Промышленный робот учится методом проб и ошибок

Промышленный робот учится методом проб и ошибок

April 26, 2016

Fanuc – компания, которая в настоящее время является одной из самых крупных производителей промышленных роботов во всем мире. Они отличаются от аналогов тем, что используют технологию обучения с подкреплением, что дает им возможность в дальнейшем самостоятельно определять, как именно следует выполнять поставленную перед ними миссию.

На территории Токио в одном из скромных на вид офисном здании находится необыкновенно умный промышленный робот, который был ранее изготовлен сотрудниками компании Fanuc. Например, можно дать ему команду взять виджеты из одного места и переложить их в другое. Робот может всю ночь думать о том, как это правильно сделать.

На утро автоматизированная машина уже будет профессионально справляться с такого рода задачами. Примечательно то, что данный робот может сам определить, как именно ему нужно действовать, при это делает он это настолько правильно, будто его принудительно программируют. Представители компании Fanuc продемонстрировали свою разработку еще в декабре прошлого года.

Обратите внимание

Современные промышленные роботы имеют возможность решать даже сложнейшие задачи, которые перед ними ставят, с высочайшей точностью и быстродействием, но, предварительно их нужно программировать для того, чтобы научить, например, захватывать какой-либо объект.

В большинстве случаев на это приходится тратить немало времени и других ресурсов, поэтому пока такого рода роботы выполняют строго определенные задания, придерживаясь одного алгоритма.

Робот от компании Fanuc в своей работе использует технологию, которая называется «Обучение с подкреплением» для того, чтобы иметь возможность формировать свое собственное представление о поставленной цели перед ним.

Например, когда роботизированная машина посредством манипулятора пытается захватить объект, то все попытки снимаются на видео. Каждый раз этот материал перезаписывается и анализируется системой, что в итоге позволяет существенно улучшить работу робота.

Данные обрабатываются в нейронной сети, поэтому улучшения деятельности робота заметны довольно быстро.

Сотрудники компании отметили, что уже после восьми часов самостоятельного обучения роботизированный механизм может выполнять до 90 и более процентов действий в рамках цели, которую перед ним поставили. Эти данные сопоставимы с теми, если бы машину принудительно программировали люди и калибровали алгоритм.

Специалисты в области робототехники сходятся во мнении, что эта методика дает возможность в значительной степени ускорить процесс программирования роботов, которые все чаще применяют в рамках заводов на производственных линиях.

В прошлом месте компания Гугл опубликовала свой отчет об исследования метода обучения с подкреплением, который дает возможность роботам самостоятельно обучаться захвату разных предметов. В сети появилась информация о том, что в прошлом году компания Fanuc инвестировала 7.3 миллиона долларов в Preferred-Networks.

Важно

Уже в скором времени сотрудники этой компании смогли представить аудитории робота, способного самостоятельно обучаться. Одним из самых важных достоинств в этом метода обучения можно выделить то, что процесс может быть существенно ускорен, если несколько роботов работают командной над одной задачей, делясь по время работы опытом друг с другом.

Из этого следует, что восемь роботов, которые вместе будут работать на протяжении часа, могут научиться выполнять задачи в этот временной промежуток, а по отдельности на освоение навыков пришлось бы затратить 8 часов. Изначально концепция этого проекта была ориентирована на распределенное обучение.

Перспектива сводится к тому, что однажды на заводах будут работать сотни роботизированных машин, которые при этом смогут обмениваться опытом между собой. Эта технология имеет огромнейший потенциал, так как может позволить существенно повысить эффективность любого производства.

Можно смело говорить о том, что у компании Fanuc довольно хорошая позиция на мировом рынке для продолжения развития этой технологии, потому что она специализируется на поставки роботизированных машин для всевозможных заводов по всему миру. Технология самостоятельного обучения с подкреплением уже в скором времени изменит традиционное представление о роботах.

Также представители компании Fanuc обращают внимание на то, что применение данной технологии на практике является довольно сложной задачей, потому что поведением роботов управлять намного сложнее, чем научить их определять размеры предметов или видеть изображения.

