WUWENAI กับภารกิจสร้างโครงสร้างพื้นฐานข้อมูลสำหรับหุ่นยนต์อัจฉริยะ

ปัญหาที่ WUWENAI ต้องการแก้

แนวคิดหลักของ WUWENAI คือ Embodied AI หรือปัญญาประดิษฐ์ที่รับรู้และลงมือทำในโลกจริง จะไม่สามารถขยายขีดความสามารถได้ด้วยการสะสมข้อมูลสาธิตเพียงอย่างเดียว ระบบที่บริษัทเสนอจึงใช้วงจร Real-to-Sim-to-Real หรือการนำข้อมูลจากโลกจริงไปสร้างโลกจำลอง แล้วส่งผลลัพธ์กลับมาปรับปรุงการทำงานในโลกจริง

ในภาพรวม ข้อมูลจากการที่หุ่นยนต์มีปฏิสัมพันธ์กับวัตถุจริงจะถูกใช้เป็นฐานให้ Generative World Model สร้างประสบการณ์ทางเลือก กรณีผิดพลาด และสถานการณ์ที่ควบคุมได้ จากนั้น World Simulator จะนำข้อมูลเหล่านี้ไปใช้ฝึกและทดสอบนโยบายการควบคุม ก่อนเลือกกรณีที่ควรนำกลับไปเก็บข้อมูลบนฮาร์ดแวร์จริงอีกครั้ง WUWENAI ระบุว่า Liu Shengxiang ซึ่งเคยเป็นผู้บริหารด้านข้อมูลและการทดสอบรถยนต์ไร้คนขับของ Baidu กำลังผลักดันแนวคิดโครงสร้างพื้นฐานในลักษณะนี้ 8

สามชั้นของระบบ Real-to-Sim-to-Real

1. Data Factory: เก็บรากฐานจากโลกจริง

Data Factory ใช้อุปกรณ์เก็บข้อมูลหลายรูปแบบเพื่อบันทึกภาพ การเคลื่อนไหว การสัมผัส สถานะของวัตถุ และผลลัพธ์ของภารกิจให้สอดคล้องกันตามเวลา ข้อมูลลักษณะนี้มีเป้าหมายเพื่อเก็บความสัมพันธ์เชิงเหตุและผลทางกายภาพ ซึ่งวิดีโอจากอินเทอร์เน็ตหรือฉากสังเคราะห์ทั่วไปมักไม่มี

จุดสำคัญคือข้อมูลไม่ได้ถูกสร้างขึ้นมาเพื่อให้ภาพดูสมจริงเท่านั้น แต่ต้องนำไปใช้ควบคุมหุ่นยนต์ได้จริงด้วย WUWENAI ยังเปิดตัวแพลตฟอร์มข้อมูล Physical AI ชื่อ Wuyin และระบุว่ามีข้อมูลมากกว่า 1,000 เทราไบต์ รวมถึงชุดข้อมูลคุณภาพสูงแบบเปิดมากกว่า 10,000 ชั่วโมง 12

2. Generative World Model: เปลี่ยนข้อมูลจำกัดให้เป็นประสบการณ์จำนวนมาก

World Model คือโมเดลที่เรียนรู้การแทนสภาพแวดล้อมและวิวัฒนาการของฉากตามเวลา เมื่อได้รับข้อมูลจริงและการกระทำของหุ่นยนต์ โมเดลสามารถคาดการณ์ว่าสถานการณ์จะเปลี่ยนไปอย่างไร 5

ในระบบของ WUWENAI โมเดลนี้มีบทบาทเสมือนเครื่องขยายประสบการณ์ โดยสร้างรูปแบบภารกิจ วิถีการเคลื่อนที่ การรบกวน การจัดวางวัตถุ และกรณีล้มเหลวที่แตกต่างกัน โดยยังยึดโยงกับข้อมูลปฏิสัมพันธ์จริงเป็นฐาน

3. World Simulator: ฝึกและทดสอบโดยไม่ต้องใช้ฮาร์ดแวร์ทุกครั้ง

เมื่อมีสภาพแวดล้อมจำลองที่ควบคุมด้วยการกระทำได้ นโยบายการควบคุมหุ่นยนต์ก็สามารถทดลองซ้ำด้วยความเร็วสูงและต้นทุนต่ำกว่าการทดสอบบนหุ่นยนต์จริง เครื่องจำลองยังช่วยวัดผล ค้นหาจุดอ่อน และคัดเลือกว่ากรณีใดควรนำไปเก็บข้อมูลเพิ่มเติมในโลกจริง

