Google DeepMind เปิดตัว Gemini Robotics 2 มอบ “ปัญญาทั้งร่างกาย” ให้หุ่นยนต์ฮิวแมนนอยด์

Google DeepMind ประกาศเปิดตัว Gemini Robotics 2 เมื่อวันที่ 30 กรกฎาคม 2569 โดยเปิดตัวโมเดล Physical AI พร้อมกันสามรุ่น ได้แก่

• Gemini Robotics 2 VLA – โมเดล Vision-Language-Action ที่ล้ำหน้าที่สุด แปลงข้อมูลภาพและภาษาเป็นคำสั่งควบคุมมอเตอร์โดยตรง สั่งการหุ่นยนต์ฮิวแมนนอยด์ให้ประสานงานทั้งร่างกาย “ตั้งแต่เท้าจรดปลายนิ้ว” ทั้งเดิน ย่อตัว ก้มตัว เอื้อมหยิบและจัดการวัตถุ พร้อมยกระดับความคล่องแคล่วของมือทั้งสองข้างและกริปเปอร์สู่ระดับใหม่
• Gemini Robotics ER 2 – โมเดล VLM ด้าน Embodied Reasoning รองรับการเข้าใจวิดีโอ การใช้เหตุผลเชิงพื้นที่แบบเรียลไทม์ การวางแผนงานหลายขั้นตอน การจัดลำดับงาน และการประสานหุ่นยนต์หลายตัวข้ามแพลตฟอร์มฮาร์ดแวร์ โดยตามกำหนดการยกเลิกของ Gemini API รุ่นเก่า gemini-robotics-er-1.6-preview จะปิดให้บริการในวันที่ 31 สิงหาคมนี้ และให้ ER 2 รับช่วงต่อ
• Gemini Robotics On-Device 2 – ทำงานบนตัวเครื่องได้อย่างสมบูรณ์โดยไม่ต้องเชื่อมต่อคลาวด์ และปรับให้เข้ากับตัวหุ่นยนต์รุ่นใหม่ได้ภายในเวลาไม่กี่ชั่วโมง

DeepMind สาธิตจริงบนหุ่นยนต์ฮิวแมนนอยด์ Apollo 2 ของพันธมิตร Apptronik ทั้งการเดินอัตโนมัติ ย่อตัวก้มเก็บของในห้องที่รกให้เป็นระเบียบ ทำงานเป็นทีมร่วมกับหุ่นยนต์ตัวอื่นเพื่อให้งานเสร็จเร็วขึ้น และใช้เหตุผลกับงานซับซ้อนหลายขั้นตอนแบบเรียลไทม์ พร้อมประกาศมาตรการความปลอดภัยชุดใหม่สำหรับหุ่นยนต์ฮิวแมนนอยด์โดยเฉพาะ

ความหมายเชิงเทคนิค – จากแขนกลบนโต๊ะสู่ปัญญาทั้งร่างกาย

ที่ผ่านมา AI สำหรับหุ่นยนต์ส่วนใหญ่ยังจำกัดอยู่ที่แขนกลแบบติดตั้งอยู่กับที่ซึ่งเน้นหยิบจับและวางของ แต่ Gemini Robotics 2 VLA ขยายขอบเขตการควบคุมสู่ทั้งร่างกาย ทั้งท่าเดิน จุดศูนย์ถ่วง การย่อตัว และการประสานมือทั้งสองข้าง ล้วนถูกกำกับโดยโมเดลเดียว นับเป็นการก้าวเข้าสู่ยุค “Whole-body Intelligence” อย่างเป็นทางการ ที่น่าสังเกตคือครั้งนี้ DeepMind เผยแพร่ตัวเลข Benchmark จากการทดสอบภายในมาด้วย เช่น การหยิบจับด้วยทั้งร่างกาย (Apollo พร้อมมือ Inspire) ทำสำเร็จ 68.4% บนโต๊ะ 45.7% บนพื้น และ 76.3% บนชั้นวาง ขณะที่มือหลายนิ้ว SharpaWave หมุนเปิดหลอดไฟได้ 92% และกริปเปอร์ Franka Duo เสียบชิ้นงานแม่นยำได้ 89.6% ตัวเลขเหล่านี้สะท้อนความจริงว่าอัตราความสำเร็จของการปฏิบัติงานทั้งร่างกายยังอยู่ระดับกลาง ยังห่างจากความน่าเชื่อถือระดับการผลิตจริง และทั้งหมดเป็นข้อมูลที่ทดสอบเอง จึงยังต้องรอการพิสูจน์จากบุคคลที่สาม

เทียบกับรุ่นก่อนหน้า

เมื่อเทียบกับ ER 1.6 ที่กำลังจะปิดตัว ER 2 เพิ่มความสามารถประสานหุ่นยนต์หลายตัวและจัดลำดับงาน ทำให้หุ่นยนต์ทั้งกลุ่มแบ่งงานกันทำเป้าหมายเดียวได้ ส่วน On-Device 2 ที่ “ปรับเข้ากับตัวหุ่นใหม่ได้ในไม่กี่ชั่วโมง” คือประเด็นที่ส่งผลต่อโครงสร้างอุตสาหกรรมลึกที่สุด เพราะเท่ากับแยกชั้นฮาร์ดแวร์ออกจากชั้นปัญญาประดิษฐ์ องค์กรไม่ถูกผูกติดกับผู้ผลิตฮาร์ดแวร์รายเดียวอีกต่อไป การเปลี่ยนตัวหุ่นไม่ได้แปลว่าต้องเปลี่ยนระบบ AI ทั้งชุด

ความหมายสำหรับผู้บริหาร

ตารางเวลาการนำหุ่นยนต์ฮิวแมนนอยด์เข้าสู่ภาคการผลิต คลังสินค้า และภาคบริการถูกเลื่อนให้เร็วขึ้นอย่างมีนัยสำคัญ แต่ตัวเลขความสำเร็จที่ DeepMind เปิดเผยเองก็เตือนว่ายังห่างไกลจากการทำงานแทนคนเต็มรูปแบบ สิ่งที่ผู้บริหารควรทำตอนนี้ไม่ใช่รีบจัดซื้อ แต่คือสำรวจว่างานประเภท “ใช้ทั้งร่างกาย” ในหน้างานของตน เช่น การขนย้าย เติมสินค้า หรือทำความสะอาดห้องพัก งานใดมีแนวโน้มถูกหุ่นยนต์รับช่วงก่อน และเมื่อคัดเลือกระบบ ให้ตั้งเงื่อนไขว่า “ชั้นปัญญาต้องย้ายข้ามฮาร์ดแวร์ได้” เพื่อไม่ให้ถูกผูกขาดกับตัวหุ่นรุ่นใดรุ่นหนึ่ง