AgiBot ประสบความสำเร็จในการใช้วิธีการเรียนรู้แบบเสริมแรงในโลกแห่งความเป็นจริงกับหุ่นยนต์อุตสาหกรรมเป็นครั้งแรก

AgiBot บริษัทด้านหุ่นยนต์ที่เชี่ยวชาญในการรวมร่างเข้ากับปัญญาประดิษฐ์ ประกาศความสำเร็จในการนำระบบ RW-RL หรือการเรียนรู้แบบเสริมแรงในโลกแห่งความเป็นจริง (Real-World Reinforcement Learning) ไปใช้ในสายการผลิตนำร่อง โดยได้ดำเนินการร่วมกันกับ Longcheer Technology

โครงการนี้ถือเป็นการนำระบบ RW-RL มาประยุกต์ใช้กับหุ่นยนต์อุตสาหกรรมจริงเป็นครั้งแรก ด้วยการนำนวัตกรรม AI ขั้นสูงมาต่อเข้ากับการผลิตขนาดใหญ่ และเป็นการส่งสัญญาณให้เห็นถึงการยกระดับใหม่ของการพัฒนาระบบอัตโนมัติอัจฉริยะเพื่อการผลิตที่ละเอียดแม่นยำ

ความท้าทายในการผลิตแบบยืดหยุ่น

สายการผลิตที่ละเอียดแม่นยำต้องใช้ระบบอัตโนมัติที่มีโครงสร้างแข็งทื่อมาเป็นเวลานาน ทำให้ต้องออกแบบอุปกรณ์จับยึดที่มีความซับซ้อน รวมทั้งการปรับแต่งอย่างละเอียด และการจัดรูปแบบใหม่ที่ทำให้มีต้นทุนเพิ่มขึ้น แม้ว่าจะใช้วิธีการขั้นสูงอย่าง “ระบบการมองเห็น + การควบคุมแรง” แต่ก็ยังประสบปัญหาทั้งความไวของพารามิเตอร์ รอบการใช้งานที่ยาวนาน และความซับซ้อนในการบำรุงรักษา

ระบบการเรียนรู้แบบเสริมแรงในโลกแห่งความเป็นจริงของ AgiBot ได้เข้ามาแก้ปัญหาเหล่านี้ ช่วยให้หุ่นยนต์สามารถเรียนรู้และปรับตัวภายในโรงงานได้โดยตรง และใช้เวลาเพียงไม่กี่สิบนาที หุ่นยนต์ก็สามารถเรียนรู้ทักษะใหม่ๆ ใช้งานได้อย่างเสถียร และรักษาระดับสมรรถนะในระยะยาวไว้ได้ นอกจากนี้ ในช่วงของการปรับเปลี่ยนสายการผลิตหรือการเปลี่ยนแบบชิ้นงานซึ่งจำเป็นต้องปรับแต่งฮาร์ดแวร์ ก็เป็นการปรับแต่งเพียงเล็กน้อยเท่านั้น และเป็นการปรับใช้งานด้วยขั้นตอนที่เป็นมาตรฐาน จึงช่วยเพิ่มความยืดหยุ่นได้มาก พร้อมกับลดเวลาและต้นทุน

จุดเด่นของ RW-RL ของ AgiBot

• ปรับใช้ได้รวดเร็ว — ใช้เวลาฝึกทักษะใหม่ลดลงจากหลายสัปดาห์เหลือเพียงไม่กี่นาที ส่งผลให้ประสิทธิภาพเพิ่มขึ้นเป็นทวีคูณ
• ความสามารถในการปรับตัวสูง — ระบบจะชดเชยความผันแปรทั่วไป เช่น การเปลี่ยนตำแหน่งชิ้นส่วนและความคลาดเคลื่อนโดยอัตโนมัติ ช่วยรักษาความเสถียรให้อยู่ในระดับอุตสาหกรรม และอัตราความสำเร็จของงาน 100% ได้ตลอดระยะเวลาปฏิบัติการที่ยาวนาน
• การกำหนดรูปแบบใหม่ได้อย่างยืดหยุ่น — สามารถรองรับการปรับเปลี่ยนงานหรือผลิตภัณฑ์ด้วยการฝึกใหม่ที่ทำได้อย่างรวดเร็วโดยไม่ต้องใช้อุปกรณ์หรือเครื่องมือเฉพาะทาง ช่วยแก้ปัญหา “ระบบอัตโนมัติที่มีโครงสร้างแข็งทื่อ กับ ความต้องการที่ผันแปรได้” ซึ่งเป็นอุปสรรคที่เกิดขึ้นมานาน โดยเฉพาะอย่างยิ่งในการผลิตอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค วิธีการนี้แสดงให้เห็นถึงความสามารถที่ครอบคลุมทั้งการวางผังพื้นที่ทำงานและสายการผลิต จึงสามารถถ่ายโอนฉากทัศน์ทางอุตสาหกรรมที่หลากหลายและนำกลับมาใช้ใหม่ได้อย่างรวดเร็ว

