АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ
КультураНациональная культураИскусствоРобототехника туманных вычислений

Робототехника туманных вычислений

Fog robotics — это архитектура, включающая хранение данных, сетевые функции и управление на основе туманных вычислений, расположенных ближе к роботам[1]. Технология имеет коммерческий статус и применяется преимущественно в умном производстве[2].

Концепция

Fog robotics преимущественно состоит из сервера туманных роботов и облачной инфраструктуры[3]. Такой сервер выступает дополнением к облаку, предоставляя данные ближе к пользователю через локальный сервер. Серверы Fog robotics адаптируемы, обладают вычислительными способностями, сетевыми возможностями и обеспечивают безопасность, делясь результатами работы с другими роботами для достижения высокой производительности при минимальной задержке[1].

Поскольку облачная робототехника сталкивается с проблемами, такими как ограничение пропускной способности, задержки, обеспечение качества обслуживания, конфиденциальность и информационная безопасность, fog robotics рассматривается как перспективное направление для будущих робототехнических систем[4]. Эта концепция также рассматривается как распределённая робототехника нового поколения, поскольку роботы требуют значительных вычислительных ресурсов для обработки миллиардов операций при выполнении задач[5]. Например, fog robotics может способствовать эффективному захвату предметов роботом, например, бутылки с распылителем[6].

Fog Robotics рассматривается как самостоятельная архитектурная парадигма, а не подмножество граничных вычислений (Edge Robotics). Если Edge Robotics фокусируется на локальной обработке данных непосредственно на самом роботе или его датчиках, то Fog Robotics выступает в роли промежуточного слоя. Этот слой располагается между роботами и облаком, отвечая за агрегацию данных и координацию групп роботов[7]..

Архитектурные подходы этих концепций также имеют существенные отличия. Fog Robotics использует иерархическую топологию, охватывающую промежуточные серверы и шлюзы (например, при оркестрации через KubeEdge применяется разделение на облачную и периферийную части). В свою очередь, Edge Robotics опирается на плоскую локальную топологию, где вычислительные ресурсы размещены на самих устройствах, а для управления могут применяться такие решения, как K3s или MicroK8s[8]..

История

Термин «Fog robotics» («туманная робототехника») впервые был предложен Чандом Гуди (Chand Gudi) во время конкурса Европейского космического агентства и на конференции IEEE/RSJ International Conference on Intelligent Robots and Systems в 2017 году, положив начало новому направлению[9][10].

Современные тенденции и развитие

2023 год: Интеграция с Edge AI

В 2023 году развитие туманной робототехники было тесно связано с достижениями в области граничных вычислений (Edge Computing) и искусственного интеллекта (ИИ), что сформировало парадигму «Fog-based Edge AI for Robotics» (туманная робототехника на основе граничного ИИ)[11]. Основной целью стало повышение автономности и операционной эффективности роботов за счёт развёртывания алгоритмов ИИ на «границе» сети, в непосредственной близости к устройствам. Такой подход позволяет преодолеть традиционные проблемы облачных систем, такие как задержки и зависимость от интернет-соединения, обеспечивая анализ данных и принятие решений в режиме реального времени[11]. Ключевые направления исследований включали интеграцию с Интернетом вещей (IoT) для создания сложных автономных систем, разработку методологий распределённого обучения, а также стратегий «умной» разгрузки (smart offloading) когнитивных процессов с роботов на туманные узлы[12].

2024 год: Влияние смежных технологий

В 2024 году на развитие туманной робототехники оказали влияние общие тенденции в робототехнике, в частности, активное внедрение ИИ и машинного обучения для более интуитивного программирования и оптимизации процессов[13]. В контексте туманной архитектуры это означает, что модели ИИ могут проходить масштабное обучение в облаке, а затем дообучаться на локальных туманных узлах с использованием частных данных, что повышает скорость реакции и конфиденциальность[14]. Рост популярности периферийных вычислений (Edge AI) и увеличение числа подключённых к интернету устройств (прогнозируется до 27 миллиардов к 2025 году) также стимулируют развитие туманной робототехники как архитектуры для эффективного управления потоками данных[15][16]. При этом туманные вычисления не заменяют облачные, а дополняют их, создавая промежуточный слой для задач, требующих минимальной задержки.

