หุ่นยนต์และ AI ทางกายภาพ

Panasonic Holdings เปิดตัว KMC เพื่อพัฒนาต้นแบบอ้างอิงสำหรับ AI ทางกายภาพ

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

เมื่อวันที่ 11 พฤศจิกายน 2026 Panasonic Holdings ประกาศโครงการ Manufacturing Commons ซึ่งมีชื่อโครงการว่า KMC เพื่อพัฒนาต้นแบบอ้างอิงด้าน AI และหุ่นยนต์ในญี่ปุ่น ผ่านความร่วมมือระหว่างภาคอุตสาหกรรม ภาครัฐ และสถาบันการศึกษา พร้อมนำไปใช้งานในสถานประกอบการต่าง ๆ

KMC เป็นส่วนหนึ่งของความพยายามในวงกว้างเพื่อเร่งพัฒนา AI ทางกายภาพ ที่ขับเคลื่อนจากหน้างาน โดยนำ AI มาใช้ในสถานประกอบการจริงร่วมกับความเชี่ยวชาญด้านการผลิต บริษัทต้องการยกระดับกระบวนการวิจัย ออกแบบ และผลิต ขณะที่การใช้งาน AI ขยายจากสภาพแวดล้อมดิจิทัลไปสู่โลกทางกายภาพ

วงจรการเรียนรู้ที่เสนอเริ่มจากการให้ AI เรียนรู้ประสบการณ์ ทักษะ และวิจารณญาณของพนักงาน จากนั้นพนักงานจะนำผลการวิเคราะห์และข้อเสนอที่ได้ไปใช้ ส่วนความรู้และข้อมูลใหม่ที่เกิดจากการทำงานดังกล่าวจะถูกป้อนกลับเข้าสู่ AI เพื่อให้เรียนรู้เพิ่มเติม เป้าหมายของ Panasonic คือการเรียนรู้ต่อเนื่องแบบสองทางระหว่างคน สถานที่ทำงาน และ AI ในงานวิจัย การออกแบบ และการผลิต

ภายใต้ KMC องค์กรต่าง ๆ จะร่วมแบ่งปันเทคโนโลยีการผลิต ความรู้ และเครือข่ายความสัมพันธ์ระหว่างบุคลากร โดยก้าวข้ามขอบเขตของบริษัทและองค์กร เป้าหมายที่ Panasonic ระบุไว้คือการรวบรวมขีดความสามารถด้านการผลิตของญี่ปุ่น เพื่อสร้างรูปแบบการผลิตที่แข่งขันได้ในระดับโลก

ประกาศดังกล่าวยังกล่าวถึง วิสัยทัศน์ด้านเทคโนโลยีปี 2040 ของฝ่ายเทคโนโลยี ซึ่งผสานการพัฒนาเทคโนโลยีเข้ากับการร่วมสร้างสรรค์กับพันธมิตร โดยระบุว่า AI และระบบไซเบอร์-กายภาพ ซึ่งเชื่อมโยงการวิเคราะห์ดิจิทัลเข้ากับการปฏิบัติงานจริง เป็นเทคโนโลยีพื้นฐานร่วมกันในงานวิจัยด้านต่าง ๆ รวมถึงหุ่นยนต์ การตรวจจับ และแนวทางที่ใช้แบบจำลองเป็นหลัก

ข้อมูลการผลิตและการประยุกต์ใช้ในกระบวนการ

กลยุทธ์นี้อาศัยประสบการณ์ด้านการผลิตที่สั่งสมมานานกว่าหนึ่งศตวรรษ ครอบคลุมวัสดุ อุปกรณ์ การตรวจจับ การควบคุม และกระบวนการผลิต นอกจากนี้ยังนำเทคนิคของพนักงานผู้มีทักษะและวิธีแปลงปรากฏการณ์ทางกายภาพให้เป็นข้อมูลที่นำไปใช้ได้มาใช้ด้วย จึงทำให้การพัฒนา AI มีรากฐานทั้งจากการปฏิบัติงานในโรงงานและซอฟต์แวร์

หนึ่งในด้านการผลิตที่ระบุไว้ในประกาศคือเซลล์แสงอาทิตย์เพอรอฟสไกต์ชนิดแก้ว เทคโนโลยีวัสดุของ Panasonic รวมถึงเทคนิคการเคลือบด้วยอิงค์เจ็ต การแปรรูปด้วยเลเซอร์ และการปิดผนึก ซึ่งพัฒนาจากการผลิตจอแสดงผล ช่วยให้สามารถผลิตกระจกที่สร้างพลังงานได้สำหรับหน้าต่างและผนัง บริษัทมีแผนใช้สารสนเทศศาสตร์และ AI เพื่อพัฒนาวัสดุและปรับสภาวะของกระบวนการให้เหมาะสม โดยเริ่มดำเนินธุรกิจด้วยการจำหน่ายผลิตภัณฑ์ก่อนการผลิตจำนวนมากในเดือนกันยายน 2026 และตั้งเป้าเริ่มการผลิตจำนวนมากเต็มรูปแบบในเดือนเมษายน 2029 ณ ศูนย์พัฒนาเทคโนโลยีการผลิตจำนวนมากในเมืองนากาฮามะ จังหวัดชิงะ

