RESEARCH / FUTURE TECH

OJOx: อินเทอร์เฟซเก็บข้อมูลการสอนหุ่นยนต์ในงานก่อสร้างด้วยแบบจำลอง 3D และ AR

arXiv22 Sep 2026
1 min read
Key Takeaways
  • OJOx เชื่อมโยงการสาธิตของมนุษย์เข้ากับข้อมูลการออกแบบ 3D เพื่อสร้างข้อมูลสอนหุ่นยนต์ที่เน้นเป้าหมายของงาน

ทำไมเรื่องนี้ถึงสำคัญ

เทคนิคนี้ช่วยให้หุ่นยนต์ก้าวข้ามการเลียนแบบท่าทางไปสู่การ 'เข้าใจวัตถุประสงค์' ของงาน ซึ่งจำเป็นอย่างยิ่งในอุตสาหกรรมที่มีความซับซ้อนและเปลี่ยนไปตามหน้างานจริงอย่างการก่อสร้าง

งานวิจัย OJOx นำเสนอแนวทางใหม่ในการฝึกฝน AI สำหรับหุ่นยนต์ก่อสร้าง โดยแก้ปัญหาที่การสอนหุ่นยนต์แบบเดิมมักบันทึกเฉพาะการเคลื่อนไหวทางกายภาพ แต่ไม่ได้ระบุ 'เป้าหมาย' หรือ 'สเปก' ของงานที่กำลังทำ OJOx ใช้ชุดอุปกรณ์สวมใส่ที่ส่งข้อมูลการออกแบบ (Design Geometry) ไปยังแว่น AR ให้ผู้สาธิตมองเห็นตำแหน่งงานที่จะเกิดขึ้นจริง พร้อมบันทึกมุมมองแบบ Egocentric การเคลื่อนไหวร่างกาย และมือ ไปพร้อมกับข้อมูลการออกแบบที่เปลี่ยนไปตามเวลา

ผลการทดสอบแสดงให้เห็นว่าระบบสามารถบันทึกการก่ออิฐจำนวน 33 ก้อนได้อย่างแม่นยำ และข้อมูลที่ได้สามารถนำไปใช้งานร่วมกับโครงสร้างหุ่นยนต์ฮิวแมนนอยด์อย่าง Unitree G1 ในโปรแกรมจำลอง (Simulation) ได้ทันที ซึ่งเป็นก้าวสำคัญในการพิสูจน์ว่า AI สามารถเรียนรู้ที่จะทำงานตาม 'สเปก' ที่ไม่เคยเห็นในชุดข้อมูลฝึกสอนมาก่อนได้

สรุปประเด็นหลัก

บันทึกข้อมูลแบบ Specification-conditioned ที่รวมการมองเห็นและการออกแบบเข้าด้วยกัน

รองรับการใช้งานร่วมกับหุ่นยนต์ Unitree G1 ในระบบจำลอง

ช่วยให้ AI เรียนรู้ที่จะทำงานตามเป้าหมาย (Design-led) แทนการทำตามท่าทางเท่านั้น

นวัตกรรมและเทคโนโลยี

research

Specification-conditioned Demonstration

การบันทึกสถานะทางกายภาพควบคู่กับสถานะที่ตั้งใจ (Intended State) จากไฟล์ออกแบบ 3D

robotics

Stereo Passthrough Integration

ระบบแสดงผลสเปกงานลงบนแว่นสวมใส่ของผู้สาธิตเพื่อความแม่นยำในการเก็บข้อมูล

Developer Impact
นักพัฒนาหุ่นยนต์สามารถเข้าถึงวิธีการฝึกฝนโมเดลที่แม่นยำขึ้น โดยใช้ข้อมูลที่เชื่อมโยงระหว่างผลลัพธ์ที่ต้องการกับพฤติกรรมการทำงานจริง ซึ่งลดช่องว่างระหว่างการทดลองและการใช้งานจริง
Keywords
#embodied ai #construction robotics #data collection #augmented reality #humanoid
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv