บริษัทหุ่นยนต์ทั่วโลกแห่พัฒนา “หุ่นยนต์จริง” คลื่นลูกใหม่: โมเดล Era0 ของสตาร์ไดนามิกส์ คว้าอันดับหนึ่งในรายชื่อหุ่นยนต์อัจฉริยะที่แข็งแกร่งที่สุด

บริษัทหุ่นยนต์ทั่วโลกหันมาแข่งขัน “หุ่นยนต์จริง” กันแล้ว: โมเดล Era0 ของ Star Dynamics คว้าอันดับหนึ่งในรายการ Embodied Intelligence ที่แข็งแกร่งที่สุด

ปัจจุบัน สาขา Embodied Intelligence กำลังเผชิญกับการเปลี่ยนแปลงครั้งสำคัญ

บริษัทหุ่นยนต์ทั่วโลกต่างหันมา “แข่งขันหุ่นยนต์จริง” กันอย่างพร้อมเพรียง

เมื่อไม่กี่วันก่อน บริษัท Figure ได้ทำการถ่ายทอดสดการคัดแยกพัสดุแบบ 7×24 ชั่วโมงอย่างไม่หยุดยั้ง; Physical Intelligence ก็กำลังสำรวจให้หุ่นยนต์ทำงานบ้านต่างๆ อย่างต่อเนื่อง; ส่วน Musk ก็ย้ำแล้วย้ำอีกว่า Optimus ของ Tesla ต้องสามารถทำงานที่เป็นประโยชน์ได้

อุตสาหกรรมโดยรวมเริ่มตระหนักถึงความจริงข้อหนึ่งอย่างชัดเจน:

การแข่งขันในยุคหุ่นยนต์ ไม่ใช่การแข่งขันว่าใครมี Demo ที่เจ๋งกว่าหรือหุ่นยนต์ของใครแสดงเก่งกว่ากันอีกต่อไป

การแข่งขันที่แท้จริงอยู่ที่ว่า ใครสามารถฝังตัวเข้าไปในโลกทางกายภาพ และทำงานได้จริง

เพราะเมื่อหุ่นยนต์ก้าวเข้าสู่สภาพแวดล้อมจริง ลักษณะของความท้าทายก็เปลี่ยนไปโดยสิ้นเชิง

โต๊ะอาจสะท้อนแสง พื้นอาจสกปรก วัตถุอาจบดบังกัน ข้อผิดพลาดของการเคลื่อนไหวจะสะสมมากขึ้นเรื่อยๆ

การทำงานที่ดูเหมือนง่ายอย่างการเช็ดโต๊ะ หยิบพัสดุ หรือวางของ เบื้องหลังล้วนทดสอบความสามารถโดยรวมด้านการรับรู้ การวางแผน การควบคุม และความจำ

ผู้ผลิตแต่ละรายต่างก็อ้างว่าตนเองเป็น “ผู้เชี่ยวชาญด้านแรงงาน” แล้วใครเก่งที่สุดกันแน่?

เพื่อความเป็นธรรม ต้องนำโมเดลต่างๆ มาทดสอบในโลกแห่งความจริง เพื่อตัดสิน胜负

ความคืบหน้าล่าสุดคือ แพลตฟอร์มประเมินผลหุ่นยนต์ Embodied Intelligence ที่ใหญ่ที่สุดในโลก——รายการ RoboChallenge Table30 ได้อัปเดตอีกครั้ง

เมื่อผลลัพธ์ออกมา ภาพรวมของอุตสาหกรรมก็ชัดเจนในทันที ความสามารถของผู้เล่นแต่ละรายปรากฏให้เห็น

ผู้ที่ครองอันดับหนึ่งคือ โมเดล Embodied Intelligence ที่พัฒนาเองของ Star Dynamics——Era0 ซึ่งเป็นบริษัทดาราหุ่นยนต์ Embodied Intelligence ที่มีชื่อเสียงจากมหาวิทยาลัยชิงหัว โดยมีอัตราความสำเร็จ 64.33% และคะแนนรวม 76.34 คว้าอันดับหนึ่งของโลก

ที่น่าสนใจยิ่งกว่านั้นคือ มันไม่ได้ทำคะแนนสูงจากภารกิจเดี่ยวๆ จากภารกิจทั้งหมด 30 ภารกิจ Star Dynamics Era0 ทำผลงานได้ในระดับSOTA ถึง 17 ภารกิจ สร้างสถิติใหม่ในรายการ

ถึงแม้ภารกิจเหล่านี้จะหลากหลาย แต่สุดท้ายแล้ว สิ่งที่พวกมันทดสอบมีเพียงสิ่งเดียว:

ความสามารถของสมองหุ่นยนต์ในการ “ทำงาน” อย่างต่อเนื่องในโลกทางกายภาพ

คว้าอันดับหนึ่งในรายการ “แข็งแกร่งที่สุด” ของวงการ Embodied Intelligence

RoboChallenge ได้รับการยอมรับจากวงการว่าเป็น “การสอบเข้ามหาวิทยาลัยของหุ่นยนต์จริง”

มันไม่เพียงถูกรวมเข้าในการแข่งขัน ICRA 2026 Competition แต่ยังเข้าไปอยู่ในการแข่งขัน CVPR 2026 Workshop Competition (GigaBrain Challenge Track) และได้รับการรับรองอย่างเป็นทางการจากการประชุมระดับนานาชาติชั้นนำด้านหุ่นยนต์และคอมพิวเตอร์วิทัศน์

การขึ้นอันดับหนึ่งของ RoboChallenge หมายความว่าโมเดลผ่านการสอบในโลกแห่งความจริง

สิ่งนี้มี吸引力อย่างมากสำหรับผู้เล่น Embodied Intelligence ทุกคน

โมเดล VLA ชั้นนำของโลกอย่าง π0/π0.5 ของ Physical Intelligence, CogACT ของ Microsoft, OpenVLA ฯลฯ มักจะแข่งขันกันอย่างดุเดือดในรายการนี้

และครั้งนี้ การแข่งขันก็รุนแรงไม่แพ้กัน ข้อมูลชุดหนึ่งพอจะบอกถึงสถานการณ์ได้:

มี “ผู้เข้าแข่งขัน” ทั้งหมด 22 ราย; ภารกิจ 30 ภารกิจ ถูกทดสอบรวม 1088 ครั้ง; จำนวน episode ทั้งหมดถึง 25627 ครั้ง

นี่ไม่ใช่การรัน Demo วิดีโอสองสามอัน แต่เป็นการทดสอบหุ่นยนต์จริงอย่างต่อเนื่องแบบจริงจัง

ในจำนวนนี้ มีสองภารกิจที่ได้รับความสนใจจากอุตสาหกรรมเป็นพิเศษ:

• ทำแซนด์วิชมังสวิรัติ (make vegetarian sandwich)
• เช็ดโต๊ะ (wipe the table)

เพราะว่ามันยากมาก!

พูดถึงการทำแซนด์วิชก่อน

ภารกิจนี้ดูเหมือนเกมในครัวเล็กๆ แต่จริงๆ แล้วมันทดสอบความสามารถในการวางแผนภารกิจระยะยาว

หุ่นยนต์ไม่เพียงต้องรู้ว่าต้องหยิบอะไรก่อน แล้วค่อยวางอะไรทีหลัง แต่ยังต้องจำได้ว่าตัวเองทำไปถึงขั้นตอนไหนแล้ว

การวางขนมปังผิดลำดับ การลืมส่วนผสม หรือการติดอยู่ในลูปของการเคลื่อนไหว ล้วนทำให้ภารกิจล้มเหลวทันที

โดยพื้นฐานแล้ว มันไม่ได้ทดสอบว่าหุ่นยนต์หยิบจับได้หรือไม่ แต่ทดสอบว่าหุ่นยนต์สามารถเข้าใจและดำเนินกระบวนการที่สมบูรณ์เหมือนมนุษย์ได้หรือไม่

มาดูการเช็ดโต๊ะกัน

กระบวนการทั้งหมดดูเหมือนเป็นกิจวัตรประจำวัน แต่จุดยากคือวัตถุทั้งหมดเป็นสีขาว——ใช้กระดาษสีขาวเช็ดโต๊ะสีขาว แล้วทิ้งกระดาษใช้แล้วลงในถังขยะสีขาว

เบื้องหลังนี้เกี่ยวข้องกับ: การ识别ด้วยภาพ การวางแผนภารกิจระยะยาว การควบคุมการสัมผัส และการจดจำสถานะสิ่งแวดล้อม

