Sau hơn 4 năm chiến tranh, dự trữ ngoại hối của Nga đã tăng từ 605 tỷ USD vào tháng 2.2022 lên thành 722 tỷ USD vào tháng 7.2026. Thậm chí nó còn lập đỉnh vào tháng 1.2026 với 827 tỷ USD.
Dronkam, công ty do sinh viên Nga thành lập, đã nộp đơn xin đưa hệ điều hành điều khiển UAV vào danh mục phần mềm nội địa của Nga.
Hệ thống cho phép UAV:
Bay không cần GPS.
Điều hướng bằng thị giác máy tính và SLAM.
Nhận lệnh bằng ngôn ngữ tự nhiên nhờ mô hình ngôn ngữ lớn tích hợp.
Phần mềm chạy trên máy tính đơn bo mạch Orange Pi của Trung Quốc, kích thước tương đương thẻ ngân hàng.
Nếu được đăng ký, hệ điều hành có thể được cung cấp cho các cơ quan nhà nước và hưởng ưu đãi thuế.
1. Đơn đăng ký
Dronkam đã nộp hồ sơ đăng ký hệ điều hành dành cho UAV có máy tính đơn bo mạch và hệ thống điều khiển thông minh tích hợp AI.
Hồ sơ số 375115, nộp ngày 16/7/2026, hiện đang được Bộ Phát triển Kỹ thuật số Nga xem xét.
Hệ thống cho phép UAV tự động hoạt động mà không phụ thuộc vào định vị vệ tinh.
Dronkam LLC được thành lập hơn hai năm trước và thuộc sở hữu hoàn toàn của Rodion Anisimov, cử nhân Đại học Kỹ thuật Quốc gia Bauman Moscow.
Anisimov quan tâm đến robot và UAV; tháng 1/2026 ông giới thiệu UAV giáo dục ARA EDU DroneCAM, sử dụng:
Máy tính đơn bo mạch dựa trên Rockchip RK3588S.
Mô-đun thị giác TrackingCam v3.
Dronkam ban đầu là một dự án sinh viên.
Tháng 11/2024, nhóm giành chiến thắng tại Aerobot 2024, là đội duy nhất hoàn thành toàn bộ các giai đoạn bay tự hành trong điều kiện thử nghiệm thực tế.
Nhóm gồm sinh viên từ:
TUSUR.
Đại học Bauman Moscow.
Đại học Stankin Moscow.
Dự án nhận hỗ trợ từ Applied Robotics, TK Polyus và chính quyền vùng Tomsk.
Phần mềm được trình lên Bộ là một hệ điều hành hoàn chỉnh cho Orange Pi dùng chip RK3588S.
Hệ điều hành có thể biến UAV thông thường thành thiết bị tự hành, điều hướng không cần vệ tinh và thực hiện lệnh bằng ngôn ngữ tự nhiên.
Việc được đưa vào sổ đăng ký sẽ giúp Dronkam:
Cung cấp phần mềm cho nhu cầu nhà nước.
Nhận ưu đãi thuế cho hoạt động phát triển.
2. Đây là loại phần cứng gì vậy?
Orange Pi đóng vai trò như “bộ não trên bo mạch” của UAV.
Đây là máy tính siêu nhỏ, giá tương đối thấp, được tích hợp trực tiếp vào UAV thay vì đặt tại trạm điều khiển mặt đất.
Orange Pi có thể chạy:
Linux/Ubuntu.
ROS Noetic.
Dịch vụ điều khiển bay.
Thuật toán điều hướng tự động.
Thị giác máy tính.
Mạng thần kinh.
Giao diện đồ họa và API.
Video, SLAM và mạng thần kinh được xử lý theo thời gian thực ngay trên UAV.
Chip Rockchip RK3588S có CPU và NPU đủ mạnh để biến UAV tiêu chuẩn thành hệ thống robot tự hành.
Hệ thống có thể hoạt động mà không cần GPS hoặc liên lạc thường xuyên với người điều khiển.
Cấu hình phần cứng và phần mềm gồm:
UAV.
Bộ điều khiển bay dùng Ardupilot hoặc INAV.
Camera kỹ thuật số.
IMU.
Lidar hoặc máy đo khoảng cách laser tùy chọn.
Wi-Fi hoặc Ethernet.
Nhà phát triển có thể lập trình nhiệm vụ tự hành qua API Python và API ROS.
3. Định vị không cần GPS và thị giác máy tính
Tính năng cốt lõi là khả năng tự định vị khi không có tín hiệu vệ tinh.
UAV có thể sử dụng:
Camera hướng xuống để định vị bằng thị giác.
