Machenta ระดมทุนรอบซีด 40 ล้านดอลลาร์ เพื่อสอนงานใหม่ให้หุ่นยนต์จากการสาธิตเพียงครั้งเดียว

การสอนงานใหม่ให้หุ่นยนต์อาจใช้เวลานานกว่าการลงมือทำงานนั้นเองมาก การเก็บตัวอย่างการสาธิต การเตรียมข้อมูลฝึก และการปรับปรุงโมเดล อาจทำให้การเปลี่ยนแปลงขั้นตอนการทำงานเพียงเล็กน้อยกลายเป็นโครงการด้านวิศวกรรมขนาดใหญ่ Machenta ระดมทุนรอบซีดได้ 40 ล้านดอลลาร์ เพื่อย่นระยะเวลาดังกล่าว โดยพัฒนาโมเดลพื้นฐานสำหรับหุ่นยนต์ที่ออกแบบมาให้เรียนรู้งานทางกายภาพจากการสาธิตเพียงครั้งเดียว โดยไม่ต้องฝึกเพิ่มเติมเฉพาะงานนั้น

บริษัทจากลอนดอนประกาศการระดมทุนเมื่อวันที่ 27 ตุลาคม โดยมี Creandum และ Union Square Ventures ร่วมเป็นผู้นำการระดมทุน บริษัทจะนำเงินทุนไปขยายขีดความสามารถของโมเดลและเพิ่มจำนวนพนักงานที่สำนักงานและห้องปฏิบัติการแห่งใหม่ในย่าน King’s Cross

Machenta เรียกแนวทางของตนว่า “การเรียนรู้ของหุ่นยนต์แบบฉับไว” บริษัทระบุว่าได้สาธิตเทคโนโลยีกับงานบรรจุภัณฑ์ งานประกอบ และงานจัดเก็บ โดยหุ่นยนต์สามารถปรับตัวเข้ากับความแตกต่างได้หลังจากได้รับการสาธิตเพียงครั้งเดียวว่าจะต้องทำอย่างไร เป้าหมายนี้มีขอบเขตกว้าง แต่หลักฐานที่มีควรตีความว่าเป็นการสาธิตเทคโนโลยีที่ยังอยู่ระหว่างการพัฒนา ไม่ใช่ข้อพิสูจน์ว่าหุ่นยนต์สามารถทำงานได้ทุกอย่างที่อาจเป็นไปได้แล้ว

เรียนรู้งานใหม่โดยไม่ต้องเริ่มฝึกรอบใหม่

ประเด็นสำคัญคือความแตกต่างระหว่างการฝึกโมเดลกับการสอนงานเฉพาะอย่างให้โมเดลที่ผ่านการฝึกมาแล้ว Machenta ยังคงฝึกโมเดลพื้นฐานของตนเอง สิ่งที่บริษัทตั้งเป้าจะตัดออกคือความจำเป็นในการรวบรวมชุดข้อมูลใหม่ขนาดใหญ่และฝึกโมเดลอีกรอบทุกครั้งที่หุ่นยนต์พบงานใหม่

ศาสตราจารย์ Edward Johns ผู้ร่วมก่อตั้งและซีอีโอของ Machenta กล่าวในประกาศว่า “ความฉลาดไม่ได้อยู่ที่ว่าคุณทำอะไรได้อยู่แล้วมากนัก แต่อยู่ที่ว่าคุณเรียนรู้ที่จะทำสิ่งใหม่ได้เร็วแค่ไหน”

ขั้นตอนการทำงานที่เสนอไว้นั้นเรียบง่ายโดยตั้งใจ กล่าวคือ สาธิตพฤติกรรมที่ต้องการให้หุ่นยนต์ดู แล้วให้หุ่นยนต์ลงมือทำงานนั้น ในทางปฏิบัติ การสาธิตจะเป็นส่วนหนึ่งของคำสั่งที่ป้อนให้โมเดลเดิม แทนที่จะเป็นจุดเริ่มต้นของโครงการพัฒนาโมเดลแยกต่างหาก