โดยเฉพาะในโลกแห่งความจริง คราบบนโต๊ะไม่ใช่เป้าหมายที่ได้มาตรฐาน

มันอาจเล็ก กระจายแบบสุ่ม เปลี่ยนตำแหน่ง และอาจทำให้หุ่นยนต์เข้าใจผิดว่า “เช็ดสะอาดแล้ว” เนื่องจากการสะท้อนแสง เงา หรือการบดบัง

เป็นเวลานาน ภารกิจสองประเภทนี้แทบจะเป็นคำพ้องความหมายของขีดจำกัดความสามารถของโมเดล Embodied Intelligence

และ Star Dynamics Era0 ก็สามารถเอาชนะปัญหาที่ได้รับการยอมรับทั้งสองนี้ได้ในคราวเดียว

ในภารกิจทำแซนด์วิชมังสวิรัติ Era0 มีอัตราความสำเร็จ 20% ซึ่งเป็นโมเดลเดียวใน 8 อันดับแรกที่ได้คะแนนที่ไม่ใช่ศูนย์ ในภารกิจนี้

ในภารกิจเช็ดโต๊ะ Era0 มีอัตราความสำเร็จ 60% ซึ่งเป็นโมเดลเดียวใน 8 อันดับแรกที่ทำคะแนนที่ไม่ใช่ศูนย์ได้เช่นกัน

นอกจากนี้ Era0 ยังทำคะแนนเต็มสองเท่า (อัตราความสำเร็จ 100% และคะแนนกระบวนการ 100) ในสองภารกิจ:

• ใส่ที่เปิดขวดลงในลิ้นชัก (put opener in drawer)
• เปิดก๊อกน้ำ (turn on faucet)

นั่นหมายความว่า Era0 ไม่ได้เก่งแค่ชั่วครั้งชั่วคราว แต่มีความสามารถในการดำเนินการอย่างเสถียรในภารกิจ วัตถุ และสภาพแวดล้อมการโต้ตอบที่แตกต่างกัน

เราสังเกตเห็นว่า ภารกิจ 30 ภารกิจที่ตั้งไว้ในรายการ มีมิติการประเมินที่กว้างมาก

ในมิติหลักหลายมิติของความคล่องแคล่ว เช่น การประสานงานสองแขน การจัดการวัตถุอ่อน การรับรู้หลายมุมมอง ภารกิจการจำแนกประเภท และภารกิจระยะยาว Era0 อยู่ในอันดับหนึ่งทั้งหมด

ทำไม Era0 ถึงชนะ?

เบื้องหลังการครองอันดับหนึ่งของ Era0 สิ่งที่วงการควรให้ความสนใจจริงๆ ไม่ใช่ผลลัพธ์本身

แต่เป็นเส้นทางเทคนิคที่เต็มไปด้วยจินตนาการ ที่ Star Dynamics กำลังเดิมพัน

มันไม่ได้ใช้ตรรกะ VLA แบบเดิมๆ ต่อไป และไม่ใช่แค่การซ้อน World Model อย่างเดียว

แต่เป็นการผสานทั้งสองอย่างเข้าด้วยกันอย่างลึกซึ้ง

เรื่องนี้ ในวงการมีน้อยคนนักที่จะทำสำเร็จจริงๆ

เหตุผลง่ายมาก สองปีที่ผ่านมา VLA เคยเป็นโซลูชันหลักของ Embodied Intelligence อยู่ช่วงหนึ่ง

ทุกคนหวังว่าการสร้างแบบจำลองรวมของภาพ+ภาษา+การกระทำ จะทำให้หุ่นยนต์เข้าใจโลกเหมือนโมเดลใหญ่ แต่ปัญหาก็ชัดเจนขึ้นเรื่อยๆ

ประการแรกคือ ขาดความสามารถในการวางแผนระยะยาว

หุ่นยนต์หลายตัวทำได้แค่การกระทำ “ขั้นตอนถัดไป” เท่านั้น แต่ภารกิจในโลกจริงไม่ใช่การเลือกคำตอบทีละขั้น มัน更像ละครต่อเนื่อง

หุ่นยนต์ไม่เพียงต้องรู้ว่าต้องทำอะไรในขั้นตอนถัดไป แต่ยังต้องรู้ว่าตัวเองอยู่ในขั้นตอนไหน และจะเกิดอะไรขึ้นต่อไป

ประการที่สองคือ ปัญหา幻觉

โมเดลอาจ “คิด” ว่ามันทำภารกิจสำเร็จแล้ว แต่ในโลกทางกายภาพจริง สิ่งของไม่ได้ถูกหยิบขึ้นมา และคราบก็ไม่ได้ถูกเช็ดออก