Điểm đánh dấu ArUco để xác định vị trí.
Máy đo khoảng cách laser 2D hoặc 3D để hoạt động trong nhà.
Công nghệ SLAM cho phép UAV:
Lập bản đồ môi trường theo thời gian thực.
Đồng thời xác định vị trí của chính nó.
Tự động điều hướng trong không gian chưa có bản đồ sẵn.
4. Trí tuệ nhân tạo và mạng nơ-ron trên tàu
UAV có thể tải và chạy trực tiếp các mô hình mạng thần kinh trên máy tính tích hợp.
Các chức năng AI gồm:
Phát hiện vật thể.
Phân đoạn hình ảnh.
Phân tích dữ liệu thị giác.
Toàn bộ tính toán được thực hiện cục bộ, không cần truyền dữ liệu về trạm mặt đất.
Điều này hữu ích khi:
Băng thông liên lạc hạn chế.
Kết nối bị gián đoạn.
UAV hoạt động trong môi trường có tác chiến điện tử.
Hệ thống hỗ trợ mô hình ngôn ngữ lớn để người điều khiển giao nhiệm vụ bằng giọng nói hoặc ngôn ngữ tự nhiên.
Tài liệu không chỉ rõ mô hình LLM cụ thể được tích hợp.
Năm 2025, Rodion Anisimov và nhóm nghiên cứu đã công bố công trình về điều khiển UAV bằng LLM.
Nghiên cứu cho thấy RK3588S đạt tốc độ khoảng 17,8 token/giây, vượt một số bộ xử lý khác, kể cả một số giải pháp của Nvidia.
Các mô hình được đánh giá phù hợp với thiết bị hạn chế tài nguyên gồm:
Qwen2.5-Coder-3B-Instruct.
Qwen2.5-Coder-1.5B-Instruct.
Qwen2.5-Coder-0.5B-Instruct.
5. Công cụ điều khiển và phát triển chuyến bay
Hệ điều hành hỗ trợ đầy đủ các chức năng bay:
Cất cánh tự động.
Hạ cánh tự động.
Điều khiển tốc độ và hướng bay.
Bay theo tọa độ.
Hệ thống thu nhận và xử lý dữ liệu từ:
IMU.
Máy đo độ cao.
Lidar.
Cảm biến quang học.
Dữ liệu đo từ xa được xử lý theo thời gian thực.
Giao tiếp với Ardupilot và INAV thông qua:
MAVLink.
MSP.
Hệ thống có thể điều khiển các thiết bị ngoại vi như:
Động cơ servo.
Cảm biến.
Đèn LED.
Nam châm.
Loa.
Nhà phát triển được cung cấp:
Ngôn ngữ lập trình đồ họa cho kịch bản bay.
API Python để viết logic riêng.
Khả năng tích hợp ROS và các dịch vụ bên ngoài.
6. Hai trường hợp sử dụng: kỹ thuật và giáo dục
Phần mềm hướng đến hai nhóm ứng dụng chính.
Ứng dụng kỹ thuật
Làm môi trường vận hành cho máy tính trên UAV.
Hỗ trợ:
Điều khiển tự động.
Định vị.
Xử lý dữ liệu thông minh.
Thực hiện nhiệm vụ tự hành.
Ứng dụng giáo dục
Được dùng làm nền tảng lập trình trực quan.
Phục vụ nghiên cứu và đào tạo về:
Robot học.
Thị giác máy tính.
Trí tuệ nhân tạo.
Thuật toán bay tự hành.
Dronkam đang tìm kiếm đơn hàng từ các nhà sản xuất và khai thác UAV.
Công ty cho rằng giải pháp có thể:
Giảm chi phí phát triển.
Mở rộng chức năng sản phẩm.
Chuẩn hóa giao diện điều khiển.
Giảm tới 90% chi phí đào tạo người vận hành.
7. Ý kiến chuyên gia
Nikolai Ivashov đánh giá đây là giải pháp có nhu cầu cao trong lĩnh vực dân sự.
Hệ điều hành hữu ích khi GPS:
Không khả dụng.
Không đáng tin cậy.
Bị gây nhiễu hoặc giả mạo.
Các môi trường phù hợp gồm:
Khu đô thị đông đúc.
Không gian trong nhà.
Đường hầm.
Hầm mỏ.
Cơ sở công nghiệp.
Mạng thần kinh giúp UAV:
Xác định vị trí.
Lập bản đồ.
Nhận dạng vật thể.
Ra quyết định dựa trên dữ liệu thị giác.