В настоящее время обучение с подкреплением – существенный прорыв в сфере распознавания образов роботизированными системами.

Одна из главных проблем робототехники сводится к тому, что люди по сравнению с ними многопоточны, поэтому они имеют возможность производить ряд действия для решения многих задач одновременно.

Стоит отметить, что компания Fanuc не единственная практикует разработку таких роботом. Например, в 2014-ом году компании ABB инвестировала свои средства в проект Vicarious, однако плодов от этих финансовых вложений в настоящее время еще нет.

Источник: http://lab-37.com/technologies/promyshlennyj-robot-uchitsya-metodom-prob-i-oshibok/

Робот BRETT учится всему методом проб и ошибок

Как правило, роботы учатся выполнять какие-то задачи путем точных инструкций, которые он получает через новую программу или просмотр видео. Что касается Калифорнийского университета в Беркли, то их новый робот BRETT получает знания так же, как это делают люди.

Робот использует алгоритмы глубоко обучения на основе нейронной сети для овладения задачами методом проб и ошибок.

Даешь ему приказ собрать игрушку — и он собирает ее до тех пор, пока сам не поймет, что к чему, какая деталь куда устанавливается. В теории, роботу не понадобиться давать новый код.

Нужно лишь сказать, что нужно сделать, и дать машине достаточно времени для выполнения поставленной задачи.

Совет

Конечно, робот такого уровня пока еще не полностью готов для реального мира. Примерно 10 минут занимает обучение робота, если говорить ему, где нужно начать и где остановиться. И около 3 часов уйдет на самостоятельное изучение вопроса роботом и выполнение задания.

BRETT не может опираться на богатый опыт, как это делает человек, потому и не может делать логических шагов, которые помогают ухватить суть задачи. Учитывая все эти моменты, исследователи планируют усовершенствовать свое изобретение в течение следующих нескольких лет.

В конце концов ситуацию решить может искусственный разум, чтобы робот смог делать все, что позволит ему его конструкция.

Взгляните на карту покрытия любого оператора сотовой связи России – она изобилует белыми пятнами. Это территория, где связи нет в принципе – только допотопные проводные телефоны, и нередко белые области у операторов совпадают.

Но там тоже живут люди, и им тоже требуется удобное общение по мобильным устройствам, и решений в этой ситуации есть лишь два – смена места жительства или применение усилителей связи.

С последним гарантированно поможет компания MobileBooster.

Читайте также:  Учёные всерьёз обеспокоены активным развитием искусственного интеллекта

IBM презентовала Q System One – прототип квантового компьютера в компактном корпусе. Разработка позиционируется производителем не только как система, рассчитанная на научное применение, но и в качестве устройства в коммерческих целях. По сути, речь идет о компактном модульном квантовом компьютере.

КоммерсантЪ сообщает, что в России ведется разработка уникального суперкомпьютера, в основу которого лягут процессоры отечественного производства. Итоговый супер-ПК может стать одним из самых мощных в стране, а на его разработку потратят более 1 миллиарда рублей.

Сети шестого поколения или 6G уже сейчас являются во снах всем, кто мечтает о космической скорости передачи данных без проводов. Что ж, ждать их осталось совсем немного – чуть больше 10 лет.

Обратите внимание

Весь мир твердит про глобализацию и необходимость налаживания отношений с другими странами, но без доступной мобильной связи сделать это не так просто.

Отменять международный роуминг никто не спешит, вот и приходится, путешествуя по миру или летая в командировки в другие страны, переплачивать или покупать местную SIM-карту.

Но теперь все это в прошлом: сервис Дримсим уничтожил роуминг по щелчку пальцев.

В данный момент экосистема промышленного Интернета вещей активно развивается. Конечно, не обходится и без трудностей – некоторые из них вызваны отсутствием единых нормативов: производители используют собственные стандарты и протоколы, делая в результате продукты, которые несовместимы друг с другом. «Ростелеком» попробует справиться со сложившейся ситуацией.

