ซอฟต์แวร์นี้ถูกออกแบบให้ทำงานพร้อมกันกับหุ่นยนต์ต่างชนิดกัน ถึง 14 รุ่น โดยเป้าหมายคือการลดระยะเวลาทางวิศวกรรมที่ต้องใช้ในการนำหุ่นยนต์ตัวใหม่ไปทำงานใหม่ จากหลายปีให้เหลือเพียงสัปดาห์เดียว
"เราสร้างโลกเสมือนจริงที่เราสามารถใส่หุ่นยนต์เหล่านั้นลงไปได้" บริษัทกล่าว "ฝึกฝนในโลกจำลอง แล้วขยายผลสู่โลกจริงโดยใช้มนุษย์น้อยที่สุด"
กลยุทธ์ทางเทคนิคของ Flexion หมุนรอบสามองค์ประกอบที่เชื่อมโยงกัน:
1. การฝึกในโลกเสมือนจริง (Sim-to-Real) นโยบายการควบคุม (Policy) ทั้งหมดของหุ่นยนต์ถูกฝึกในระบบจำลองฟิสิกส์เสมือนจริงในวงกว้างมหาศาล โดยมีหุ่นยนต์เสมือนมากถึง 4,000 ตัวทำงานพร้อมกัน จากนั้นจึงถ่ายโอนไปยังฮาร์ดแวร์จริงแบบ Zero-Shot (ไม่ต้องปรับแต่งเพิ่มเติม) บริษัทใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning - RL) โดยให้หุ่นยนต์สอนตัวเองผ่านการลองผิดลองถูก ผลลัพธ์ไม่ใช่โค้ดที่เขียนตายตัว แต่เป็นนโยบายโครงข่ายประสาทเทียมที่แมปการรับรู้เข้ากับการกระทำ
2. ผสมผสานการเรียนรู้จากการเลียนแบบและการเรียนรู้แบบเสริมกำลัง Flexion ใช้ 'การเรียนรู้แบบเสริมกำลังที่ตกค้างบนพื้นฐานการเรียนรู้จากการเลียนแบบ' (Residual RL on Top of Imitation Learning) หมายความว่าหุ่นยนต์เรียนรู้ทักษะการหยิบจับและการเคลื่อนที่พื้นฐานจากข้อมูลสาธิตของมนุษย์ก่อน จากนั้นใช้ RL เพื่อปรับทักษะให้เข้ากับสถานการณ์จริงที่โลกเสมือนไม่สามารถจำลองได้สมบูรณ์แบบ นอกจากนี้ ยังมีวงจร 'Real-to-Sim' ที่นำข้อมูลจากโลกจริงกลับมาปรับแต่งพารามิเตอร์การจำลองเพื่อเพิ่มความเที่ยงตรงในการฝึกฝนครั้งต่อไป
3. สถาปัตยกรรมสามชั้นแบบโมดูลาร์ ชุดซอฟต์แวร์แยกการคิดระดับสูงออกจากการวางแผนการเคลื่อนไหวและการควบคุมระดับล่าง :
ดีไซน์นี้ "แยกความตั้งใจ (ขับเคลื่อนด้วยภาษา) ออกจากความเป็นไปได้ (ถูกบังคับโดยฟิสิกส์) โดยใช้การจำลองเพื่อทักษะการเคลื่อนไหวและใช้ข้อมูลจริงอย่างเลือกสรร"
ในเดือนพฤศจิกายน 2025 Flexion โพสต์วิดีโอสาธิตการทำงานของหุ่นยนต์ฮิวแมนนอยด์ที่จัดห้องทำงานอัตโนมัติ โดยเริ่มจากคำสั่งผู้ใช้ทั่วไป โดยไม่มีสคริปต์ ไม่มีวิถีที่คำนวณไว้ล่วงหน้า และไม่มีมนุษย์ควบคุม เอเยนต์ VLM รับรู้ฉาก ให้เหตุผลเกี่ยวกับงาน และวางแผนกลยุทธ์แบบ end-to-end สำหรับการหยิบและจัดเรียงวัตถุ ระบบเดียวกันนี้ยังถูกแสดงให้เห็นถึงการนำทางในสภาพแวดล้อมกลางแจ้งเพื่อเก็บและทิ้งขยะแบบอัตโนมัติ