Roman Tinyaev cho rằng độc lập với GPS đã trở thành yêu cầu không chỉ trong quốc phòng mà cả trong các ứng dụng dân sự.
Các trường hợp sử dụng có thể gồm:
Giám sát chuyến bay.
Kiểm tra cơ sở hạ tầng từ trên không.
Hậu cần hàng không đô thị.
Đào tạo người điều khiển UAV làm việc với AI.
Một số giải pháp nước ngoài tương tự:
Skydio.
Auterion Skynode.
VNav của Palantir.
Hivemind của Shield AI.
SE3 Labs.
Spleenlab.
Robotto.
Nga cũng đã có các dự án tương tự nhưng thị trường chưa bão hòa.
Các đơn vị Nga đang nghiên cứu lĩnh vực này gồm:
MAI.
MPEI.
ITMO.
Tổ chức Nghiên cứu Cao cấp.
Điểm khác biệt của Dronkam là:
Tối ưu cho Orange Pi.
Chạy LLM trực tiếp trên UAV.
Tập trung vào khả năng hoạt động tự động.
8. Tại sao bạn cần Orange Pi?
Orange Pi tạo sự cân bằng giữa:
Hiệu năng.
Mức tiêu thụ điện.
Giá thành.
Các ứng dụng kỹ thuật và giáo dục không nhất thiết cần nền tảng quá mạnh.
Kiến trúc ARM phù hợp với thiết bị tự hành nhờ tiết kiệm năng lượng.
Điện năng tiêu thụ thấp giúp UAV kéo dài thời gian bay.
Một số mẫu Orange Pi có NPU tích hợp để tăng tốc mạng thần kinh.
Nhờ đó, LLM có thể chạy trực tiếp trên UAV mà không cần kết nối đám mây.
Nền tảng hỗ trợ nhiều hệ điều hành và dễ tùy chỉnh cho từng nhiệm vụ.
Nga có các bo mạch sử dụng bộ xử lý nội địa, nhưng nhiều giải pháp hiện còn thiếu:
Trình điều khiển ổn định.
Thư viện AI hoàn chỉnh.
Cộng đồng phát triển lớn.
Hệ sinh thái phần mềm đã được kiểm chứng.
Orange Pi được lựa chọn vì cung cấp ngay các công cụ và hệ sinh thái sẵn có.
Theo chuyên gia, cách tiếp cận hợp lý là:
Trước tiên hoàn thiện và kiểm thử phần mềm trên nền tảng đã chứng minh được khả năng.
Sau đó chuyển sang phần cứng Nga khi hiệu năng và hệ sinh thái trong nước đủ trưởng thành.
Viện GosNIIAS đã nâng cấp hệ thống mô phỏng bán thực tế tích hợp “Chim điện tử”, phục vụ phát triển và thử nghiệm thiết bị điện tử hàng không cho máy bay MS-21.
Hệ thống mới mô phỏng đồng bộ các thiết bị giám sát, dẫn đường và điện tử trên máy bay trong một môi trường thử nghiệm thống nhất.
Mục tiêu là kiểm tra, hoàn thiện và xác nhận các giải pháp kỹ thuật trước khi tiến hành các chuyến bay thử nghiệm toàn diện.
Hệ thống có thể tạo:
Quỹ đạo của các mục tiêu.
Thông điệp giám sát.
Phản hồi của bộ phát đáp.
Dữ liệu số.
Tín hiệu tần số vô tuyến.
Nhờ đó, các kỹ sư có thể mô phỏng nhiều tình huống phức tạp như:
Không lưu mật độ cao.
Quy trình cất cánh và hạ cánh phức tạp.
Theo dõi đồng thời nhiều mục tiêu.
Giới hạn hoạt động thực tế và quỹ đạo bay cho phép của máy bay.
Một hướng nghiên cứu quan trọng là hệ thống tránh va chạm trên không dựa trên công nghệ ACAS-X.
Các chuyên gia GosNIIAS đã giới thiệu kiến trúc và khái niệm của hệ thống thử nghiệm mới tại Hội nghị quốc tế “Công nghệ Vũ trụ” lần thứ IV.
Phiên bản nâng cấp dành cho MS-21-310 còn được sử dụng để tích hợp các thiết bị nội địa thay thế linh kiện nhập khẩu.
GosNIIAS phối hợp với PJSC Yakovlev tiến hành các thử nghiệm chứng nhận trên mặt đất đối với bộ thiết bị mới.
Kết quả thử nghiệm sẽ phục vụ việc gia hạn chứng nhận loại cho máy bay MS-21.
Rostselmash đã phát triển phiên bản mới của tổ hợp gieo hạt lai và bắt đầu thử nghiệm thực địa.
