Unitree -ศูนย์นวัตกรรมหุ่นยนต์ปักกิ่ง ไล่กวาดเหรียญทองโอลิมปิกหุ่นยนต์

18 ส.ค. 2568 | 08:31 น.
อัปเดตล่าสุด :18 ส.ค. 2568 | 08:41 น.

ศึกโอลิมปิกหุ่นยนต์ปักกิ่งครั้งแรก สตาร์ทอัพจีน Unitree และ Tiangong Ultra โชว์พลังเทคโนโลยี กวาดทองวิ่งระยะไกล-วิ่งผลัด

งานแข่งขัน World Humanoid Robot Games หรือที่ถูกขนานนามว่า “โอลิมปิกหุ่นยนต์” จัดขึ้นที่กรุงปักกิ่งเมื่อสัปดาห์ที่ผ่านมา กลายเป็นเวทีที่สตาร์ทอัพจีนอย่าง Unitree Robotics และ Beijing Innovation Center of Humanoid Robots คว้าเหรียญทองหลายรายการ สะท้อนศักยภาพของเทคโนโลยีหุ่นยนต์ที่ก้าวหน้าอย่างก้าวกระโดด

Unitree กวาดชัยชนะในรายการวิ่ง 1,500 เมตร, 400 เมตร และวิ่งผลัด 400 เมตร โดยหุ่นยนต์ H1 ทำความเร็วเฉลี่ยกว่า 3.8 เมตรต่อวินาที ตามคำเปิดเผยของผู้ก่อตั้งและซีอีโอ หวัง ซิงซิง ที่ย้ำว่าทีมงานใช้รีโมตคอนโทรลเพื่อรีดศักยภาพของหุ่นยนต์ออกมาเต็มที่

Unitree -ศูนย์นวัตกรรมหุ่นยนต์ปักกิ่ง ไล่กวาดเหรียญทองโอลิมปิกหุ่นยนต์

อีกหนึ่งไฮไลต์คือ Tiangong Ultra หุ่นยนต์จากศูนย์นวัตกรรมฯ ปักกิ่ง ที่คว้าแชมป์วิ่ง 100 เมตร ด้วยระบบนำทางอัตโนมัติผสาน LiDAR, กล้อง และอัลกอริทึม ในการตรวจจับเส้นทาง ถัง เจี้ยน นักวิจัยอธิบายว่า การควบคุมหุ่นยนต์กว่า 30 ข้อต่อบนสนามแข่งที่ซับซ้อนนั้นยากกว่าการทำระบบขับขี่อัตโนมัติของรถยนต์เสียอีก

หลายทีมเผยว่า การฝึกซ้อม 2-3 สัปดาห์ก่อนแข่งช่วยยกระดับสมรรถนะอย่างมาก เช่น สตาร์ทอัพ Magiclab ที่ทำให้หุ่นยนต์วิ่งเร็วขึ้นเฉลี่ยอีก 1 เมตรต่อวินาที อย่างไรก็ตาม การแข่งขันวิ่งข้ามรั้วสะท้อนข้อจำกัดของหุ่นยนต์ เมื่อมีเพียง Unitree และ PNDbotics ที่เข้าเส้นชัย ขณะที่ทีมอื่น ๆ ล้มเหลวจากปัญหาเสถียรภาพของอัลกอริทึม การประมวลผล และการประสานการเคลื่อนไหว

Unitree -ศูนย์นวัตกรรมหุ่นยนต์ปักกิ่ง ไล่กวาดเหรียญทองโอลิมปิกหุ่นยนต์

นอกจากกีฬาความเร็วแล้ว งานยังมีการแข่งขันในภาคการใช้งานจริง เช่น การทำความสะอาดโรงแรมและการขนย้ายวัสดุ หุ่นยนต์ Tianyi 2.0 ของศูนย์นวัตกรรมฯ คว้าเหรียญเงินและทองแดงในการแข่งขันขนย้ายวัสดุ ขณะที่ UniX AI ชนะเลิศการทำความสะอาดโรงแรม

แต่ผู้ก่อตั้ง หยาง เฟิงอวี่ เปิดเผยว่า หุ่นยนต์ส่วนใหญ่ยังต้องพึ่งพา “ท่าทางที่โปรแกรมไว้ล่วงหน้า” ไม่สามารถปรับตัวอัตโนมัติได้จริง ยกตัวอย่างเช่น สามารถหยิบกระป๋องโค้กได้ แต่หยิบกระป๋องเป๊ปซี่ไม่ได้

 

ผู้เชี่ยวชาญชี้ว่า ปัญหาการรับรู้และการปรับตัวต่อสิ่งแวดล้อมคือคอขวดสำคัญ หากหุ่นยนต์จะก้าวไปสู่การใช้งานจริงอย่างแพร่หลาย ยังต้องมี การพัฒนาอัลกอริทึมแบบ Generalization การรับรู้ขั้นสูง และการเรียนรู้แบบปรับตัว (Adaptive Learning) ที่ดีกว่าปัจจุบัน

ที่มา Yicaiglobal