Гидрометцентр практически завершил настройку нового вычислительного комплекса, который российские синоптики будут использовать для повышения точности прогнозов погоды. Сообщается, что полностью потенциал новой вычислительной платформы будет раскрыт в течение нескольких лет.

Научно-исследовательский центр «Охрана» в ходе выставки «Интерполитех-2018» в Москве продемонстрировал систему распознавания лиц «Папилон», способную различить близнецов. Производитель отметил, что точность распознавания находится на уровне 99%.

Источник: https://mbdevice.ru/28836-brett-robot/

Как учатся современные роботы

Изначально понятие “обучение” применительно к роботам вызывало удивление, поскольку их просто программировали выполнять определённый набор инструкций. Простейшие модели слепо следовали ему в любой ситуации, а более сложные умели выбирать, какую из подпрограмм выполнить в текущих условиях. Однако те и другие давали сбой в ситуациях, непредусмотренных алгоритмом.

Сейчас роботов всё чаще наделяют искусственным интеллектом и делают ставку на машинное обучение. За этим термином скрывается целый класс методов, позволяющих не просто научить машину выполнять определённые задания, а сделать её поведение адаптивным. В чём же отличия между ними?

Одним из ключевых отличий считается критерий самодостаточности, или необходимости учителя. Одних роботов учат живые люди, сразу показывая оптимальный алгоритм действий. Другим просто дают время научится самим методом проб и ошибок. Чтобы лучше ориентироваться в методах обучения, рассмотрим ситуацию на заводе.

Важно

Сегодня на производственных линиях работают десятки разных роботов, и если ошибку допустит один, то произойдёт каскадный эффект.

Ошибаться начнут все роботы после засбоившего, поскольку их программы не способны перестроиться.

Например, если деталь будет лежать под другим углом (или вовсе отсутствовать), то робот попытается её взять как обычно, но не сможет. Хуже того, робот может получить повреждения или спровоцировать их у других.

Поэтому современные конвейеры постепенно переоснащают, заменяя классических промышленных роботов адаптивными. Например, такими как Baxter, созданный в компании Rethink Robotics. Он не станет тыкать вслепую манипулятором.

Вместо этого он самостоятельно определит, есть ли на ленте конвейера нужная деталь. Затем он оценит её расположение и выполнит точный захват, как бы она ни лежала. Если детали нет, то Baxter просто подождёт её появления.

Ещё интереснее выглядит система его обучения. Она относится к классу имитационных, то есть подразумевает привлечение учителя. Бакстеру просто показывают, что надо делать, и он быстро учится копировать движения, делая их всё более точными.

Поэтому Baxter может заменить не только промышленного робота, но и рабочего у конвейера. За пару часов он освоит профессию сборщика, упаковщика или шлифовщика, доведя действия до совершенства уже к концу смены.

С ним не страшно работать бок о бок, поскольку он определяет наличие людей поблизости и прекращает любые движения, способные привести к травме.

Другой подход демонстрирует система обучения с подкреплением (reinforcement learning). Она уже не требует учителя, а позволяет роботу самому найти оптимальное решение. Для этого он перебирает множество возможных вариантов, получая положительный стимул (подкрепление) каждый раз, когда оказывается ближе к цели.

Такой метод использует компания Embodied Intelligence, созданная на базе Калифорнийского университета в Беркли. Её робот Brett сам пытается решить задачу разными способами, пока не найдёт лучший. Затем он запоминает эту последовательность действий и использует её в следующий раз, столкнувшись с подобной задачей.

Совет

Здесь важно то, как роботы реагируют на нестандартные ситуации: – классический робот не справится при малейшем отклонении от шаблона; – Baxter простит мелкие погрешности и быстро переучится по желанию наставника;

– Brett самостоятельно отшлифует свою программу, адаптировав её к новой ситуации, но потратит на это значительное время.

Источник: https://the-robot.ru/kejsy/kak-uchatsya-sovremennye-roboty/

Роботы научились ходить путем проб и ошибок

Michiel van de Panne / YouTube

Исследователи из Канады и Сингапура разработали алгоритм, который позволяет двуногим виртуальным роботам обучаться хождению и бегу путем проб и ошибок, подобно тому как тем же навыкам обучаются люди.

