คอขวดที่แท้จริงของการฝึกหุ่นยนต์ไม่ใช่พลังประมวลผล แต่คือข้อมูลที่ติดป้ายกำกับการเคลื่อนไหว ซึ่งต้องให้คนบังคับหุ่นยนต์ทำงานทีละครั้งเพื่อเก็บข้อมูล เป็นงานที่ช้าและแพงมาก
Dyna Robotics จึงตั้งคำถามว่า ถ้าใช้วิดีโอธรรมดาที่คนถ่ายจากมุมมองตัวเองแทนได้ล่ะ? และเปิดตัวโมเดล Dyna-2 ที่ฝึกด้วยวิดีโอลักษณะนี้กว่า 1 ล้านชั่วโมง ซึ่งเทียบเท่าเวลาที่มนุษย์ตื่นอยู่ต่อเนื่องราว 170 ปี
ผลลัพธ์สำคัญ: ยิ่งดูมาก ยิ่งทำได้ดี และวัดได้เป็นเส้นตรง
ทีมวิจัยตัดชุดข้อมูลออกเป็น 4 ระดับ คือ 1,000 / 10,000 / 100,000 / 1,000,000 ชั่วโมง โดยคงสัดส่วนแหล่งข้อมูลให้เหมือนกันทุกระดับ เพื่อให้มั่นใจว่าผลที่ต่างกันมาจากปริมาณข้อมูลจริง ไม่ใช่เพราะชนิดข้อมูลเปลี่ยน
จากนั้นนำแต่ละระดับไปฝึกต่อกับงานหุ่นยนต์ 14 งาน ใช้ข้อมูลหุ่นยนต์ไม่เกินงานละ 10 ชั่วโมง ทดสอบบนหุ่นยนต์ 3 แบบ ได้แก่ แขนกล 6 แกนพร้อมมือหนีบ, แขนเดียวกันแต่ใส่มือ 20 แกน และหุ่นยนต์กึ่งฮิวแมนนอยด์
คะแนนเฉลี่ยไต่ขึ้นตามปริมาณวิดีโอที่ดู:
- 1,000 ชั่วโมง → 20%
- 10,000 ชั่วโมง → 28%
- 100,000 ชั่วโมง → 45%
- 1,000,000 ชั่วโมง → 53%
สิ่งที่น่าสนใจกว่าค่าเฉลี่ยคืองานบางอย่างมีขีดแบ่งชัดเจน เช่นงานไขกุญแจกล่องล็อก ทำได้ 0% ตลอดจนถึงระดับ 100,000 ชั่วโมง แล้วกระโดดเป็น 90% ที่ 1 ล้านชั่วโมง
ส่วนงานหมุนเปิดฝาขวด ฝึกด้วยตัวอย่างเพียงราว 10 นาที แต่ยังทำได้ถึง 50%
เทียบกับรุ่นก่อนหน้าที่ใช้งานจริงอยู่แล้ว
Dyna-1 คือโมเดลที่บริษัทใช้ในการผลิตจริงอยู่แล้ว เมื่อเทียบกัน Dyna-2 รุ่นแรกเริ่มทำอัตราความสำเร็จได้ 1.55 เท่า จากการวัดรวม 7 งานและ 3 จุดตรวจ
ตัวเลขที่สำคัญที่สุดอยู่ที่การทดสอบในหน้างานลูกค้าที่โมเดลไม่เคยเห็น — Dyna-2 ผ่านเกณฑ์การผลิต 87% ขณะที่ Dyna-1 ผ่านเพียง 46% ทั้งที่ในห้องทดลองทั้งสองรุ่นผ่านเกือบ 100% เท่ากัน
ช่องว่างตรงนี้คือหัวใจ มันบอกว่าการดูวิดีโอมนุษย์จำนวนมากช่วยเรื่องการรับมือสถานการณ์ที่ไม่เคยเจอ ซึ่งเป็นจุดที่หุ่นยนต์ในโรงงานจริงมักพัง ไม่ใช่ในห้องแล็บ
อีกจุดที่ควรรู้คือทีมงานลดเวลาประมวลผลวิดีโอจาก 10,203 มิลลิวินาที เหลือ 110 มิลลิวินาที บนการ์ด H100 ตัวเดียว ซึ่งเป็นความต่างระหว่าง “ทำได้ในงานวิจัย” กับ “ใช้ได้ในสายการผลิต”
ยังซื้อโมเดลไม่ได้ ต้องซื้อทั้งเซลล์
เช่นเดียวกับ GEN-1.5 ที่เราเคยเขียนถึง Dyna-2 ไม่เปิดให้ดาวน์โหลด ไม่มี API และไม่มีสัญญาอนุญาตให้นำไปใช้เอง การใช้งานวันนี้หมายถึงการซื้อเซลล์หุ่นยนต์ของ Dyna ทั้งชุด ไม่ใช่การนำโมเดลไปรันบนเครื่องตัวเอง
ความหมายต่อไทย
ข้อมูลวิดีโอกลายเป็นทรัพย์สิน — ประเด็นที่ควรจับให้มั่นคือ Dyna-2 ไม่ได้ใช้ข้อมูลพิเศษอะไร มันใช้วิดีโอที่คนถ่ายจากมุมมองตัวเองขณะทำงานปกติ แปลว่าโรงงาน ครัวกลาง หรือคลังสินค้าในไทยที่มีคนทำงานด้วยมือทุกวัน กำลังนั่งอยู่บนวัตถุดิบชนิดเดียวกันโดยไม่รู้ตัว การเริ่มบันทึกวิดีโอหน้างานอย่างเป็นระบบ พร้อมขออนุญาตพนักงานให้ถูกต้อง อาจมีค่ามากกว่าที่คิดในอีก 2–3 ปีข้างหน้า
แต่ต้องระวังเรื่องความเป็นส่วนตัว — การติดกล้องบนตัวพนักงานเข้าข่ายการเก็บข้อมูลส่วนบุคคลตาม พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล ต้องมีฐานการประมวลผลที่ชัดเจนและแจ้งวัตถุประสงค์ให้ครบ ไม่ใช่เรื่องที่ติดกล้องแล้วเก็บได้เลย
โมเดลธุรกิจกำลังเปลี่ยนไปทางเช่าใช้ทั้งระบบ — ทั้ง Dyna-2 และ GEN-1.5 เลือกขายเป็นบริการที่ผู้ผลิตดูแลเอง ไม่ขายโมเดล แนวโน้มนี้หมายความว่าผู้ประกอบการไทยจะเข้าถึงเทคโนโลยีระดับนี้ผ่านการเช่าหรือทำสัญญาบริการมากกว่าการซื้อขาด ซึ่งลดเงินลงทุนก้อนแรก แต่ก็ทำให้ต้องพึ่งพาผู้ให้บริการต่างประเทศในระยะยาว