Voxel51 3.0 เปิดตัวแพลตฟอร์มข้อมูลมัลติโมดัลเพื่อ Physical AI

Voxel51 ประกาศเปิดตัว Voxel51 3.0 การอัปเดตครั้งสำคัญของแพลตฟอร์มข้อมูลมัลติโมดัลแบบ end-to-end ที่รวบรวมการค้นหา การจัดการ (curation) การทำ annotation และการประเมินผลไว้ในระบบเดียว

เป้าหมายหลักของแพลตฟอร์มนี้คือกลุ่มทีมพัฒนาที่ต้องฝึกฝนโมเดลจากข้อมูลเซนเซอร์ในหุ่นยนต์ ยานพาหนะ และโรงงานอัจฉริยะ โดยการอัปเดตนี้ได้เพิ่ม Voxel51 Agent เลเยอร์ตรวจสอบแหล่งที่มาของข้อมูล (data provenance) และเปิดให้ เข้าถึงแบบบริการตนเองฟรี ได้แล้ววันนี้

TL;DR

• Scale: Voxel51 Agent มาพร้อมเครื่องมือ MCP กว่า 45 รายการ, 80+ operators และ 18 open-source skills
• Runs on: ใช้งานได้ทั้งบนเว็บแอป (app.voxel51.com) หรือติดตั้งเอง (Self-host) บน cloud, hybrid, on-prem และระบบ air-gapped โดยไม่มีการระบุสเปก GPU ขั้นต่ำ
• Performance: ไม่มีการเปิดเผยผลการทดสอบประสิทธิภาพ (benchmarks) อย่างเป็นทางการ โดยอ้างอิงข้อมูลจากการสำรวจภายในของ Voxel51 เอง
• Best: ระดับใช้งานฟรีรวม Voxel51 Agent, การร้องขอ inference 30,000 ครั้ง และเวลาประมวลผล 30 ชั่วโมงต่อเดือน
• Worst: ข้อจำกัดระดับฟรีคือสร้างได้ 3 ชุดข้อมูล (ชุดละ 10,000 ตัวอย่าง) และพื้นที่จัดเก็บ 20 GB

มีอะไรใหม่ใน Voxel51 3.0?

Voxel51 3.0 ได้ ขยายขีดความสามารถของแพลตฟอร์ม ให้ก้าวข้ามเพียงแค่ข้อมูลภาพด้วย 3 ฟีเจอร์หลัก ดังนี้

• รองรับมัลติโมดัลแบบอนุกรมเวลา (Time-series): ช่วยให้ทีมพัฒนาสามารถดูสตรีมจากเซนเซอร์หลายตัวพร้อมกันบนไทม์ไลน์เดียว พร้อมระบบ Segment-level embeddings ที่ช่วยค้นหาช่วงเวลาสำคัญในไฟล์บันทึกยาวๆ ได้แม่นยำ
• Unified annotation: ระบบการติด Label ที่ครอบคลุมทั้งข้อมูล 2D, 3D, วิดีโอ และมัลติโมดัล เสริมด้วยระบบ QA อัตโนมัติและตัวชี้วัดประสิทธิภาพของผู้อ่านค่า (annotator metrics)
• Agentic Labeling: การใช้ Vision-language models สร้าง label อัตโนมัติจากคำสั่งภาษาธรรมชาติและตัวอย่างที่กำหนด

สำหรับ Modality ที่รองรับ ครอบคลุมตั้งแต่ MCAP, รูปภาพ, วิดีโอ, 3D point clouds, meshes, DICOM, NIfTI, ข้อมูลภูมิสารสนเทศ ไปจนถึงข้อมูลเสียง

Voxel51 Search ทำงานอย่างไร?

Voxel51 Search ใช้ระบบดัชนีแบบไฮบริดถาวร ซึ่งจะประมวลผลชุดข้อมูลและคำนวณ embeddings ให้โดยอัตโนมัติเพื่อให้พร้อมค้นหาได้ทันทีที่เริ่มใช้งาน

ระบบรองรับการดึงข้อมูลเชิงความหมาย (Semantic retrieval) เพื่อค้นหาช่วงเวลาที่ใกล้เคียงกันแม้จะไม่มี Label กำกับไว้ รวมถึงการค้นหาแบบ Lexical และการคัดกรองข้อมูลเชิงโครงสร้าง เช่น timestamps, ฟิลด์เซนเซอร์ และ metadata โดย embeddings และข้อมูลโครงสร้างจะถูกเก็บในรูปแบบดั้งเดิมเพื่อนำมาประมวลผลร่วมกันตอนดึงข้อมูล

การดึงข้อมูลแบบ Vector ทำงานอยู่บน LanceDB ที่รองรับทั้ง vector, scalar และ full-text index ทีมงานสามารถเลือกโมเดลและขั้นตอนการทำ embed ได้เองตามต้องการ พร้อมระบบ Incremental updates ที่ช่วยอัปเดตข้อมูลใหม่เข้าดัชนีได้ทันทีโดยไม่ต้องเริ่มสร้างใหม่ทั้งหมด

Voxel51 Agent ทำอะไรได้บ้าง?

Voxel51 Agent ถูกออกแบบมาเพื่อเชื่อมโยงทุกขั้นตอนตั้งแต่การค้นหาไปจนถึงการประเมินผลให้กลายเป็นเวิร์กโฟลว์ที่ทำซ้ำได้โดยอัตโนมัติ

ตัวอย่างการใช้งาน:

• ทีมหุ่นยนต์สามารถค้นหาพฤติกรรมเฉพาะจากข้อมูลหลายพันตอน เพื่อนำมาสร้างชุดข้อมูลฝึกฝนที่มีความสมดุล
• ทีมการรับรู้ (perception) สามารถวิเคราะห์ความล้มเหลวของโมเดลแล้วดึงกรณีที่เป็น long-tail หรือสถานการณ์ที่เกิดขึ้นยากออกมาทำ Labeling เพิ่มเติมได้

นอกจากนี้ Agent ยังสามารถเขียนโค้ดเพื่อสร้างปลั๊กอินเฉพาะทางได้ โดยทุกการทำงานจะอยู่ภายใต้ระบบการควบคุมธรรมาภิบาลและสิทธิ์การเข้าถึงระดับองค์กร

การตรวจสอบแหล่งที่มา (Data provenance) ในเวอร์ชัน 3.0

Voxel51 3.0 เพิ่มกลไกการตรวจสอบย้อนกลับ 4 ระดับ:

• Deployment-level activity log: บันทึกกิจกรรมการใช้งานทั้งหมดในระบบ
• Dataset-level activity log: ติดตามการเปลี่ยนแปลงและวิวัฒนาการของแต่ละชุดข้อมูล
• Sample-level edit history: บันทึกประวัติการแก้ไข Label และ metadata ในแต่ละตัวอย่างข้อมูล
• Dataset versioning: การสร้าง Snapshot ข้อมูลที่ไม่สามารถเปลี่ยนแปลงได้ (immutable) เพื่อให้การฝึกฝนและประเมินผลโมเดลทำซ้ำได้แม่นยำ

ข้อมูลเหตุการณ์เหล่านี้จะถูกจัดการผ่าน fiftyone-mq เพื่อจัดตารางงาน และมี Activity Core ทำหน้าที่ติดตามเหตุการณ์ทั้งหมด

ทีมงานสามารถนำโมเดลของตนเองมาใช้ได้หรือไม่?

คำตอบคือได้ แพลตฟอร์มนี้เป็นแบบ model-agnostic ซึ่งรองรับทั้งในส่วนของ embeddings, auto-labeling, การทำ inference และการประเมินผล ทีมพัฒนาจึงสามารถเริ่มทดสอบด้วย foundation model ทั่วไปก่อนจะสลับมาใช้โมเดลเฉพาะทาง (domain model) ของตัวเองได้ในภายหลัง

ทำไมงานด้านข้อมูลถึงตัดสินผลลัพธ์ของ AI?

Voxel51 อ้างอิงข้อมูลจาก การสำรวจสถานะของ Physical AI ปี 2026 พบว่า 58% ของทีมที่ประสบความสำเร็จสูง ให้ความสำคัญกับการจัดการข้อมูลมากกว่าครึ่งหนึ่งของเวลาทำโครงการทั้งหมด ในขณะที่ทีมที่กำลังมีปัญหามีเพียง 21% เท่านั้นที่ให้ความสำคัญในระดับนี้ อย่างไรก็ตาม นี่เป็นงานวิจัยจากฝั่งผู้พัฒนาผลิตภัณฑ์ จึงควรพิจารณาในเชิงทิศทางเบื้องต้น

เปรียบเทียบ Voxel51 3.0 กับ Encord และ Foxglove

หมายเหตุ: การรองรับสตรีมเซนเซอร์ของ Encord ระบุไว้ในข่าวประชาสัมพันธ์ Series C ราคาตรวจสอบเมื่อวันที่ 17 ตุลาคม 2026

สรุปประเด็นสำคัญ

• Voxel51 3.0 รวมเครื่องมือจัดการข้อมูลมัลติโมดัลครบวงจรไว้ในแพลตฟอร์มเดียว
• Voxel51 Agent มาพร้อมความสามารถระดับสูงด้วยเครื่องมือ MCP และ operators จำนวนมาก
• ระบบ provenance ใหม่ช่วยให้ข้อมูลการฝึกฝนโปร่งใสและตรวจสอบย้อนกลับได้ทุกขั้นตอน
• ผู้สนใจสามารถเริ่มใช้งานระดับฟรีได้ทันทีโดยไม่ต้องระบุข้อมูลบัตรเครดิต