ความสำเร็จครั้งนี้แสดงให้เห็นถึงการผสานรวมกันอย่างลึกซึ้งระหว่างความอัจฉริยะในการรับรู้-การตัดสินใจ และการควบคุมการเคลื่อนไหว ซึ่งถือเป็นก้าวสำคัญในการรวมความเป็นอัจฉริยะในด้านอัลกอริทึมและการปฏิบัติทางกายภาพเข้าด้วยกัน

ระบบของ AgiBot ได้รับการตรวจรับรองผลมาแล้วภายใต้สภาวะการทำงานที่ใกล้เคียงกับการผลิตจริง ครอบคลุมทุกขั้นตอนตั้งแต่การวิจัยขั้นสูง ไปจนถึงการตรวจยืนยันในระดับอุตสาหกรรม

จากการวิจัยไปสู่อุตสาหกรรมจริง

ในช่วงไม่กี่ปีที่ผ่านมา ชุมชนนักวิจัยด้านหุ่นยนต์และ AI มีความก้าวหน้าอย่างมากในการพัฒนาการเรียนรู้แบบเสริมแรงให้มีเสถียรภาพ ประสิทธิภาพ และการประยุกต์ใช้ในงานจริงได้มากขึ้น โดย Dr. Jianlan Luo หัวหน้านักวิทยาศาสตร์ของ Agibot และทีมงาน ได้ร่วมกันสร้างความก้าวหน้าทางวิชาการที่แสดงให้เห็นว่า การเรียนรู้แบบเสริมแรงนั้นสามารถสร้างผลลัพธ์ที่เชื่อถือได้และมีสมรรถนะสูงให้กับหุ่นยนต์จริงได้โดยตรง

ที่ AgiBot ได้พัฒนาพื้นฐานนี้ให้เป็นระบบการเรียนรู้แบบเสริมแรงที่นำไปใช้งานได้จริง โดยผสานรวมอัลกอริทึมขั้นสูงเข้ากับชุดควบคุมและฮาร์ดแวร์ ระบบนี้ทำให้การเรียนรู้มีความเสถียรและทำซ้ำได้กับเครื่องจักรจริง ถือเป็นก้าวสำคัญในการเชื่อมโยงการวิจัยเชิงวิชาการเข้ากับการใช้งานจริงในอุตสาหกรรม

การขยายขอบเขตการใช้งานจริง

ขณะนี้ AgiBot ผ่านการตรวจรับรองผลเรียบร้อยแล้วจากสายการผลิตนำร่องที่ดำเนินการร่วมกับ Longcheer Technology นอกจากนี้ ในอนาคต ทั้งสองบริษัทยังร่วมกันวางแผนที่จะขยายระบบ RW-RL ให้ครอบคลุมฉากทัศน์การผลิตที่มีความละเอียดแม่นยำในวงกว้างมากขึ้น ทั้งการผลิตอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคและชิ้นส่วนยานยนต์ โดยจะมุ่งไปที่การพัฒนาวิธีการด้านหุ่นยนต์ให้เป็นแบบมอดูลเพื่อที่จะสามารถนำไปใช้งานได้อย่างรวดเร็ว โดยผสานรวมเข้ากับระบบการผลิตที่มีอยู่ได้อย่างไร้รอยต่อ

ที่มา: AgiBot