งานวิจัยเกี่ยวกับ Interactive World Simulator รายงานว่าผลการประเมินนโยบายในเครื่องจำลองสามารถมีความสัมพันธ์กับประสิทธิภาพในโลกจริงได้ อย่างไรก็ตาม ความสามารถนี้ยังอยู่ระหว่างการวิจัย ไม่ใช่ปัญหาที่ได้รับการแก้ไขอย่างสมบูรณ์แล้ว 3

“ข้อมูลหลายล้านชั่วโมง” จะเกิดขึ้นได้อย่างไร

คำกล่าวของ Liu ไม่ได้หมายความว่า WUWENAI จะต้องบันทึกการทำงานของหุ่นยนต์จริงเป็นเวลาหลายล้านชั่วโมง แต่หมายถึงการใช้ข้อมูลปฏิสัมพันธ์จริงที่มีจำนวนจำกัดเป็นชุดข้อมูลตั้งต้น จากนั้นให้โมเดลสร้างวิถีการฝึกที่หลากหลายและควบคุมได้ในโลกเสมือน

วงจรทางกายภาพจะทำหน้าที่ตรวจสอบและแก้ไขเครื่องจำลองอย่างต่อเนื่อง เพื่อลดการเบี่ยงเบนจากความเป็นจริง ขณะที่วงจรเสมือนช่วยเพิ่มปริมาณข้อมูล แนวทางการป้อนกลับระหว่างข้อมูลจริงกับข้อมูลสังเคราะห์เช่นนี้สอดคล้องกับงานวิจัยใหม่ด้าน Reinforcement Learning บนหุ่นยนต์จริงที่ใช้วงจรปิด 4

เหตุผลที่วิธีดั้งเดิมยังมีข้อจำกัด

• Teleoperation หรือการควบคุมหุ่นยนต์จากระยะไกล ให้ข้อมูลสาธิตที่มีป้ายกำกับการกระทำอย่างชัดเจน แต่มีต้นทุนและใช้เวลาสูง ขึ้นอยู่กับทักษะของผู้ควบคุม และมักเน้นพฤติกรรมที่ทำสำเร็จ จึงครอบคลุมกรณีผิดพลาดที่พบได้ยากหรือสถานการณ์สมมติทางเลือกได้ไม่ดี
• วิดีโอจากมุมมองบุคคลที่หนึ่ง มีข้อได้เปรียบด้านปริมาณ แต่โดยทั่วไปไม่มีข้อมูลการกระทำของหุ่นยนต์ เรขาคณิตที่ผ่านการปรับเทียบ สัญญาณแรงและการสัมผัส หรือความสอดคล้องโดยตรงกับร่างกายของหุ่นยนต์ จึงเป็นแหล่งกำกับการเรียนรู้ที่จำกัดสำหรับงานหยิบจับ
• การจำลองอย่างเดียว มีต้นทุนต่ำและสร้างสถานการณ์ได้หลากหลาย แต่หากเรขาคณิต พลวัตการสัมผัส สัญญาณรบกวนของเซนเซอร์ พฤติกรรมของวัตถุ หรือสภาพแวดล้อมมนุษย์ไม่ตรงกับโลกจริง ก็จะเกิดปัญหา Sim-to-Real Gap การทำให้ Digital Twin ปรับสอดคล้องกับข้อมูลจริงอย่างต่อเนื่องจึงเป็นแนวทางหนึ่งในการลดช่องว่างนี้ 2

จากการเลียนแบบสู่การเรียนรู้แบบเสริมกำลัง

ข้อมูลสาธิตช่วยเริ่มต้น Imitation Learning หรือการเรียนรู้แบบเลียนแบบ ซึ่งมีหลักการง่าย ๆ ว่า “ทำตามที่ผู้สาธิตทำ” แต่หากเครื่องจำลองที่ควบคุมด้วยการกระทำมีความน่าเชื่อถือเพียงพอ นโยบายก็สามารถทดลองทางเลือกอื่น รับรางวัลจากผลลัพธ์ของภารกิจ ปรับพฤติกรรมระยะยาว และเรียนรู้วิธีกู้คืนจากความผิดพลาดได้ นี่คือก้าวไปสู่ Reinforcement Learning หรือการเรียนรู้แบบเสริมกำลัง

