחות ששילב פקודות מאותם שני מצבים.&lt;/p&gt;&lt;p&gt;לדברי הצוות, במסלול המרוצים Putnam Park Road Course החליטה מכונית המרוץ IndyNXT בעצמה מתי לעבור למצב גיבוי והגיעה בגשם למהירות של 20 מטר לשנייה. החוקרים דיווחו שבגלל הירידה באחיזת הכביש התקרבה המכונית שוב ושוב לגבול ה&amp;quot;צינור&amp;quot; בפניות. בנסיעה שנמשכה 30 דקות הם תיעדו שמונה התאוששויות מאומתות.&lt;/p&gt;&lt;h3&gt;מקורות&lt;/h3&gt;&lt;ol&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/abs/2611.23589&quot;&gt;Recoverability, Not Invariance: Certified Safety for Robots at the Limits of Performance&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/html/2611.23589v1&quot;&gt;Recoverability, Not Invariance: Certified Safety for Robots at the Limits of Performance&lt;/a&gt;, arXiv&lt;/li&gt;&lt;/ol&gt;&lt;p&gt;מערכת החדשות של ITANU הפיקה את הכתבה בעזרת בינה מלאכותית ובדקה אותה מול המקורות שמופיעים למעלה.&lt;/p&gt;</content:encoded></item><item><title>חוקרים מאוניברסיטת פרדו הציגו חיישן מגע גמיש לרובוטים</title><link>https://itanu.org/he/magazine/purdue-researchers-introduce-flexible-touch-sensor-for-robots-h626ymts/</link><guid isPermaLink="true">https://itanu.org/he/magazine/purdue-researchers-introduce-flexible-touch-sensor-for-robots-h626ymts/</guid><pubDate>Thu, 19 Nov 2026 06:02:47 GMT</pubDate><dc:creator>מערכת מגזין ITANU</dc:creator><category>רובוטיקה</category><description>לדברי החוקרים, מחסנית ג&apos;ל מאפשרת לחיישן לאמוד את הכוח בשלושה צירים בכל נקודת חישה. בניסוי שבו הרובוט הכניס פינים לחורים, הוספת נתוני מגע לנתוני הראייה העלתה את מספר ההצלחות מ־6 מתוך 15 ניסיונות ל־13 מתוך 15.</description><content:encoded>&lt;h3&gt;עיקרי הדברים&lt;/h3&gt;&lt;ul&gt;&lt;li&gt;לדברי חוקרי פרדו, עובי משטח החישה הוא כ־3.5 מ״מ והוא בנוי מרכיבי מדף.&lt;/li&gt;&lt;li&gt;החוקרים דיווחו שהשגיאה החציונית באומדן הכיוון של כוח שפעל במקביל למשטח הייתה 4.8 מעלות.&lt;/li&gt;&lt;li&gt;לדברי החוקרים, נתוני הלחץ סייעו לרובוט להכניס פינים לחורים. הם מצאו שהשינוי בשיעור ההצלחה במיון קוביות לא היה מובהק סטטיסטית.&lt;/li&gt;&lt;/ul&gt;&lt;p&gt;מעבדת MARS באוניברסיטת פרדו (Purdue) הציגה באתר הפרויקט את LuxTac, חיישן מגע אופטי לרובוטים. במאמר מקדים שהגישו ל־arXiv ב־17 בנובמבר מתארים החוקרים משטח חישה גמיש בעובי של כ־3.5 מ״מ, שבנו מרכיבי מדף.&lt;/p&gt;&lt;p&gt;לדברי החוקרים, מחסנית ג&amp;apos;ל פשוטה מודדת את הכוח שבו עצם לוחץ על המשטח. ככל שהעצם שוקע עמוק יותר בסיליקון, כך פחות אור מנורת LED חוזר אל הגלאי שמתחתיו. במחסנית השנייה יש דפנות צבעוניות. כשפועל כוח במקביל למשטח, הדפנות משנות את צבע האור החוזר, וכך החוקרים יכולים לאמוד את הכוח בשלושה צירים בכל גלאי.&lt;/p&gt;&lt;p&gt;החוקרים לחצו על המשטח בעזרת ראשי לחיצה בשלוש צורות שונות. הם דיווחו שהשגיאה החציונית באומדן הכיוון של הכוח שפעל במקביל למשטח הייתה 4.8 מעלות. בניסויים עם הרובוט, נתוני הלחץ היו המידע היחיד שקיבל מחיישן המגע.&lt;/p&gt;&lt;p&gt;במיון קוביות עלה מספר ההצלחות מ־5 ל־6 מתוך 15 ניסיונות. החוקרים מצאו שהשינוי לא היה מובהק סטטיסטית.&lt;/p&gt;&lt;h3&gt;מקורות&lt;/h3&gt;&lt;ol&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/abs/2611.23575&quot;&gt;LuxTac: A Flexible, Scalable, and Open-Source Optical Taxel Array with Distributed Three-Axis Force Sensing for Tactile Robot Learning&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://luxtac.github.io/&quot;&gt;LuxTac: A Flexible, Scalable, and Open-Source Optical Taxel Array&lt;/a&gt;, LuxTac project&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/html/2611.23575v1&quot;&gt;LuxTac: A Flexible, Scalable, and Open-Source