ความฝันที่จะมีผู้ช่วยหุ่นยนต์คอยจัดการงานบ้านประจำวันนั้น เป็นเรื่องพื้นฐานในนิยายวิทยาศาสตร์มานาน แม้หุ่นยนต์ดูดฝุ่นจะกลายเป็นสิ่งธรรมดาไปแล้ว แต่งานที่ซับซ้อนกว่านั้น เช่น การล้างจานหรือการเตรียมเครื่องดื่ม ยังคงเป็นหน้าที่ของมนุษย์อย่างเหนียวแน่น เนื่องจากความท้าทายทางเทคนิคอย่างมากในการปรับตัวให้เข้ากับสภาพแวดล้อมในบ้านที่คาดเดาไม่ได้ บัดนี้ Sunday Robotics สตาร์ทอัพที่ก่อตั้งโดยผู้มีประสบการณ์จาก Tesla และ Google DeepMind กำลังท้าทายสถานะปัจจุบันนี้ด้วย Memo หุ่นยนต์สำหรับบ้านที่ใช้วิธีการฝึกแบบใหม่เพื่อให้บรรลุระดับความคล่องแคล่วในทางปฏิบัติที่สูงขึ้น
แนวทางใหม่สู่ความคล่องแคล่วของหุ่นยนต์
นวัตกรรมหลักของ Sunday Robotics อยู่ไม่เพียงแค่ที่ฮาร์ดแวร์ของ Memo แต่ยังอยู่ที่วิธีการเรียนรู้ของมัน แทนที่จะพึ่งพาเพียงการควบคุมจากระยะไกลแบบดั้งเดิมหรือการลองผิดลองถูกแบบสุ่ม บริษัทใช้ถุงมือพิเศษที่ติดตั้งเซ็นเซอร์ ซึ่งมีราคาประมาณ 400 ดอลลาร์สหรัฐ ต่อคู่ พนักงานทำงานระยะไกลจะสวมถุงมือเหล่านี้เพื่อทำงานบ้าน และระบบจะบันทึกข้อมูลที่ละเอียดอ่อนของการเคลื่อนไหวมือมนุษย์—รวมถึงแรงบีบ การวางนิ้ว และวิถีการเคลื่อนไหว ชุดข้อมูลอันสมบูรณ์นี้随后ถูกนำไปใช้ฝึกโมเดล AI ที่ควบคุมมือแบบคีบของ Memo ส่งผลให้การจัดการวัตถุเป็นธรรมชาติและปรับตัวได้ดีกว่าเดิม วิธีการนี้ให้สัญญาณการฝึกที่ตรงและแม่นยำมากขึ้น ช่วยให้หุ่นยนต์สามารถทำงานที่ต้องใช้ความละเอียดอ่อนได้ เช่น การจับแก้วสองใบที่มีขนาดต่างกันในมือเดียว
ข้อมูลจำเพาะหลักของ เมโม
- การเคลื่อนที่: แพลตฟอร์มแบบล้อพร้อมเสากลางที่ปรับความสูงได้
- การจัดการวัตถุ: แขนสองข้างแบบข้อต่อที่มีกริปเปอร์ลักษณะคล้ายคีม
- วิธีการฝึกฝน: ใช้ถุงมือติดเซนเซอร์ราคา 400 ดอลลาร์สหรัฐ ที่ผู้ปฏิบัติงานมนุษย์สวมใส่ เพื่อบันทึกข้อมูลการจัดการวัตถุอย่างคล่องแคล่ว
- งานสำคัญที่ได้สาธิต: ชงเอสเปรสโซ, จัดเก็บโต๊ะอาหาร, เก็บจานเข้าเครื่องล้างจาน
- เป้าหมายสำคัญต่อไป: วางแผนเริ่มโครงการทดสอบเบต้าในปี 2026
จากเครื่องชงเอสเปรสโซสู่เครื่องล้างจาน