Ученые считают, что впоследствии этот алгоритм можно использовать и при обучении реальных роботов, а также при создании компьютерной анимации в играх и фильмах.

Алгоритм был представлен на конференции по компьютерной графике SIGGRAPH 2017, а его подробное описание доступно на сайте Университета Британской Колумбии.

Раньше для обучения компьютерных программ или роботов каким-либо действиям инженерам приходилось «вручную» прописывать в кодах программ поведение и реакцию на те или иные условия.

В последние десятилетия все чаще применяется другой подход — машинное обучение.

Оно позволяет обучаемым алгоритмам не только следовать заранее заданным алгоритмам, но и самостоятельно искать наиболее оптимальный, на их взгляд, метод решения задачи.

Канадские инженеры решили применить эту стратегию для создания компьютерных персонажей и роботов, которые эффективно и реалистично ходят на двух ногах. Для этого они использовали глубокое обучение с подкреплением. Этот вид машинного обучения подразумевает, что обучаемый алгоритм при взаимодействии со средой получает ответ — награду или штраф.

Представленная исследователями реализация алгоритма состоит из двух основных компонентов — низкоуровневого и высокоуровневого контроллеров-планировщиков. Низкоуровневый компонент отвечает за планирование конкретных шагов, стиль ходьбы, учитывает параметры близлежащего рельефа.

Обратите внимание

Контроллер высокого уровня отвечал за более долгосрочное планирование — к примеру, позволял роботу планировать свой маршрут с учетом препятствий.

Читайте также:  Когда будет создан «искусственный» интеллект, аналогичный мозгу человека?

Обучение происходит в виртуальной среде с изменяемыми параметрами. Так, робот может находиться на узкой тропе в горах или на льду. Помимо этого, среда менялась динамически. Например, плоские и неподвижные поверхности сменялись подвижной поверхностью наподобие траволатора, также периодически на робота падали кубические блоки разного размера.

За счет машинного обучения робот научился ловко и быстро передвигаться в разных условиях и даже пинать мяч к цели.

Исследователи считают, что в будущем алгоритм можно будет адаптировать для множества задач, не только связанных с робототехникой.

К примеру, с его помощью можно будет создавать анатомически точные анимации движения людей в играх и фильмах с применением компьютерной графики, чтобы заменить используемые сегодня камеры и датчики захвата движения.

Несмотря на то, что существуют и другие системы обучения алгоритмов в виртуальных пространствах, перенос навыков в реальный мир или между роботами разной конструкции представляет собой серьезную проблему. Недавно специалисты из Массачусетского технологического института заявили, что частично решили эту проблему и создали систему, которая облегчает перенос навыков между роботами разной конструкции.

Григорий Копиев

Источник: https://nplus1.ru/news/2017/08/01/trial-and-error

Что выбрать: «метод проб и ошибок» или помощь опытных специалистов?

В сфере дополнительного образования одной из наиболее перспективных областей в сфере детского технического творчества является образовательная робототехника, которая объединяет классические подходы к изучению основ техники и современные направления: информационное моделирование, программирование, информационно-коммуникационные технологии.

С каждым годом количество педагогов, увлеченных робототехникой, растет. Но для того, чтобы стать отличным специалистом, одного увлечения недостаточно. В любом случае, необходимы знания, а точнее их структурированность. Немаловажным фактором еще является и интересный формат подачи детям.

 Тут у грамотного руководителя встает вопрос о том, как взрастить настоящего специалиста? Что лучше: позволить ему самостоятельно обучиться или же отправить на курсы повышения квалификации? Во-первых, «Метод проб и ошибок» отлично подходит для получения опыта, но данный способ далеко не для всех.

Во-вторых, Вы можете воспользоваться помощью и советами уже опытных робототехников в образовательных центрах. Центры повышения квалификации, что работают не первый год, уже успели преодолеть «Метод проб и ошибок». Каждый их курс структурирован и понятен абсолютно каждому.

