ค้นพบความสนใจของคุณ ไปด้วยกัน

ดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ค้นพบความสนใจของคุณ ไปด้วยกันดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

Gemini Robotics 2.5 คัดแยกชิ้นส่วนแม่นยำ 96% พร้อมใช้ในโรงงานแค่ไหน

Gemini Robotics 2.5 คัดแยกชิ้นส่วนแม่นยำ 96% พร้อมใช้ในโรงงานแค่ไหน
ความสนใจ|สำรวจการใช้งาน AI

96% เป็นหมุดหมาย ไม่ใช่ใบรับรองความพร้อม

Gemini Robotics 2.5 คือโมเดลวิชัน-ภาษา-การกระทำสำหรับหุ่นยนต์ ซึ่งรับข้อมูลภาพและคำสั่งภาษาจากผู้ใช้ แล้วแปลงความเข้าใจนั้นเป็นการเคลื่อนไหวเพื่อจัดการสิ่งของในโลกจริงได้โดยไม่ต้องเขียนโปรแกรมใหม่สำหรับทุกงาน การประกาศเปิดตัวเมื่อวันที่ 10 พฤศจิกายน 2026 จึงสะท้อนความพยายามขยับ AI จากหน้าจอไปสู่การลงมือทำในพื้นที่ทำงานจริง[ ] ตัวอย่างที่เรียกความสนใจคือการทดสอบกับหุ่นยนต์ฮิวแมนนอยด์ Apollo 2 ของ Apptronik ในโรงงาน Mercedes-Benz ที่เมือง Kecskemét และ Sindelfingen หุ่นยนต์ต้องคัดแยกชิ้นส่วนโลหะจากถังรวม แล้วจัดลงถาดตามลำดับประกอบรถยนต์ บริษัทระบุว่าทำสำเร็จ 96% ในการทดลองพิสูจน์แนวคิด ตัวเลขนี้มีน้ำหนักในฐานะสัญญาณว่า AI สายการผลิตเริ่มรับงานที่เปลี่ยนแปลงได้มากกว่าระบบอัตโนมัติแบบตายตัว แต่ยังไม่ใช่หลักฐานว่าพร้อมแทนคนหรือทำงานต่อเนื่องได้โดยไม่ต้องมีผู้ดูแล[ ][ ]

Gemini Robotics 2.5 คัดแยกชิ้นส่วนแม่นยำ 96% พร้อมใช้ในโรงงานแค่ไหน

จากภาพและคำสั่ง สู่การควบคุมมือกับแขน

จุดต่างของโมเดลวิชัน-ภาษา-การกระทำ หรือ VLA คือการเชื่อมสิ่งที่หุ่นยนต์มองเห็นเข้ากับคำสั่งและการเคลื่อนไหว แทนการสั่งแขนกลให้ทำตามลำดับที่เขียนไว้ล่วงหน้าอย่างเดียว ในการทดสอบงานจัดชุดชิ้นส่วน Gemini Robotics ER ตรวจสอบขั้นตอน ส่วน Gemini Robotics 2.5 ควบคุมมือและแขนเพื่อหยิบและวางชิ้นส่วน[ ] DeepMind ระบุว่าทดสอบโมเดลกับงานมากกว่า 200 รูปแบบ ตั้งแต่ใช้ที่คีบเสิร์ฟอาหารไปจนถึงใช้ปิเปต และผลสำเร็จสูงกว่าโมเดลฐานเดิม 30–100% ตามประเภทงาน ขณะที่ความเร็วเพิ่มขึ้น 20–30%[ ] ความสามารถนี้อาจช่วยให้หุ่นยนต์ในโรงงานรับมือกับงานหลากหลายและการเปลี่ยนแปลงหน้างานได้ดีขึ้น อย่างไรก็ตาม การผ่านงานหลายชนิดในชุดทดสอบไม่ได้แปลว่าจะปรับใช้กับทุกสายการผลิตได้ทันที เพราะรูปทรงชิ้นงาน แสง พื้นที่ และจังหวะการทำงานต่างกัน