ในการประชุมนานาชาติด้านหุ่นยนต์และระบบอัตโนมัติ (ICRA 2026) ซึ่งจัดขึ้นระหว่างวันที่ 9-11 มิถุนายน 2026 Flexion ได้ทำการสาธิตหุ่นยนต์ฮิวแมนนอยด์แบบอัตโนมัติสด โดยจาก การทดลอง 300 ครั้งตลอดสามวัน หุ่นยนต์ทำงานโดยอัตโนมัติเต็มรูปแบบด้วยอัตราความสำเร็จกว่า 95% โดยไม่มีการแทรกแซงของมนุษย์ ผลลัพธ์นี้ยืนยันว่าแนวทางการถ่ายโอนจากโลกเสมือนสู่โลกจริง (Sim-to-Real) ทำงานได้ในวงกว้างในสภาพแวดล้อมการประชุมที่ไม่สามารถควบคุมได้ ซึ่งเป็นสถานการณ์ที่ยากมากในการสาธิตหุ่นยนต์
| มิติ | Flexion Robotics | คู่แข่งทั่วไป (Tesla Optimus, Boston Dynamics, Figure, 1X) |
|---|---|---|
| ผลิตภัณฑ์หลัก | ซอฟต์แวร์สมองกลสากล — ไม่มีฮาร์ดแวร์หุ่นยนต์ของตัวเอง | ผสานฮาร์ดแวร์ + ซอฟต์แวร์แบบแนวตั้ง; แต่ละบริษัทสร้างร่างกายหุ่นยนต์ของตัวเอง |
| กลยุทธ์แพลตฟอร์ม | ทำงานบนฮาร์ดแวร์หุ่นยนต์ใดก็ได้; ปัจจุบันรองรับ 14 แพลตฟอร์มพร้อมกัน | ผูกติดกับแพลตฟอร์มฮาร์ดแวร์เฉพาะตัวเดียว |
| กระบวนทัศน์การฝึก | เน้นโลกจำลองเป็นหลัก (Sim-to-Real); นโยบายถูกฝึกในโลกจำลองและถ่ายโอนแบบ Zero-Shot | ผสมผสานข้อมูลการควบคุมระยะไกลในโลกจริง, RL ในโลกจริง และการจำลอง; ส่วนใหญ่อาศัยการเก็บข้อมูลจริงอย่างหนัก |
| เป้าหมายความเข้ากันได้ | ลดระยะเวลา Setup สำหรับหุ่นยนต์ใหม่ + งานใหม่ จากหลายปีเหลือหนึ่งสัปดาห์ | งานใหม่แต่ละงานต้องใช้เวลาหลายเดือนในการปรับแต่งฮาร์ดแวร์เฉพาะ |
| เงินทุน | 57.35 ล้านดอลลาร์สหรัฐ ($50M Series A + $7.35M Seed) | คู่แข่งมักระดมทุนรอบใหญ่กว่าเพื่อการผลิตฮาร์ดแวร์ (เช่น Figure AI ระดมทุนได้มากกว่า $675M) |
| นักลงทุนหลัก | DST Global, NVIDIA NVentures, Prosus Ventures, Moonfire, Redalpine | ผสมผสานระหว่าง VC, นักลงทุนเชิงกลยุทธ์ และองค์กร |
จุดแตกต่างเชิงกลยุทธ์หลัก:
บทความเฉพาะจาก Wired ในเดือนมิถุนายน 2026 ที่เจาะลึกเรื่องความสามารถในการทำงานสำนักงานอัตโนมัติของ Flexion ไม่พบในผลการค้นหาที่มีอยู่ หลักฐานการสาธิตงานสำนักงานที่ละเอียดที่สุดมาจากโพสต์ LinkedIn ของ Flexion เอง (พฤศจิกายน 2025) และรายงานผลการทดสอบ ICRA 2026 การอ้างของบริษัทเกี่ยวกับการลดเวลาติดตั้งเหลือ 'หนึ่งสัปดาห์' และการทำงานบน 14 แพลตฟอร์มยังคงต้องรอการยืนยันในระดับเชิงพาณิชย์ และถึงแม้ผลลัพธ์จาก ICRA 2026 จะน่าประทับใจ แต่วงการยังคงรอการเปรียบเทียบจากบุคคลที่สามที่วัดประสิทธิภาพของหุ่นยนต์ที่ขับเคลื่อนโดย Flexion กับคู่แข่งที่บูรณาการในแนวตั้งในการใช้งานจริง
การเดิมพันของ Flexion คืออนาคตของหุ่นยนต์ฮิวแมนนอยด์จะไม่เหมือน iPhone (ชุดฮาร์ดแวร์และซอฟต์แวร์ที่ผสานกันอย่างแน่นหนา) แต่มันจะเหมือน Android (ระบบปฏิบัติการสากลที่ผู้ผลิตทุกรายสามารถนำไปปรับใช้ได้) และถ้าวิธีการฝึกแบบโลกเสมือนจริงยังคงสร้างผลลัพธ์ในโลกจริงได้เช่นนี้ การเดิมพันครั้งนี้ก็อาจจะประสบความสำเร็จ