Важно

Учебно- методический центр инновационного образования поставил себе цель: обучить педагогов и обеспечить дальнейшую поддержку и помощь. Именно второй вариант выбрали специалисты Нефтеюганска.

Поэтапное обучение педагогов основам робототехники прошло в городе Нефтеюганске, ХМАО в ноябре 2017 года. Около 50 воспитателей, руководителей детских садов и педагогов начального звена начали свой путь в этом интересном и увлекательном мире под названием робототехника. Педагог УМЦИО Анна Сергеевна Золотарева раскрыла секреты прошедшего обучения:

На сегодняшний день понятие «робототехника» в дошкольном образовании стало привычным, но тем не менее методикой преподавания кружка технической направленности детям дошкольного возраста владеет далеко не каждый. На курсах мы в числе слушателей были воспитатели и руководители детских садов, а также педагоги начального звена школы.

Вместе с педагогами мы познакомились с современными образовательными конструкторами, разобрали понятийный аппарат, обогащенный технической терминологией, а также рассмотрели методику преподавания робототехники детям дошкольного возраста на разных ступенях развития.

Также была рассмотрена технология создания детьми проектов технической направленности под руководством педагога.

Слушатели курса, на некоторое время представив себя детьми, создавали и защитили свои проекты, предварительно выполнив роль тренера и определив цель, задачи и план действий по разработке проекта.

Хочется выразить благодарность организаторам курсов за то, что предоставляют возможность делиться опытом и общаться с коллегами разных уголков нашей страны! И отдельное спасибо педагогам и методисту «Дома творчества» г.Нефтеюганска Лукьяновой Евгении Степановне за теплый прием. Надеюсь, вся предоставленная на курсах информация окажется полезной, и мы еще увидимся с коллегами на всероссийских мероприятиях!

Источник: курсы.фгос.рф

Фото с курсов повышения квалификации:

Источник: https://robotrack-rus.ru/2018/03/26/chto-vybrat-metod-prob-i-oshibok-ili-pomoshh-opytnyh-spetsialistov/

Неразумные создания: как обучают роботов

Массовая культура приучила нас воспринимать роботов как человекоподобные машины (андроиды). Это началось в 1921 году, когда Карел Чапек представил публике пьесу под названием «Р. У. Р.» («Россумские Универсальные Роботы»). Именно Чапеку мы обязаны самим словом «робот», которое сегодня может обозначать и станки с программным управлением, и автономный транспорт, и дроны, и умные дома.

Но еще раньше люди стали пугать друг друга сказками о машинах-убийцах, которые запросто могут пристрелить человека или как минимум отобрать у него возможность заработать на хлеб насущный.

Английские луддиты еще в XIX веке безрезультатно пытались противостоять автоматизации процессов производства. Ничего не выходит и у неолуддитов. Сфера активно развивается там, где много «конвейерных» рабочих мест, то есть в азиатских странах.

Совет

По данным IFR World Robotics, в 2018 году в Азию поставлялось 69,1% промышленных роботов, в Европу — 17,2%, а в Соединенные Штаты — 13,7%.

Вопреки распространенному заблуждению, роботы не только заменяют людей, но и создают дополнительные рабочие места. Без инженеров-эксплуатационников, специалистов по машинному обучению и контролеров эффективная работа автоматической сборочной линии невозможна.

Финансовый аналитик из сингапурского DBS Bank Митчел Чан в интервью BitNewToday недавно сказал: «Конечно, люди периодически склонны думать, что они могут потерять рабочие места. Это верно, но вместо каждой устаревшей специальности создается другая специальность.

Это вопрос переоценки наших собственных навыков и их применения в соответствии с неизбежной трансформацией».

Ценность робота зависит от того, насколько сложные операции он может выполнять и в какой степени независим от оператора.

На автомобильную промышленность приходится 36% роботов, проданных в этом году, на электротехнику и электронику — самый быстрорастущий сегмент рынка на сегодня — 32%, а на производство металлов и металлообработку — 10%.