Thiết bị hiện được thử nghiệm trên lúa mạch mùa xuân cùng máy kéo 3580; vào mùa thu sẽ được đưa đến một doanh nghiệp nông nghiệp lớn ở miền nam Nga để thử nghiệm trên cây vụ đông.
Tỷ lệ nội địa hóa của tổ hợp đạt khoảng 90%, kết hợp:
Khung chịu lực cao.
Phễu khí nén.
Hệ thống định lượng dùng động cơ điện.
Phần mềm điều khiển gieo hạt do Rostselmash phát triển.
Máy có chiều rộng làm việc 10,2 m và thực hiện đồng thời ba công đoạn:
Chuẩn bị luống gieo.
Gieo hạt.
Bón phân.
Các lưỡi xới có nhiệm vụ cắt cỏ dại, làm tơi đất và tạo luống nén chặt.
Hạt giống được gieo qua lưỡi xới đĩa kép, còn phân bón được đưa xuống dưới các lưỡi xới ở độ sâu khác nhau, giúp cây phát triển tốt hơn.
Hệ thống định lượng bằng điện giúp nâng độ chính xác gieo hạt, với sai số chỉ khoảng 2%.
Áp lực lên mỗi lưỡi cày được tăng lên 120 kgf.
Hệ thống điều chỉnh mới cho phép thay đổi độ sâu làm việc từ 2 đến 12 cm.
Máy sử dụng động cơ piston hướng trục, giúp giảm tải cho hệ thống thủy lực của máy kéo.
Nhờ khung năm khớp nối nhỏ gọn, chiều cao vận chuyển giảm từ 5,2 m xuống 3,9 m.
Các thùng chứa phân bón khí nén được làm bằng nhựa đúc quay:
Không bị ăn mòn bởi phân bón.
Có tuổi thọ cao hơn thùng kim loại.
Lãnh đạo Rostselmash cho rằng tổ hợp mới không chỉ là một sản phẩm nông nghiệp mới mà còn góp phần tăng tính độc lập công nghệ của ngành nông nghiệp Nga.
Công ty nhấn mạnh thiết bị chủ yếu dựa trên các giải pháp kỹ thuật và năng lực sản xuất trong nước, đồng thời đáp ứng yêu cầu của nông nghiệp hiện đại.
Công ty Azimut thuộc Rostec đã bắt đầu triển khai hệ thống nhận dạng sinh trắc học bằng mống mắt Vzor tại các cơ sở hạ tầng giao thông của Nga.
Sân bay Makhachkala là sân bay đầu tiên tại Nga đưa hệ thống này vào sử dụng để kiểm soát nhân viên ra vào các khu vực dịch vụ.
Vzor là hệ thống phần cứng và phần mềm nhận dạng mống mắt đầu tiên được phát triển trong nước Nga.
Công nghệ nhận dạng bằng mống mắt:
Có khả năng chống giả mạo rất cao.
Đạt độ chính xác được cho là tương đương phân tích ADN.
Không yêu cầu tiếp xúc trực tiếp với thiết bị.
Tùy cấu hình, hệ thống có thể nhận dạng tối đa 40 người mỗi phút.
Việc nhận dạng diễn ra gần như tức thời:
Khi người dùng đang di chuyển.
Ở khoảng cách lên đến 1,5 m.
Không bị ảnh hưởng bởi kính mắt hoặc kính áp tròng.
Hệ thống phù hợp với:
Khu vực đông người.
Sân bay và trung tâm giao thông.
Cơ sở có yêu cầu an ninh cao.
Để bảo vệ dữ liệu cá nhân:
Ảnh mống mắt gốc được chuyển thành mã nhị phân.
Mẫu sinh trắc học được lưu trong bộ nhớ máy quét.
Mẫu không gắn trực tiếp với dữ liệu cá nhân.
Không thể tái tạo lại hình ảnh mống mắt ban đầu từ mã đã lưu.
Azimut cũng lắp đặt hệ thống Kiosk tại sân bay Makhachkala.
Kiosk có thể tự động thu thập nhiều loại dữ liệu sinh trắc học:
Mống mắt.
Khuôn mặt.
Vân tay.
Giọng nói.
Giải pháp có thể tích hợp với các hệ thống quản lý và kiểm soát ra vào hiện có của sân bay.
Lãnh đạo Azimut cho rằng việc triển khai Vzor và Kiosk tại một trung tâm hàng không lớn chứng minh công nghệ nội địa đã sẵn sàng hoạt động trong môi trường có lưu lượng lớn và yêu cầu an ninh nghiêm ngặt.
