Agility Robotics เปิดศูนย์ฝึกอบรมขนาด 60,000 ตารางฟุตในเมืองฟรีมอนต์ รัฐแคลิฟอร์เนีย และคาดว่าจะช่วยเร่งการส่งมอบหุ่นยนต์ฮิวแมนนอยด์ Digit ให้กับลูกค้าในภาคอุตสาหกรรมได้เร็วขึ้น สถานที่แห่งนี้ซึ่งอยู่ห่างจากโรงงานของ Tesla เพียงไม่กี่ไมล์ ช่วยให้บริษัทมีพื้นที่เฉพาะสำหรับการสอนงานใหม่ๆ ให้กับหุ่นยนต์ ในขณะที่กำลังดำเนินแนวทาง AI ที่เน้นความปลอดภัยเป็นหลัก (safety-first AI) ซึ่งแยกการควบคุมแบบกำหนดผลลัพธ์ได้แน่นอน (deterministic control) ออกจากโมเดลแบบสร้างสรรค์ (generative models)

ทำไมสถานที่ในฟรีมอนต์ถึงมีความสำคัญ

การเคลื่อนไหวครั้งนี้ทำให้ Agility เข้ามาอยู่ใจกลางทางภูมิศาสตร์ของการผลักดันด้านหุ่นยนต์ในสหรัฐฯ แต่ความสำคัญที่แท้จริงคือขนาดของการดำเนินงาน พื้นที่ขนาด 60,000 ตารางฟุตช่วยให้ Digit สามารถฝึกฝนกระบวนการเคลื่อนไหวแบบครบวงจร ตั้งแต่การเคลื่อนย้ายตะกร้าใส่ของแบบง่ายๆ ไปจนถึงการขนถ่ายสินค้าออกจากรถเทรลเลอร์ทั้งคัน ภายใต้สภาวะที่จำลองมาจากคลังสินค้าจริง เมื่อมีวิทยาเขตแห่งนี้ Agility จะสามารถเปลี่ยนจากการทดสอบภาคสนามแบบเฉพาะกิจ ไปสู่ระบบการฝึกอบรมที่มีประสิทธิภาพสูงและทำซ้ำได้ ซึ่งเป็นขั้นตอนที่อาจช่วยลดระยะเวลาระหว่างการอัปเดตซอฟต์แวร์ใหม่กับการเริ่มใช้งานจริงของหุ่นยนต์ในโรงงาน

จากต้นแบบสู่รายได้

Digit ได้ถูกนำไปใช้งานจริงแล้วกับลูกค้ารายใหญ่จำนวนหนึ่ง ได้แก่ Amazon, บริษัทโลจิสติกส์ GXO, ผู้ผลิตชิ้นส่วน Schaeffler และ Toyota Motor Manufacturing Canada การนำไปใช้งานเหล่านี้สร้างยอดสั่งซื้อตามสัญญาถึง 300 ล้านดอลลาร์ ซึ่งเป็นตัวเลขที่ส่งสัญญาณถึงความต้องการแรงงานในรูปแบบหุ่นยนต์ฮิวแมนนอยด์อย่างแท้จริงในภาคโลจิสติกส์และการผลิต ต่างจากสตาร์ทอัพหลายแห่งที่ยังคงวนเวียนอยู่กับการทดสอบต้นแบบ (proof-of-concept) แต่ Agility กำลังสร้างรายได้และสร้างงานด้วยหุ่นยนต์ที่สามารถเดิน ขึ้นบันได และหยิบจับวัตถุที่มีขนาดเท่ากับกล่องทั่วไปได้

กลยุทธ์ AI แบบไฮบริด

กระแสในอุตสาหกรรมปัจจุบันมุ่งเน้นไปที่โมเดลภาษาขนาดใหญ่ (large language models) และโครงข่ายประสาทเทียมแบบ transformer แต่ Damion Shelton ผู้ร่วมก่อตั้ง Agility ได้ขีดเส้นแบ่งระหว่างระบบ "generative" เหล่านั้น กับตัวควบคุมแบบ deterministic ที่ช่วยรักษาความปลอดภัยของหุ่นยนต์ เขาเปรียบเทียบระบบความปลอดภัยของหุ่นยนต์กับระบบเบรกป้องกันล้อล็อก (anti-lock brake system) ว่าหุ่นยนต์ต้องแสดงพฤติกรรมที่คาดเดาได้เสมอ โดยไม่ขึ้นกับความผันผวนของ AI ที่สามารถสร้างการกระทำรูปแบบใหม่ๆ ขึ้นมาได้

ในขณะเดียวกัน Agility ก็ไม่ได้ปฏิเสธ generative AI โดยสิ้นเชิง บริษัทวางแผนที่จะใช้มันเป็น "ตัวเร่งการเขียนโปรแกรม" (programming accelerator) ซึ่งช่วยให้วิศวกรสามารถอธิบายงานด้วยคำศัพท์ระดับสูง และให้โมเดลเสนอชุดลำดับการเคลื่อนไหว สิ่งนี้อาจเข้ามาแทนที่วิธีการเขียนโค้ดการเคลื่อนไหวแต่ละขั้นตอนด้วยตนเองในปัจจุบัน ซึ่งเป็นคอขวดที่หากไม่แก้ไขจะต้องใช้วิศวกรหลายพันคนเพื่อให้ทันต่อกรณีการใช้งานใหม่ๆ