2025 год: Распределённый интеллект и промышленные системы

В 2025 году разработки концентрируются на создании гибких и безопасных роботизированных систем за счёт распределения задач между локальными устройствами (edge), промежуточными узлами (fog) и облаком (cloud). В конце 2024 — начале 2025 года была представлена концепция «Cloud-Native Fog Robotics», использующая микросервисную архитектуру для повышения гибкости и отказоустойчивости сложных систем. Исследования показали, что такой подход сокращает стандартное отклонение времени выполнения сложных алгоритмов на 20 % и ускоряет передачу сообщений на 17-23 %. Параллельно развивается парадигма «Cloud-Fog Automation» для промышленных киберфизических систем, прототипы которой уже применяются для дистанционного управления оборудованием и навигации мобильных роботов[17]. Актуальным направлением также является разработка методов распределённого обучения и интеллектуальной разгрузки задач, в том числе с применением бессерверных вычислений для распараллеливания ресурсоёмких процессов, таких как планирование движения.

2026 год: Cloud-Native и WebAssembly

В 2026 году развитие концепции Cloud-Native Fog Robotics продолжилось за счёт интеграции новых технологий и фреймворков. Важную роль стала играть технология WebAssembly (Wasm), позволяющая осуществлять быструю «горячую замену» навыков робота за несколько секунд без необходимости полной перепрошивки системы. Для оркестрации Wasm-нагрузок применяется фреймворк SpinKube, обеспечивающий сверхбыстрый холодный старт и высокую плотность размещения. Кроме того, для обмена данными используется протокол Zenoh, который позволяет автоматически адаптировать качество потока данных в зависимости от условий сети без написания дополнительного кода[18].[19].

Применение

Социальные роботы

Социальные роботы

Социальный робот может подключаться либо к облаку, либо к серверу туманных роботов в зависимости от доступности информации. Например, роботы, работающие в аэропорту, могут, используя Fog robotics, взаимодействовать друг с другом для эффективной коммуникации. Развитие этой области, особенно в контексте туманных вычислений, ускорилось в конце 2010-х — начале 2020-х годов.

2019 год В 2019 году социальные роботы начали активнее интегрироваться в ритейл, образование и здравоохранение. Например, роботы Promobot использовались в 37 странах в качестве консультантов, а робот Pepper от SoftBank Robotics — в дилерских центрах Renault. В сфере здравоохранения применялись терапевтические роботы, такие как Paro, для оказания эмоциональной поддержки пациентам[20]. Параллельно шло развитие инфраструктуры для туманных вычислений: ключевым событием стало объединение OpenFog Consortium и Industrial Internet Consortium (IIC) с целью создания единых стандартов для промышленного интернета вещей (IIoT)[21][22].

2020 год Пандемия COVID-19 стала катализатором для внедрения робототехники с целью минимизации социальных контактов: роботы использовались для дезинфекции, доставки медикаментов и еды[23]. Одним из главных трендов стало развитие коллаборативных роботов (коботов), предназначенных для безопасного взаимодействия с людьми[24]. Рост числа устройств Интернета вещей (IoT) стимулировал развитие рынка туманных вычислений, который, по прогнозам, должен был вырасти на 28,87 млрд долларов в период с 2020 по 2024 год. Туманная архитектура стала рассматриваться как перспективная основа для социальных роботов, позволяющая обрабатывать данные с датчиков с минимальной задержкой[25].

2021 год В 2021 году исследователи из МТИ представили модель машинного обучения, позволяющую роботам понимать и выполнять социальные действия, такие как помощь или препятствование[26]. Ключевым событием для практической реализации туманной робототехники стала презентация программного фреймворка FogROS — расширения для ROS, которое упростило перенос ресурсоёмких задач (например, планирования движений или распознавания объектов) в облако или на туманные узлы[27]. Тесты показали значительное ускорение вычислений, например, в 34,2 раза для планирования движений[27]. Развитие 5G также подчеркнуло необходимость туманных вычислений для реализации потенциала сетей с низкой задержкой[28].

