first commit

SmartRep/attachments/тг_чат/_extracted.txt

@@ -0,0 +1,374 @@
+[2025-07-25T11:14] Владимир Устенко:
+SmartRep: ИИ-контроль техники упражнений в спортзале на смартфоне (Предполагаемое название гранта:)
+
+Описание идеи гранта:
+
+Проект SmartRep направлен на разработку мобильного приложения с использованием технологий компьютерного зрения и нейросетей для анализа техники выполнения упражнений в реальном времени. Приложение будет работать автономно на смартфоне — без подключения к внешним датчикам или облачным сервисам — и предназначено для использования в спортзале.
+
+Основная идея: пользователь устанавливает смартфон напротив тренажёра (фронтально или сбоку), камера фиксирует выполнение упражнения, а ИИ-модель, запущенная локально, анализирует ключевые точки тела и оценивает правильность техники. В случае ошибок в движении приложение мгновенно подаёт сигналы (вибрация, звук, сообщение на экране) с комментариями: например, «Спина округляется» или «Слишком низкий присед».
+
+Проект имеет следующие особенности:
+
+* Локальная работа на телефоне: используются оптимизированные, легковесные нейросети, способные работать без подключения к интернету;
+* Контроль амплитуды и стабильности: система анализирует траекторию суставов, оценивает включение целевых мышц, стабильность осанки и плавность движения;
+* Обратная связь в реальном времени: минимизирует риск травм и помогает улучшить технику;
+* Обучение модели на размеченных данных: сравнение правильных и ошибочных техник, а также идентификация компенсаторных движений;
+* Масштабируемость: возможность добавления новых упражнений, персонализации тренировок и использования в домашних условиях.
+
+Ценность проекта:
+
+* Технологическая новизна: real-time анализ CV без внешнего оборудования.
+* Социальная значимость: доступность ИИ-наставника без необходимости трат на персонального тренера.
+* Повышение безопасности тренировок.
+* Потенциал коммерциализации и масштабирования в международном сегменте фитнеса и digital-health..
+---
+[2025-07-25T13:43] Владимир Устенко:
+Исходник Ярослава
+---
+[2025-07-26T10:01] Богдан Павленко:
+🎮 Парень навайбкодил файтинг, где вместо геймпада — его тело.
+
+Вместо обычный игры на геймпаде тут нужно махать руками перед камерой, которая отслеживает движения. Так персонаж повторяет все движения игрока 😮
+
+Практически всё сделали нейросети: 
+— Claude Opus спроектировал технологию;
+— Claude Sonnet написал код;
+— GitHub Copilot помог собрать готовую программу.
+
+Пока работает только в Tekken, в котором за каждую конечность отвечает отдельная кнопка.
+
+• Источник
+
+@aiaiai
+---
+[2025-09-18T22:32] Владимир Устенко:
+Сравнительная таблица трех видов грантов. 119 самый оптимальный
+---
+[2025-09-18T22:33] Владимир Устенко:
+Тема: ИИ-контроль техники упражнений в спортзале
+
+Краткое описание проекта: Проект направлен на разработку и исследование методов компьютерного зрения и нейросетевых алгоритмов для автоматизированного анализа техники выполнения силовых и функциональных упражнений. Главная цель — создание оптимизированной модели ИИ, способной в реальном времени анализировать видеопоток и выявлять ошибки техники движений. Особое внимание уделяется алгоритмической эффективности: разработанные методы должны работать корректно даже на устройствах с ограниченными вычислительными ресурсами (например, смартфонах), без использования внешних сенсоров или облачных сервисов.
+
+Ожидаемые результаты от реализации проекта:  
+1) Научная новизна: новые методы анализа позы и траекторий движений в реальном времени, адаптированные под низкую вычислительную сложность.  
+2) Повышение безопасности тренировок: своевременное выявление ошибок техники и контроль биомеханической стабильности.   
+3)Социальная значимость: возможность использования интеллектуальных методов контроля без затрат на оборудование и тренеров.   
+4) Контроль биомеханических параметров: отслеживание амплитуды движений, траектории суставов, вовлечения целевых мышц и осанки.  
+5) Валидация и обучение: формирование датасетов с правильными и ошибочными техниками, включая компенсаторные движения, для обучения и тестирования модели.
+---
+[2025-09-18T22:35] Yaroslav Pikalyov:
+120 оптимальный, тише едешь, дальше будешь
+---
+[2025-09-18T22:40] Владимир Устенко:
+120.pdf – «Малые научные группы»
+---
+[2025-10-20T16:15] Владимир Устенко:
+@ya_pikalyov
+---
+[2025-10-20T16:15] Владимир Устенко:
+@holyBogdan
+---
+[2025-10-21T10:34] Владимир Устенко:
+Даже чат бот за 3 вариант
+---
+[2025-10-21T11:31] Yaroslav Pikalyov:
+https://navigator.sk.ru/orn/1125924
+---
+[2025-10-21T11:50] Владимир Устенко:
+https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing
+---
+[2025-10-21T11:59] Yaroslav Pikalyov:
+https://docs.google.com/document/d/12rsE3o6EXnAmRNH_AZUOQ5qelLmFHhpD-RylEW2G6UQ/edit?usp=sharing
+---
+[2025-10-21T13:34] Владимир Устенко:
+Трицепс
+---
+[2025-10-21T13:35] Владимир Устенко:
+Бицепс
+---
+[2025-10-21T13:36] Богдан Павленко:
+группа мышц спина, немного трицепс
+---
+[2025-10-21T13:36] Владимир Устенко:
+Спина (гиперэкстензия)
+---
+[2025-10-21T13:38] Богдан Павленко:
+или спина вот:
+---
+[2025-10-21T13:56] Yaroslav Pikalyov:
+Для решения обозначенных научных и технических проблем в проекте SmartRep предусмотрен комплексный подход, сочетающий методы компьютерного зрения, адаптивного машинного обучения и биомеханического моделирования. Индивидуальные различия пользователей по пропорциям тела и подвижности суставов планируется компенсировать за счёт калибровки антропометрических параметров в начальной фазе работы приложения, позволяющей автоматически масштабировать эталонные углы и амплитуды движений. Неоднозначность визуальных данных и влияние ракурса устраняются с помощью обучения нейросетевых моделей на синтетических данных, сгенерированных под различными углами обзора и условиями освещения, а также применения моделей позового детектирования с механизмом пространственного сглаживания ключевых точек. Проблема нехватки размеченных примеров решается за счёт полусупервизорного обучения, дополнения данных (data augmentation) и использования смежных наборов (Human3.6M, COCO-Pose и др.). Формализация понятия «правильности техники» достигается объединением статистических признаков с нечёткой логикой, где экспертные правила тренеров переводятся в математическую форму через интервалы допустимых углов и скоростей движения. Персонализация анализа обеспечивается внедрением механизма самообучения модели на данных конкретного пользователя и учётом его возраста, пола и уровня подготовки. Для работы на мобильных устройствах предусмотрена разработка облегченной модели с квантизацией и оптимизацией inference.