Остальные были предназначены для пищевой промышленности, логистики и прочих отраслей. Итого годовой объем рынка промышленных роботов составляет $15 млрд.

Роботы, которые играют в игры

Машину, как и человека, нужно учить. Раньше это делали путем программирования конкретных действий, и этого было достаточно для «станков с программным управлением».

Для автономного такси и даже для робота-упаковщика этого мало: слишком велико разнообразие сценариев, невозможно заранее запрограммировать все дорожные ситуации и все возможные положения всех возможных товаров.

Да и производственные цепочки становятся сложнее.

Современный искусственный интеллект, способный к самообучению, существенно изменил подходы к программированию роботов. Настройка «интеллектуального софта» напоминает скорее процесс натаскивания школьников на тест: обучение происходит путем многократного проигрывания типовых сценариев.

Читайте также:  Меры безопасности, способные защитить нас от искусственного интеллекта

Знаменитый американский психолог и психиатр Эрик Берн, автор книг «Люди, которые играют в игры» и «Игры, в которые играют люди», писал: «Родители считают ребенка достигшим зрелости, когда он ведет себя так, как они ему велят, а не так, как ему самому хочется».

Педагога возмущает такой подход, но данная формулировка в полной мере соответствует чаяниям тех, кто занимается машинным обучением». Мы учим машину учиться, то есть получать и анализировать опыт. Лучше всего это делать в процессе игры, то есть «симуляции реальных действий».

Обратите внимание

Берн — психолог, который очень много сделал для того, чтобы понятие «игра» вышло за пределы а) математического аппарата (теория игр) и б) бытового понимания (форма досуговой деятельности).

Качество человеческого образования зависит не только от личности учителя, но и от имеющихся в его распоряжении учебных пособий; так и «преподаватели для машин» нуждаются в специфических инструментах.

Специалисты в области машинного обучения страдают от недостатка размеченных данных — массива информации, который позволяет искусственному интеллекту научиться правильно воспринимать и интерпретировать объекты.

Обучающемуся алгоритму нужно «скормить» сотни тысяч, а иногда и миллионы размеченных объектов, чтобы научить его решать по-настоящему сложную задачу.

Изначально наиболее значимым направлением исследований в области робототехники было компьютерное зрение (computer vision). Этот раздел искусственного интеллекта должен дать роботам возможность видеть и понимать, что именно они видят.

Это направление важно и для индустриальных роботов, и для беспилотных автомобилей, и для домашних роботов-помощников, и для индустрии безопасности (интеллектуальные системы наружного наблюдения, автоматический контроль периметров и т. п.

), и, например, для маркетинга, чтобы ИИ мог в режиме реального времени фиксировать покупку и анализировать предпочтения клиентов в магазине.

Новый тренд робототехники — обучение с подкреплением (reinforcement learning), когда роботу дается возможность самому выбрать, какое действие совершить.

Механическая рука может миллион раз попробовать ухватить объект, совершенствуя свои навыки, и на миллион первый раз у нее формируется «представление» о том, как это сделать правильно.

Важно

Но с обучением в физическом мире возникает серьезная проблема: дефицит времени и специфические требования к полигону. Мы не можем позволить беспилотному автомобилю задавить миллион пешеходов, чтобы методом проб и ошибок он понял, что этого делать не стоит.

Поэтому роботов обучают с использованием синтетических данных, то есть на симуляторах, которые максимально похожи на реальность. Там беспилотные автомобили учатся ездить по виртуальным улицам, где можно давить сколько угодно пешеходов, как в компьютерной игре. Пусть пока потренируются в своем виртуальном мире.

  • Кошмар прогресса: окажутся ли роботы-убийцы под запретом

Источник: https://www.forbes.ru/tehnologii/368453-nerazumnye-sozdaniya-kak-obuchayut-robotov

(351) 232-32-89

Оплата и доставка.