แนวทางนี้มีประโยชน์เป็นพิเศษเมื่อภาพรวมของงานยังคล้ายเดิม แต่วัตถุหรือตำแหน่งการจัดวางเปลี่ยนไป หุ่นยนต์ที่ทำได้เพียงทำซ้ำลำดับการทำงานตายตัวจำเป็นต้องให้สภาพแวดล้อมเป็นไปตามโปรแกรมของตน ส่วนระบบที่เรียนรู้ได้อย่างมีประโยชน์ต้องระบุให้ได้ว่าการสาธิตต้องการให้ทำอะไร และปรับการกระทำให้เข้ากับสถานการณ์ตรงหน้า

ใช้การจำลองเพื่อฝึกความสามารถในการเรียนรู้

กลยุทธ์การฝึกของ Machenta ย้ายภาระส่วนใหญ่ในการสร้างข้อมูลไปไว้ในสภาพแวดล้อมจำลอง ตามประกาศของบริษัท เป้าหมายไม่ใช่การแจกแจงงานทุกอย่างที่หุ่นยนต์อาจต้องทำในอนาคต แต่เป็นการให้โมเดลได้พบสถานการณ์ที่หลากหลายมากพอ จนพัฒนาความสามารถในการเรียนรู้จากตัวอย่างใหม่ที่นำกลับมาใช้กับงานอื่นได้

แนวทางนี้เปลี่ยนมุมมองของบริษัทว่าการขยายขนาดจะเกิดขึ้นได้จากที่ใด ความพยายามพัฒนาการเรียนรู้ของหุ่นยนต์หลายโครงการพึ่งพาการเก็บตัวอย่างการสาธิตในโลกจริงอย่างมาก โดยใช้การควบคุมจากระยะไกลหรือบันทึกกิจกรรมของมนุษย์ Machenta เดิมพันว่าประสบการณ์จากการจำลองจะสร้างความหลากหลายที่จำเป็นต่อการเรียนรู้งานใหม่ได้ โดยมีการสาธิตจริงเป็นคำสั่งเมื่อเริ่มนำระบบไปใช้งาน

บทนำทางเทคนิคของบริษัท อธิบายระบบนี้ว่าเป็นโมเดลภาพ-สาธิต-การกระทำ หรือ VDA โมเดลรับการสาธิตและภาพจากกล้องที่บันทึกอย่างต่อเนื่องเป็นข้อมูลนำเข้า แล้วคาดการณ์การกระทำแบบวงปิด บริษัทระบุว่าการฝึกล่วงหน้าใช้การจำลองเพียงอย่างเดียว ส่วนตัวอย่างการสอนและภาพสดเป็นข้อมูลนำเข้าจากโลกจริงในขั้นอนุมาน

ความแตกต่างนี้มีความสำคัญ กล่าวคือ การฝึกล่วงหน้าด้วยการจำลองเพียงอย่างเดียวไม่ได้หมายความว่าหุ่นยนต์ที่นำไปใช้งานจะทำงานโดยไม่มีข้อมูลจากโลกจริง หุ่นยนต์ยังต้องตีความการสาธิต สังเกตสภาพแวดล้อม และเลือกการกระทำให้เหมาะสมเมื่อเงื่อนไขเปลี่ยนแปลง

งานวิจัยเบื้องหลังการเรียนรู้ของหุ่นยนต์จากบริบท

บริษัทต่อยอดจากงานวิจัยของ Johns และ Vitalis Vosylius ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี ที่ Imperial College London Johns เป็นศาสตราจารย์ด้านการเรียนรู้ของหุ่นยนต์ที่ Imperial และทั้งคู่ได้พัฒนาวิธีการก่อนหน้านี้เพื่อให้หุ่นยนต์เรียนรู้พฤติกรรมทางกายภาพจากตัวอย่างจำนวนไม่มาก

