ภายในภารกิจ 24 ชั่วโมงของหุ่นยนต์ Figure AI ที่คัดแยกพัสดุได้กว่า 28,000 ชิ้น

แนวทางนี้แตกต่างจากหุ่นยนต์อุตสาหกรรมแบบดั้งเดิม ซึ่งมักทำงานตามสคริปต์การเคลื่อนไหวที่กำหนดไว้ล่วงหน้า หรือใช้แขนกลเฉพาะทางเพียงอย่างเดียว

เมื่อใช้ Helix‑02 หุ่นยนต์จะประมวลผลภาพจากกล้อง แล้วสร้างการกระทำแบบต่อเนื่อง ทำให้ทำงานประเภทที่นักวิจัยเรียกว่า “loco‑manipulation” ระยะยาว ได้ นั่นคือการเคลื่อนที่ไปในพื้นที่พร้อมกับจัดการวัตถุในเวลาเดียวกัน

ในสถานการณ์คลังสินค้า หุ่นยนต์ใช้การมองเห็นเพื่อ:

• ตรวจจับพัสดุและบาร์โค้ด
• หยิบจับด้วยมือกลที่มีความคล่องตัว
• วางลงบนสายพานในทิศทางที่ถูกต้องสำหรับการคัดแยกต่อไป

เดิมทีการทดลองตั้งเป้าเพียง กะการทำงานอัตโนมัติ 8 ชั่วโมง แต่หลังจากครบกำหนดโดยไม่เกิดปัญหา บริษัทจึงปล่อยให้ระบบทำงานต่อจนเกิน 24 ชั่วโมง

ตัวเลขสำคัญจากการทดลอง

ตัวชี้วัดที่ถูกพูดถึงมากที่สุดจากการสาธิตครั้งนี้ ได้แก่

• พัสดุมากกว่า 28,000 ชิ้น ถูกคัดแยกภายในประมาณ 24 ชั่วโมง โดยหุ่นยนต์ 3 ตัว
• ความเร็วเฉลี่ยราว 2.6 วินาทีต่อชิ้น ซึ่งบริษัทระบุว่าใกล้เคียงความเร็วของมนุษย์
• การทดลองยืดจากเป้าหมาย 8 ชั่วโมง ไปสู่การทำงานต่อเนื่องเกิน 24 ชั่วโมง โดยไม่มีรายงานความล้มเหลวของระบบ

หากตัวเลขเหล่านี้สะท้อนการใช้งานจริง ก็หมายความว่าหุ่นยนต์แต่ละตัวสามารถจัดการพัสดุได้หลายพันชิ้นต่อวัน

อย่างไรก็ตาม เนื่องจากข้อมูลส่วนใหญ่ยังมาจากการสาธิตของบริษัทเอง ผลลัพธ์จึงควรถูกมองว่าเป็น การแสดงศักยภาพในระยะเริ่มต้น มากกว่ามาตรฐานอุตสาหกรรมที่ผ่านการตรวจสอบอิสระ

ระบบหลายหุ่นยนต์: ถ้าตัวหนึ่งหยุด ตัวอื่นยังทำงานต่อ

อีกจุดสำคัญของการทดลองคือการใช้ หุ่นยนต์หลายตัวทำงานร่วมกัน แทนที่จะพึ่งพาเครื่องเดียว

รายงานระบุว่า หากหุ่นยนต์ตัวใดพบปัญหา มันสามารถ ถอนตัวออกจากกระบวนการทำงานเอง และปล่อยให้หุ่นยนต์ตัวอื่นรับภาระต่อ ทำให้สายการคัดแยกยังเดินต่อได้

แนวคิดนี้คล้ายกับระบบคอมพิวเตอร์แบบกระจาย (distributed systems):

• ไม่ต้องพึ่งเครื่องเดียวที่ต้องสมบูรณ์แบบ
• ระบบรักษาประสิทธิภาพโดยแบ่งงานให้หลายหน่วย

รายละเอียดด้านซอฟต์แวร์ เช่น วิธีตรวจจับความผิดปกติ เกณฑ์การหยุด หรือการกู้คืนระบบ ยังมีข้อมูลสาธารณะไม่มาก แต่หลักการสำคัญคือ กระบวนการยังดำเนินต่อได้แม้หุ่นบางตัวจะหยุดชั่วคราว

สัญญาณของการผลิตและการใช้งานจริงในอนาคต

ความสำคัญของการทดลองนี้อาจไม่ได้อยู่แค่ “24 ชั่วโมง” แต่สะท้อนทิศทางการขยายระบบของบริษัท

Figure ระบุว่ากำลังเพิ่มกำลังผลิตผ่านโรงงาน BotQ ซึ่งเป็นสายการผลิตหุ่นยนต์ฮิวแมนนอยด์ของบริษัท โดยรายงานว่าส่งมอบหุ่นยนต์ไปแล้ว มากกว่า 350 ตัว และเพิ่มอัตราการผลิตจาก วันละ 1 ตัวเป็นประมาณชั่วโมงละ 1 ตัว ในช่วงขยายกำลังผลิต

นั่นบ่งชี้ว่าบริษัทกำลังเตรียม การใช้งานเป็นฝูงหุ่นยนต์ (fleet deployment) มากกว่าการสร้างต้นแบบเพียงไม่กี่ตัว

หนึ่งในอุตสาหกรรมที่ถูกมองว่าเหมาะที่สุดคือ โลจิสติกส์และคลังสินค้า เพราะมี

• งานที่ซ้ำ ๆ และคาดการณ์ได้
• สภาพแวดล้อมควบคุมได้
• แรงจูงใจทางเศรษฐกิจสูงในการแก้ปัญหาขาดแคลนแรงงาน

ก้าวสำคัญของหุ่นยนต์ฮิวแมนนอยด์ในโลกจริง

การสาธิตครั้งนี้น่าสนใจเพราะรวมสามความสามารถที่มักไม่เกิดขึ้นพร้อมกันในหุ่นยนต์ฮิวแมนนอยด์:

• ความเร็วการหยิบจับระดับใกล้มนุษย์
• การทำงานอัตโนมัติระยะยาวหลายชั่วโมง
• การทำงานประสานกันของหุ่นยนต์หลายตัว

ถึงแม้จะยังมีคำถามเรื่องความทนทาน ความปลอดภัย และต้นทุนในการใช้งานจริงในคลังสินค้าขนาดใหญ่ แต่การทดลองนี้แสดงให้เห็นว่าความสามารถของหุ่นยนต์กำลังก้าวหน้าอย่างรวดเร็ว

ไม่กี่ปีก่อน หุ่นยนต์ฮิวแมนนอยด์ยังมีปัญหากับการหยิบจับวัตถุพื้นฐาน แต่วันนี้บริษัทอย่าง Figure กำลังทดลองว่า ฝูงหุ่นยนต์สามารถทำงานต่อเนื่องในกระบวนการโลจิสติกส์จริงได้หรือไม่

หากเทคโนโลยีนี้พิสูจน์ตัวเองได้ในสภาพการทำงานจริง การคัดแยกพัสดุในคลังสินค้าอาจกลายเป็นหนึ่งในงานแรก ๆ ที่หุ่นยนต์ฮิวแมนนอยด์เข้ามามีบทบาทในระดับอุตสาหกรรมขนาดใหญ่