+---
+[2025-10-21T13:56] Yaroslav Pikalyov:
+Персонализация анализа обеспечивается внедрением механизма самообучения модели на данных конкретного пользователя и учётом его возраста, пола и уровня подготовки. 
+
+Это под вопросом
+---
+[2025-10-21T14:49] Yaroslav Pikalyov:
+Научной и методологической основой проекта SmartRep является развитие идей, реализованных в работах Д.Г. Арсеньева, М.А. Шалуховой и А.Е. Мисника, посвящённых интеллектуальным системам поддержки принятия решений в спорте и реабилитации. В указанных исследованиях (ИММВ-2024; Вестн. СамГТУ, 2024; Musculus.app) разработана архитектура СППР, включающая модули компьютерного зрения, цифрового двойника спортсмена, онтологической базы знаний и нейро-нечёткой логики для персонализации тренировочного процесса и прогнозирования риска травм. Проект SmartRep развивает данный подход, адаптируя его к условиям массового фитнеса и работе на мобильных устройствах: система использует лёгкие модели компьютерного зрения для анализа техники упражнений, формализует тренерские критерии через нечёткие правила и реализует индивидуализацию рекомендаций с учётом пола, возраста и уровня подготовки пользователя.
+---
+[2025-10-21T14:50] Владимир Устенко:
+https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing
+Написал ограничения в самом низу
+---
+[2025-10-21T15:04] Богдан Павленко:
+https://openreview.net/pdf/061d45c5db0c11ad5dd49cd9a1afa6482d4a9aed.pdf?utm_source=chatgpt.com
+---
+[2025-10-21T15:10] Богдан Павленко:
+Большой обзор по теме
+---
+[2025-10-21T15:45] Владимир Устенко:
+https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?tab=t.0
+---
+[2025-10-21T17:09] Yaroslav Pikalyov:
+1. Разработка интеллектуальной системы анализа техники выполнения физических упражнений для улучшения и поддержания физической формы на основе технологий компьютерного зрения.
+
+
+2. Разработка программного комплекса SmartRep для автоматизированного контроля правильности выполнения физических упражнений с использованием технологий искусственного интеллекта.
+
+
+3. Разработка системы компьютерного зрения для оценки корректности выполнения упражнений с отягощениями и на тренажёрах, направленных на поддержание физической формы.
+
+
+4. Разработка интеллектуальной системы визуального анализа движений человека при выполнении физических упражнений в фитнес-зале.
+
+
+5. Разработка нейро-нечёткой системы анализа и контроля техники выполнения упражнений для повышения эффективности тренировок и предотвращения травм.
+---
+[2025-10-21T17:12] Yaroslav Pikalyov:
+Ну или свой вариант предложите
+---
+[2025-10-21T17:19] Yaroslav Pikalyov:
+https://chatgpt.com/share/68f79679-e8a4-8009-9842-191b431a4ca9
+---
+[2025-10-22T03:18] Yaroslav Pikalyov:
+Современные подходы к контролю техники выполнения физических упражнений в фитнес-центрах и спортивных залах в значительной степени зависят от квалификации тренера и субъективной визуальной оценки. При этом качество выполнения движений напрямую влияет на эффективность тренировочного процесса и уровень травматизма. Отсутствие доступных и объективных инструментов анализа движений вне профессиональных лабораторных условий делает невозможным системный контроль техники для широкого круга пользователей, занимающихся самостоятельно или с минимальным контролем тренера.
+Цель проекта заключается в разработке интеллектуальной системы анализа и контроля техники выполнения упражнений с использованием технологий компьютерного зрения и искусственного интеллекта, реализованной в виде мобильного приложения. Система обеспечивает автоматическую оценку правильности выполнения базовых упражнений на тренажёрах и со свободными весами с помощью видеозаписи, получаемой с камеры смартфона, без необходимости использования дополнительных сенсоров и специализированного оборудования.
+Проект решает актуальную научно-техническую задачу — повышение точности и объективности оценки движений человека в неконтролируемых условиях съёмки (вариации углов, освещения, масштаба и позы) при минимальных вычислительных ресурсах (edge-устройства). В основе системы лежит модуль компьютерного зрения, выделяющий ключевые точки скелета человека на видео, и аналитический модуль, который на основе геометрических взаимосвязей между суставами вычисляет углы и динамические параметры движения.
+Дополнительно в системе применяется нейро-нечёткий модуль принятия решений, формирующий экспертные правила интерпретации данных: система не только фиксирует отклонения в траектории, но и классифицирует типичные ошибки техники, формируя рекомендации по их исправлению. Такой подход позволяет объединить преимущества статистического обучения и знаний, формализованных в виде лингвистических правил.
+Научная новизна проекта заключается в разработке метода анализа биомеханических паттернов упражнений на основе визуальных данных и нечеткой логики, обеспечивающего интерпретируемость и адаптивность модели к индивидуальным особенностям пользователя, а также работающий в режиме реального времени на мобильных устройствах. В отличие от существующих коммерческих решений, основанных на жёстких шаблонах поз, система SmartRep способна учитывать вариативность техники, зависимость угловых характеристик от антропометрических данных и плавно адаптировать критерии оценки под конкретного пользователя.
+Научная занчимость заключается в:
+- повышении объективности и точности оценки техники движений;
+- расширении научных представлений о применении методов ИИ в спортивной биомеханике;
+- формировании базы знаний и алгоритмических решений, применимые в других областях (реабилитация, эргономика, медицина труда).
+---
+[2025-10-22T03:18] Yaroslav Pikalyov:
+#annotation_project_old
+---
+[2025-10-22T03:34] Yaroslav Pikalyov:
+@u_Vova @holyBogdan нужны сканы РИДов
+---
+[2025-10-22T03:49] Yaroslav Pikalyov:
+У Натальи Николаевны узнать нужно гос регистр номера и года проведения:
+
+1) Разработка научно-теоретических основ создания роботизированных компьютерно-аппаратно-механических комплексов, способных к восприятию и переработке звуковой, сетевой, визуальной и речевой информации;
+
+
+2. Разработка методов распознавания слитно произнесённых фраз на основе пофонемного анализа речи
+---
+[2025-10-22T03:54] Yaroslav Pikalyov:
+Вроде такого, ток ещё годы нужны начала и конца «Исследование и разработка методов семантического анализа и интерпретации потоков данных интеллектктуальнымисистемами», № госрегистрации 0118D000003, УтУтверждена приказом Министерства образования и науки ДНР № 1272от 27.11.2017
+---
+[2025-10-22T09:11] Yaroslav Pikalyov:
+@u_Vova @holyBogdan сколько статей и тезисов тоже напишите
+---
+[2025-10-22T09:11] Yaroslav Pikalyov:
+Угарнул с Владимира, в графе соответствие кадрового состава написал "Соответствуют" 😭
+---
+[2025-10-22T09:16] Yaroslav Pikalyov:
+@u_Vova можете, если хотите редактировать в форме там...
+Я если что засейвил
+---
+[2025-10-22T09:16] Yaroslav Pikalyov:
+Вот
+---
+[2025-10-22T09:20] Yaroslav Pikalyov:
+Из списка необходимого оборудования вычеркните доп станцию машинного обучения, я забыл что здесь бюджет ограничен
+---
+[2025-10-22T10:03] Богдан Павленко:
+Года проведения этих тем? Или чем являются эти 2 пункта?
+---
+[2025-10-22T10:08] Yaroslav Pikalyov:
+Что тут непонятного
+---
+[2025-10-22T10:09] Yaroslav Pikalyov:
+И год начала и конца каждой
+---
+[2025-10-22T10:37] Владимир Устенко:
+5 тезисов 2 статьи
+---
+[2025-10-22T10:40] Богдан Павленко:
+3 статьи, 3 тезисов
+---
+[2025-10-22T15:26] Владимир Устенко:
+Методы и подходы для пункта 4.6
+---
+[2025-10-22T15:34] Yaroslav Pikalyov:
+Научный коллектив проекта располагает подтверждённым заделом в области искусственного интеллекта, машинного обучения и компьютерного зрения, сформированным в рамках выполнения фундаментальной НИР ФГБНУ «ИПИИ» (код FREN-2024-0002, № госрегистрации 124061400003-5) «Извлечение семантической информации из изображений для автономных систем навигации беспилотных летательных аппаратов» (2024 – 2026 гг.).
+
+В ходе исследований разработаны:
+– методика формирования сбалансированных аннотированных наборов данных для задач распознавания объектов и построения семантических графов сцен;
+– архитектуры нейронных сетей для обнаружения объектов в реальном времени и перекрёстной геолокализации по данным БПЛА и спутников;
+– инструментарий для автоматизированного аннотирования данных и интерпретации мультимодальных потоков информации;
+– методы построения триплетных моделей распознавания и генерации графов сцен, применимые в системах автономной навигации и распознавания действий человека.
+
+Коллектив имеет опыт выполнения НИР в области анализа изображений, распознавания речи и семантической интерпретации данных. Результаты отражены в публикациях в изданиях РИНЦ, Scopus, WOS и включают работы по разработке методов классификации изображений, языковых моделей, распознавания слитной речи и автоматической генерации транскрипций.
+
+Ключевые публикации:
+– Пикалёв Я. С., Ермоленко Т. В. On the Issue of Continuous Speech Recognition // Integral Robot Technologies and Speech Behavior. – 2024. – P. 155–180. ISBN 1-5275-5436-8.
+– Bondarchuk V. V., Kravchenko N. M., Pikalyov Ya. S. Indirect Criteria Algorithm for the Control of a Cognitive Neural Network // Practice Oriented Science: UAE – Russia – India. – 2024. – DOI 10.34660/INF.2024.32.41.030.
+– Пикалёв Я. С., Ермоленко Т. В. Система автоматического распознавания слитной русской речи на основе глубоких нейросетей // Речевые технологии. – 2021. – № 1–2. – С. 3–18.
+
+– Бондаренко В. И., Ермоленко Т. В. Анализ эффективности глубоких языковых моделей для задачи определения тональности русскоязычных текстов // Проблемы искусственного интеллекта. – 2024. – № 1(32). – С. 51–62.
+
+Имеются результаты интеллектуальной деятельности:
+– № 2024692488 — Программный комплекс для аннотирования данных (Устенко В. Ю.);
+– № 2024693206 — Программный комплекс для автоматизированного сбора аэрофотоснимков (Павленко Б. В.).
+
+Научный коллектив регулярно представляет результаты на международных конференциях «Искусственный интеллект: теоретические аспекты и практическое применение» (2020 – 2024) и «Донецкие чтения» (2017 – 2024), что способствует укреплению научной школы ФГБНУ «ИПИИ» в области ИИ.
+
+
+Совокупность накопленных теоретических и практических результатов — в том числе методов распознавания образов, мультимодальной интеграции и разработки нейронных архитектур — обеспечивает высокий уровень готовности к реализации проекта SmartRep, направленного на применение технологий компьютерного зрения и нечёткой логики для анализа движений человека.
+---
+[2025-10-22T15:35] Yaroslav Pikalyov:
+Научный коллектив проекта имеет большой опыт реализации научных проектов, связанных с разработкой
+специализированного программного обеспечения с применением математического моделирования для
+промышленного производства. Основные результаты по данной тематике отражены в публикациях [1-7].
+Применение методов машинного обучения в задачах управления и принятия решений в хозяйственной деятельности и
+медицине отражено в работах членов научного коллектива [8-9], [15-18]. В рамках этих исследований разработаны
+предсказательные модели энергопотребления на предприятиях угольной промышленности, использующие
+автокорреляционные методы, модели оценки вероятности появления ДТП, основанные на методах машинного
+обучения, обоснован метод, использующий ResNet и API-Net, для классификации товаров, имеющих похожие упаковки.
+Авторами проекта разработана методика обработки и структурирования данных фондового рынка для использования
+прогностических моделей машинного обучения
+Задел коллектива проекта в направлении тематики технического зрения и распознавания изображений в режиме
+реального времени отражен, в частности, в публикациях [13-14], [17, 20,21]. Исследованы возможности использования
+глубоких нейронных сетей для задачи классификации изображений на устройствах с ограниченной вычислительной
+мощностью.
+Также авторами проекта ведется активная работа в области применения искусственного интеллекта, глубокого
+обучения в задачах обработки естественного языка [10-12] и распознавания речи [19, 22].
+Научный коллектив имеет опыт организации и проведения научных мероприятий: международных научных
+конференций "Донецкие чтения: образование, наука, инновации, культура и вызовы современности" (2017-2024);
+международных научных круглых столов "Искусственный интеллект: теоретические аспекты, практическое
+применение" (2020-2024).
+Заявка № 25-21-20602 Страница 22 из 27
+Список источников:
+1. Бондаренко В.И. Программная система для моделирования процесса тепломассопереноса при разливке и
+затвердевании стали / В.И. Бондаренко // Вестник Донецкого национального университета. Серия А. Естественные
+науки. – 2009. – № 2. – С. 103-110.
+2. Программный продукт «Математическое моделирование гидродинамических и теплообменных процессов в
+стальных слитках» / Ф.В. Недопекин, В.В. Белоусов, В.И. Бондаренко, В.М. Кондратенко. – Украина: Свидетельство о
+регистрации авторского права на произведение №47898, 2013.
+3. Бондаренко В.И. Математическое обеспечение и компьютерные технологии для моделирования гидродинамических
+и теплофизических процессов в металлургии: Монография / В.И. Бондаренко, В.Ф. Комаров, Ф.В. Недопекин, В.М.