ที่สำคัญที่สุดคือ ความสามารถในการเข้าใจสถานะอย่างต่อเนื่องที่ไม่เพียงพอ

△ AI สร้าง

ถ้าคุณต้องการให้หุ่นยนต์ “ทำงาน” อย่างต่อเนื่องในโลกทางกายภาพ สมองของมันอย่างน้อยต้องมีความสามารถสามชั้น:

ชั้นแรก: มองเห็นแม่นยำ ระบุตำแหน่ง稳

โลกแห่งความจริงไม่มีคำตอบมาตรฐาน แสงน้อย การซ้อนทับ การสะท้อนแสงเป็นเรื่องปกติ

โมเดลหลายตัวไม่ใช่ไม่สามารถหยิบจับได้ แต่根本มองไม่เห็น

เราไม่ต้องการภาพ幻觉ที่ “มอง一眼เข้าใจทุกอย่าง” แต่ต้องการผู้ดำเนินการที่识别ถูกต้องทุกครั้ง ระบุตำแหน่งแม่นยำทุกครั้ง ที่ไว้ใจได้

ชั้นที่สอง: คิดชัดเจน เดินทางได้

นี่หมายถึงความจำเชิงลำดับเวลาและความสามารถในการวางแผนระยะยาว

ในภารกิจหลายขั้นตอนที่มีลำดับ มันไม่หลงทาง ไม่ติดลูป และดำเนินกระบวนการทั้งหมดตามลำดับ

ชั้นที่สาม: ควบคุม稳 ใช้งานได้จริง

สิ่งนี้ต้องการการเคลื่อนไหวของหุ่นยนต์จริงที่เสถียร ความสามารถในการ泛化和迁移ที่แข็งแกร่ง และความเร็วในการเรียนรู้และ迭代ที่รวดเร็ว

โปรดทราบ ผู้ใช้อาจไม่ต้องการผู้เชี่ยวชาญที่ชนะได้ด้วยท่าเดียว แต่วิศวกรที่เคลื่อนไหว稳 ข้อผิดพลาดน้อย และทำงานจำนวนมากได้อย่างมีประสิทธิภาพกลับเป็นที่ต้องการมากกว่า

△ AI สร้าง

และการจะบรรลุสิ่งเหล่านี้ การพึ่งพา VLA ที่เรียนรู้จากการเลียนแบบเพียงอย่างเดียวนั้นทำไม่ได้

ปัญหาคือมัน “รู้ว่าอะไร แต่ไม่รู้ว่าทำไม”

ตัวอย่างเช่น VLA แบบดั้งเดิมขาดความเข้าใจเชิง因果ทางกายภาพ มันแค่เลียนแบบขั้นตอนการกระทำ示范 ไม่สามารถเข้าใจตรรกะทางกายภาพ ความสัมพันธ์เชิงพื้นที่ และหลักการโต้ตอบเบื้องหลังการกระทำ ไม่เข้าใจว่าทำไมต้องดำเนินการเช่นนั้น

เมื่อสภาพแวดล้อม现场 ท่าทางของวัสดุ หรือตำแหน่งการทำงานเปลี่ยนแปลงเล็กน้อย การกระทำเดิมก็จะ失效ทันที ไม่สามารถปรับเปลี่ยนได้อย่างยืดหยุ่น

ในขณะเดียวกัน มันไม่เข้าใจ因果ของพฤติกรรม ไม่สามารถคาดการณ์ความเสี่ยงในการดำเนินการ หรือ推断ผลลัพธ์ของพฤติกรรม ไม่สามารถตรวจสอบข้อผิดพลาดได้ด้วยตัวเอง และยากที่จะปรับใช้กับสถานการณ์ใหม่ มัน只能ยึดติดกับรูปแบบที่กำหนดไว้

การพึ่งพาการเรียนรู้จากการเลียนแบบเพียงอย่างเดียวมีขีดจำกัดตามธรรมชาติ ไม่สามารถตอบสนองความต้องการจริงในการทำงานที่ยืดหยุ่นและวิวัฒนาการด้วยตนเองในการปรับใช้ขนาดใหญ่

การนำWorld Model มาใช้เป็นโซลูชันที่ดีที่สุด

เพราะโดย本质แล้ว มันให้หุ่นยนต์จินตนาการอนาคต ล่วงหน้า เพื่อวางแผนการกระทำถัดไปได้เร็วขึ้น