2022 год Рынок социальных роботов в 2022 году оценивался в сумму от 2,44 до 5,9 млрд долларов[29]. Заметным примером внедрения стало партнёрство компании Intuition Robotics с властями штата Нью-Йорк, в рамках которого более 800 пожилых людей получили роботов-компаньонов ElliQ[30]. Появление продвинутых языковых моделей, таких как ChatGPT, значительно повлияло на способность роботов вести естественный диалог[31]. Концепция туманной робототехники утвердилась как архитектура, позволяющая переносить ресурсоёмкие вычисления (например, обработку данных ИИ) с робота на узлы «тумана» для обеспечения быстрой реакции в реальном времени.

2023 год В 2023 году продолжился рост рынка социальных роботов, объём которого, по прогнозам, должен был достичь 5,64 млрд долларов в 2024 году[32]. Развитие генеративного ИИ, в частности моделей класса GPT-4, ускорило прогресс в способности роботов к ведению сложных диалогов. В этом контексте туманные вычисления стали рассматриваться как ключевая технология для обработки в реальном времени потоков данных, необходимых для социального взаимодействия (распознавание лиц, эмоций, анализ речи), без отправки больших объёмов информации в облако[33]. Такой подход позволяет повысить автономность и надёжность роботов, особенно при нестабильном интернет-соединении[34].

2024 год В 2024 году были представлены новые продвинутые модели человекоподобных роботов, такие как полностью электрический Atlas от Boston Dynamics и Figure 02, который начал проходить пилотные испытания на заводе BMW. Разработчики продолжили совершенствовать эмоциональное взаимодействие: например, робот Jibo, разработанный в МТИ, способен распознавать эмоции и помогать детям с аутизмом[35]. Архитектура туманной робототехники получила дальнейшее развитие как многоуровневая система (уровни Edge, Fog и Cloud), где туманный узел обрабатывает данные, требующие быстрой реакции (навигация, распознавание речи), а облако используется для ресурсоёмких вычислений и хранения больших данных[36].

2025 год В 2025 году основным трендом в социальной робототехнике стал человеко-ориентированный дизайн и развитие эмоционального интеллекта роботов[37]. Объём рынка социальных роботов, по одной из оценок, составил 7,47 млрд долларов[38]. Ключевую роль в развитии автономных систем, включая роботов, стали играть граничные вычисления (Edge AI)[39]. Эта концепция, являющаяся частью туманных вычислений, подразумевает обработку данных непосредственно на устройстве или вблизи него. Такой подход позволяет социальным роботам принимать решения практически мгновенно, повышает безопасность за счёт локальной обработки конфиденциальных данных и обеспечивает автономную работу даже при потере связи с облаком[39].

Автономный транспорт

В системах автономного вождения и роботакси туманные вычисления применяются для обеспечения минимальных задержек при обработке данных. Для критически важных решений (например, торможения и предотвращения столкновений) целевые показатели задержки составляют менее 10 миллисекунд, а для задач слияния данных с сенсоров — менее 100 миллисекунд. Для достижения этих показателей туманные узлы размещаются непосредственно в транспортных средствах, а также в придорожной инфраструктуре[40].[41].

Обработка визуальных данных

В архитектуре туманных вычислений для обработки визуальных данных в реальном времени используются бортовые камеры мобильных роботов, RGB-D-камеры и лидары[42].

Системы туманной робототехники

FogROS

FogROS — это фреймворк с открытым исходным кодом, разработанный в Калифорнийском университете в Беркли, который позволяет системам на основе ROS использовать вычислительные ресурсы облачных и туманных сервисов. В 2022 году была выпущена значительно переработанная версия FogROS 2, адаптированная для стандарта ROS 2 и направленная на повышение производительности, безопасности и расширяемости. Платформа продемонстрировала значительное ускорение: задержка в задачах SLAM сократилась на 50 %, время планирования захвата уменьшилось с 14 до 1,2 секунд, а планирование движений ускорилось в 28-45 раз. FogROS 2 поддерживает ведущие облачные сервисы, включая AWS, GCP и Microsoft Azure.

Развитие и модули

В последующие годы платформа была дополнена рядом специализированных модулей:

  • 2022: FogROS G — фреймворк для безопасной маршрутизации, который присваивает роботам уникальные глобальные идентификаторы и использует Global Data Plane (GDP) для создания защищённых peer-to-peer соединений[43].
  • 2023: FogROS2-SGC (Secure Global Connectivity) для безопасного соединения роботов в разных сетях и FogROS2-FT (Fault Tolerant) для обеспечения отказоустойчивости при сбоях облачного провайдера.
  • 2024: FogROS2-Config — инструмент для выбора оптимальных по стоимости и производительности облачных конфигураций[44], и FogROS2-LS (Location-Independent) — фреймворк для динамического выбора сервера с целью минимизации задержки.
  • 2025: FogROS2-PLR (Probabilistic Latency-Reliability) — система, использующая репликацию серверов для повышения надёжности и снижения задержек в сетях с нестабильным качеством соединения[45].

