tag: Robotics

Reward AI เปิดตัว OM-1 นโยบายควบคุมหุ่นยนต์อเนกประสงค์ที่ฝึกฝนผ่านการสาธิตโดยมนุษย์ด้วยถุงมือเซนเซอร์ 7-DoF โดยไม่ต้องใช้การควบคุมระยะไกลหรือข้อมูลเดิมจากตัวหุ่นยนต์ สามารถเรียนรู้งานใหม่ได้ภายในเวลาไม่ถึง 30 นาที

NVIDIA เปิดซอร์ส OSMO เครื่องมือบริหารจัดการเวิร์กโฟลว์หุ่นยนต์แบบ Kubernetes-native ที่ช่วยให้ทีมพัฒนาสามารถควบคุมการเทรน การจำลอง และการทดสอบบนฮาร์ดแวร์จริงได้ผ่านไฟล์ YAML เพียงไฟล์เดียว โดยไม่ต้องจัดการโครงสร้างพื้นฐานที่ซับซ้อน

GPT-6 Astra สร้างสถิติใหม่ด้วยการทำกำไรเหนือกว่า Claude Fable 5.1 เกือบสามเท่าในการจำลองธุรกิจ และเป็น AI โมเดลแรกที่สามารถควบคุมโดรนสอดแนมผ่านภารกิจย่อยทั้ง 5 ประการได้สูงกว่ามาตรฐานมนุษย์

ในการทดสอบเกณฑ์มาตรฐานด้านหุ่นยนต์ StationeryBench พบว่า GPT-6 Astra แสดงพัฒนาการด้านความเข้าใจเชิงพื้นที่อย่างโดดเด่น โดยสามารถทำภารกิจสำเร็จ 7 จาก 100 งาน ขณะที่คู่แข่งอย่าง MolmoAct2 ยังไม่สามารถทำสำเร็จได้เลยแม้แต่งานเดียว

AXIS เปลี่ยนรูปแบบการเก็บข้อมูลการสอนหุ่นยนต์มาไว้บนเว็บเบราว์เซอร์ เพื่อแก้ปัญหาความล่าช้าในการขยายชุดข้อมูล โดยสามารถรวบรวมภารกิจได้ถึง 207 ภารกิจ และ 50,129 วิถีการเคลื่อนที่ ช่วยเพิ่มประสิทธิภาพโมเดล π0.5 ให้สูงขึ้นอย่างมีนัยสำคัญ

Anthropic เปิดตัวรุ่นทดสอบ Model Hardware Standard (MHS) ข้อกำหนดมาตรฐานที่ช่วยให้เอเยนต์ AI สามารถควบคุมอุปกรณ์ในห้องแล็บและโรงงานผลิตได้อย่างปลอดภัยและรวดเร็ว

สตาร์ทอัพ Generalist AI เปิดตัวโมเดล GEN-1.5 ที่ช่วยให้หุ่นยนต์เรียนรู้งานใหม่ได้ทันทีผ่านการดูวิดีโอสาธิตสั้นๆ โดยไม่ต้องผ่านการเทรนซ้ำ พร้อมทำคะแนนความสำเร็จพุ่งสูงเมื่อเสริมข้อมูลเพิ่มเติมเพียงเล็กน้อย

Dyna Robotics เปิดตัวโมเดล Dyna-2 ที่ผ่านการ Pre-train ด้วยวิดีโอมนุษย์มุมมองบุคคลที่หนึ่งกว่าหนึ่งล้านชั่วโมง พิสูจน์ให้เห็นถึงกฎการขยายขนาด (Scaling Law) และการสร้างองค์ความรู้ข้ามรูปลักษณ์ในหุ่นยนต์

สหรัฐฯ ประกาศแบนการนำเข้าหุ่นยนต์และอินเวอร์เตอร์ไฟฟ้าเจเนอเรชันใหม่จากจีนเพื่อป้องกันภัยไซเบอร์ โดยครอบคลุมตั้งแต่หุ่นยนต์ฮิวแมนนอยด์ไปจนถึงหุ่นยนต์ดูดฝุ่นและเครื่องตัดหญ้า

NVIDIA Jetson มอบประสิทธิภาพการประมวลผลระดับสูงในขนาดกะทัดรัด ช่วยให้นักพัฒนาสร้างหุ่นยนต์อัจฉริยะที่สามารถคิดและตัดสินใจเองได้ในทุกพื้นที่ ตั้งแต่ห้องเรียนไปจนถึงอุตสาหกรรมในโลกจริง

ความท้าทายของ Physical AI คือการขาดแคลนข้อมูลในโลกจริง การใช้ระบบจำลอง (Simulation) ที่ขับเคลื่อนด้วย GPU จึงกลายเป็นหัวใจสำคัญในการสร้างชุดข้อมูลขนาดใหญ่เพื่อฝึกฝนหุ่นยนต์อย่างปลอดภัยและคุ้มค่า

Grabette เปิดตัวระบบบันทึกข้อมูลการหยิบจับของหุ่นยนต์แบบ Open Source ที่ช่วยเปลี่ยนการเคลื่อนไหวจากอุปกรณ์มือถือให้เป็นชุดข้อมูลพร้อมใช้งานสำหรับการเรียนรู้ของหุ่นยนต์

Robbyant จาก Ant Group เปิดตัว LingBot-VLA 2.0 โมเดลควบคุมหุ่นยนต์ข้ามรูปแบบร่างที่ฝึกฝนด้วยข้อมูลกว่า 60,000 ชั่วโมง โดยใช้สถาปัตยกรรม MoE และระบบพื้นที่การสั่งการมาตรฐาน 55 มิติเพื่อรองรับการสั่งงานที่ซับซ้อน

Beijing Academy of Artificial Intelligence เปิดตัว Orca เวิลด์โมเดลที่เรียนรู้ผ่านวิดีโอ 125,000 ชั่วโมงโดยไม่ต้องพึ่งพาการกำกับป้ายข้อมูลการกระทำ แต่ให้ผลลัพธ์ใกล้เคียงกับโมเดลเฉพาะทางอย่าง π0.5

Mistral บุกตลาดหุ่นยนต์ด้วยโมเดล Robostral Navigate ขนาด 8B ที่ช่วยให้หุ่นยนต์เคลื่อนที่ผ่านสภาพแวดล้อมที่ไม่คุ้นเคยได้โดยใช้เพียงกล้อง RGB เพียงตัวเดียว

NVIDIA และ Hugging Face ร่วมมือกันนำโมเดล Isaac GR00T 1.7 และเฟรมเวิร์ก Isaac Teleop เข้าสู่ไลบรารี LeRobot เพื่อช่วยให้นักพัฒนาเข้าถึงทรัพยากรด้าน AI เชิงกายภาพและพัฒนาระบบหุ่นยนต์แบบครบวงจรได้ง่ายขึ้น