จากฐานรากหุ่นยนต์พื้นฐาน PAD ที่มี World Model ในตัวเป็นรายแรกของอุตสาหกรรม ไปจนถึงกรอบงาน策略 World Model VPP ตัวแรกของโลกในสาขา Embodied Intelligence Star Dynamics ไม่เคยถือว่า World Model เป็นอุปกรณ์เสริม

วิดีโอ เป็นวิธีที่เข้าใจโลกทางกายภาพได้ดีกว่าภาษา

พวกเขาเชื่อว่านี่คือหลักการ第一性 ของเส้นทางเทคนิคทั้งหมด

จุดเปลี่ยนเกิดขึ้นในเดือนมกราคม 2025 เมื่อ Star Dynamics ผสาน VLA และ World Model เข้าด้วยกันอย่างลึกซึ้งเป็นครั้งแรก

การเปิดตัว UP-VLA เสนอเป็นครั้งแรกว่าการ推理ด้วยภาษาและการ预测ด้วยภาพสามารถช่วยในการตัดสินใจได้พร้อมกัน

นี่เทียบเท่ากับการติดตั้งความสามารถ “ทำงานไป จินตนาการไป” ให้กับหุ่นยนต์

แต่ World Model ก็เจอปัญหาที่ยากระดับอุตสาหกรรมอีกครั้ง: ข้อมูลหุ่นยนต์จริงแพงเกินไป

ดังนั้น Star Dynamics จึงเริ่มการวิจัยขั้นต่อไป——ให้ World Model สร้างข้อมูลเอง

ในเดือนตุลาคม 2025 พวกเขาร่วมมือกับทีม Chelsea Finn จาก Stanford เปิดตัว “World Model แบบสร้างได้ที่ควบคุมได้” Ctrl-World

อุตสาหกรรมทั้งหมดเป็นครั้งแรกที่ให้ World Model ทำหน้าที่เป็น引擎จำลองข้อมูล

หุ่นยนต์不再พึ่งพาข้อมูลที่เก็บจากโลกจริงจำนวนมหาศาลเพียงอย่างเดียว แต่ยังสามารถปรับปรุงความแม่นยำและความเสถียรของการเคลื่อนไหวได้อย่างต่อเนื่อง

ในเดือนมกราคมปีนี้ พวกเขาได้เปิดตัวสถาปัตยกรรมที่เรียกว่า VLAW ซึ่งก็คือ “กรอบงาน协同วิวัฒนาการของนโยบาย VLA และ World Model”

核心คือการสร้างวงจรปิดข้อมูลสองทาง ระหว่าง Ctrl-World และระบบ VLA ที่มีอยู่ เพื่อให้ทั้งสอง校准ซึ่งกันและกันและเสริมสร้างกัน

VLA และ World Model จึงก้าวเข้าสู่ขั้นตอนการ协同วิวัฒนาการอย่างเป็นทางการ

จุดนี้สำคัญมาก

โดย本质แล้ว มัน改变了วิธีที่หุ่นยนต์เรียนรู้โลกทางกายภาพ——ไม่ใช่ให้หุ่นยนต์ท่องจำ “วิธีหยิบแก้ว” แต่ให้มันเข้าใจตรรกะภายในของการกระทำ “หยิบขึ้นมา” อย่างแท้จริง

เมื่อมองย้อนกลับไปตอนนี้ คุณก็จะเข้าใจว่าเหตุใด Era0 จึงแสดงความสามารถในการ泛化ที่แข็งแกร่ง ในภารกิจที่ซับซ้อน

นี่ไม่ใช่ชัยชนะของโมเดลเดียว แต่ภายใต้การสนับสนุนของ World Model เส้นทางเทคนิคทั้งหมดของ Star Dynamics เริ่ม走向成熟

ความสามารถที่แข็งแกร่ง支撑ภารกิจที่ยาก

นอกจากผลลัพธ์ในรายการแล้ว สิ่งที่ควรให้ความสนใจใน Era0 มากที่สุดคือ แผนภาพความสามารถ ที่สมบูรณ์มากที่มันแสดงออกมา

โมเดลหลายตัว擅长แค่หนึ่งหรือสองทักษะเด่น แต่ Era0 更像 “ระบบ执行 Embodied” ที่เริ่ม成熟จริงๆ โดยการรับรู้ ความจำ การควบคุม และการดำเนินการได้形成วงจรปิด

