NEURA Robotics เปิดตัวหุ่นยนต์มนุษย์รูปแบบใหม่ 4NE1 Gen 4 น้ำหนักลดลง 20% และมีเทคโนโลยีควบคุมการเคลื่อนไหวที่ทันสมัย

NEURA Robotics ได้เปิดตัว 4NE1 Gen 4 ซึ่งเป็นหุ่นยนต์มนุษย์ที่ออกแบบมาเพื่อการผลิตจำนวนมาก โดยมีน้ำหนักเบากว่ารุ่นก่อนหน้าถึง 20% หุ่นยนต์นี้มีการออกแบบที่เพรียวบางมากขึ้น ตัวถังทำจากผ้าทอสีดำ เทคโนโลยีควบคุมการเคลื่อนไหวที่ทันสมัย และ Neuron AI ซึ่งเป็นโมเดลพื้นฐานของปัญญาประดิษฐ์ทางกายภาพของบริษัท การเปิดตัวครั้งนี้ตรงกับการเปิดตัว TUM RoboGym ของมหาวิทยาลัยเทคนิคมิวนิค (TUM) ซึ่งเป็นศูนย์วิจัยและฝึกอบรมที่ร่วมก่อตั้งโดย NEURA และตั้งอยู่ใกล้สนามบินมิวนิค

สิ่งอำนวยความสะดวกขนาด 2,300 ตารางเมตรนี้จะใช้ข้อมูลจากโลกจริง การสาธิตจากมนุษย์ และการจำลองสถานการณ์ในการฝึกหุ่นยนต์ทำภารกิจจริง

การออกแบบและเทคโนโลยีของ 4NE1 Gen 4

4NE1 Gen 4 เป็นรุ่นล่าสุดของแพลตฟอร์มหุ่นยนต์มนุษย์ของ NEURA ซึ่งมีการออกแบบตัวถังใหม่ที่เพรียวบางและเบากว่าเดิม ขณะที่ตัวถังทำจากผ้าทอสีดำก็แตกต่างจากรุ่นก่อน หุ่นยนต์นี้ติดตั้งอุปกรณ์มือที่ทันสมัยเพื่อให้สามารถจับสิ่งของได้อย่างแม่นยำมากขึ้น รวมถึง Smart Limbs ที่ทำให้แต่ละแขนขาสามารถตอบสนองต่อสภาพแวดล้อมได้อย่างอิสระ ตามที่ NEURA กล่าว คุณสมบัติเหล่านี้มีจุดมุ่งหมายเพื่อช่วยให้หุ่นยนต์ตอบสนองได้เร็วขึ้นและเคลื่อนไหวได้อย่างราบรื่น ระบบหลักคือ Neuron AI ซึ่งเป็นโมเดลการรับรู้-ภาษา-การกระทำของปัญญาประดิษฐ์ทางกายภาพของ NEURA

โมเดลนี้เปลี่ยนการรับรู้ของหุ่นยนต์เป็นการกระทำ โดยใช้ข้อมูลนำเข้าที่รวมถึงการมองเห็น การสัมผัส แรงดัน เสียง และสถานะภายในของหุ่นยนต์ ความสามารถเหล่านี้มีจุดมุ่งหมายเพื่อช่วยให้หุ่นยนต์จัดการกับภารกิจที่เกินกว่าการรับรู้ด้วยสายตา ตัวอย่างเช่น หุ่นยนต์อาจต้องตัดสินใจว่าอุปกรณ์ยึดติดได้ถูกล็อกเข้าที่หรือไม่ในระหว่างการประกอบชิ้นส่วน

ฟังก์ชันและวัตถุประสงค์ของ TUM RoboGym

Neuron AI ใช้ข้อมูลหุ่นยนต์จากโลกจริง การสาธิตจากมนุษย์ และการจำลองสถานการณ์ในการฝึกฝน ผ่านแพลตฟอร์ม Neuraverse ของ NEURA ทักษะที่หุ่นยนต์เรียนรู้สามารถแชร์กับหุ่นยนต์อื่น ๆ ในเครือข่าย บริษัทกำลังเตรียมการผลิตจำนวนมากสำหรับ 4NE1 Gen 4 ซึ่งปัจจุบันหุ่นยนต์นี้ได้ทำงานใน NEURA Gyms ซึ่งบริษัทสามารถฝึกและทดสอบการใช้งานจริงได้

