惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

S
Secure Thoughts
宝玉的分享
宝玉的分享
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
爱范儿
爱范儿
Recorded Future
Recorded Future
博客园 - 【当耐特】
博客园 - 聂微东
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Apple Machine Learning Research
Apple Machine Learning Research
GbyAI
GbyAI
MongoDB | Blog
MongoDB | Blog
S
SegmentFault 最新的问题
C
Check Point Blog
N
Netflix TechBlog - Medium
阮一峰的网络日志
阮一峰的网络日志
Microsoft Azure Blog
Microsoft Azure Blog
Last Week in AI
Last Week in AI
博客园 - 叶小钗
Google DeepMind News
Google DeepMind News
罗磊的独立博客
T
The Blog of Author Tim Ferriss
Recent Announcements
Recent Announcements
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Jina AI
Jina AI
The Cloudflare Blog
博客园 - 司徒正美
D
Docker
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
J
Java Code Geeks
B
Blog
Martin Fowler
Martin Fowler
L
LangChain Blog
V
Visual Studio Blog
U
Unit 42
P
Proofpoint News Feed
Vercel News
Vercel News
Hugging Face - Blog
Hugging Face - Blog
腾讯CDC
F
Fortinet All Blogs
M
MIT News - Artificial intelligence
人人都是产品经理
人人都是产品经理
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
The Register - Security
The Register - Security
大猫的无限游戏
大猫的无限游戏
D
DataBreaches.Net
T
Tailwind CSS Blog
H
Help Net Security
IT之家
IT之家
酷 壳 – CoolShell
酷 壳 – CoolShell

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Как один пылесос решил три моих проблемы: обзор Dreame X60 Master с прямым подключением к водопроводу
Lexus08 · 2026-05-05 · via Все публикации подряд на Хабре

Приветствую всех, продолжаю отчет о своих мучениях с выбором и установкой робота-пылесоса, с минимизацией вопросов по его обслуживанию. В предыдущих статьях я рассказывал про возможность подключения станции робота с помощью комплектов RAW4 (L30) и RAW7 (Х50), но итоговым решением стала модель X60 Master с прямым подключением к водопроводу и канализации, а также с уменьшенными габаритами самой станции.

Характеристики

  • Модель: Dreame X60 Master.

  • Тип: Робот пылесос с влажной уборкой и станцией самоочистки.

  • Мощность всасывания: 35 000 Па.

  • Ёмкость аккумулятора: 6400 мАч.

  • Время автономной работы: до 180 минут (до 300 м²).

  • Размер: 350 × 350 × 79,5 мм (с убранным датчиком VersaLift), 350 × 350 × 102,8 мм (с поднятым датчиком VersaLift).

  • Размеры базовой станции 416 x 443 x 249 мм.

  • Навигация: Выдвижной датчик DToF VersaLift с Двумя ИИ-камерами, боковое 3D-сканирование на основе структурированного света и светодиодная подсветка, виртуальные запретные зоны, зоны для влажной уборки, определение 280+ предметов, ковров с бахромой и животных.

  • Особенность: встраиваемый корпус, подключение к водопроводу и канализации, горячая самоочистка.

Собственно говоря, проблемы были такие: убрать необходимость залива/слива воды в станцию, убрать куда-то саму станцию, и научить робота перешагивать пороги для уборки в санузле и так далее. Пара слов про новый X60 Master от Dreame:

  • Робот является логичным продолжением и развитием премиальной линейки роботов Dreame. Унаследованы все "фишки" от удачных предыдущих поколений, плюс есть новое, в основном это ИИ-технологии.

  • Увеличено всасывание. Для сравнения у X50 Ultra было 20 кПа. Естественно, речь идет про турбо-режим, но для ковров разница заметна. Да и с щелями в полу (стыки плитки и порожков) проблем нет.

  • Отличия Master-конфигурации - это встраиваемый компактный корпус, который можно установить, например, в стенной шкаф или нишу, а также прямое подключение к водопроводу и канализации.

Соответственно, в комплекте нет резервуаров для воды. Вместо них - набор шлангов и адаптеров для сантехнического подключения. Нужно сказать, комплект продуманный, есть все, что нужно, включая переходники, спираль-органайзер, угловые переходы и инструкция.

Внешний вид опять же напоминает предыдущее поколение. Такой же складной лидар, как у Х50, матовый пластик. Высота профиля корпуса всего 79.5 миллиметров - на моей памяти рекорд среди роботов.

Верхняя крышка на магнитах, под ней скрывается миниатюрный пылесборник и фильтр. Боковая щеточка одна, центральная сдвоенная. Есть защита от спутывания. Отмечу, что и щеточка, и моп сделаны в виде манипуляторов - выдвигаются при уборке по краю.

ИИ навигация на основе бинокулярной камеры распознает 280+ объектов. Есть боковое 3D сканирование, подсветка.

Со стороны выглядит довольно необычно - лидар поднимается сам при активации уборки (при поиске местоположения) и складывается при уборке под диваном.

Колеса сложные, с дополнительной степенью свободы и с толкателями - такое решение помогает перешагивать порожки. Причем высота перешагивания увеличена с 2 см (как у обычных роботов) до 8.8 см (перешагивание сдвоенного порога, в два этапа). Обычный порог до 4.5 см - не проблема.

А вот станция интересна, в первую очередь, возможностями встроить её куда-нибудь в нишу или шкаф. Ну или под тумбочку. Эффект усиливает поднимающаяся крышка, которая скрывает доступ к роботу - ничего не торчит наружу, никаких подставок или подиумов.