Công ty kỳ vọng kinh nghiệm tại Makhachkala sẽ được áp dụng tại các cơ sở hạ tầng giao thông khác trên toàn nước Nga.
Ban quản lý sân bay đánh giá cao:
Chất lượng thiết bị.
Mức độ đáp ứng yêu cầu an ninh vận tải.
Công tác lắp đặt, cấu hình và thử nghiệm của nhân viên Azimut.
Trước khi được triển khai tại sân bay, Vzor đã hoàn thành thử nghiệm thí điểm tại:
Các cơ sở công nghiệp.
Một số cơ quan thực thi pháp luật.
Các cuộc thử nghiệm trước đó nhận được phản hồi tích cực từ người vận hành.
Công nghệ hàng hải tự hành đang chuyển vận tải không người lái từ ý tưởng thử nghiệm sang ứng dụng thực tế.
Việc triển khai các hệ thống này làm xuất hiện nhu cầu về nhiều năng lực chuyên môn mới, như:
Thiết kế kiến trúc hệ thống tự hành.
Quản lý trung tâm điều khiển từ xa.
Bảo đảm an ninh mạng và khả năng chống chịu sự cố.
Để đáp ứng nhu cầu nhân lực, một khóa đào tạo trực tiếp về tàu mặt nước tự hành đã được xây dựng.
Chương trình do Trung tâm Đào tạo và Mô phỏng Hàng hải thuộc Đại học Admiral S.O. Makarov phát triển, với sự tham gia của:
Evolution of Marine Digital Technologies.
SIR Technologies.
Khóa học gồm ba nội dung chính:
Khung pháp lý.
Huấn luyện mô phỏng.
Phân tích kinh nghiệm thực tế triển khai hệ thống hàng hải tự hành.
Phần thực hành sử dụng tổ hợp mô phỏng MANS chuyên dụng gồm năm trạm kết nối:
Hai cầu tàu.
Một trung tâm điều khiển từ xa.
Một trạm dịch vụ giao thông tàu biển VTS.
Một trạm làm việc của giảng viên.
Tổ hợp cho phép mô phỏng toàn bộ hệ sinh thái vận tải biển tự hành, gồm:
Chuyển giao quyền điều khiển giữa tàu và trung tâm điều khiển.
Lập nhiệm vụ hành trình.
Giám sát tuyến đường.
Xử lý tình huống điều hướng.
Ứng phó với sự cố thiết bị.
Học viên được nghiên cứu kiến trúc của các hệ thống chính trên tàu tự hành:
Nhận thức tình huống.
Định vị và liên lạc.
Hỗ trợ ra quyết định.
Hệ thống điện.
Các giải pháp dự phòng và chịu lỗi.
Phần thực tiễn tập trung vào kinh nghiệm phát triển và vận hành hệ thống tự hành trên hai phà đường sắt:
Marshal Rokossovsky.
General Chernyakhovsky.
Các chuyên gia SIR Technologies trình bày giải pháp kỹ thuật của hai dự án, giúp học viên đối chiếu lý thuyết và mô phỏng với điều kiện vận hành thực tế.
Chương trình đặc biệt chú trọng hai hướng quan trọng đối với đội tàu không người lái:
Ứng dụng thị giác máy tính.
Khả năng chống chịu các cuộc tấn công mạng.
Khóa học kết hợp kiến thức lý thuyết, kinh nghiệm thực tiễn và công nghệ mô phỏng hiện đại.
Theo các nhà tổ chức và học viên, mô hình đào tạo này có thể trở thành tiêu chuẩn mới cho việc chuẩn bị chuyên gia tàu tự hành và thúc đẩy triển khai nhanh các giải pháp nội địa trong ngành hàng hải.
Vào tháng 6 năm 2024, Iskra Tekhnologii đã triển khai sản xuất hàng loạt các cổng thuê bao gia đình GPON tại cơ sở sản xuất của mình tại Yekaterinburg.
Spoiler
Chi tiết
Đây là dự án đầu tiên sản xuất thiết bị thuê bao hàng loạt, được triển khai vì lợi ích của PJSC Rostelecom. Năng lực sản xuất hiện tại sẽ cho phép doanh nghiệp sản xuất hàng trăm nghìn sản phẩm mỗi năm. Việc triển khai sản xuất hàng loạt bộ định tuyến trên lãnh thổ Liên bang Nga góp phần giải quyết nhiệm vụ chiến lược là thay thế nhập khẩu và mở rộng việc sử dụng cơ sở linh kiện điện tử trong nước.