ซอฟต์แวร์นี้ถูกออกแบบให้ทำงานพร้อมกันกับหุ่นยนต์ต่างชนิดกัน ถึง 14 รุ่น โดยเป้าหมายคือการลดระยะเวลาทางวิศวกรรมที่ต้องใช้ในการนำหุ่นยนต์ตัวใหม่ไปทำงานใหม่ จากหลายปีให้เหลือเพียงสัปดาห์เดียว
"เราสร้างโลกเสมือนจริงที่เราสามารถใส่หุ่นยนต์เหล่านั้นลงไปได้" บริษัทกล่าว "ฝึกฝนในโลกจำลอง แล้วขยายผลสู่โลกจริงโดยใช้มนุษย์น้อยที่สุด"
กลยุทธ์ทางเทคนิคของ Flexion หมุนรอบสามองค์ประกอบที่เชื่อมโยงกัน:
1. การฝึกในโลกเสมือนจริง (Sim-to-Real) นโยบายการควบคุม (Policy) ทั้งหมดของหุ่นยนต์ถูกฝึกในระบบจำลองฟิสิกส์เสมือนจริงในวงกว้างมหาศาล โดยมีหุ่นยนต์เสมือนมากถึง 4,000 ตัวทำงานพร้อมกัน จากนั้นจึงถ่ายโอนไปยังฮาร์ดแวร์จริงแบบ Zero-Shot (ไม่ต้องปรับแต่งเพิ่มเติม) บริษัทใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning - RL) โดยให้หุ่นยนต์สอนตัวเองผ่านการลองผิดลองถูก ผลลัพธ์ไม่ใช่โค้ดที่เขียนตายตัว แต่เป็นนโยบายโครงข่ายประสาทเทียมที่แมปการรับรู้เข้ากับการกระทำ
2. ผสมผสานการเรียนรู้จากการเลียนแบบและการเรียนรู้แบบเสริมกำลัง Flexion ใช้ 'การเรียนรู้แบบเสริมกำลังที่ตกค้างบนพื้นฐานการเรียนรู้จากการเลียนแบบ' (Residual RL on Top of Imitation Learning) หมายความว่าหุ่นยนต์เรียนรู้ทักษะการหยิบจับและการเคลื่อนที่พื้นฐานจากข้อมูลสาธิตของมนุษย์ก่อน จากนั้นใช้ RL เพื่อปรับทักษะให้เข้ากับสถานการณ์จริงที่โลกเสมือนไม่สามารถจำลองได้สมบูรณ์แบบ นอกจากนี้ ยังมีวงจร 'Real-to-Sim' ที่นำข้อมูลจากโลกจริงกลับมาปรับแต่งพารามิเตอร์การจำลองเพื่อเพิ่มความเที่ยงตรงในการฝึกฝนครั้งต่อไป
3. สถาปัตยกรรมสามชั้นแบบโมดูลาร์ ชุดซอฟต์แวร์แยกการคิดระดับสูงออกจากการวางแผนการเคลื่อนไหวและการควบคุมระดับล่าง :
ดีไซน์นี้ "แยกความตั้งใจ (ขับเคลื่อนด้วยภาษา) ออกจากความเป็นไปได้ (ถูกบังคับโดยฟิสิกส์) โดยใช้การจำลองเพื่อทักษะการเคลื่อนไหวและใช้ข้อมูลจริงอย่างเลือกสรร"
ในเดือนพฤศจิกายน 2025 Flexion โพสต์วิดีโอสาธิตการทำงานของหุ่นยนต์ฮิวแมนนอยด์ที่จัดห้องทำงานอัตโนมัติ โดยเริ่มจากคำสั่งผู้ใช้ทั่วไป โดยไม่มีสคริปต์ ไม่มีวิถีที่คำนวณไว้ล่วงหน้า และไม่มีมนุษย์ควบคุม เอเยนต์ VLM รับรู้ฉาก ให้เหตุผลเกี่ยวกับงาน และวางแผนกลยุทธ์แบบ end-to-end สำหรับการหยิบและจัดเรียงวัตถุ ระบบเดียวกันนี้ยังถูกแสดงให้เห็นถึงการนำทางในสภาพแวดล้อมกลางแจ้งเพื่อเก็บและทิ้งขยะแบบอัตโนมัติ