ในการสาธิตที่ Mountain View, California, Memo ได้แสดงความสามารถด้วยการทำงานที่สำหรับมนุษย์แล้วง่ายแต่สำหรับเครื่องจักรแล้วยากอย่าง notorious หุ่นยนต์ประสบความสำเร็จในการนำทางภายในครัว เตรียมเอสเปรสโซโดยการใช้งานเครื่องชง—เติมกระบอกตวงกาแฟ อัดกากกาแฟ และเริ่มกระบวนการชง—จากนั้นจึงส่งเครื่องดื่มที่เตรียมเสร็จแล้วให้ ในอีกการทดสอบหนึ่ง มันสามารถเก็บแก้วจากโต๊ะและนำไปใส่ในเครื่องล้างจานได้ การกระทำเหล่านี้ต้องการการจดจำวัตถุขั้นสูง การจับที่เชื่อถือได้ และความเข้าใจในวิธีการใช้ของใช้ในบ้านต่างๆ ซึ่งทั้งหมดทำในสภาพแวดล้อมจริงที่อาจมีความยุ่งเหยิง แทนที่จะเป็นในสภาพแวดล้อมห้องปฏิบัติการที่ควบคุมไว้
ความท้าทายของ "อินเทอร์เน็ตสำหรับหุ่นยนต์"
อุปสรรคสำคัญอย่างหนึ่งในวงการหุ่นยนต์คือการขาดแคลนชุดข้อมูลขนาดใหญ่ที่แบ่งปันกันได้ ซึ่งเทียบเท่ากับอินเทอร์เน็ตที่ใช้ฝึกโมเดล AI อย่าง ChatGPT Tony Zhao ซีอีโอของ Sunday Robotics เรียกแหล่งข้อมูลที่ขาดหายไปนี้ว่า "อินเทอร์เน็ตสำหรับหุ่นยนต์" ในขณะที่สตาร์ทอัพอื่นๆ เช่น Physical Intelligence, Skild และ Generalist ต่างก็กำลังพัฒนาโมเดลหุ่นยนต์ที่ปรับตัวได้เช่นกัน แนวทางแบบบูรณาการในแนวดิ่งของ Sunday—ซึ่งสร้างทั้งฮาร์ดแวร์และโมเดล AI—มีเป้าหมายเพื่อสร้างระบบที่เหนียวแน่นและมีความสามารถมากกว่า บริษัทเชื่อว่ากลยุทธ์แบบเต็มสแต็กนี้มีความจำเป็นสำหรับหุ่นยนต์ที่จะทำงานได้อย่างน่าเชื่อถือ across ความแปรผันอันไม่มีที่สิ้นสุดของบ้านจริงๆ
ถนนสู่บ้านจริง
Sunday Robotics วางแผนที่จะเปิดตัวโปรแกรมทดสอบเบต้าพร้อมกับ Memo ในปี 2026 เฟสนำร่องนี้จะเป็นการทดสอบความสามารถที่แท้จริงของหุ่นยนต์ เนื่องจากมันจะต้องนำทางผ่านความวุ่นวายของครัวเรือนจริงที่เต็มไปด้วยเด็ก สัตว์เลี้ยง และสิ่งของระเกะระกะ บริษัทจินตนาการว่าผู้ใช้กลุ่มแรกๆ คล้ายกับผู้ที่หลงใหลในคอมพิวเตอร์ส่วนบุคคลรุ่นแรกๆ จะเป็นกุญแจสำคัญในการปรับแต่งเทคโนโลยี เมื่อมองไปข้างหน้า Zhao แนะนำว่าผู้ใช้อาจจะสามารถสอนหุ่นยนต์ของตัวเองให้ทำงานใหม่ๆ ได้ในที่สุด ซึ่งเป็นการเพิ่มเลเยอร์ของการปรับให้เป็นส่วนตัวเข้าไปในกระบวนการเรียนรู้ของหุ่นยนต์ สำหรับตอนนี้ ยุคของหุ่นยนต์บ้านที่สามารถทำงานได้อย่างแท้จริงกำลังค่อยๆ เข้าใกล้ความจริงมากขึ้นเรื่อยๆ ทีละถ้วยกาแฟที่เตรียมอย่างพิถีพิถัน