ElasticROS

ElasticROS — это операционная система для роботов, предназначенная для совместной работы в туманных и облачных средах и построенная на базе ROS и ROS 2[46]. Система решает проблему нехватки вычислительных мощностей у роботов, эластично распределяя ресурсоёмкие задачи между самим устройством и внешними серверами с помощью алгоритма ElasAction. В 2023 году развитие проекта проявилось в академической сфере: основная научная работа, описывающая систему, была обновлена, что подтверждает её актуальность в научном сообществе[46].

Исследования

Fog Robotics

Данный проект, представленный в 2018 году, направлен на применение архитектуры fog robotics в сценариях взаимодействия человека и робота. В исследовании используются серверы туманных роботов, облако и сами роботы для оценки эффективности архитектуры. Последующие работы соавторов оригинальной статьи, Мануэля Каталано и Антонио Бикки, развили заложенные идеи в смежных областях, таких как создание отказоустойчивых роботов (2022) и исследование эргономики в промышленной среде (2021)[47].

Безопасная туманная робототехника с использованием Global Data Plane

Проект, инициированный в 2018 году при поддержке Национального научного фонда США (NSF), был направлен на исследование применения «капсул данных» (data capsules) для повышения безопасности и производительности робототехнических приложений на периферийных устройствах. В ходе развития проекта были представлены ключевые концепции, такие как архитектура Global Data Plane (GDP). Впоследствии исследования эволюционировали: в 2022 году был представлен фреймворк FogROS G для безопасной маршрутизации с использованием GDP, а к 2023—2024 годам проект был интегрирован в более комплексную платформу FogROS2-SGC (Secure Global Connectivity). Эта система, представленная на конференции IROS 2023, обеспечивает безопасное глобальное соединение для роботов, находящихся в разных сетях, и является актуальным направлением развития первоначальной концепции[48].

5G Coral: 5G-конвергентная виртуализированная радиосеть на границе

Проект был ориентирован на применение fog robotics в рамках радиосетей доступа на границе сети, в том числе для дистанционного мониторинга роботов и формирования флотов для координированного передвижения. Проект официально завершился 31 августа 2019 года[49]. По его итогам была создана и протестирована гибкая трёхуровневая архитектура (туман, MEC и облако), а также продемонстрированы сценарии её использования, включая потоковую передачу 360-градусного видео и ассистивную робототехнику. В 2019 году проект вошёл в шорт-лист премии Global Telecoms (Glotel) Award в категории «Лучшая инновация в 5G»[50].

Fog Computing для робототехники и промышленной автоматизации

Проект посвящён разработке новых моделей программирования для приложений fog robotics: как аппаратной части, так и механизмов операционных систем, включая коммуникационные протоколы «туманных узлов». Эти узлы тестируются на реальных роботах и других устройствах автоматизации. Также предполагается создание открытой архитектуры на базе открытых стандартов, таких как 5G, OPC Unified Architecture (UA) и Time-Sensitive Networking (TSN).