Optical Taxel Array with Distributed Three-Axis Force Sensing for Tactile Robot Learning&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://github.com/AdeeshDesai/LuxTac-Sim&quot;&gt;AdeeshDesai/LuxTac-Sim&lt;/a&gt;, LuxTac project&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://github.com/luxtac/luxtac.github.io&quot;&gt;luxtac/luxtac.github.io&lt;/a&gt;, LuxTac project&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://engcourses-uofa.ca/books/statics/internal-forces/types-of-internal-forces-and-their-diagrams/&quot;&gt;Types of internal forces&lt;/a&gt;, University of Alberta&lt;/li&gt;&lt;/ol&gt;&lt;p&gt;מערכת החדשות של ITANU הפיקה את הכתבה בעזרת בינה מלאכותית ובדקה אותה מול המקורות שמופיעים למעלה.&lt;/p&gt;</content:encoded></item><item><title>חוקרים הציגו מודול בקוד פתוח להפעלת כלים כירורגיים באמצעות זרועות רובוטיות</title><link>https://itanu.org/he/magazine/researchers-announce-module-for-surgical-robot-instruments-5a5gfo62/</link><guid isPermaLink="true">https://itanu.org/he/magazine/researchers-announce-module-for-surgical-robot-instruments-5a5gfo62/</guid><pubDate>Wed, 18 Nov 2026 11:35:26 GMT</pubDate><dc:creator>מערכת מגזין ITANU</dc:creator><category>רובוטיקה</category><description>לדברי המחברים, המודול מחבר כלי da Vinci X/Xi לזרועות UR5/UR5e ומתעד פקודות להפעלת אנרגיה כירורגית תוך שמירה על עדיפות לדוושות.</description><content:encoded>&lt;h3&gt;עיקרי הדברים&lt;/h3&gt;&lt;ul&gt;&lt;li&gt;המחברים מתארים מודול להפעלת כלי da Vinci X/Xi באמצעות זרועות UR5/UR5e.&lt;/li&gt;&lt;li&gt;לפי המאמר, לדוושות הרגל של המנתחים יש עדיפות על פני פקודות תוכנה להפעלת אנרגיה.&lt;/li&gt;&lt;li&gt;לדברי המחברים, מאגר ARTS מספק קושחה, מנהלי התקנים וקובצי תכנון.&lt;/li&gt;&lt;/ul&gt;&lt;p&gt;חוקרים הציגו מודול בקוד פתוח שמאפשר לזרועות רובוטיות מסוג UR5/UR5e להפעיל כלים כירורגיים מסוג da Vinci X/Xi, במאמר שהוגש ל־arXiv ב־16 בנובמבר 2026. הם מתארים אותו ככלי למחקר בכירורגיה לפרוסקופית.&lt;/p&gt;&lt;p&gt;לדברי המחברים, חמישה מנועים מניעים דיסקות הנעה בעלות מנגנון קפיצי באמצעות רצועות תזמון. ממשק להפעלת אנרגיה כירורגית מקבל פקודות תוכנה, אך מאפשר לדוושות הרגל של המנתחים לגבור עליהן ומתעד את המקור של כל בקשה. בבדיקות מעבדה, הם מדווחים כי הממשק תיעד את כל 12 אירועי ההפעלה והכיבוי שנוצרו בשש לחיצות על דוושה.&lt;/p&gt;&lt;p&gt;לפי המאמר, מאגר ARTS מספק קובצי תכנון בעזרת מחשב לצד קושחה ומנהלי התקנים. במאגר מצוין רישיון Apache-2.0, ומתוארים בו מתאמים עם חזרה אוטומטית לנקודת הבית לקביעת מיקומי ייחוס למנועים. המחברים מציינים כי המשתמשים נדרשים לבחור ידנית את תצורת הכלי.&lt;/p&gt;&lt;p&gt;המחברים מתארים גם תמיכה במהדק SureForm 45 Stapler, כולל מיפוי לשליטה בסיבוב הציר, בתנועת מפרק כף היד ובתנועת הלסתות. לדבריהם, הפעלת מנגנון שיגור הסיכות נותרה שלב פיתוח נפרד שייבחן בעבודה עתידית.&lt;/p&gt;&lt;h3&gt;מקורות&lt;/h3&gt;&lt;ol&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/abs/2611.21771&quot;&gt;An Open-Source da Vinci X/Xi Instrument Module for Laparoscopic Surgery Research&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://arxiv.org/html/2611.21771v1&quot;&gt;An Open-Source da Vinci X/Xi Instrument Module for Laparoscopic Surgery Research&lt;/a&gt;, arXiv&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://github.com/MRE-Lab-UMD/arts&quot;&gt;MRE-Lab-UMD/arts&lt;/a&gt;, MRE-Lab-UMD / GitHub&lt;/li&gt;&lt;/ol&gt;&lt;p&gt;מערכת החדשות של ITANU הפיקה את הכתבה בעזרת בינה מלאכותית ובדקה אותה מול המקורות שמופיעים למעלה.&lt;/p&gt;</content:encoded></item></channel></rss>