Все подключение осуществляется на задней панели, единственный момент - под верхней крышкой скрывается дозатор моющего средства и мешок-пылесборник.

Станция оснащается функцией горячей мойки мопов и последующей горячей сушкой. Именно подогретая вода и теплый воздух избавляют пользователя от необходимости снимать салфетки и стирать/сушить отдельно. Плюс есть эффект дезинфекции, то есть посторонних запахов не будет. Предусмотрена самоочистка лотка станции (промывка углублений).

Как я уже сказал, паркуется робот внутрь, а в положении парковки его скрывает поднимающаяся и опускающаяся дверца. Работает это дело автоматически, первое смотреть залипательно.

А вот те самые угловые фитинги, к которым потребуется реализовать подключение. Там же коннектор для сетевого питания.

Установил станцию рядом с обувницей в коридоре - по размерам получилось как раз. Глубина корпуса станции 44 см, высота 25 см, ширина 42 см. Если подобрать в цвет мебели, вообще отлично будет. Думал, поселится под тумбой в ближайшее время.

Для таких станций подачу воды, как правило, подключают через тройник от смесителя (я подключал через тройник от фильтра обратного осмоса), а слив в канализацию можно сделать методом прокола. Есть базовые правила, которые нужно соблюдать при подключении (герметичность, уклоны), а спрятать трубки можно в высокий плинтус с нишей - примерно так я и хочу сделать.

С первого раза у меня появились лужи у фитингов - я забыл установить клипсы для фиксации. При тестировании (в приложении - настройки станции - другие тестирование комплекта) получилась ошибка слива - был контруклон. Проложил трубку чуть по другому, убрал кольца – укоротил трубку в размер, затем повторил тест -стало все "зеленое". Оставил пока трубки в доступе, понаблюдаю. Но в перспективе уберу все трубки в нишу плинтуса. Вообще, в комментариях прошлый раз советовали умные клапаны от протечек – можно установить в местах подключения к воде и сливу, а также около самого робота. Старайтесь прокладывать трубки так, чтобы не было контруклона, а также разрывов (потенциальные места протечек). Трубки стандартные (диаметры 8 и 10 мм) найти такую трубку нужной длины в магазине с аксессуарами для питьевых фильтров не составит никакого труда.

В плане уборки даже добавить нечего. ИИ-функции делают робота самостоятельным - за ним не нужно бегать и поправлять. Умеет определять пятна и крутится на этом месте для дотирки.

Ставлю частоту промывок выше, а для ванной комнаты - максимальное смачивание салфеток. Кстати, в приложении можно назначить очередность уборки комнат.

Сила всасывания высокая - с входного коврика собирает весь мусор из углублений. Да и с сухим кормом у кормушки питомца справляется без особых проблем. Ковры чистит (на них поднимает мопы), под диваном помещается. Этот момент, к слову, понравился. Теперь могу проводить уборку под диваном в автоматическом режиме.

Пара слов про само приложение. Это Dreame Home, добавить-привязать робот, обновить софт и выбрать язык для ассистента не составило труда. Строим карту, редактируем (можно добавлять объекты или ставить барьеры для робота), сохраняем. Уборка как в ИИ-режиме, так можно и настроить вручную. Настроек много, выделю подробные настройки для избегания животных и для уборки на коврах.

Есть и ручное управление роботом с виртуального джойстика. Смотреть можно через "глазок" камеры. Соответственно, слышно все, что происходит через микрофоны. Простой, но удобный способ проверить питомцев или все ли в порядке дома, если вы в отъезде.

Микрофоны, расположенный на складной башенке, обеспечивают работу голосового помощника. Тут есть как встроенный Dreame-ассистент, так и возможность работы со сторонними через API. Например, Умный дом Яндекс без проблем добавил робота и теперь можно управлять через колонку с помощником "Алиса".

Нашел, кстати, гифку с перешагиванием от робота Dreame Х50 Ultra. У нового Х60 аналогичный механизм - двойные ножки, которые подталкивают его на порожках. В настройках есть соответствующая опция - перешагивать поочередно (как на анимации), или же за один прием - тут зависит от высоты ваших порожков. В любом случае, теперь и в ванную комнату сможет заехать, а при особом везении - и убраться на балконе.

Обслуживание от пользователя, да и в целом, внимание роботу, требуется минимально. Учитывая, что всю грязь он самостоятельно сбрасывает, моется/сушится без участия пользователя, а также заправляется водой сам... Остается только периодически (раз в 2-3 месяца) мыть лоток, который вытаскивается целиком, как слайдер-вставка, очищать от волос, протирать датчики от пыли. Я заодно и стираю мопы в стиральной машине. Мешок-пылесборник рассчитан где-то на 100 дней, но тут сильно влияет и периодичность уборки, и насколько у вас дома много пыли/шерсти.

Что могу сказать. В доме стало чуть чище, а у меня на душе – чуть спокойнее. Оттирает робот достаточно неплохо, научен приподнимать швабры на коврах, умеет распознавать и оттирать пятна и прочие загрязнения. Оценил и новые ИИ функции с распознаванием предметов и, особенно, с деликатным отношением к домашним питомцам. В отличие от старого Х50 с модулем RAW7 станция Master занимает сильно меньше места, да и упрятать её под тумбочку не составит труда. А какие у вас были проблемы с размещением роботов пылесосов?