+Мелихов, В.В. Белоусов. – Донецк: Юго-Восток, 2013. – 210 с.
+4. Bondarenko V.I. Visualization of Process of Wheel Steel High Ingots Simulation / V.I. Bondarenko, V. V Bodryaga, F. V
+Nedopekin, V. V Belousov // IOP Conference Series: Materials Science and Engineering. – 2017. – Т. 287.
+5. Bondarenko V.I. Using MVC pattern in the software development to simulate production of high cylindrical steel ingots / V.I.
+Bondarenko, V.V. Bilousov, F.V. Nedopekin, V.V. Bodriaha, L.V. Antropova // Journal of Crystal Growth. – 2019. – Т. 526. – С.
+125240.
+6. Винник А.О. Программный комплекс мониторинга энергопотребления на предприятиях угольной промышленности /
+А.О. Винник, А.-А.М. Мартыненко, В.И. Бондаренко // Вестник Донецкого национального университета. Серия Г.
+Технические науки. – 2021. – № 2. – С. 33-38.
+7. Бондаренко В.И. Разработка и реализация макета бионического протеза кисти руки / В.И. Бондаренко, А.И.
+Горбатенкова // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2022. – № 4. – С. 27-
+32.
+8. Беспалова С.В. Построение регрессионных моделей режимов работы водораспределительных сетей с помощью
+методов регуляризации и анализа главных компонент / С.В. Беспалова, С.М. Романчук, Т.В. Ермоленко, В.И. Бондаренко
+// Информатика и кибернетика. – 2019. – Т. 2 (16). – С. 35-49.
+9. Беспалова С.В. Построение предсказательных моделей параметров давления воды в водораспределительных сетях с
+---
+[2025-10-22T15:35] Yaroslav Pikalyov:
+помощью методов машинного обучения / С.В. Беспалова, С.М. Романчук, Т.В. Ермоленко, В.И. Бондаренко // Проблемы
+искусственного интеллекта. – 2019. – Т. 2(13). – С. 24-38.
+10. Бондаренко В.И. Классификация научных текстов с помощью методов глубокого машинного обучения / В.И.
+Бондаренко // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2021. – № 3. – С. 69-
+77.
+11. Ермоленко Т.В. Разработка алгоритмов и языковых моделей для мультиязычной системы автоматического
+аннотирования текстов разных жанров / Т.В. Ермоленко, В.И. Бондаренко, Я.C. Пикалёв // Вестник Донецкого
+национального университета. Серия Г. Технические науки. – 2023. – № 2. – С. 22-42.
+12. Бондаренко В.И. Анализ эффективности глубоких языковых моделей для задачи определения тональности
+русскоязычных текстов / В.И. Бондаренко, В.О. Елисеев, Т.В. Ермоленко // Проблемы искусственного интеллекта. –
+2024. – № 1 (32). – С. 51-62.
+13. Павленко Б.В. Использование модели YOLO в современных задачах распознавания в реальном времени на примере
+военной и космической отраслей / Б.В. Павленко, В.И. Бондаренко, А.-А.М. Мартыненко // Вестник Донецкого
+государственного университета. Серия Г: Технические Науки. – 2023. – № 4. – С. 55-65.
+14. Бондаренко В.И. Применение методов глубокого обучения для повышения качества изображения / В.И.
+Бондаренко, А.В. Федчук // Вестник Донецкого национального университета. Серия Г. Технические науки. – 2022. – №
+4. – С. 39-44.
+15. Ермоленко Т.В. Исследование эффективности предсказательных моделей для системы анализа и мониторинга
+энергопотребления на предприятиях угольной промышленности / Т.В. Ермоленко, В.Н. Котенко, А.О. Винник А.О. //
+Проблемы искусственного интеллекта. 2022. № 4 (27). С. 25-34.
+16. Конончук Э.В. Модели машинного обучения для оценки вероятности появления ДТП и его серьезности / Э.В.
+Конончук. Т.В. Ермоленко Т.В., Т.О. Шишунов // Проблемы искусственного интеллекта. 2022. № 1 (24). С. 4-12.
+17. Ермоленко Т.В. Анализ эффективности архитектур глубоких нейросетей для классификации изображении товаров /
+Т.В. Ермоленко, И.Е. Самородский // Проблемы искусственного интеллекта. 2022. № 1 (24). С. 54-64.
+18. Ермоленко Т.В. Классификация аномалий сердцебиения с помощью глубокого обучения / Т.В. Ермоленко, Д.В. Ролик
+// Проблемы искусственного интеллекта. 2022. № 1 (24). С. 40-53.
+19. Ермоленко Т.В. Система автоматического распознавания слитной русской речи на основе глубоких нейросетей /
+Т.В. Ермоленко, Я.С. Пикалёв // Речевые технологии. 2021. № 1-2. С. 3-18.
+20. Пикалёв Я.С. О нейронных архитектурах извлечения признаков для задачи распознавания объектов на устройствах с
+Заявка № 25-21-20602 Страница 23 из 27
+ограниченной вычислительной мощностью // Я.С. Пикалёв, Т.В. Ермоленко // Проблемы искусственного интеллекта.
+2023. № 3 (30). С. 44-54.
+21. Pikalyov Ya.S. About neural architectures of feature extraction for the problem of object 1 recognition for the problem of
+object recognition on devices with limited computing power / Ya.S. Pikalyov, T.V. Yermolenko // Вестник Томского
+государственного университета. Математика и механика. 2023. № 3. С. 30.
+22. Pikalyov, Ya. Chapter Five. On the Issue of Continuous Speech Recognition / Yaroslav Pikalyov, Tatyana Yermolenko //
+Integral Robot Technologies and Speech Behavior. – 2024. – P. 155-180.
+---
+[2025-10-22T15:43] Богдан Павленко:
++ к разработанному в ходе исследований можно добавить: 
+Структура метаданных сегментов карт навигации дрона
+---
+[2025-10-23T14:01] Владимир Устенко:
+https://docs.google.com/document/d/1w2ryNwSpPc_6_H6vMxsKF9oTdwE6rcOEc36ZMesZ25E/edit?usp=sharing
+---
+[2025-10-23T14:16] Владимир Устенко:
+33. Устенко, В. Ю. Сравнение стратегий мозаичной аугментации для оценки угла крена беспилотника по изображению с камеры [Текст] / В. Ю. Устенко, Б. В. Павленко // XVIII Всероссийская мультиконференция по проблемам управления (МКПУ–2025) : материалы мультиконференции (Тула, 15 сентября – 20 сентября 2025 г.) : в 4 т. Т. 1 Робототехника и мехатроника (РиМ – 2025) / под ред. академика РАН Ф.Л. Черноусько. — Тула : Изд-во ТулГУ, 2025. — 300 с. – С. 271-0273. – ISBN 978-5-7679-5716-3, ISBN 978-5-7679-5709-5 (Т. 1)
+---
+[2025-10-23T14:16] Владимир Устенко:
+ТУла
+---
+[2026-03-27T16:03] Yaroslav Pikalyov:
+🌟 Kimodo: диффузионная модель для генерации 3D-движений людей.
+
+NVIDIA выложила в открытый доступ проект Kimodo - генеративную модель на основе диффузии, которая создает реалистичные трехмерные движения для человеческих и робототехнических скелетов.
+
+Kimodo принимает на вход текстовые промпты и ключевые позы всего тела, позиции и вращения конечностей, двухмерные пути и контрольные точки. Это позволяет точно управлять генерацией: от общего описания наподобие "персонаж идет и садится на стул" до детального контроля положения рук и ног в кадрах.
+
+Всего доступно 5 вариантов модели для 3 типов скелетов: SOMA, SMPL-X и Unitree G1. Первые два ориентированы на анимацию аватаров, третий - на робота Unitree G1.
+
+Модели, обученные на полном датасете Bones Rigplay 1 (700 часов), NVIDIA рекомендует как основные рабочие.
+
+Варианты на сете BONES-SEED (288 часов) предназначены для бенчмаркинга и сравнения с собственными разработками.
+
+Для работы с Kimodo предусмотрены 3 интерфейса:
+
+🟢Интерактивное веб-демо с таймлайн-редактором;
+🟢CLI-утилита для пакетной генерации;
+🟢Python API для тонкой настройки .
+
+Под инференс потребуется около 17 ГБ видеопамяти, модели запускали на RTX 3090, RTX 4090 и NVIDIA A100.
+
+🟡 Интеграция с робототехническим стеком NVIDIA.
+
+ProtoMotions позволяет брать сгенерированные движения и обучать на них физически корректные политики управления в GPU-ускоренной симуляции — как для аватаров, так и для Unitree G1.
+
+Через General Motion Retargeting движения, созданные на скелете SMPL-X, можно перенести на произвольных роботов.
+
+
+📌Лицензирование:
+
+Код проекта под Apache 2.0, большинство моделей под NVIDIA Open Model License.
+
+Вариант SMPL-X имеет более ограниченную NVIDIA R&D Model License, она допускает только исследовательское применение.
+
+🟡Набор моделей
+🟡Техотчет
+🖥Github
+
+
+@ai_machinelearning_big_data
+
+#AI #ML #Robotics #Kimodo #NVIDIA
+---

SmartRep/attachments/тг_чат/css/style.css

@@ -0,0 +1,752 @@
+body {
+    margin: 0;
+    font: 12px/18px 'Open Sans',"Lucida Grande","Lucida Sans Unicode",Arial,Helvetica,Verdana,sans-serif;
+}
+strong {
+    font-weight: 700;
+}
+code, kbd, pre, samp {
+    font-family: Menlo,Monaco,Consolas,"Courier New",monospace;
+}
+code {
+    padding: 2px 4px;
+    font-size: 90%;
+    color: #c7254e;
+    background-color: #f9f2f4;
+    border-radius: 4px;
+}
+pre {
+    display: block;
+    margin: 0;
+    line-height: 1.42857143;
+    word-break: break-all;
+    word-wrap: break-word;
+    color: #333;
+    background-color: #f5f5f5;
+    border-radius: 4px;
+    overflow: auto;
+    padding: 3px;
+    border: 1px solid #eee;
+    max-height: none;
+    font-size: inherit;
+}
+.clearfix:after {
+    content: " ";
+    visibility: hidden;
+    display: block;
+    height: 0;
+    clear: both;
+}
+.pull_left {
+    float: left;
+}
+.pull_right {
+    float: right;
+}
+.page_wrap {
+    background-color: #ffffff;
+    color: #000000;
+}
+.page_wrap a {
+    color: #168acd;
+    text-decoration: none;
+}
+.page_wrap a:hover {
+    text-decoration: underline;
+}
+.page_header {
+    position: fixed;
+    z-index: 10;
+    background-color: #ffffff;
+    width: 100%;
+    border-bottom: 1px solid #e3e6e8;
+}
+.page_header .content {
+    width: 480px;
+    margin: 0 auto;
+    border-radius: 0 !important;
+}
+.page_header a.content {
+    background-repeat: no-repeat;
+    background-position: 24px 21px;
+    background-size: 24px 24px;
+}
+.bold {
+    color: #212121;
+    font-weight: 700;
+}
+.details {
+    color: #70777b;
+}
+.page_header .content .text {
+    padding: 24px 24px 22px 24px;
+    font-size: 22px;
+    overflow: hidden;
+    text-overflow: ellipsis;
+    white-space: nowrap;
+}
+.page_header a.content .text {
+    padding: 24px 24px 22px 82px;
+}
+.page_body {
+    padding-top: 64px;
+    width: 480px;
+    margin: 0 auto;
+}
+.page_about {
+    padding: 24px 24px;
+}
+.with_divider {
+    border-top: 1px solid #e3e6e8;
+}
+.userpic_link {
+    display: block;
+    text-decoration: none;
+}
+.userpic_link:hover {
+    text-decoration: none;
+}
+.userpic {
+    display: block;
+    border-radius: 50%;
+    overflow: hidden;
+}
+.story {
+    display: block;
+    border-radius: 4px;
+    overflow: hidden;
+}
+.userpic .initials {
+    display: block;
+    color: #fff;
+    text-align: center;
+    text-transform: uppercase;
+    user-select: none;
+}
+.color_red,
+.userpic1,
+.media_call .fill,
+.media_file .fill,
+.media_live_location .fill {
+    background-color: #ff5555;
+}
+.color_green,
+.userpic2,
+.media_call.success .fill,
+.media_photo .fill {
+    background-color: #64bf47;
+}
+.color_yellow,
+.userpic3,
+.media_venue .fill {
+    background-color: #ffab00;
+}
+.color_blue,
+.userpic4,
+.media_audio_file .fill,
+.media_voice_message .fill {
+    background-color: #4f9cd9;
+}
+.color_purple,
+.userpic5,
+.media_game .fill {
+    background-color: #9884e8;
+}
+.color_pink,
+.userpic6,
+.media_invoice .fill {
+    background-color: #e671a5;
+}
+.color_sea,
+.userpic7,
+.media_location .fill,
+.media_video .fill {
+    background-color: #47bcd1;
+}
+.color_orange,
+.userpic8,
+.media_contact .fill {
+    background-color: #ff8c44;
+}
+.personal_info {
+    padding: 24px;
+}
+.personal_info .userpic .initials {
+    font-size: 30px;
+}
+.personal_info .rows {
+    float: left;
+    padding-right: 24px;
+}
+.personal_info .names {
+    width: 164px;
+}
+.personal_info .info {
+    width: 124px;
+}
+.personal_info .bio {
+    width: 400px;
+}
+.personal_info .row {
+    padding-bottom: 16px;
+}
+a.block_link {
+    display: block;
+    text-decoration: none !important;
+    border-radius: 4px;
+}
+a.block_link:hover {
+    text-decoration: none !important;
+    background-color: #f5f7f8;
+}
+a.expanded {
+    padding: 2px 8px;
+    margin: -2px -8px;
+}
+.sections {
+    padding: 11px 0;
+}
+.section {
+    height: 48px;
+    background-position: 24px 12px;
+    background-repeat: no-repeat;
+    background-size: 24px 24px;
+}
+.section .counter {
+    float: right;
+    padding: 14px 24px 0;
+    font-size: 15px;
+}
+.section .label {
+    padding: 15px 0 0 82px;
+    font-size: 15px;
+}
+.list_page .page_about {
+    padding: 16px 24px 0;
+    font-size: 11px;
+}
+.list_page .entry_list {
+    padding: 16px 0;
+}
+.list_page .entry {
+    padding: 10px 16px;
+}
+.list_page .entry .userpic .initials {
+    font-size: 18px;
+}
+.list_page .entry .body {
+    margin-left: 66px;
+}
+.list_page .entry .name {
+    padding: 4px 0 2px;
+    font-size: 14px;
+}
+.list_page .entry .subname {
+    padding-top: 4px;
+}
+.list_page .entry .details_entry {
+    padding-top: 4px;
+}
+.list_page .entry .info {
+    font-size: 11px;
+    padding-top: 5px;
+}
+.history {
+    padding: 16px 0;
+}
+.message {
+    margin: 0 -10px;
+    transition: background-color 2.0s ease;
+}
+div.selected {
+    background-color: rgba(242,246,250,255);
+    transition: background-color 0.5s ease;
+}
+.service {
+    padding: 10px 24px;
+}
+.service .body {
+    text-align: center;
+}
+.service .userpic_wrap {
+    padding-top: 10px;
+}
+.service .userpic {
+    margin: 0 auto;
+}
+.service .userpic .initials {
+    font-size: 24px;
+}
+.message .userpic .initials {
+    font-size: 16px;
+}
+.default {
+    padding: 10px;
+}
+.default.joined {
+    margin-top: -10px;
+}
+.default .from_name {
+    color: #3892db;
+    font-weight: 700;
+    padding-bottom: 5px;
+}
+.default .from_name .details {
+    font-weight: normal;
+}
+.default .body {
+    margin-left: 60px;
+}
+.default .text {
+    word-wrap: break-word;
+    line-height: 150%;
+    unicode-bidi: plaintext;
+    text-align: start;
+}
+.default .reply_to,
+.default .media_wrap {
+    padding-bottom: 5px;
+}
+.default .media {
+    margin: 0 -10px;
+    padding: 5px 10px;
+}
+.default .media .fill,
+.default .media .thumb {
+    width: 48px;
+    height: 48px;
+    border-radius: 50%;
+}
+.default .media .fill {
+    background-repeat: no-repeat;
+    background-position: 12px 12px;
+    background-size: 24px 24px;
+}
+.default .media .title,
+.default .media_poll .question {
+    padding-top: 4px;
+    font-size: 14px;
+}
+.default .media .description {
+    color: #000000;
+    padding-top: 4px;
+    font-size: 13px;
+}
+.default .media .status {
+    padding-top: 4px;
+    font-size: 13px;
+}
+.default .video_file_wrap,
+.default .animated_wrap {
+    position: relative;
+}
+.default .video_file,
+.default .animated,
+.default .photo,
+.default .sticker {
+    display: block;
+}
+.video_duration {
+    background: rgba(0, 0, 0, .4);
+    padding: 0px 5px;
+    position: absolute;
+    z-index: 2;
+    border-radius: 2px;
+    right: 3px;
+    bottom: 3px;
+    color: #ffffff;
+    font-size: 11px;
+}
+.video_play_bg {
+    background: rgba(0, 0, 0, .4);
+    width: 40px;
+    height: 40px;
+    line-height: 0;
+    position: absolute;
+    z-index: 2;
+    border-radius: 50%;
+    overflow: hidden;
+    margin: -20px auto 0 -20px;
+    top: 50%;
+    left: 50%;
+    pointer-events: none;
+}
+.video_play {
+    position: absolute;
+    display: inline-block;
+    top: 50%;
+    left: 50%;
+    margin-left: -5px;
+    margin-top: -9px;
+    z-index: 1;
+    width: 0;
+    height: 0;
+    border-style: solid;
+    border-width: 9px 0 9px 14px;
+    border-color: transparent transparent transparent #fff;
+}
+.gif_play {
+    font-weight: 700;
+    color: #FFF;
+    display: block;
+    line-height: 40px;
+    font-size: 13px;
+    text-align: center;
+}
+.pagination {
+    text-align: center;
+    padding: 20px;
+    font-size: 16px;
+}
+
+.toast_container {
+    position: fixed;
+    left: 50%;
+    top: 50%;
+    opacity: 0;
+    transition: opacity 3.0s ease;
+}
+.toast_body {
+    margin: 0 -50%;
+    float: left;
+    border-radius: 15px;
+    padding: 10px 20px;
+    background: rgba(0, 0, 0, 0.7);
+    color: #ffffff;
+}
+div.toast_shown {
+    opacity: 1;
+    transition: opacity 0.4s ease;
+}
+
+.section.calls {
+    background-image: url(../images/section_calls.png);
+}
+.section.chats {
+    background-image: url(../images/section_chats.png);
+}
+.section.contacts {
+    background-image: url(../images/section_contacts.png);
+}
+.section.frequent {
+    background-image: url(../images/section_frequent.png);
+}
+.section.photos {
+    background-image: url(../images/section_photos.png);
+}
+.section.sessions {
+    background-image: url(../images/section_sessions.png);
+}
+.section.stories {
+    background-image: url(../images/section_stories.png);
+}
+.section.music {
+    background-image: url(../images/section_music.png);
+}
+.section.web {
+    background-image: url(../images/section_web.png);
+}
+.section.other {
+    background-image: url(../images/section_other.png)
+}
+.page_header a.content {
+    background-image: url(../images/back.png);
+}
+.media_call .fill {
+    background-image: url(../images/media_call.png)
+}
+.media_contact .fill {
+    background-image: url(../images/media_contact.png)
+}
+.media_file .fill {
+    background-image: url(../images/media_file.png)
+}
+.media_game .fill {
+    background-image: url(../images/media_game.png)
+}
+.media_live_location .fill,
+.media_location .fill,
+.media_venue .fill {
+    background-image: url(../images/media_location.png)
+}
+.media_audio_file .fill {
+    background-image: url(../images/media_music.png)
+}
+.media_invoice .fill {
+    background-image: url(../images/media_shop.png)
+}
+.media_voice_message .fill {
+    background-image: url(../images/media_voice.png)
+}
+.media_photo .fill {
+    background-image: url(../images/media_photo.png)
+}
+.media_video .fill {
+    background-image: url(../images/media_video.png)
+}
+.audio_icon {
+    width: 48px;
+    height: 48px;
+    border-radius: 50%;
+    background-color: #4f9cd9;
+    background-image: url(../images/media_music.png);
+    background-repeat: no-repeat;
+    background-position: 12px 12px;
+    background-size: 24px 24px;
+}
+
+@media only screen and (min--moz-device-pixel-ratio: 2), only screen and (-o-min-device-pixel-ratio: 2/1), only screen and (-webkit-min-device-pixel-ratio: 2), only screen and (min-device-pixel-ratio: 2) {
+.section.calls {