"Chúng tôi tự hào rằng công ty của mình đóng góp vào sự phát triển của ngành viễn thông trong nước. Việc tạo ra hoạt động sản xuất bộ định tuyến tại Nga, trên cơ sở sản xuất của riêng chúng tôi, không chỉ cho phép chúng tôi đáp ứng nhu cầu ngày càng tăng đối với thiết bị công nghệ cao mà còn góp phần tạo ra việc làm mới và củng cố chủ quyền công nghệ của đất nước", Konstantin Dzakhoev, Giám đốc Phòng Công nghệ Truy cập của Iskra Tekhnologii JSC cho biết.
Iskra Technologies đã phát triển và đưa ra thị trường bộ điều khiển đa chức năng IskraTechno MFC dành cho:
Hệ thống điều khiển quy trình tự động.
Hệ thống thu thập và truyền dữ liệu.
Hiện đại hóa hệ thống phần mềm – phần cứng.
Thay thế thiết bị nhập khẩu.
Sản phẩm được phát triển hoàn toàn tại Nga, đã:
Hoàn tất các chứng nhận cần thiết.
Được Rosseti phê duyệt sử dụng tại các cơ sở điện lực.
Được đưa vào Sổ đăng ký thống nhất các sản phẩm điện tử Nga của Bộ Công Thương.
IskraTechno MFC được phát triển từ năm 2022 và là thành phần quan trọng của tổ hợp phần mềm – phần cứng IskraTechno.
Hệ thống chủ yếu phục vụ tự động hóa các trạm biến áp có cấp điện áp từ 6 đến 750 kV.
Bộ điều khiển đảm nhiệm:
Thu thập dữ liệu từ thiết bị.
Truyền thông tin.
Điều khiển thiết bị tại cơ sở điện lực.
Các đặc điểm chính của IskraTechno MFC gồm:
Hỗ trợ hầu hết các giao thức năng lượng quan trọng.
Tương thích cả với các giao thức đồng bộ cũ.
Kiến trúc mô-đun linh hoạt.
Có thể cấu hình cho nhiều loại nhiệm vụ.
Hỗ trợ lập trình theo tiêu chuẩn IEC 61131-3.
Phù hợp với các nhiệm vụ tự động hóa không tiêu chuẩn.
Hai thành phần quan trọng khác của tổ hợp IskraTechno gồm:
Máy chủ đo từ xa IskraTechno STM: tiếp nhận, kiểm tra dữ liệu và trao đổi thông tin với các cấp điều khiển cao hơn.
Phần mềm IskraTechno SCADA: giám sát và điều phối quá trình sản xuất, truyền tải và phân phối điện.
Phần mềm ứng dụng IskraTechno và IskraTechno SCADA đã được đưa vào danh mục phần mềm nội địa của Bộ Phát triển Kỹ thuật số Nga.
Việc phần cứng IskraTechno MFC tiếp tục được đưa vào danh mục sản phẩm điện tử Nga đánh dấu việc hoàn thành phiên bản cơ bản của một giải pháp tự động hóa năng lượng hoàn toàn nội địa.
Theo Iskra Technologies, hệ thống đã có đầy đủ tài liệu pháp lý và kỹ thuật để được triển khai tại các cơ sở điện lực từ 6–750 kV.
Hệ thống AI nội địa Biorg.Smart Transport giúp tự động hóa:
Kiểm soát hậu cần.
Theo dõi nhiên liệu và chất bôi trơn.
Phân tích mức tiêu thụ của đội xe.
Hệ thống có thể giúp tiết kiệm tới 30% nhiên liệu đối với một số loại thiết bị.
Với đội xe từ 50 phương tiện trở lên, thời gian hoàn vốn có thể chỉ khoảng sáu tháng.
Hiệu quả của giải pháp đã được kiểm chứng tại TNG Group, đơn vị thăm dò địa chất thuộc tập đoàn dịch vụ dầu khí TAGRAS.
Công nghệ được phát triển bởi Biorg, một công ty có trụ sở tại Skolkovo.
Biorg.Smart Transport là sản phẩm thứ bảy của công ty được đưa vào Sổ đăng ký Phần mềm Nội địa Nga.
Hệ thống cho phép:
Theo dõi nhanh lượng nhiên liệu dự trữ.
Kiểm soát luồng nhiên liệu.
Phát hiện sự cố hoặc bất thường.
Đánh giá chính xác nhu cầu mua sắm.
Lập báo cáo dự án trong vòng 1–2 ngày.
Lập kế hoạch nguồn lực dựa trên dữ liệu thực tế thay vì chỉ tiêu dự kiến.