งานวิจัยล่าสุดได้แสดงการปรับแต่งนโยบาย Vision-Language-Action ด้วย Reinforcement Learning บน World Model แล้ว แต่รางวัลที่เชื่อถือได้และความเที่ยงตรงของโมเดลยังเป็นข้อจำกัดสำคัญ 1

การแข่งขันไม่ได้มีแค่เรื่องหุ่นยนต์ แต่คือโครงสร้างข้อมูล

คู่แข่งในตลาดกำลังมุ่งไปสู่สถาปัตยกรรมที่คล้ายกัน มากกว่าจะเป็นการแข่งขันด้านฟีเจอร์เพียงอย่างเดียว World Labs อธิบาย SceniX ว่าเป็นเครื่องยนต์ R2S2R ที่เปลี่ยนงานทางกายภาพหนึ่งงานให้เป็นโลกจำลองจำนวนมาก ซึ่งควบคุมและนำกลับมาใช้ซ้ำได้สำหรับการฝึกและทดสอบนโยบาย 7

งานวิจัย World Model ของ Google DeepMind ก็เชื่อมโยงโมเดลพลวัตที่เรียนรู้ได้เข้ากับ Reinforcement Learning ที่ขยายขนาดได้ 3 ส่วน Tesla Optimus มีข้อได้เปรียบด้านการพัฒนาฮาร์ดแวร์ การผลิต และระบบนิเวศข้อมูลกับการประมวลผลที่กว้างกว่า แต่หลักฐานสาธารณะในขณะนี้ยังไม่เพียงพอที่จะสรุปว่า WUWENAI ล้ำหน้า Tesla หรือ DeepMind ในเชิงเทคนิค

ทำไมจีนจึงเป็นตลาดสำคัญ

จีนมีฐานติดตั้งหุ่นยนต์อุตสาหกรรมขนาดใหญ่ที่สุดในโลก และกำลังขยายการพัฒนาหุ่นยนต์ฮิวแมนนอยด์พร้อมกับการสร้างห่วงโซ่อุปทานหุ่นยนต์ภายในประเทศ 6 ขณะเดียวกัน ความเห็นจากภาครัฐระบุว่า Embodied AI กำลังเปลี่ยนผ่านจากการทดลองในวงจำกัดไปสู่การใช้งานที่กว้างขึ้น 9

บริบทนี้อาจทำให้จีนมีฐานโรงงาน หุ่นยนต์ งาน และสภาพแวดล้อมการใช้งานจำนวนมาก ซึ่งบริษัทโครงสร้างพื้นฐานข้อมูลสามารถใช้เก็บข้อมูลตั้งต้นและให้บริการเครื่องมือร่วมแก่ผู้ผลิตหุ่นยนต์หลายรายได้

บททดสอบที่แท้จริงยังอยู่ข้างหน้า

สถานะ “บริษัท Physical AI ระดับโลก” หรือคำกล่าวว่า WUWENAI นำหน้าคู่แข่งหลายเดือนยังเป็นคำกล่าวของบริษัทและสื่อ ไม่ใช่ผลการทดสอบมาตรฐานที่ได้รับการตรวจสอบโดยอิสระ สิ่งที่จะชี้ขาดคือ เครื่องจำลองของบริษัทสามารถคาดการณ์ผลลัพธ์ของงานที่มีการสัมผัสซับซ้อนและต้องวางแผนหลายขั้นตอนได้แม่นยำเพียงใด

ท้ายที่สุด นโยบายที่ฝึกในโลกเสมือนจะต้องถ่ายโอนไปยังหุ่นยนต์จริง วัตถุจริง และสภาพแวดล้อมที่แตกต่างกันได้อย่างสม่ำเสมอ หากทำได้ วงจร Real-to-Sim-to-Real อาจเปลี่ยนข้อมูลจริงที่มีจำกัดให้กลายเป็นโครงสร้างพื้นฐานการฝึกหุ่นยนต์ที่ขยายขนาดได้ แต่หากการจำลองยังคลาดเคลื่อน ความฝันเรื่องข้อมูลระดับหลายล้านชั่วโมงก็ยังเป็นเพียงคำมั่นสัญญา