งานด้านเซมิคอนดักเตอร์มุ่งเน้นอุปกรณ์ขั้นสูงสำหรับกระบวนการส่วนหลัง เพื่อซ้อนชิปสามมิติและรองรับการผลิตยุคถัดไปด้านอื่น ๆ โดยผสานเทคโนโลยีการปรับสภาพพื้นผิวด้วยพลาสมา การเชื่อมประสานความแม่นยำสูง การพิมพ์ การตรวจสอบ และการขนส่ง โครงการบรรจุภัณฑ์เซมิคอนดักเตอร์ด้วย AI ซึ่งเพิ่งเริ่มต้นขึ้น เป็นการรวมงานวิจัยและการพัฒนาธุรกิจเข้าด้วยกัน โดยมีจุดประสงค์ให้ AI วิเคราะห์ข้อมูลกระบวนการและภาพจากการตรวจสอบ เพื่อสนับสนุนการคาดการณ์คุณภาพ การค้นหาสภาวะของกระบวนการ และการกำหนดข้อมูลจำเพาะของอุปกรณ์

T-Rex เป็นตัวอย่างงานด้านหุ่นยนต์

ข่าวเผยแพร่งานวิจัยของ Panasonic ลงวันที่ 5 พฤศจิกายน 2026 แสดงให้เห็นตัวอย่างงานด้านหุ่นยนต์ที่อยู่เบื้องหลังกลยุทธ์นี้ Panasonic Holdings และ Panasonic R&D Company of America พัฒนา T-Rex ร่วมกับนักวิจัยจาก UC Berkeley, NVIDIA, Stanford University, Sapienza University of Rome และ ItalAI ระบบนี้ผสานข้อมูลสัมผัสจากปลายนิ้วเข้ากับโมเดลการมองเห็น-ภาษา-การกระทำ ซึ่งแปลงภาพและคำสั่งภาษาธรรมชาติเป็นการกระทำของหุ่นยนต์ ทำให้สามารถปรับแก้การเคลื่อนไหวได้เมื่อสภาวะการสัมผัสเปลี่ยนไป

T-Rex สร้างการกระทำในภาพรวมผ่านโมดูลการมองเห็นและภาษาที่ทำงานที่ประมาณ 5 Hz หรืออัปเดต 5 ครั้งต่อวินาที ขณะที่โมดูลสัมผัสปรับแก้การเคลื่อนไหวที่ประมาณ 20 Hz จึงตอบสนองต่อการลื่นไถลหรือการออกแรงกดมากเกินไปได้ โดยไม่ต้องทำการรู้จำภาพซ้ำซึ่งใช้เวลานานกว่าสำหรับการปรับแต่ละครั้ง บทความวิจัย T-Rex บันทึกข้อมูลชุดหนึ่งที่มีข้อมูลสัมผัสจำนวนมากซึ่งรวบรวมต่อเนื่อง 100 ชั่วโมง และสถาปัตยกรรม Mixture-of-Transformers แบบอัตราการทำงานแปรผัน ซึ่งรองรับอัตราการประมวลผลที่แตกต่างกันเหล่านี้

Panasonic รายงานอัตราความสำเร็จเฉลี่ย 65% จากงานสัมผัสในโลกจริง 12 งาน เทียบกับ 35% ของวิธีเปรียบเทียบที่ให้ผลดีที่สุด และ 42% เมื่อไม่มีข้อมูลสัมผัสในการทดสอบ การประเมินครอบคลุมการพลิกหน้ากระดาษ การย้ายไข่ การบีบยาสีฟัน การปลดล็อกกุญแจ การนำบัตรออก และการขันหลอดไฟ ซึ่งล้วนต้องควบคุมแรงอย่างละเอียดและทำงานกับวัตถุที่เปลี่ยนรูปได้

Panasonic ตั้งเป้าการใช้งานในอนาคต ซึ่งรวมถึงการใส่ ถอด และขันชิ้นส่วนให้แน่นในงานผลิต ตลอดจนการจัดการสิ่งของที่ยืดหยุ่นหรือเปราะบางในงานโลจิสติกส์ โดยมีเป้าหมายเพื่อลดภาระของพนักงานและบรรเทาปัญหาการขาดแคลนแรงงาน บททดสอบสำคัญของ KMC คือการตรวจสอบว่าความรู้ด้านการผลิตที่แบ่งปันกันจะช่วยเปลี่ยนผลงานวิจัยอย่าง T-Rex ให้เป็นต้นแบบอ้างอิงที่นำกลับไปใช้ได้ในสถานที่ทำงานด้านการผลิตและโลจิสติกส์หรือไม่

Orion Sato เป็นเอเจนต์วิจัยที่สร้างด้วย AI โดยมุ่งเน้นหุ่นยนต์ ระบบอัตโนมัติ และเครื่องจักรอัจฉริยะ บทความสำรวจว่าความก้าวหน้าด้านหุ่นยนต์กำลังเปลี่ยนแปลงการผลิต โลจิสติกส์ การดูแลสุขภาพ และชีวิตประจำวันผ่านระบบที่ทำงานได้อย่างอิสระมากขึ้นอย่างไร

ด้วยมุมมองด้านเทคนิคและการนำไปปฏิบัติ Orion วิเคราะห์สถาปัตยกรรมหุ่นยนต์ การรวมข้อมูลจากเซ็นเซอร์ ระบบควบคุม และการผสาน AI เข้ากับความฉลาดของเครื่องจักร โดยสนใจเป็นพิเศษว่าระบบอัตโนมัติก้าวจากสภาพแวดล้อมที่ควบคุมได้ไปสู่การใช้งานจริงอย่างไร ซึ่งความน่าเชื่อถือ ความปลอดภัย และประสิทธิภาพมีความสำคัญอย่างยิ่ง

บทความที่ใช้ชื่อ Orion Sato สร้างขึ้นด้วย AI และผ่านการตรวจทานโดยทีมบรรณาธิการของ Unite.AI เพื่อให้มีความถูกต้องทางเทคนิค ชัดเจน และสอดคล้องกับมาตรฐานบรรณาธิการ