Biorg đang mở rộng nền tảng AI Beorg Smart Vision từ lĩnh vực số hóa tài liệu và nhận dạng hình ảnh sang:
IoT.
Đo từ xa.
Hậu cần vận tải.
KYC.
Mục tiêu của công ty là tạo ra các giải pháp không chỉ thay thế phần mềm nhập khẩu mà còn vượt trội hơn sản phẩm nước ngoài.
Bảy giải pháp đã đăng ký của Biorg được ứng dụng trong nhiều lĩnh vực:
Ngân hàng.
Bảo hiểm.
Xây dựng.
Bán lẻ.
Dịch vụ dầu khí.
Kinh tế chia sẻ.
Các ngành xử lý khối lượng lớn tài liệu và dữ liệu.
Một số sản phẩm khác của Biorg đã được đưa vào danh mục phần mềm nội địa gồm:
Giải pháp nhận dạng hộ chiếu.
Smart Archive để quản lý và lưu trữ tài liệu.
DataSave để bảo vệ dữ liệu.
Công ty đang phát triển thêm các giải pháp phục vụ:
Số hóa dữ liệu.
Chuẩn hóa dữ liệu.
Xử lý và phân tích dữ liệu viết tay.
Làm việc với dữ liệu có cấu trúc và bán cấu trúc.
Nền tảng Beorg Smart Vision sử dụng chuỗi mạng nơ-ron để:
Phát hiện tài liệu.
Cải thiện chất lượng hình ảnh.
Trích xuất thông tin.
Xác minh dữ liệu.
Công nghệ hướng tới xử lý dữ liệu theo quy trình thống nhất, tương tự cách con người làm việc, thay vì chia nhỏ thành nhiều giai đoạn, qua đó tiết kiệm tài nguyên tính toán.
Các giải pháp xử lý dữ liệu trọn gói của Biorg đạt độ chính xác trên 99%.
Công ty xử lý tới 6 triệu dòng dữ liệu mỗi tháng, giúp tiết kiệm hàng chục nghìn giờ lao động cho các công việc lặp lại và lập báo cáo.
Tiếp tục phóng vệ tinh lên quỹ đạo thấp, mục vụ mạng "StarLink của riêng Nga". Nga sẽ ưu tiên cung cấp Internet vệ tinh trong nội bộ nước Nga trước, và mạng này của Nga không đơn thuần là cung cấp Internet cho dân chúng và doanh nghiệp, mà còn phục vụ các mục tiêu công nghiệp khác, nhất là IoT
Công ty hàng không vũ trụ Nga Bureau 1440, thuộc ICS Holding, đang phát triển chòm vệ tinh quỹ đạo thấp nhằm cung cấp dịch vụ dữ liệu băng thông rộng và liên lạc thế hệ mới trên phạm vi toàn cầu.
Ngày 19/7/2026, Bureau 1440 đã phóng lô vệ tinh thứ hai thuộc chòm vệ tinh quỹ đạo thấp của công ty.
Sau khi được đưa vào quỹ đạo tham chiếu, các vệ tinh đã:
Tách thành công khỏi phương tiện phóng.
Được Trung tâm Điều khiển Nhiệm vụ Bureau 1440 tiếp quản điều khiển.
Bắt đầu quá trình kiểm tra và vận hành thử trước khi thực hiện nhiệm vụ chính thức.
Đợt phóng đầu tiên diễn ra ngày 23/3/2026, gồm 16 vệ tinh thuộc chòm liên lạc quỹ đạo thấp Rassvet.
Trong đợt đầu:
Các vệ tinh được phóng bằng tên lửa Soyuz-2.1b.
Sau khi tách khỏi tên lửa, chúng được đặt dưới quyền điều khiển của Bureau 1440.
Các hệ thống trên vệ tinh được kiểm tra, khởi động và sau đó vệ tinh bắt đầu di chuyển đến quỹ đạo mục tiêu.
Ngày 15/6/2026, Bộ Quốc phòng Nga lần đầu thông báo sử dụng biến thể Geran-2 Seeker, trong cuộc tấn công vào khu nhà máy Promsvyaz cũ tại Kharkiv, nơi Nga cho rằng có cơ sở sản xuất đầu đạn cho UAV và tên lửa tầm xa.
“Seeker” là thuật ngữ chỉ đầu dò hoặc hệ thống tìm kiếm, phát hiện và xác định mục tiêu, thường dùng trong tên lửa và các loại vũ khí dẫn đường.
Trên dòng Geran nâng cấp, mô-đun Seeker được cho là gồm:
Bộ xử lý.