สิ่งที่ตัวเลข 96% ยังตอบไม่ได้

ความสำเร็จ 96% ฟังดูสูง แต่ยังขาดรายละเอียดสำคัญสำหรับประเมินการทำงานจริง ได้แก่ จำนวนครั้งที่ทดลอง นิยามของคำว่าสำเร็จ และความถี่ที่คนต้องเข้ามาช่วยแก้ปัญหา อีกทั้งยังไม่มีการเปิดเผยชุดทดสอบหรือวิธีวัดให้สาธารณชนตรวจสอบอย่างละเอียด จึงยังสรุปไม่ได้ว่าผลจะทำซ้ำได้สม่ำเสมอในกะงานยาวหรือเมื่อเงื่อนไขเปลี่ยนไป[ ] ช่องว่าง 4% ที่เหลืออาจมีความหมายมากในสายการผลิตซึ่งความผิดพลาดเพียงบางครั้งก็ทำให้ชิ้นส่วนผิดลำดับหรืองานสะดุด การประเมินจึงควรมองทั้งความแม่นยำ ความเร็ว และการหยุดเพื่อให้คนเข้าช่วย ไม่ใช่ดูเปอร์เซ็นต์ความสำเร็จเพียงค่าเดียว จุดนี้ทำให้ผลทดลองน่าสนใจในฐานะก้าวหน้า แต่ยังไม่ควรตีความว่าเป็นการรับรองความพร้อมใช้งานเต็มรูปแบบ

ความปลอดภัยและเส้นทางสู่การใช้งานจริง

เมื่อหุ่นยนต์ทำงานใกล้คน ความแม่นยำอย่างเดียวไม่พอ DeepMind ระบุว่าระบบควบคุมแบบเรียลไทม์ช่วยให้หลีกเลี่ยงอันตราย และผลด้านความปลอดภัยดีขึ้น 33% เมื่ออยู่ใกล้สิ่งกีดขวาง กับ 43% เมื่อทำงานใกล้มนุษย์[ ] ตัวเลขเหล่านี้เป็นสัญญาณที่ดี แต่การนำไปใช้ต้องพิสูจน์ว่าหุ่นยนต์รับมือเหตุไม่คาดคิดได้ และมีมาตรการหยุดระบบที่เหมาะสมในสถานที่ทำงานจริง ขณะนี้โมเดลยังเปิดให้พันธมิตรด้านหุ่นยนต์ทดลองใช้ก่อน ไม่ได้เปิดให้ใช้งานทั่วไป และมีการทำงานร่วมกับพันธมิตรอย่าง Agile, Apptronik และ Mercedes-Benz[ ][ ] สำหรับผู้ประกอบการ สิ่งที่ควรรอติดตามคือผลทดสอบจากผู้ประเมินอิสระ ความสม่ำเสมอระหว่างกะ และระดับการกำกับดูแลจากมนุษย์ ก่อนตัดสินใจนำ AI สายการผลิตไปใช้ในงานที่มีผลต่อความปลอดภัยหรือกำลังการผลิต

ข้อสรุปคือ Gemini Robotics 2.5 แสดงให้เห็นว่าหุ่นยนต์คัดแยกชิ้นส่วนเริ่มทำงานที่ต้องอาศัยการมองเห็นและการหยิบจับได้ยืดหยุ่นขึ้น แต่ 96% เป็นผลจากการทดลองของบริษัท ไม่ใช่คำตอบสุดท้ายเรื่องความคุ้มค่า ความเร็ว และความปลอดภัยเมื่อใช้งานต่อเนื่อง ความก้าวหน้าครั้งนี้ควรได้รับความสนใจ พร้อมกับรอหลักฐานที่ตรวจสอบได้ก่อนเรียกว่าหุ่นยนต์พร้อมรับงานจริงเต็มรูปแบบ

ZestBuy ได้รับค่าคอมมิชชั่นเมื่อคุณช้อปผ่านลิงก์ของเรา โดยคุณไม่ต้องจ่ายเพิ่ม บทความนี้สร้างขึ้นด้วย AI จากแหล่งข้อมูลที่เผยแพร่และข้อมูลสินค้า

You May Also Like

Comments
พูดอะไรบางอย่าง...
ยังไม่มีความคิดเห็น มาเป็นคนแรกที่แบ่งปันความคิดเห็นของคุณ!