Если Вы физическое лицо:

  • – Наличными в кассе магазина;

  • – Любой банковской картой в магазине;

  • – Дистанционно картой VISA/MasterCard;

* При оформлении заказа в комментарии укажите «хочу оплатить картой». Далее вместе с информацией по Вашему заказу менеджер высылает Вам ссылку на оплату картой Visa/MasterCard

Если Вы Юридическое лицо

Оплата за безналичный расчет

За крупногабаритный груз и оптовые заказы весом более 15 кг фирма оставляет за собой право взимать дополнительную плату за транспортировку в размере не более 10% от стоимости заказа.

Оплата банковскими картами осуществляется после проверки заказа менеджером интернет-магазина.

Оплата по банковским картам VISA

К оплате принимаются все виды платежных карточек VISA, за исключением Visa Electron. В большинстве случаев карта Visa Electron не применима для оплаты через интернет, за исключением карт, выпущенных отдельными банками. О возможность оплаты картой Visa Electron вам нужно выяснять у банка-эмитента вашей карты.

Оплата по кредитным картам MasterCard

На сайте к оплате принимаются все виды MasterCard, за исключением Maestro.

Что нужно знать:

  • – номер вашей кредитной карты;

  • – cрок окончания действия вашей кредитной карты, месяц/год;

  • – CVV код для карт Visa / CVC код для Master Card:

3 последние цифры на полосе для подписи на обороте карты.

Если на вашей карте код CVC / CVV отсутствует, то, возможно, карта не пригодна для CNP транзакций (т.е. таких транзакций, при которых сама карта не присутствует, а используются её реквизиты), и вам следует обратиться в банк для получения подробной информации.

Для оплаты покупки Вы будете перенаправлены на платежный шлюз ПАО “Сбербанк России” для ввода реквизитов Вашей карты. Пожалуйста, приготовьте Вашу пластиковую карту заранее. Соединение с платежным шлюзом и передача информации осуществляется в защищенном режиме с использованием протокола шифрования SSL.

В случае если Ваш банк поддерживает технологию безопасного проведения интернет-платежей Verified By Visa или MasterCard Secure Code для проведения платежа также может потребоваться ввод специального пароля. Способы и возможность получения паролей для совершения интернет-платежей Вы можете уточнить в банке, выпустившем карту.

Настоящий сайт поддерживает 256-битное шифрование. Конфиденциальность сообщаемой персональной информации обеспечивается ПАО “Сбербанк России”.

Введенная информация не будет предоставлена третьим лицам за исключением случаев, предусмотренных законодательством РФ.

Проведение платежей по банковским картам осуществляется в строгом соответствии с требованиями платежных систем Visa Int. и MasterCard Europe Sprl.

Отмена заказа

При удалении товаров из оплаченного заказа или при аннулировании заказа целиком Вы можете заказать другой товар на такую же сумму, либо полностью вернуть всю сумму на карту с помощью Вашего менеджера.

Доставка и выдача заказа, оплаченного пластиковй картой.

Доставка или выдача при самовывозе товара, оплаченного пластиковой картой, осуществляется со дня зачисления денег на наш счет.

Частные покупатели для получения товара должны предъявить паспорт владельца пластиковой карты, по которой производилась оплата заказа.

Представитель юридического лица должен иметь доверенность с печатью от компании-плательщика или саму печать.

  • – Поставка товара с удаленного склада (г. Москва) осуществляется в течение 4-8 рабочих дней после подтверждения заказа;

  • – Получение товара в г. Челябинске осуществляется по адресу ул. Энтузиастов, 12 оф. 105;

  • – Стоимость доставки по городу Челябинску 250 рублей; доставка осуществляется до подъезда;

  • – Доставка за пределы города осуществляется транспортной компанией на выбор заказчика (стоимость услуги по тарифам ТК);

  • – Возврат товара надлежащего качества возможен в случае, если сохранены его товарный вид, целостность упаковки, потребительские свойства. По вопросам возврата обращаться по адресу ул. Энтузиастов, 12 оф. 105 с ПН-ПТ с 12.00-17.00

Источник: http://nix-chel.ru/news/robot_BRETT_uchitsya_metodom_prob_i_oshibok.html

Ссылка на основную публикацию