ROBOTICS & HUMANOID

RecoverFormer: ระบบควบคุมหุ่นยนต์ฮิวแมนนอยด์ให้ทรงตัวและกู้คืนสมดุลจากการถูกผลัก

arXiv28 Apr 2026
1 min read
Key Takeaways
  • หุ่นยนต์ฮิวแมนนอยด์รุ่นใหม่สามารถเรียนรู้วิธีใช้กำแพงหรือโต๊ะช่วยพยุงตัวจากการล้มได้ด้วยระบบ RecoverFormer โดยไม่ต้องตั้งค่าล่วงหน้า

ทำไมเรื่องนี้ถึงสำคัญ

เป็นการก้าวข้ามขีดจำกัดเดิมที่หุ่นยนต์มักพยายามทรงตัวด้วยขาเพียงอย่างเดียว การเพิ่มความสามารถในการใช้มือและสิ่งแวดล้อมช่วยพยุงทำให้หุ่นยนต์ฮิวแมนนอยด์ทำงานในอาคารร่วมกับมนุษย์ได้อย่างปลอดภัยขึ้น

ความท้าทายสำคัญของหุ่นยนต์ฮิวแมนนอยด์ในสภาพแวดล้อมจริงคือการกู้คืนสมดุลเมื่อถูกรบกวน RecoverFormer เป็นนโยบายการควบคุม (Policy) ใหม่ที่ใช้สถาปัตยกรรม Causal Transformer วิเคราะห์ประวัติการเคลื่อนไหวเพื่อตัดสินใจเลือกวิธีการทรงตัวที่เหมาะสม ไม่ว่าจะเป็นการก้าวเท้าชดเชย การปรับจุดศูนย์กลางมวล หรือการใช้มือยันวัตถุรอบข้างอย่างกำแพงและขอบโต๊ะ

จุดเด่นคือการใช้โครงสร้างหัวเชื่อมต่อสองรูปแบบ ได้แก่ Latent Recovery Mode สำหรับสลับกลยุทธ์การทรงตัวตามความแรงของแรงผลัก และ Contact Affordance Head ที่ช่วยพยากรณ์ว่าพื้นผิวใดรอบตัวที่สามารถใช้ยันเพื่อทรงตัวได้ จากการทดสอบกับหุ่นยนต์ Unitree G1 พบว่าสามารถกู้คืนสมดุลจากการถูกผลักด้วยแรงสูงสุดถึง 300 นิวตัน และสามารถประยุกต์ใช้งานในที่ที่มีกำแพงได้ทันทีโดยไม่ต้องฝึกฝนใหม่ (Zero-shot transfer)

สรุปประเด็นหลัก

ใช้สถาปัตยกรรม Transformer วิเคราะห์ประวัติการเคลื่อนไหว 50 ขั้นตอนเพื่อตัดสินใจ

รองรับการกู้คืนสมดุลหลายรูปแบบ ทั้งการก้าวเท้าและการใช้มือยันสิ่งแวดล้อม

มีประสิทธิภาพสูงแม้ในสภาวะที่มีความหน่วง แรงเสียดทานต่ำ หรือน้ำหนักตัวที่เปลี่ยนไป

นวัตกรรมและเทคโนโลยี

robotics

Contact-Aware Recovery

ความสามารถในการระบุและใช้พื้นผิวรอบข้าง เช่น กำแพงหรือขอบโต๊ะ เพื่อช่วยในการทรงตัว

models

Latent Recovery Modes

โหมดการทรงตัวที่สลับตามความรุนแรงของแรงกระแทกโดยอัตโนมัติผ่านการเรียนรู้เชิงลึก

Developer Impact
นักพัฒนาหุ่นยนต์สามารถนำโครงสร้างนโยบายแบบ End-to-End นี้ไปปรับใช้เพื่อเพิ่มความทนทาน (Robustness) ให้กับหุ่นยนต์ในสภาพแวดล้อมที่ไม่แน่นอน
Keywords
#humanoid robots #transformer #robot control #robotics #zero-shot learning
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv