ทันเอไอ

Gemini Robotics 2.5 ของ DeepMind ยกระดับการใช้มือของหุ่นยนต์ในงานจริง

Google DeepMind เปิดตัว Gemini Robotics 2.5 โมเดลวิชัน-ภาษา-การกระทำ (vision-language-action model) สำหรับควบคุมหุ่นยนต์ บริษัทระบุว่าช่วยเพิ่มความแม่นยำ ความเร็ว และความปลอดภัย แต่ตัวเลขยังมาจากบริษัทเอง

Google DeepMind ประกาศเปิดตัว Gemini Robotics 2.5 เมื่อวันที่ 10 พฤศจิกายน 2026 เป็นโมเดลที่รับทั้งภาพ ภาษา และคำสั่ง แล้วแปลงเป็นการเคลื่อนไหวของหุ่นยนต์ เป้าหมายคือให้หุ่นยนต์จับและจัดการสิ่งของในโลกจริงได้หลากหลายขึ้น โดยไม่ต้องเขียนโปรแกรมใหม่สำหรับทุกงาน

ตามรายงานของบริษัท ทีมทดสอบงานมากกว่า 200 งาน และพบว่าอัตราสำเร็จสูงกว่าโมเดลฐานเดิมราว 30 ถึง 100 เปอร์เซ็นต์ ขึ้นอยู่กับประเภทงาน ส่วนความเร็วในการทำงานเพิ่มขึ้นราว 20 ถึง 30 เปอร์เซ็นต์ ตัวเลขนี้ยังไม่มีการเผยแพร่ชุดทดสอบหรือวิธีวัดให้สาธารณชนตรวจสอบโดยละเอียด

ตัวอย่างที่น่าสนใจที่สุดคือการทดลองในโรงงาน ใช้หุ่นยนต์ Apptronik Apollo 2 จัดเรียงชิ้นส่วนรถยนต์ในโรงงานของ Mercedes-Benz ที่เยอรมนีและฮังการี บริษัทรายงานความสำเร็จ 96 เปอร์เซ็นต์ในการทดลองพิสูจน์แนวคิด แต่ TechTimes ชี้ว่ายังไม่มีการเปิดเผยจำนวนครั้งที่ทดลอง นิยามของคำว่าสำเร็จ หรือความถี่ที่มนุษย์ต้องเข้าไปแก้ไข จึงยังประเมินความน่าเชื่อถือของตัวเลขนี้ได้ยาก

Ars Technica รายงานว่าสอดคล้องกับข้อมูลของ DeepMind และระบุว่าตอนนี้เริ่มให้พันธมิตรด้านหุ่นยนต์ทดลองใช้ก่อน ยังไม่เปิดให้ใช้ทั่วไป ดังนั้นสิ่งที่เห็นจึงเป็นระยะเริ่มต้นของการนำไปใช้จริง ไม่ใช่การพิสูจน์ผลในวงกว้าง