และความสามารถเหล่านี้เกือบทั้งหมดสามารถ映射到สถานการณ์การทำงานจริงได้โดยตรง

การตัดสินใจด้วยความจำเชิงลำดับเวลา: จำได้ ไม่ติดลูป

หุ่นยนต์หลายตัวดูฉลาดแล้ว หยิบได้ วางได้ เคลื่อนที่ได้

แต่เมื่อขั้นตอนภารกิจยาวขึ้น ปัญหาก็ปรากฏทันที มันจะ “ลืม” ว่าทำไปถึงขั้นตอนไหน และอาจติดอยู่ในลูป无限循环ของการกระทำบางอย่าง

นี่คือเหตุผลที่ภารกิจระยะยาวเป็นหนึ่งในปัญหาที่ยากที่สุดในสาขา Embodied Intelligence

หุ่นยนต์ไม่เพียงต้องรู้ว่าต้องทำอะไรในขั้นตอนถัดไป แต่ยังต้องรู้: ตอนนี้ฉันอยู่ขั้นตอนไหน? เกิดอะไรขึ้นก่อนหน้านี้? ยังมีอีกกี่ขั้นตอน?

△ AI สร้าง

หนึ่งในการ突破สำคัญของ Era0 ครั้งนี้คือ กลไกความจำเชิงลำดับเวลาระยะสั้น

มันจะติดตามการกระทำในอดีตและสถานะภารกิจอย่างต่อเนื่อง

ในที่สุด หุ่นยนต์ก็เริ่ม “จดจำ” ได้

ความสามารถนี้เด่นชัดเป็นพิเศษในภารกิจทำแซนด์วิชมังสวิรัติ

ภารกิจนี้ดูง่าย แต่จริงๆ แล้วเป็นภารกิจที่依赖ลำดับเวลาระยะยาวโดยทั่วไป โมเดลหลายตัว “ลืม” ไปครึ่งทาง อัตราความสำเร็จเป็นศูนย์ทั้งหมด

มีเพียง Era0 เท่านั้นที่ทำกระบวนการทั้งหมดสำเร็จ กลายเป็นโมเดลแรกของโลกที่突破ภารกิจนี้

และสิ่งที่อยู่เบื้องหลังนี้คือการที่หุ่นยนต์เริ่มมี “ความจำในการทำงาน” ที่แท้จริง

เมื่อเข้าสู่场景โลจิสติกส์ ความสามารถนี้จะยิ่งสำคัญมากขึ้น

เพราะสายการผลิตจริง本身就是กระบวนการต่อเนื่อง การรับพัสดุเข้า คลัง สแกน คัดแยก โหลดขึ้นรถ แต่ละขั้นตอนมีการ依赖สถานะ

ถ้าหุ่นยนต์จำกระบวนการไม่ได้ จะเกิดการหยิบซ้ำ คัดแยกตกหล่น หรือคัดแยกผิดอย่างแน่นอน

การจัดการวัตถุอ่อน: ควบคุมนุ่มนวล หยิบ稳

การจัดการวัตถุอ่อนถูกพิจารณาว่าเป็นหนึ่งใน “กระดูกแข็ง” ที่ยากที่สุดในสาขา Embodied Intelligence

เพราะในโลกแห่งความจริง วัตถุจำนวนมากไม่ใช่วัตถุแข็งมาตรฐาน

ผ้าเช็ดเปลี่ยนรูป ถุงนิ่มยุบ กระดาษปลิว อาหารสดลื่น แค่แรงของหุ่นยนต์คลาดเคลื่อนเล็กน้อย ผลลัพธ์ก็คือหล่น เสียหาย หรือกระจาย

และ Era0 ผ่านการฝึกอบรมล่วงหน้าข้าม本体ขนาดใหญ่ และการควบคุมกริปเปอร์ที่ละเอียดยิ่งขึ้น ทำให้หุ่นยนต์สามารถปรับตัวให้เข้ากับวัตถุแข็ง อ่อน และเปราะบางได้พร้อมกัน

การเคลื่อนไหวราบรื่น สั่นน้อยมาก

ที่สำคัญที่สุดคือ มันเริ่มมี “ความรู้สึก轻重”

ในภารกิจที่เกี่ยวกับวัตถุอ่อน เช่น การทำความสะอาดเศษกระดาษ การพับผ้า Era0 มีอัตราความสำเร็จ 43.3% สูงกว่าค่าเฉลี่ยของอุตสาหกรรมมาก