TUM RoboGym มอบสภาพแวดล้อมที่ใช้ร่วมกันให้กับนักวิจัยและบริษัทต่าง ๆ ในการพัฒนาความสามารถของหุ่นยนต์สำหรับอุตสาหกรรมการผลิต โลจิสติกส์ เกษตรกรรม การดูแลสุขภาพ และอื่น ๆ บริษัทจะจัดเตรียมภารกิจเฉพาะและความรู้เกี่ยวกับกระบวนการ ในขณะที่นักวิจัยจะสำรวจว่าหุ่นยนต์สามารถเรียนรู้ภารกิจเหล่านี้ได้เร็วขึ้นและทำงานได้อย่างเชื่อถือได้อย่างไร กิจกรรมการฝึกอบรมเริ่มขึ้นในเดือนกันยายน โดยมีผู้เข้าร่วมจากอุตสาหกรรมต่าง ๆ มากกว่า 10 แห่ง รวมถึงยานยนต์ ยา เทคโนโลยีการแพทย์ บรรจุภัณฑ์ โลจิสติกส์ เกษตรกรรม และการดูแล ผู้สาธิตจะเกี่ยวข้องกับภารกิจต่าง ๆ เช่น การจัดการกล่อง การเติมขวด และการขนถ่ายชิ้นส่วนไม้ บริษัทสามารถใช้สิ่งอำนวยความสะดวกนี้ในการประเมินระบบหุ่นยนต์ ระบุความต้องการในการฝึกอบรม และประเมินการใช้งานก่อนที่จะขยายการใช้งาน

สิ่งอำนวยความสะดวกในการฝึกอบรมนี้รวมสามวิธีเข้าด้วยกัน ข้อมูลหุ่นยนต์จากโลกจริงจะถูกจับผ่านเซ็นเซอร์เพื่อบันทึกการเคลื่อนไหว การสัมผัสทางกายภาพ และผลลัพธ์ของภารกิจ การสาธิตจากมนุษย์จะใช้ชุดที่ติดตั้งเซ็นเซอร์ ระบบการจับการเคลื่อนไหว และการควบคุมระยะไกลในการบันทึกการเคลื่อนไหวและการโต้ตอบ การจำลองสถานการณ์จะขยายประสบการณ์นี้โดยทำให้หุ่นยนต์สัมผัสกับสถานการณ์และการเปลี่ยนแปลงเพิ่มเติม จากนั้นจึงทดสอบทักษะของพวกเขาบนหุ่นยนต์จริง ตามที่ NEURA กล่าว ศูนย์นี้สนับสนุนหุ่นยนต์หลายประเภท รวมถึงหุ่นยนต์มนุษย์ หุ่นยนต์ช่วยเคลื่อนที่ และแขนหุ่นยนต์ที่มีความสามารถทางปัญญา NEURA และ TUM ได้ให้คำมั่นที่จะสร้างความร่วมมือเบื้องต้นเป็นระยะเวลา 3 ปี โดยลงทุนรวมประมาณ 17 ล้านยูโร

NEURA มีส่วนร่วมประมาณ 11 ล้านยูโร รวมถึงโครงสร้างพื้นฐานของหุ่นยนต์ แหล่งข้อมูลการคำนวณ และการสนับสนุนการดำเนินงาน มิวนิคยังเป็นจุดเริ่มต้นของเครือข่ายศูนย์ฝึกอบรมระดับนานาชาติในแผนของ NEURA โดยมีแผนที่จะตั้งสถานที่อื่นในยุโรป สหรัฐอเมริกา และจีน NEURA ยังอยู่ระหว่างการพัฒนาสถานที่อีกแห่งในเยอรมนีกับมหาวิทยาลัย RWTH Aachen

ผลกระทบของความร่วมมือระหว่าง NEURA และ TUM ต่อเทคโนโลยีหุ่นยนต์

ความร่วมมือระหว่าง NEURA Robotics และมหาวิทยาลัยเทคนิคมิวนิค (TUM) ถือเป็นก้าวสำคัญในการพัฒนาเทคโนโลยีหุ่นยนต์ ผ่าน TUM RoboGym นักวิจัยและบริษัทสามารถฝึกหุ่นยนต์ในสภาพแวดล้อมจริง ซึ่งไม่เพียงแต่เพิ่มประสิทธิภาพการเรียนรู้ของหุ่นยนต์ แต่ยังเร่งการนำไปใช้ในหลายอุตสาหกรรม ด้วยความก้าวหน้าของ Neuron AI หุ่นยนต์จะสามารถทำภารกิจที่ซับซ้อนได้อย่างแม่นยำมากขึ้น ซึ่งจะมีผลกระทบอย่างลึกซึ้งต่ออนาคตของการผลิตอัตโนมัติและอัจฉริยะ