ทันเอไอ

งานวิจัยใช้ RAG และ MCP ช่วย AI เขียนและแก้โปรแกรมหุ่นยนต์ ABB

นักวิจัยเสนอเวิร์กโฟลว์ที่ให้โมเดลภาษาสร้างโปรแกรม ABB RAPID จากคำสั่งทั่วไป แล้วทดสอบและแก้ข้อผิดพลาดผ่านซอฟต์แวร์จำลองโดยอัตโนมัติ

งานวิจัยใหม่บน arXiv หมายเลข 2608.21417 เสนอวิธีใช้ Language Model (โมเดลภาษาที่สร้างข้อความและโค้ด) ช่วยเขียนโปรแกรมควบคุมหุ่นยนต์อุตสาหกรรม ABB โดยมุ่งลดเวลาที่โรงงานต้องใช้ปรับโปรแกรม เมื่อเปลี่ยนสินค้า รุ่นผลิต หรือขั้นตอนในสายการผลิต

ระบบรับคำอธิบายงานด้วยภาษาธรรมชาติ ก่อนสร้างโค้ดภาษา ABB RAPID ซึ่งเป็นภาษาสำหรับเขียนโปรแกรมหุ่นยนต์ของ ABB จุดสำคัญคือโมเดลไม่ได้อาศัยความรู้ภายในของตัวเองเพียงอย่างเดียว แต่ใช้ Retrieval-Augmented Generation หรือ RAG (การดึงข้อมูลอ้างอิงมาเสริมก่อนสร้างคำตอบ) สองสาย โดยค้นทั้งเอกสารทางเทคนิคที่ผ่านการตรวจสอบและเทมเพลตจากงานผลิต เพื่อให้โค้ดสอดคล้องกับข้อกำหนดเฉพาะของระบบมากขึ้น

อีกส่วนหนึ่งคือ MCP Server ที่สร้างขึ้นเฉพาะงาน ทำหน้าที่เชื่อมไคลเอนต์ของโมเดลภาษาเข้ากับ ABB RobotStudio โดยตรง ระบบจึงสามารถอัปโหลดโค้ด เรียกการจำลอง และรับ Diagnostic Feedback (ข้อมูลวินิจฉัยข้อผิดพลาด) กลับมาให้โมเดลปรับแก้โปรแกรมเป็นรอบ ๆ ได้ กระบวนการนี้สร้างวงจรป้อนกลับระหว่างการเขียนโค้ดกับการทดสอบ แทนที่จะหยุดหลังโมเดลสร้างโค้ดครั้งแรก

ผู้วิจัยระบุว่าการจำลองช่วยพบ Execution failures (ความล้มเหลวระหว่างทำงาน) ซึ่งการตรวจแบบ Static (ตรวจโค้ดโดยไม่รัน) หรือ Semantic (ตรวจความหมายและความสอดคล้องของคำสั่ง) อาจไม่พบ ตัวอย่างที่รายงาน ได้แก่ ความสูงขณะปล่อยชิ้นงานไม่เหมาะสม และตำแหน่งเป้าหมายที่แขนหุ่นยนต์เอื้อมไม่ถึง

การประเมินมีชุดทดสอบการค้นคืนข้อมูล 30 คำถาม รวมกับการทดสอบสร้างโค้ดในขอบเขตที่กำหนด อย่างไรก็ตาม ข้อมูลที่ให้มายังไม่ระบุตัวเลขผลสำเร็จโดยละเอียด จึงยังสรุปไม่ได้ว่าวิธีนี้พร้อมใช้กับโรงงานหรือหุ่นยนต์หลายรูปแบบเพียงใด บทความยังเป็นฉบับ arXiv v1 และได้รับการตอบรับให้นำเสนอในงาน CIE53 ที่ Khalifa University กรุงอาบูดาบี ในเดือนตุลาคม 2026