Примечания

  1. ↑ 1 2 Gudi, S. L. Кришна Чанд. Fog Robotics for Efficient, Fluent and Robust Human-Robot Interaction // 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA) / S. L. Кришна Чанд Gudi, S. Ojha, B. Johnston … [и др.]. — ноябрь 2018. — P. 1–5. — ISBN 978-1-5386-7659-2. — doi:10.1109/NCA.2018.8548077.
  2. ↑ Fog Computing Market. SNS Insider. Дата обращения: 26 августа 2026.
  3. ↑ Fog Robotics: A New Approach to Achieve Efficient and Fluent Human-Robot Interaction (англ.). ECN Magazine. ECN Magazine (ноябрь 2018). Дата обращения: 26 августа 2026. Архивировано 1 июля 2024 года.
  4. ↑ Getting a Grip on Reality: Deep Learning and Robot Grasping (англ.). TechCrunch. TechCrunch (16 мая 2018). Дата обращения: 26 августа 2026. Архивировано 1 июля 2024 года.
  5. ↑ Goldberg, Ken (2019). “Robots and the return to collaborative intelligence”. Nature Machine Intelligence [англ.]. 1 (1): 6—8. DOI:10.1038/s42256-018-0008-x. Дата обращения 2026-08-26.
  6. ↑ Simon, Matt. Robots can't hold stuff very well, but you can help (англ.), Wired, Condé Nast (14 November 2018). Архивировано 1 июля 2024 года. Дата обращения: 26 августа 2026.
  7. ↑ Fog Computing as a Mediator in Multi-Robot Systems. arXiv (июль 2025). Дата обращения: 26 августа 2026.
  8. ↑ KubeEdge vs K3s vs MicroK8s: Edge Kubernetes 2026. IoT Digital Twin PLM (2026). Дата обращения: 26 августа 2026.
  9. ↑ Tian, Nan. A Fog Robotic System for Dynamic Visual Servoing // 2019 International Conference on Robotics and Automation (ICRA) / Nan Tian, Ajay Kumar Tanwani, Jinfa Chen … [и др.]. — IEEE, май 2019. — P. 1982–1988. — ISBN 978-1-5386-6027-0. — doi:10.1109/icra.2019.8793600.
  10. ↑ Chand, Gudi Fog Robotics. Fog Robotics. Chand Gudi. Дата обращения: 26 августа 2026. Архивировано 14 мая 2025 года.
  11. ↑ 1 2 Fog-based Edge AI for Robotics: Cutting-edge Research and Future Directions. EAI Endorsed Transactions on AI and Robotics (2023). Дата обращения: 26 августа 2026. Архивировано 6 марта 2025 года.
  12. ↑ Interdisciplinary Approaches: Fog/Cloud Computing and IoT for AI and Robotics Integration. EAI Endorsed Transactions on AI and Robotics (2023). Дата обращения: 26 августа 2026. Архивировано 6 октября 2025 года.
  13. ↑ Пять ключевых тенденций в промышленной робототехнике на 2024 год. Reeman Robot. Дата обращения: 26 августа 2026.
  14. ↑ Fog Robotics. Google Sites. Дата обращения: 26 августа 2026.
  15. ↑ 2024: Интернет вещей: развитие технологий и оценка возможностей перехода на отечественные решения. АНО «Цифровая экономика». Дата обращения: 3 ноября 2025. Архивировано 13 июня 2025 года.
  16. ↑ IoT: перспективы развития технологии интернета вещей. Beget (2024). Дата обращения: 26 августа 2026.
  17. ↑ Cloud-Fog Automation for Industrial Cyber-Physical Systems. arXiv (апрель 2025). Дата обращения: 26 августа 2026. Архивировано 8 апреля 2025 года.
  18. ↑ Robotics Software Stack 2026. RoboCloud Dashboard. Дата обращения: 26 августа 2026.
  19. ↑ Wasm Kubernetes 2026 Guide. sanj.dev. Дата обращения: 26 августа 2026.
  20. ↑ Социальные роботы: кто они такие и как могут помочь людям. Пронедра (25 декабря 2019). Дата обращения: 3 ноября 2025.
  21. ↑ The Industrial Internet Consortium and OpenFog Consortium Unite. EEJournal (31 января 2019). Дата обращения: 26 августа 2026. Архивировано 2 февраля 2019 года.
  22. ↑ Industrial Internet Consortium to Unite with OpenFog. automation.com (31 января 2019). Дата обращения: 26 августа 2026.
  23. ↑ Эффекты пандемии-2020 для России: меньше социальных контактов, больше роботов. Финам (4 июля 2020). Дата обращения: 3 ноября 2025. Архивировано 20 августа 2022 года.
  24. ↑ Роботы выходят из клеток: главные тренды в робототехнике. НИУ ВШЭ (20 января 2020). Дата обращения: 3 ноября 2025. Архивировано 9 сентября 2025 года.