และความสามารถนี้ เมื่อเข้าสู่场景โลจิสติกส์ อาหารสด ห้างสรรพสินค้า คุณค่าของมันจะถูกขยายทันที

เพราะในคลังสินค้าจริง สิ่งที่จัดการยากที่สุดมักไม่ใช่กล่องกระดาษมาตรฐาน แต่เป็นถุงนิ่ม โซ่เย็น อาหารสด และของมีค่าเปราะบาง

场景เหล่านี้ในอดีตต้องพึ่งพาแรงงานคนเป็นเวลานาน เพราะไม่กล้ามอบให้หุ่นยนต์ กลัวว่ามันจะเคลื่อนไหวรุนแรงเกินไป

ความทนทานในการ执行หุ่นยนต์จริง: ข้อผิดพลาดน้อย ทำซ้ำได้

สุดท้าย ฉันอยากพูดถึงความสามารถที่สำคัญอย่างหนึ่ง——ความเสถียร

วิดีโอสาธิตของหุ่นยนต์หลายตัวดูราบรื่น แต่คำถามที่อุตสาหกรรมสนใจจริงๆ มีเพียงข้อเดียว: มันสามารถทำงานต่อเนื่องได้นานแค่ไหน?

เพราะเมื่อหุ่นยนต์เข้าโรงงาน มันไม่ได้เผชิญกับการแสดงครั้งเดียว แต่เป็นการทำงานแบบ 7×24 ชั่วโมงไม่หยุด

ข้อผิดพลาดของการเคลื่อนไหวจะสะสมมากขึ้นเรื่อยๆ การสั่นของ轨迹จะขยายใหญ่ขึ้น

หุ่นยนต์หลายตัวเริ่มต้นด้วยการเคลื่อนไหวที่สวยงาม แต่หลังจากทำงานไปครึ่งชั่วโมง ข้อผิดพลาดก็เริ่ม失控

สิ่งที่场景อุตสาหกรรมขาดแคลนจริงๆ ไม่ใช่ “ทำได้ครั้งเดียว” แต่คือ สามารถทำซ้ำได้稳一万ครั้ง

ความสามารถหลักอีกอย่างที่ Era0 แสดงออกในครั้งนี้คือความทนทานในการ执行หุ่นยนต์จริงที่แข็งแกร่งมาก

เบื้องหลังนี้依赖การ interpolate การเคลื่อนไหวที่ราบรื่น และการ优化推理หุ่นยนต์จริง

จุดนี้เห็นได้ชัดเจนในภารกิจที่มีความแม่นยำสูง เช่น การเทเฟรนช์ฟรายส์ลงจาน การสแกนบาร์โค้ด Era0 มีอัตราความสำเร็จ 90% ถึง 100%

轨迹การเคลื่อนไหวต่อเนื่องราบรื่น ไม่มีการสั่นหรือ偏移ที่ชัดเจน

นั่นหมายความว่า มันไม่ใช่แค่ “รู้วิธีเคลื่อนไหว” แต่เริ่มมีความเสถียรในระดับวิศวกรรม

และนี่คือ门槛ที่สำคัญที่สุดก่อนที่หุ่นยนต์จะเข้าสู่การปรับใช้ในระดับอุตสาหกรรมอย่างแท้จริง

ไม่เพียงแข่งขันได้ แต่ยังเข้าโรงงานทำงานได้

ตอนนี้ในอุตสาหกรรม Embodied มีปรากฏการณ์ที่น่าสนใจ: บริษัทหุ่นยนต์ทั่วโลกเก่งขึ้นเรื่อยๆ ในการ “ถ่ายทอดสด” โดยเฉพาะ Figure

ที่นี่เราไม่ต้องการ讨论 “คุณค่า” ของการถ่ายทอดสด เพราะการคัดแยกพัสดุ本身ไม่ใช่การเคลื่อนไหวที่ยากซึ่งมีเพียงบริษัทเดียวเท่านั้นที่ทำได้

หลายบริษัทในประเทศก็ทำได้ ปัญหาคือ场景การถ่ายทอดสดหลายครั้งยังคงเป็นสภาพแวดล้อมที่ควบคุมได้สูง

วัสดุเป็นระเบียบ กระบวนการ固定 สภาพการทำงาน理想

而现场โลจิสติกส์จริง เป็นอีกเรื่องหนึ่งโดยสิ้นเชิง

กล่องกระดาษ ถุงนิ่ม สิ่งของรูปทรงแปลกปนกัน; แสง เสียง อุณหภูมิเปลี่ยนแปลงตลอดเวลา; ข้อผิดพลาดของอุปกรณ์ สภาพการทำงานผิดปกติ สถานการณ์ฉุกเฉินเกิดขึ้นทุกวัน

การทำงานต่อเนื่องใน Demo ไม่ได้หมายความว่าสามารถเข้าสู่ระบบการผลิตจริงได้

สิ่งที่อุตสาหกรรมขาดแคลนจริงๆ ไม่ใช่ “รู้วิธีสาธิต” แต่คือความสามารถในการทำงานอย่างเสถียรในระยะยาว

นี่คือข้อได้เปรียบหลักที่ Star Dynamics กำลังสร้าง

จริงๆ แล้ว ก่อน RoboChallenge Star Dynamics ได้แสดงอำนาจใน赛事หุ่นยนต์จริงที่เชื่อถือได้หลายรายการ

ไม่นานมานี้ โมเดล Embodied Intelligence ของ Star Dynamics ในการประเมิน World Model Embodied ที่เชื่อถือได้ WorldArena คว้าอันดับหนึ่งของโลกในภารกิจ Embodied;

ใน赛事หุ่นยนต์จริงที่มีความยากสูงสุดในโลกด้านความคล่องแคล่วของ Embodied อย่าง Benjie’s Humanoid Olympic Games บริษัทยังเอาชนะ “สมองที่แข็งแกร่งที่สุด” ที่ได้รับการยอมรับอย่าง PI*0.6 คว้าอันดับหนึ่งของโลกในสามภารกิจ: ปอกส้ม เปิดกุญแจ และกลับถุงเท้า

แต่สิ่งที่สำคัญกว่าการขึ้นอันดับหนึ่งคือการปรับใช้จริง

หลายบริษัทยังพูดถึง “หุ่นยนต์จะเข้าโรงงานในอนาคต” แต่ Star Dynamics เริ่มส่งมอบแล้ว

ปัจจุบัน Star Dynamics ได้率先实现 PMF ตัวแรกของอุตสาหกรรม ในด้านโลจิสติกส์

บริษัทได้ร่วมมืออย่างลึกซึ้งกับ SF Express และ China Post และดำเนินการคัดแยกจริงอย่างเสถียรในศูนย์โลจิสติกส์กว่า 10 แห่งใน 5 จังหวัดทั่วประเทศ

สิ่งนี้甚至引起了 Peter Kappes ผู้ก่อตั้ง Bots n Beans สื่อแนวตั้งด้านหุ่นยนต์ในต่างประเทศให้ความสนใจ

(Star Dynamics) ถูกปรับใช้แล้ว ส่วน Figure… ยังไม่ประกาศความร่วมมือด้านโลจิสติกส์อย่างเป็นทางการ

ในอุตสาหกรรม Embodied Intelligence มีคนยังพยายามพิสูจน์ว่า “หุ่นยนต์ทำงานได้”

มีคนเริ่มให้หุ่นยนต์เข้าโรงงานทำงานเป็นจำนวนมากแล้ว

ตามข้อมูลสาธารณะ Star Dynamics ในไตรมาสที่ 2 ของปี 2026 ได้เริ่ม การส่งมอบเป็นพันเครื่อง โดยมีอัตราการเติบโตปีต่อปี 300%

One more thing

ในแง่หนึ่ง RoboChallenge ครั้งนี้ดึงอุตสาหกรรมทั้งหมดกลับมาสู่โลกแห่งความจริง

ความสามารถในการทำงานอย่างต่อเนื่องในสภาพแวดล้อมสุ่ม และความสามารถในการเข้าสู่ระบบการผลิตจริง เป็นเกณฑ์การประเมินที่สำคัญที่สุดของการสอบครั้งนี้

การขึ้นอันดับหนึ่งของ Era0 พิสูจน์สองสิ่งพร้อมกัน:

หนึ่งคือมันแข่งขันได้ แสดงว่าเทคโนโลยี先进; สองคือมันทำงานได้ แสดงว่าโมเดลธุรกิจ可行

และสมอง Embodied ที่ทำทั้งสองสิ่งนี้ได้พร้อมกัน จะเป็นโครงสร้างพื้นฐานรุ่นต่อไปที่หายากอย่างแท้จริง