การขยายขนาดผ่านประโยชน์ใช้สอยทางอุตสาหกรรม

แผนงาน (roadmap) ของ Agility ถูกออกแบบมาเพื่อภาคอุตสาหกรรมโดยเฉพาะ วิทยาเขตในฟรีมอนต์จะทำหน้าที่เป็นพื้นที่ทดลอง (sandbox) ที่ซึ่ง Digit ซึ่งมีความสูง 6 ฟุต จะได้เรียนรู้ในช่องทางเดินจำลองก่อนที่จะถูกส่งไปยังสายการผลิตของลูกค้า ฮาร์ดแวร์รุ่นถัดไปที่เรียกว่า "Version 5" มีกำหนดเปิดตัวในฤดูใบไม้ร่วงปีนี้ และจะเพิ่มความสามารถในการตรวจจับมนุษย์ (human-sensing) ขั้นสูง เซนเซอร์เหล่านี้ควรช่วยให้หุ่นยนต์สามารถทำงานเคียงข้างกับมนุษย์ได้ แทนที่จะถูกจำกัดอยู่แค่ในโซนหุ่นยนต์ที่แยกออกมาต่างหาก

แนวทางแบบค่อยเป็นค่อยไปของบริษัทเริ่มต้นจากการเคลื่อนไหวที่ง่ายที่สุด เช่น การจัดเรียงถังและการเคลื่อนย้ายตะกร้า จากนั้นจึงเพิ่มการหยิบและการจัดชุดสินค้า (picking and kitting) ก่อนจะจัดการกับวัสดุที่ยากขึ้น เช่น กระดาษลังและสินค้าเต็มคันรถเทรลเลอร์ ด้วยการเชี่ยวชาญในแต่ละขั้นตอน Agility หวังที่จะครองส่วนแบ่งในตลาดโลจิสติกส์ที่มีมูลค่า "ล้านล้านดอลลาร์" และพิสูจน์ว่าแพลตฟอร์มหิวแมนนอยด์สามารถเป็นแรงงานหลักที่ใช้งานได้จริง ไม่ใช่แค่ของแปลกใหม่

สิ่งที่อาจผิดพลาดได้

นักวิจารณ์เตือนว่าการผสมผสาน generative AI เข้ากับการควบคุมที่สำคัญต่อความปลอดภัยนั้นมีความเสี่ยง หากโมเดลภาษาเสนอการเคลื่อนไหวที่ระบบความปลอดภัยแบบ deterministic ไม่ได้คาดการณ์ไว้ล่วงหน้าอย่างครบถ้วน หุ่นยนต์อาจแสดงพฤติกรรมที่คาดเดาไม่ได้ในคลังสินค้าที่มีคนพลุกพล่าน การแยกสองเลเยอร์นี้ของ Shelton มีเป้าหมายเพื่อลดความเสี่ยงดังกล่าว แต่บทพิสูจน์ที่แท้จริงจะอยู่ที่การใช้งานจริงซึ่งมักจะมีกรณีที่ไม่คาดคิด (edge cases) เกิดขึ้นมากมาย

อีกความกังวลหนึ่งคือการมุ่งเน้นไปที่งานอุตสาหกรรมที่มีมูลค่าสูงโดยละเลยตลาดผู้บริโภค แม้ว่าภาคโลจิสติกส์จะให้สัญญาจ้างขนาดใหญ่ แต่ก็ต้องการความต่อเนื่องในการทำงาน (uptime) ที่เข้มงวดและการเชื่อมต่อกับระบบจัดการคลังสินค้าที่มีอยู่เดิม หาก Agility ไม่สามารถตอบสนองความต้องการด้านการเชื่อมต่อเหล่านี้ได้ ยอดสั่งซื้อมูลค่า 300 ล้านดอลลาร์ก็อาจหยุดชะงักลงได้

สิ่งที่ต้องจับตามอง

  • การเปิดตัว Version 5: ชุดเซนเซอร์ตรวจจับมนุษย์จะเป็นการทดสอบครั้งแรกที่แท้จริงของคำกล่าวอ้างเรื่อง AI ที่เน้นความปลอดภัยเป็นหลักของ Agility ในสภาพแวดล้อมที่มีมนุษย์ปะปนอยู่
  • จังหวะเวลาของการควบรวมกิจการแบบย้อนกลับ (Reverse-merger): บริษัทคาดว่าจะเข้าสู่ตลาดหลักทรัพย์ในช่วงปลายปีนี้ ซึ่งเป็นการเคลื่อนไหวที่อาจช่วยจัดหาเงินทุนที่จำเป็นสำหรับการขยายตัวอย่างรวดเร็ว แต่ก็อาจทำให้ต้องเผชิญกับการตรวจสอบจากตลาดด้วย
  • ตัวชี้วัดการใช้งาน: อัตราที่ลูกค้าใหม่เพิ่มจำนวนหน่วยของ Digit และความเร็วที่วิทยาเขตในฟรีมอนต์สามารถรับรองรูปแบบงานใหม่ๆ จะเป็นตัวบ่งชี้ว่าโมเดลการฝึกอบรมช่วยเร่งการติดตั้งใช้งานได้จริงหรือไม่

บทสรุป

Agility Robotics กำลังเดิมพันว่า แคมปัสฝึกอบรมที่สร้างขึ้นเพื่อวัตถุประสงค์เฉพาะ สแต็ก AI แบบไฮบริด และการมุ่งเน้นไปที่กรณีการใช้งานในภาคอุตสาหกรรม จะเปลี่ยนหุ่นยนต์ Digit จากสิ่งที่น่าสนใจเพียงแค่ในห้องทดลอง ให้กลายเป็นสินทรัพย์ที่สร้างรายได้ ในอีกไม่กี่เดือนข้างหน้า โดยเฉพาะการเปิดตัว Version 5 และการเข้าสู่ตลาดหลักทรัพย์ของบริษัท จะเป็นตัวบ่งชี้ว่าการเดิมพันครั้งนี้จะประสบความสำเร็จหรือไม่