  25. ↑ Fog Computing: Everything to Know. EC-Council (23 декабря 2020). Дата обращения: 26 августа 2026. Архивировано 14 июля 2025 года.
  26. ↑ Fog and edge computing in the context of 5G and beyond. TU Wien (2021). Дата обращения: 26 августа 2026. Архивировано 17 апреля 2024 года.
  27. ↑ 1 2 Kaiyuan Chen et al. FogROS: An Adaptive Framework for Automating Fog Robotics Deployment. arXiv (24 августа 2021). Дата обращения: 26 августа 2026. Архивировано 11 марта 2025 года.
  28. ↑ Robot Sales Rise Again - IFR presents World Robotics 2021. International Federation of Robotics (28 октября 2021). Дата обращения: 26 августа 2026. Архивировано 5 октября 2025 года.
  29. ↑ Social Robots Market. Stratview Research. Дата обращения: 26 августа 2026. Архивировано 18 апреля 2025 года.
  30. ↑ Social Robots Market Size & Share Analysis. Mordor Intelligence. Дата обращения: 26 августа 2026.
  31. ↑ Итоги развития робототехники в 2022 году. PRO Роботов (10 января 2023). Дата обращения: 26 августа 2026. Архивировано 18 мая 2025 года.
  32. ↑ Обзор рынка социальных роботов. ДонНТУ. Дата обращения: 3 ноября 2025. Архивировано 24 июля 2025 года.
  33. ↑ “Роль туманных вычислений в интернете вещей”. Вестник науки. 2023. Дата обращения 2025-11-03.
  34. ↑ “Основные направления применения облачных, граничных, туманных вычислений”. Наукосфера. 2023. Дата обращения 2025-11-03.
  35. ↑ What Is a Telepresence Robot? G2. Дата обращения: 26 августа 2026. Архивировано 9 июля 2025 года.
  36. ↑ Fog robotics: A new approach to achieve efficient and fluent human-robot interaction. EE World Online (13 ноября 2018). Дата обращения: 26 августа 2026. Архивировано 28 марта 2025 года.
  37. ↑ Social and companion robots: More than just machines. Robotics and Automation News (31 октября 2025). Дата обращения: 26 августа 2026.
  38. ↑ Pi Network's OpenMind to Build Decentralized OS for Robots. Bitget (29 октября 2025). Дата обращения: 26 августа 2026.
  39. ↑ 1 2 Revolutionizing Robotics: How Physical AI And Edge Computing Are Shaping The Future. Forbes (13 марта 2025). Дата обращения: 26 августа 2026. Архивировано 17 ноября 2025 года.
  40. ↑ Research on Autonomous Vehicle Sensor Fusion vs Communication Latency. Eureka Patsnap. Дата обращения: 26 августа 2026.
  41. ↑ AI Inference and Edge Computing for Autonomous Vehicles. Vegavid Technology. Дата обращения: 26 августа 2026.
  42. ↑ DAK Networked Robots MOOCs 2019. ajaytanwani.com. Дата обращения: 26 августа 2026.
  43. ↑ FogROS G: Enabling Secure, Connected and Mobile Fog Robotics with Global Addressability. arXiv (октябрь 2022). Дата обращения: 26 августа 2026. Архивировано 24 августа 2025 года.
  44. ↑ FogROS2-Config: A Cloud Robotics Configuration Tool. arXiv (ноябрь 2023). Дата обращения: 26 августа 2026. Архивировано 28 октября 2025 года.
  45. ↑ FogROS2-PLR: Probabilistic Latency-Reliability for Cloud Robotics. arXiv (октябрь 2024). Дата обращения: 26 августа 2026. Архивировано 10 октября 2024 года.
  46. ↑ 1 2 ElasticROS: An Elastically Collaborative Robot Operation System for Fog and Cloud Robotics. arXiv (4 октября 2023). Дата обращения: 26 августа 2026. Архивировано 17 марта 2025 года.
  47. ↑ Manuel G. Catalano. Istituto Italiano di Tecnologia. Дата обращения: 26 августа 2026. Архивировано 14 июня 2025 года.
  48. ↑ FogROS2-SGC. Google Sites. Дата обращения: 26 августа 2026.
  49. ↑ Periodic Report Summary 2 - 5G-CORAL. CORDIS. Дата обращения: 26 августа 2026. Архивировано 6 декабря 2024 года.
  50. ↑ 5G-CORAL Shortlisted for Glotel Award for Contribution to 5G Development. InterDigital (12 сентября 2019). Дата обращения: 26 августа 2026.

Категории