Simate-beta กับคะแนน RoboDojo ที่ยังต้องพิสูจน์ในโลกจริง

Simate-beta คือ “fast system” สำหรับ Physical AI รุ่นแรกของ Simate หรือโมเดลควบคุมหุ่นยนต์ที่ออกแบบมาให้ตอบสนองและลงมือทำในโลกกายภาพได้รวดเร็ว รายการบนลีดเดอร์บอร์ด RoboDojo ระบุว่า Simate-beta ได้คะแนน 33.95 และมีอัตราทำภารกิจสำเร็จ 27.96% ในการทดสอบแบบจำลอง อย่างไรก็ตาม ผลบนลีดเดอร์บอร์ดและเดโมหุ่นยนต์จริงเป็นหลักฐานคนละส่วน และยังไม่ได้ยืนยันว่าโมเดลจะทำงานได้อย่างสม่ำเสมอในงานหรือสภาพแวดล้อมทั่วไป

คะแนน RoboDojo บอกอะไร และยังบอกอะไรไม่ได้

RoboDojo เป็นเกณฑ์ทดสอบที่ออกแบบมาเพื่อประเมินความสามารถของนโยบายควบคุมหุ่นยนต์แบบอเนกประสงค์ ทั้งในสภาพแวดล้อมจำลองและโลกจริง แต่รายการ Simate-beta ที่ปรากฏบนลีดเดอร์บอร์ดเป็นผลการทดสอบใน สภาพแวดล้อมจำลอง ซึ่ง Simate เป็นผู้ส่งเข้าร่วม ไม่ใช่คะแนนจากการทดสอบบนหุ่นยนต์จริง

จุดนี้สำคัญ เพราะคะแนนมาตรฐานกับเดโมหุ่นยนต์จริงเป็นหลักฐานคนละประเภท รายงานเกี่ยวกับเดโมของ Simate กล่าวถึงความจำ การปรับตัวเข้ากับงาน ลำดับการทำงานที่ยาว และการหยิบจับอย่างละเอียด สิ่งเหล่านี้แสดงให้เห็นทิศทางที่บริษัทกำลังพัฒนา แต่ยังไม่เพียงพอจะยืนยันว่าโมเดลทำได้ดีนอกเหนือจากงานที่นำมาแสดง 5

“ระบบเร็ว” ที่ออกแบบมาเพื่อควบคุมได้ฉับไว

Simate อธิบายแนวทางของตนว่าเป็น fast system ซึ่งรวมการรับรู้ทางกายภาพ 4 มิติเข้ากับกลไกความจำ เป้าหมายคือให้ระบบตอบสนองได้รวดเร็ว และอาจประมวลผลบนอุปกรณ์ได้ ก่อนจะทำงานร่วมกับระบบให้เหตุผลที่ช้ากว่าแต่เหมาะกับโจทย์ซับซ้อน 15

แนวคิดนี้คือให้โมเดลติดตามการเปลี่ยนแปลงของฉากทางกายภาพและเก็บข้อมูลที่เป็นประโยชน์ต่อความคืบหน้าของงานไว้ ขณะเดียวกันก็ต้องตอบสนองต่อสถานการณ์ใหม่ได้ ทั้งผล RoboDojo และเดโมหุ่นยนต์จริงจึงถูกนำเสนอเป็นหลักฐานระยะแรกของระบบที่ตั้งใจให้รับรู้ จดจำ และลงมือทำ แต่ยังไม่ใช่ข้อพิสูจน์ว่าความสามารถเหล่านี้จะใช้ได้กับสถานการณ์ที่ไม่คุ้นเคย 10

AutoResearch: ให้ AI agent ช่วยพัฒนาโมเดลหุ่นยนต์

แนวทางที่ Simate เรียกว่า “Physical RSI” พยายามเชื่อมการพัฒนาโมเดล การจัดการข้อมูล การทดลอง การประเมินผล และการนำไปใช้กับหุ่นยนต์จริงให้เป็นวงจรต่อเนื่อง ส่วน AutoResearch ตั้งใจให้ AI agent ช่วยเสนอและทดสอบแนวคิดวิจัย โดยมนุษย์เป็นผู้กำหนดเป้าหมายและข้อจำกัด รวมถึงประเมินผล Simate ระบุว่า beta เป็นผลงานระยะแรกจากกระบวนการที่มนุษย์ยังมีบทบาทกำกับนี้ 1112

บริษัทยังกล่าวว่าโครงสร้างพื้นฐานที่พัฒนาขึ้นเองเชื่อมการฝึกโมเดล การประมวลผลเพื่อใช้งาน และการประเมินผล พร้อมรองรับงานวิจัยหลายแนวทางควบคู่กัน ส่วน Sinfra ครอบคลุมทั้งการจำลอง การฝึก และการประมวลผลเพื่อใช้งาน ข้อเสนอของบริษัทคือระบบที่เชื่อมต่อกันเช่นนี้อาจช่วยให้ทดสอบแนวคิดและนำผลกลับไปพัฒนาได้เร็วขึ้น แต่ข้อมูลที่มีอยู่ยังไม่ได้ยืนยันอย่างเป็นอิสระว่าช่วยเพิ่มประสิทธิภาพของโมเดลได้มากเพียงใด 1115

ประสบการณ์ทีมและแผนเผยแพร่ผลงาน

ข้อมูลเกี่ยวกับทีมของ Simate ระบุว่ามีทั้งประสบการณ์ด้านการนำระบบขับขี่อัตโนมัติไปใช้งานจริง และพื้นฐานงานวิจัยด้าน world model กับการควบคุมหุ่นยนต์จริง ทักษะเหล่านี้สอดคล้องกับเป้าหมายของบริษัทที่ต้องการสร้างโมเดลซึ่งเรียนรู้เกี่ยวกับโลกกายภาพและทำงานบนฮาร์ดแวร์ได้ แต่ประวัติของทีมไม่อาจใช้แทนหลักฐานประสิทธิภาพที่ผ่านการตรวจสอบอย่างเป็นอิสระ 512

Simate ระบุว่ามีแผนเผยผลทดสอบเป็นระยะเกี่ยวกับการทำงานแบบ zero-shot กับงานซับซ้อนภายในสิ้นปี 2026 จากนั้นจะทยอยเผยแพร่บทความหรือตัวรายงานทางเทคนิคเกี่ยวกับโมเดลและงานวิจัยอัตโนมัติ พร้อมเปิดซอร์สเป็นลำดับ แผนเหล่านี้เป็นสิ่งที่บริษัทยังประกาศว่าจะทำ ไม่ใช่ผลทดสอบหรือผลงานที่เผยแพร่แล้ว 11

ภาพรวมในตอนนี้จึงเป็นรายงานความคืบหน้าระยะแรกที่มาจากบริษัท: มีคะแนนทดสอบในสภาพแวดล้อมจำลอง มีเดโมบนหุ่นยนต์จริงแยกต่างหาก และมีระบบวิจัยที่ออกแบบมาเพื่อเร่งการทดลอง ขั้นต่อไปที่ควรจับตาคือรายงานทางเทคนิคโดยละเอียด และผลทดสอบที่แสดงให้เห็นว่าโมเดลทำได้ดีเพียงใดนอกเหนือจากรายการบนลีดเดอร์บอร์ดและงานที่นำมาเดโม