ในการประชุมนานาชาติด้านหุ่นยนต์และระบบอัตโนมัติ (ICRA 2026) ซึ่งจัดขึ้นระหว่างวันที่ 9-11 มิถุนายน 2026 Flexion ได้ทำการสาธิตหุ่นยนต์ฮิวแมนนอยด์แบบอัตโนมัติสด โดยจาก การทดลอง 300 ครั้งตลอดสามวัน หุ่นยนต์ทำงานโดยอัตโนมัติเต็มรูปแบบด้วยอัตราความสำเร็จกว่า 95% โดยไม่มีการแทรกแซงของมนุษย์ ผลลัพธ์นี้ยืนยันว่าแนวทางการถ่ายโอนจากโลกเสมือนสู่โลกจริง (Sim-to-Real) ทำงานได้ในวงกว้างในสภาพแวดล้อมการประชุมที่ไม่สามารถควบคุมได้ ซึ่งเป็นสถานการณ์ที่ยากมากในการสาธิตหุ่นยนต์
| มิติ | Flexion Robotics | คู่แข่งทั่วไป (Tesla Optimus, Boston Dynamics, Figure, 1X) |
|---|---|---|
| ผลิตภัณฑ์หลัก | ซอฟต์แวร์สมองกลสากล — ไม่มีฮาร์ดแวร์หุ่นยนต์ของตัวเอง | ผสานฮาร์ดแวร์ + ซอฟต์แวร์แบบแนวตั้ง; แต่ละบริษัทสร้างร่างกายหุ่นยนต์ของตัวเอง |
| กลยุทธ์แพลตฟอร์ม | ทำงานบนฮาร์ดแวร์หุ่นยนต์ใดก็ได้; ปัจจุบันรองรับ 14 แพลตฟอร์มพร้อมกัน | ผูกติดกับแพลตฟอร์มฮาร์ดแวร์เฉพาะตัวเดียว |
| กระบวนทัศน์การฝึก | เน้นโลกจำลองเป็นหลัก (Sim-to-Real); นโยบายถูกฝึกในโลกจำลองและถ่ายโอนแบบ Zero-Shot | ผสมผสานข้อมูลการควบคุมระยะไกลในโลกจริง, RL ในโลกจริง และการจำลอง; ส่วนใหญ่อาศัยการเก็บข้อมูลจริงอย่างหนัก |
| เป้าหมายความเข้ากันได้ | ลดระยะเวลา Setup สำหรับหุ่นยนต์ใหม่ + งานใหม่ จากหลายปีเหลือหนึ่งสัปดาห์ | งานใหม่แต่ละงานต้องใช้เวลาหลายเดือนในการปรับแต่งฮาร์ดแวร์เฉพาะ |
| เงินทุน | 57.35 ล้านดอลลาร์สหรัฐ ($50M Series A + $7.35M Seed) | คู่แข่งมักระดมทุนรอบใหญ่กว่าเพื่อการผลิตฮาร์ดแวร์ (เช่น Figure AI ระดมทุนได้มากกว่า $675M) |
| นักลงทุนหลัก | DST Global, NVIDIA NVentures, Prosus Ventures, Moonfire, Redalpine | ผสมผสานระหว่าง VC, นักลงทุนเชิงกลยุทธ์ และองค์กร |
จุดแตกต่างเชิงกลยุทธ์หลัก:
บทความเฉพาะจาก Wired ในเดือนมิถุนายน 2026 ที่เจาะลึกเรื่องความสามารถในการทำงานสำนักงานอัตโนมัติของ Flexion ไม่พบในผลการค้นหาที่มีอยู่ หลักฐานการสาธิตงานสำนักงานที่ละเอียดที่สุดมาจากโพสต์ LinkedIn ของ Flexion เอง (พฤศจิกายน 2025) และรายงานผลการทดสอบ ICRA 2026 การอ้างของบริษัทเกี่ยวกับการลดเวลาติดตั้งเหลือ 'หนึ่งสัปดาห์' และการทำงานบน 14 แพลตฟอร์มยังคงต้องรอการยืนยันในระดับเชิงพาณิชย์ และถึงแม้ผลลัพธ์จาก ICRA 2026 จะน่าประทับใจ แต่วงการยังคงรอการเปรียบเทียบจากบุคคลที่สามที่วัดประสิทธิภาพของหุ่นยนต์ที่ขับเคลื่อนโดย Flexion กับคู่แข่งที่บูรณาการในแนวตั้งในการใช้งานจริง
การเดิมพันของ Flexion คืออนาคตของหุ่นยนต์ฮิวแมนนอยด์จะไม่เหมือน iPhone (ชุดฮาร์ดแวร์และซอฟต์แวร์ที่ผสานกันอย่างแน่นหนา) แต่มันจะเหมือน Android (ระบบปฏิบัติการสากลที่ผู้ผลิตทุกรายสามารถนำไปปรับใช้ได้) และถ้าวิธีการฝึกแบบโลกเสมือนจริงยังคงสร้างผลลัพธ์ในโลกจริงได้เช่นนี้ การเดิมพันครั้งนี้ก็อาจจะประสบความสำเร็จ