RESEARCH / FUTURE TECH

NVIDIA Research นำเสนอความก้าวหน้าด้านการหยิบจับของหุ่นยนต์และการประมวลผลรถยนต์ไร้คนขับ

NVIDIA Blog03 Jun 2026
1 min read
Key Takeaways
  • NVIDIA กำลังพัฒนาโมเดลพื้นฐานที่ช่วยให้หุ่นยนต์และยานยนต์ไร้คนขับทำงานได้ฉลาดขึ้น เร็วขึ้น และรองรับฮาร์ดแวร์ที่หลากหลาย

ทำไมเรื่องนี้ถึงสำคัญ

งานวิจัยเหล่านี้ช่วยแก้ปัญหาคอขวดในงาน AI ยุคใหม่ เช่น การที่หุ่นยนต์ต้องฝึกใหม่ทุกครั้งเมื่อเปลี่ยนมือจับ หรือการที่รถยนต์ไร้คนขับคิดช้าเกินไปเนื่องจากข้อจำกัดของฮาร์ดแวร์

NVIDIA Research เปิดตัวผลงานวิจัย 3 ฉบับในงาน CVPR ที่มุ่งเน้นการขยายขีดความสามารถของระบบ AI ในทางกายภาพ โดยงานวิจัยชิ้นแรกคือ GraspGen-X ซึ่งเป็นโมเดลพื้นฐานตัวแรกที่ช่วยให้หุ่นยนต์สามารถหยิบจับวัตถุใดๆ ก็ได้ด้วยมือหุ่นยนต์ทุกรูปแบบโดยไม่ต้องฝึกฝนใหม่ (Zero-shot Grasping)

งานวิจัยชิ้นที่สองคือ LCDrive ที่ช่วยแก้ปัญหาความล่าช้าในการประมวลผลของรถยนต์ไร้คนขับ โดยการเปลี่ยนจากการใช้ข้อความ (Text) ในการคิดแบบลำดับขั้นตอน มาเป็นการประมวลผลในรูปแบบ Latent Space ที่ประหยัดทรัพยากรกว่าเดิม 50% และชิ้นสุดท้ายคือ NitroGen ซึ่งเป็นโมเดลที่ใช้สถาปัตยกรรม GR00T ในการฝึกฝน Agent ผ่านการเล่นวิดีโอเกมกว่าหมื่นชั่วโมงเพื่อให้เกิดการเรียนรู้ที่หลากหลาย

สรุปประเด็นหลัก

GraspGen-X คือโมเดลพื้นฐานที่ทำให้มือหุ่นยนต์ทุกชนิดหยิบจับวัตถุที่ไม่รู้จักได้ทันที

LCDrive ช่วยให้รถยนต์ไร้คนขับประมวลผลการตัดสินใจได้เร็วขึ้นโดยใช้ทรัพยากรลดลงครึ่งหนึ่ง

NitroGen ใช้ข้อมูลจากวิดีโอเกมเพื่อฝึกฝนหุ่นยนต์ให้รู้จักการแก้ปัญหาในสถานการณ์ต่างๆ

นวัตกรรมและเทคโนโลยี

models

GraspGen-X

โมเดลพื้นฐานสำหรับการหยิบจับวัตถุแบบ Universal ที่ผ่านการฝึกจากข้อมูลจำลอง 2 พันล้านชุด

research

LCDrive

สถาปัตยกรรมการให้เหตุผลสำหรับยานยนต์ไร้คนขับที่ใช้ Latent Space แทน Text เพื่อความเร็ว

models

NitroGen

โมเดลพื้นฐานสำหรับ Embodied Agents ที่ฝึกฝนจากวิดีโอเกมเพื่อสร้างความสามารถในการปรับตัว

Developer Impact
ทีมพัฒนาหุ่นยนต์สามารถใช้ GraspGen-X เพื่อประยุกต์ใช้กับมือหุ่นยนต์ใหม่ๆ ได้โดยไม่ต้องเทรนใหม่ และนักพัฒนาระบบขับเคลื่อนอัตโนมัติสามารถนำแนวคิด Latent Reasoning ไปใช้เพื่อเพิ่มประสิทธิภาพบน Embedded Hardware
Keywords
#nvidia research #graspgen-x #lcdrive #nitrogen #physical ai
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

NVIDIA Blog