งานวิจัย Instant Policy ของทั้งคู่ ซึ่งเผยแพร่ในการประชุม ICLR 2025 อธิบายการเรียนรู้เลียนแบบจากบริบทโดยใช้การสาธิตหนึ่งหรือสองครั้งโดยไม่ต้องฝึกเพิ่มเติม งานวิจัยนี้แทนการสาธิต การสังเกต และการกระทำด้วยกราฟ และใช้กระบวนการแพร่กระจายที่เรียนรู้มาเพื่อสร้างโครงสร้างกราฟที่จำเป็นต่อการคาดการณ์การกระทำ

บทความวิจัยยังอธิบายการฝึกด้วยตัวอย่างสาธิตเทียม ซึ่งเป็นวิถีการเคลื่อนที่ที่สร้างขึ้นในการจำลองและใช้เป็นคลังตัวอย่างขนาดใหญ่ การทดลองครอบคลุมทั้งงานจำลองและงานจริง พร้อมงานเพิ่มเติมเกี่ยวกับการถ่ายโอนความสามารถระหว่างรูปแบบตัวหุ่นยนต์ และคำสั่งที่กำหนดด้วยภาษา

งานวิจัยนี้ช่วยอธิบายพื้นฐานทางวิทยาศาสตร์ แต่ไม่ได้ยืนยันว่าโมเดลเชิงพาณิชย์รุ่นปัจจุบันของ Machenta มีสถาปัตยกรรมเหมือนกันทุกประการ สตาร์ตอัปอธิบายว่าระบบรุ่นใหม่เป็นโมเดลพื้นฐานที่พัฒนาต่อยอดจากงานวิจัยกลุ่มนี้

การเรียนรู้จากบริบทเป็นแนวคิดที่คุ้นเคยในโมเดลภาษา ซึ่งตัวอย่างในพรอมป์ต์สามารถกำหนดรูปแบบคำตอบได้โดยไม่ต้องปรับน้ำหนักของโมเดล การนำแนวคิดนี้มาใช้กับหุ่นยนต์มีความท้าทายมากกว่า เพราะผลลัพธ์ต้องกลายเป็นลำดับการกระทำทางกายภาพภายใต้ข้อจำกัดในโลกจริง ไม่ใช่เพียงคำตอบที่ฟังดูสมเหตุสมผล

สิ่งที่การสาธิตแสดงให้เห็น—and สิ่งที่ยังต้องทดสอบ

โพสต์ทางเทคนิคของ Machenta รายงานผลการทดลองนานหนึ่งชั่วโมงกับงานง่าย ๆ ที่รีเซ็ตสภาพได้เอง 3 อย่าง ได้แก่ วางบล็อกสำเร็จ 74 ครั้งจากความพยายาม 74 ครั้ง ส่งไขควงให้สำเร็จ 78 ครั้งจาก 78 ครั้ง และตั้งขวดให้ยืนได้สำเร็จ 97 ครั้งจากความพยายาม 99 ครั้ง บริษัทระบุว่าความล้มเหลวในการตั้งขวด 2 ครั้งเกิดจากความเสี่ยงที่จะชนและข้อจำกัดด้านจลนศาสตร์

ผลเหล่านี้เป็นการตรวจสอบความน่าเชื่อถือเบื้องต้นที่มีประโยชน์ แต่ยังไม่ใช่เกณฑ์มาตรฐานสำหรับภาคอุตสาหกรรมในวงกว้าง โพสต์ดังกล่าวยังนำเสนอการเรียนรู้โดยตรงจากมือมนุษย์และการทำงานด้วยมือแบบมนุษย์ว่าเป็นแนวทางเบื้องต้นด้วย ทั้งนี้ ยังไม่ได้แสดงให้เห็นว่าระบบรองรับงานได้ทุกประเภท หรือทำงานได้อย่างน่าเชื่อถือในทุกสถานที่ทำงาน

สำหรับผู้ที่กำลังพิจารณานำระบบไปใช้ ความแตกต่างระหว่างการสาธิตที่น่าเชื่อถือกับระบบที่พร้อมใช้งานจริงนั้นครอบคลุมถึงความสามารถในการทำซ้ำ การกู้คืนจากความผิดพลาด การทำงานอย่างปลอดภัยเมื่ออยู่ใกล้ผู้คน และข้อจำกัดในทางปฏิบัติของฮาร์ดแวร์หุ่นยนต์ การเรียนรู้คำสั่งได้อย่างรวดเร็วไม่ได้ทำให้กริปเปอร์หยิบจับวัตถุที่มันไม่สามารถจับได้ด้วยข้อจำกัดทางกายภาพ

อย่างไรก็ตาม โอกาสทางธุรกิจนั้นชัดเจน หากลดเวลาที่ใช้สอนหุ่นยนต์ลงได้อย่างมาก ก็จะพิจารณานำหุ่นยนต์ไปใช้กับงานที่เปลี่ยนแปลงบ่อยจนไม่คุ้มกับการเขียนโปรแกรมและบูรณาการระบบที่ใช้เวลานานได้ง่ายขึ้น ซึ่งอาจส่งผลทั้งต่อการนำหุ่นยนต์ไปใช้ในโรงงานและการใช้งานในวงเล็กลง ซึ่งเข้าถึงผู้เชี่ยวชาญด้านหุ่นยนต์ได้ยาก

ระดมทุนรอบซีดเพื่อขยายโมเดลและทีมงาน

Machenta กำลังเข้าร่วมกระแสการลงทุนในวงกว้างเพื่อพัฒนาความฉลาดของหุ่นยนต์ที่ปรับตัวได้ การรายงานข่าวของ Unite.AI เกี่ยวกับการระดมทุนด้าน AI ที่ทำงานข้ามหุ่นยนต์ของ Dream Labs แสดงให้เห็นถึงความพยายามอีกแนวทางหนึ่งในการทำให้ความสามารถที่เรียนรู้มานำไปใช้กับเครื่องจักรต่างชนิดกันได้ จุดเน้นของ Machenta คือความรวดเร็วในการเปลี่ยนคำสั่งทางกายภาพใหม่ให้กลายเป็นพฤติกรรมที่นำไปใช้งานได้

Kathi Wilhelm พาร์ตเนอร์ของ Creandum กล่าวถึงงานวิจัยที่ทีมทำมาหลายปีก่อนก่อตั้งบริษัท ส่วน Rebecca Kaden กรรมการผู้จัดการพาร์ตเนอร์ของ Union Square Ventures เน้นย้ำถึงคุณค่าของหุ่นยนต์ที่เรียนรู้งานใหม่ได้อย่างรวดเร็ว แทนที่จะต้องฝึกแยกกันสำหรับงานแต่ละอย่าง

สำหรับ Machenta ขั้นต่อไปคือการต่อยอดรากฐานงานวิจัยให้เป็นความสามารถที่กว้างขวางและเชื่อถือได้มากขึ้น เงินทุน 40 ล้านดอลลาร์ช่วยให้บริษัทมีทรัพยากรสำหรับขยายโมเดลและรับบุคลากรเข้ามาร่วมทีม ขณะที่ทีมผู้ก่อตั้งนำประสบการณ์ทำงานด้านการเรียนรู้ของหุ่นยนต์จากตัวอย่างเพียงครั้งเดียวตลอด 6 ปีมาสู่ธุรกิจ

คำถามสำคัญคือความสามารถในการเรียนรู้ดังกล่าวจะขยายผลได้มากเพียงใด เมื่องานมีความหลากหลายและท้าทายขึ้น หากแนวทางนี้ยังใช้ได้ผล การเปลี่ยนแปลงที่สำคัญจะเกิดขึ้นในทางปฏิบัติ นั่นคือผู้คนอาจใช้เวลาสร้างกระบวนการฝึกสอนน้อยลง และใช้เวลาแสดงงานที่ต้องการให้หุ่นยนต์ทำจริงมากขึ้น