+    background-image: url(../images/section_calls@2x.png);
+}
+.section.chats {
+    background-image: url(../images/section_chats@2x.png);
+}
+.section.contacts {
+    background-image: url(../images/section_contacts@2x.png);
+}
+.section.frequent {
+    background-image: url(../images/section_frequent@2x.png);
+}
+.section.photos {
+    background-image: url(../images/section_photos@2x.png);
+}
+.section.sessions {
+    background-image: url(../images/section_sessions@2x.png);
+}
+.section.stories {
+    background-image: url(../images/section_stories@2x.png);
+}
+.section.music {
+    background-image: url(../images/section_music@2x.png);
+}
+.section.web {
+    background-image: url(../images/section_web@2x.png);
+}
+.section.other {
+    background-image: url(../images/section_other@2x.png);
+}
+.page_header a.content {
+    background-image: url(../images/back@2x.png);
+}
+.media_call .fill {
+    background-image: url(../images/media_call@2x.png)
+}
+.media_contact .fill {
+    background-image: url(../images/media_contact@2x.png)
+}
+.media_file .fill {
+    background-image: url(../images/media_file@2x.png)
+}
+.media_game .fill {
+    background-image: url(../images/media_game@2x.png)
+}
+.media_live_location .fill,
+.media_location .fill,
+.media_venue .fill {
+    background-image: url(../images/media_location@2x.png)
+}
+.media_audio_file .fill {
+    background-image: url(../images/media_music@2x.png)
+}
+.media_invoice .fill {
+    background-image: url(../images/media_shop@2x.png)
+}
+.media_voice_message .fill {
+    background-image: url(../images/media_voice@2x.png)
+}
+.media_photo .fill {
+    background-image: url(../images/media_photo@2x.png)
+}
+.media_video .fill {
+    background-image: url(../images/media_video@2x.png)
+}
+.audio_icon {
+    background-image: url(../images/media_music@2x.png);
+}
+}
+
+.spoiler {
+    background: #e8e8e8;
+}
+.spoiler.hidden {
+    background: #a9a9a9;
+    cursor: pointer;
+    border-radius: 3px;
+}
+.spoiler.hidden span {
+    opacity: 0;
+    user-select: none;
+}
+
+.bot_buttons_table {
+    border-spacing: 0px 2px;
+    width: 100%;
+}
+.bot_button {
+    border-radius: 8px;
+    text-align: center;
+    vertical-align: middle;
+    background-color: #168acd40;
+}
+.bot_button_row {
+    display: table;
+    table-layout: fixed;
+    padding: 0px;
+    width:100%;
+}
+.bot_button_row div {
+    display: table-cell;
+}
+.bot_button_column_separator {
+    width: 2px
+}
+
+.reactions {
+    margin: 5px 0;
+}
+
+.reactions .reaction {
+    display: inline-flex;
+    height: 20px;
+    border-radius: 15px;
+    background-color: #e8f5fc;
+    color: #168acd;
+    font-weight: bold;
+    margin-bottom: 5px;
+}
+
+.reactions .reaction.active {
+    background-color: #40a6e2;
+    color: #fff;
+}
+
+.reactions .reaction.paid {
+    background-color: #fdf6e1;
+    color: #c58523;
+}
+
+.reactions .reaction.active.paid {
+    background-color: #ecae0a;
+    color: #fdf6e1;
+}
+
+.reactions .reaction .emoji {
+    line-height: 20px;
+    margin: 0 5px;
+    font-size: 15px;
+}
+
+.reactions .reaction .userpic:not(:first-child) {
+    margin-left: -8px;
+}
+
+.reactions .reaction .userpic {
+    display: inline-block;
+}
+
+.reactions .reaction .userpic .initials {
+    font-size: 8px;
+}
+
+.reactions .reaction .count {
+    margin-right: 8px;
+    line-height: 20px;
+}
+
+@media (prefers-color-scheme: dark) {
+html, body {
+    background-color: #1a2026; /* groupCallBg */
+    margin: 0;
+    padding: 0;
+}
+.page_wrap {
+    background-color: #1a2026; /* groupCallBg */
+    color: #ffffff; /* groupCallMembersFg */
+    min-height: 100vh;
+}
+.page_wrap a {
+    color: #4db8ff; /* groupCallActiveFg */
+}
+.page_header {
+    background-color: #1a2026; /* groupCallBg */
+    border-bottom: 1px solid #2c333d; /* groupCallMembersBg */
+}
+.bold {
+    color: #ffffff; /* groupCallMembersFg */
+}
+.details {
+    color: #91979e; /* groupCallMemberNotJoinedStatus */
+}
+.page_body {
+    background-color: #1a2026; /* groupCallBg */
+}
+code {
+    color: #ff8aac; /* historyPeer6UserpicBg */
+    background-color: #2c333d; /* groupCallMembersBg */
+}
+pre {
+    color: #ffffff; /* groupCallMembersFg */
+    background-color: #2c333d; /* groupCallMembersBg */
+    border: 1px solid #323a45; /* groupCallMembersBgOver */
+}
+.with_divider {
+    border-top: 1px solid #2c333d; /* groupCallMembersBg */
+}
+a.block_link:hover {
+    background-color: #323a45; /* groupCallMembersBgOver */
+}
+.list_page .entry {
+    color: #ffffff; /* groupCallMembersFg */
+}
+.message {
+    color: #ffffff; /* groupCallMembersFg */
+}
+div.selected {
+    background-color: #323a45; /* groupCallMembersBgOver */
+}
+.default .from_name {
+    color: #4db8ff; /* groupCallActiveFg */
+}
+.default .media .description {
+    color: #ffffff; /* groupCallMembersFg */
+}
+msgInBg,
+.historyComposeAreaBg {
+    background-color: #2c333d; /* groupCallMembersBg */
+}
+msgOutBg {
+    background-color: #323a45; /* groupCallMembersBgOver */
+}
+msgInBgSelected {
+    background-color: #39424f; /* groupCallMembersBgRipple */
+}
+msgOutBgSelected {
+    background-color: #39424f; /* groupCallMembersBgRipple */
+}
+.spoiler {
+    background: #323a45; /* groupCallMembersBgOver */
+}
+.spoiler.hidden {
+    background: #61c0ff; /* groupCallMemberInactiveStatus */
+}
+.bot_button {
+    background-color: #4db8ff40; /* groupCallActiveFg with opacity */
+}
+.reactions .reaction {
+    background-color: #2c333d; /* groupCallMembersBg */
+    color: #4db8ff; /* groupCallActiveFg */
+}
+.reactions .reaction.active {
+    background-color: #4db8ff; /* groupCallActiveFg */
+    color: #1a2026; /* groupCallBg */
+}
+.reactions .reaction.paid {
+    background-color: #323a45; /* groupCallMembersBgOver */
+    color: #febb5b; /* historyPeer8UserpicBg */
+}
+.reactions .reaction.active.paid {
+    background-color: #febb5b; /* historyPeer8UserpicBg */
+    color: #1a2026; /* groupCallBg */
+}
+}

SmartRep/attachments/тг_чат/js/script.js

@@ -0,0 +1,211 @@
+"use strict";
+
+window.AllowBackFromHistory = false;
+function CheckLocation() {
+    var start = "#go_to_message";
+    var hash = location.hash;
+    if (hash.substr(0, start.length) == start) {
+        var messageId = parseInt(hash.substr(start.length));
+        if (messageId) {
+            GoToMessage(messageId);
+        }
+    } else if (hash == "#allow_back") {
+        window.AllowBackFromHistory = true;
+    }
+}
+
+function ShowToast(text) {
+    var container = document.createElement("div");
+    container.className = "toast_container";
+    var inner = container.appendChild(document.createElement("div"));
+    inner.className = "toast_body";
+    inner.appendChild(document.createTextNode(text));
+    var appended = document.body.appendChild(container);
+    setTimeout(function () {
+        AddClass(appended, "toast_shown");
+        setTimeout(function () {
+            RemoveClass(appended, "toast_shown");
+            setTimeout(function () {
+                document.body.removeChild(appended);
+            }, 3000);
+        }, 3000);
+    }, 0);
+}
+
+function ShowHashtag(tag) {
+    ShowToast("This is a hashtag '#" + tag + "' link.");
+    return false;
+}
+
+function ShowCashtag(tag) {
+    ShowToast("This is a cashtag '$" + tag + "' link.");
+    return false;
+}
+
+function ShowBotCommand(command) {
+    ShowToast("This is a bot command '/" + command + "' link.");
+    return false;
+}
+
+function ShowMentionName() {
+    ShowToast("This is a link to a user mentioned by name.");
+    return false;
+}
+
+function ShowNotLoadedEmoji() {
+    ShowToast("This custom emoji is not included, change data exporting settings to download.");
+    return false;
+}
+
+function ShowNotAvailableEmoji() {
+    ShowToast("This custom emoji is not available.");
+    return false;
+}
+
+function ShowTextCopied(content) {
+    navigator.clipboard.writeText(content);
+    ShowToast("Text copied to clipboard.");
+    return false;
+}
+
+function ShowSpoiler(target) {
+    if (target.classList.contains("hidden")) {
+        target.classList.toggle("hidden");
+    }
+}
+
+function AddClass(element, name) {
+    var current = element.className;
+    var expression = new RegExp('(^|\\s)' + name + '(\\s|$)', 'g');
+    if (expression.test(current)) {
+        return;
+    }
+    element.className = current + ' ' + name;
+}
+
+function RemoveClass(element, name) {
+    var current = element.className;
+    var expression = new RegExp('(^|\\s)' + name + '(\\s|$)', '');
+    var match = expression.exec(current);
+    while ((match = expression.exec(current)) != null) {
+        if (match[1].length > 0 && match[2].length > 0) {
+            current = current.substr(0, match.index + match[1].length)
+                + current.substr(match.index + match[0].length);
+        } else {
+            current = current.substr(0, match.index)
+                + current.substr(match.index + match[0].length);
+        }
+    }
+    element.className = current;
+}
+
+function EaseOutQuad(t) {
+    return t * t;
+}
+
+function EaseInOutQuad(t) {
+    return (t < 0.5) ? (2 * t * t) : ((4 - 2 * t) * t - 1);
+}
+
+function ScrollHeight() {
+    if ("innerHeight" in window) {
+        return window.innerHeight;
+    } else if (document.documentElement) {
+        return document.documentElement.clientHeight;
+    }
+    return document.body.clientHeight;
+}
+
+function ScrollTo(top, callback) {
+    var html = document.documentElement;
+    var current = html.scrollTop;
+    var delta = top - current;
+    var finish = function () {
+        html.scrollTop = top;
+        if (callback) {
+            callback();
+        }
+    };
+    if (!window.performance.now || delta == 0) {
+        finish();
+        return;
+    }
+    var transition = EaseOutQuad;
+    var max = 300;
+    if (delta < -max) {
+        current = top + max;
+        delta = -max;
+    } else if (delta > max) {
+        current = top - max;
+        delta = max;
+    } else {
+        transition = EaseInOutQuad;
+    }
+    var duration = 150;
+    var interval = 7;
+    var time = window.performance.now();
+    var animate = function () {
+        var now = window.performance.now();
+        if (now >= time + duration) {
+            finish();
+            return;
+        }
+        var dt = (now - time) / duration;
+        html.scrollTop = Math.round(current + delta * transition(dt));
+        setTimeout(animate, interval);
+    };
+    setTimeout(animate, interval);
+}
+
+function ScrollToElement(element, callback) {
+    var header = document.getElementsByClassName("page_header")[0];
+    var headerHeight = header.offsetHeight;
+    var html = document.documentElement;
+    var scrollHeight = ScrollHeight();
+    var available = scrollHeight - headerHeight;
+    var padding = 10;
+    var top = element.offsetTop;
+    var height = element.offsetHeight;
+    var desired = top
+        - Math.max((available - height) / 2, padding)
+        - headerHeight;
+    var scrollTopMax = html.offsetHeight - scrollHeight;
+    ScrollTo(Math.min(desired, scrollTopMax), callback);
+}
+
+function GoToMessage(messageId) {
+    var element = document.getElementById("message" + messageId);
+    if (element) {
+        var hash = "#go_to_message" + messageId;
+        if (location.hash != hash) {
+            location.hash = hash;
+        }
+        ScrollToElement(element, function () {
+            AddClass(element, "selected");
+            setTimeout(function () {
+                RemoveClass(element, "selected");
+            }, 1000);
+        });
+    } else {
+        ShowToast("This message was not exported. Maybe it was deleted.");
+    }
+    return false;
+}
+
+function GoBack(anchor) {
+    if (!window.AllowBackFromHistory) {
+        return true;
+    }
+    history.back();
+    if (!anchor || !anchor.getAttribute) {
+        return true;
+    }
+    var destination = anchor.getAttribute("href");
+    if (!destination) {
+        return true;
+    }
+    setTimeout(function () {
+        location.href = destination;
+    }, 100);
+    return false;
+}