Hệ thống quang điện tử và thị giác máy tính.
Thiết bị truyền dữ liệu và liên lạc với người điều khiển.
Khả năng phát hiện, nhận dạng, lựa chọn và bám mục tiêu ở giai đoạn cuối.
Tên Seeker được sử dụng cho nhiều biến thể phát triển từ nền tảng Geran-2, gồm phiên bản động cơ piston và động cơ phản lực.
Các thông số về Geran-2 Seeker, Geran-3 Seeker và Geran-4 Seeker chủ yếu dựa trên báo cáo tình báo Ukraine, tài liệu phân tích và truyền thông công khai; phía Nga chưa công bố đầy đủ thông số kỹ thuật.
Geran-2 Seeker
Là phiên bản hiện đại hóa của UAV Geran-2 sử dụng động cơ piston, giữ cấu hình cơ bản nhưng được bổ sung:
Mô-đun quang điện tử.
Bộ xử lý hình ảnh.
Liên kết truyền dữ liệu.
Khả năng hiệu chỉnh mục tiêu trước khi va chạm.
Khác với Geran-2 thông thường chủ yếu bay theo tọa độ định sẵn bằng hệ thống quán tính và vệ tinh, Geran-2 Seeker có thêm khả năng dẫn đường ở giai đoạn cuối bằng hình ảnh.
Chưa rõ hệ thống hoạt động hoàn toàn tự động hay cần người điều khiển xác nhận mục tiêu.
Loại này được cho là phù hợp để tấn công các mục tiêu điểm như:
Tòa nhà và cơ sở công nghiệp.
Kho hàng và nhà chứa máy bay.
Trang thiết bị quân sự.
Các công trình hạ tầng riêng lẻ.
Geran-3 Seeker
Được phát triển từ biến thể Geran sử dụng động cơ phản lực, có tốc độ cao hơn Geran-2.
Được trang bị hệ thống quang điện tử, thị giác máy tính và khả năng truyền video cho người điều khiển.
Được xem là phù hợp để tấn công các cơ sở quân sự ở sâu trong hậu phương và các trung tâm hậu cần lớn.
Ngày 18/7, Bộ Quốc phòng Nga tuyên bố Geran-3 Seeker đã phá hủy một kho nhiên liệu gần làng Korop, tỉnh Chernihiv.
Geran-4 Seeker
Là phiên bản phản lực mới nhất, trong đó hệ thống Seeker được tích hợp ngay từ đầu như một thành phần tiêu chuẩn của hệ thống điều khiển.
Có các khả năng được cho là gồm:
Phát hiện và nhận dạng vật thể.
Tự động theo dõi mục tiêu.
Dẫn đường chính xác ở giai đoạn cuối.
Ngày 27/6, Nga lần đầu thông báo sử dụng Geran-4 Seeker trong cuộc tấn công vào một sân bay quân sự, tuyên bố phá hủy:
Hai máy bay MiG-29.
Một phương tiện tiếp nhiên liệu.
Một xe nguồn điện mặt đất APA-5D.
Một số nhân viên kỹ thuật và phi công.
Các mục tiêu tiềm năng của Geran-4 Seeker có thể bao gồm:
Cảng và tàu thuyền.
Đầu máy, thiết bị đường sắt.
Trung tâm hậu cần và cung ứng.
Các cơ sở hạ tầng quy mô lớn.
Yếu tố trí tuệ nhân tạo
Hệ thống thị giác máy tính, nhận dạng hình ảnh và lựa chọn mục tiêu cho thấy các biến thể Seeker có thể sử dụng thuật toán trí tuệ nhân tạo trong phạm vi nhiệm vụ được lập trình trước.
Các video được công bố cho thấy UAV có khả năng khóa và bám mục tiêu cho tới khi va chạm.
Một số chuyên gia nhận định các cuộc tấn công vào đầu máy thường nhắm vào khoang động cơ thay vì buồng lái, có thể nhằm vô hiệu hóa phương tiện nhưng giảm nguy cơ cho tổ lái.
Tuy nhiên, chưa có đủ bằng chứng để xác định việc lựa chọn điểm đánh được thực hiện hoàn toàn tự động hay có sự can thiệp của người điều khiển.
Những điểm khác biệt chính giữa các phiên bản nâng cấp của Geranium UBB với mô-đun Seeker*
* Dữ liệu dựa trên các đánh giá và ấn phẩm công khai. Phía Nga chưa công bố đầy đủ thông số kỹ thuật chính thức về hiệu năng của các biến thể Geran-Seeker.
Artem Kirillov viết cho trang web "Hàng không Nga"
