ROBOTICS & HUMANOID

BiCAT: การสร้างโทเค็นการกระทำเพื่อการประสานงานของหุ่นยนต์สองแขน

arXiv19 Nov 2026
1 min read
Key Takeaways
  • BiCAT นำเสนอวิธีการสร้างโทเค็นการกระทำแบบใหม่ที่ช่วยให้หุ่นยนต์สองแขนสามารถประสานงานกันได้อย่างมีประสิทธิภาพมากขึ้น โดยการแบ่งปันการแสดงการเคลื่อนไหวและใช้กลไก cross-arm attention

ทำไมเรื่องนี้ถึงสำคัญ

การปรับปรุงการประสานงานของหุ่นยนต์สองแขนเป็นสิ่งสำคัญอย่างยิ่งสำหรับการเพิ่มความสามารถในการทำงานที่ซับซ้อน เช่น การประกอบชิ้นส่วน การจับถือวัตถุที่บอบบาง หรือการปฏิบัติงานร่วมกับมนุษย์ การที่หุ่นยนต์สามารถประสานงานแขนทั้งสองข้างได้อย่างเป็นธรรมชาติและมีประสิทธิภาพมากขึ้น จะช่วยขยายขอบเขตการใช้งานหุ่นยนต์ในอุตสาหกรรม การแพทย์ และบริการ

ในการควบคุมหุ่นยนต์สองแขนแบบ Vision-Language-Action (VLA) โมเดลส่วนใหญ่จะเข้ารหัสการกระทำของแขนทั้งสองข้างเป็นเวกเตอร์การกระทำเดียว ซึ่งทำให้การแสดงรูปแบบการเคลื่อนไหวร่วมกันและ dependency ข้ามแขนยังคงเกี่ยวพันกันอยู่ นักวิจัยจึงนำเสนอ BiCAT (Bimanual Coordination Action Tokenization) ซึ่งเป็นแนวทางใหม่ที่ออกแบบมาเพื่อแก้ไขปัญหานี้

BiCAT ช่วยให้แขนทั้งสองสามารถแบ่งปันการแสดงการเคลื่อนไหวเดียวกันได้ ในขณะที่ยังคงสามารถกำหนดเงื่อนไขการสร้างโทเค็นการกระทำของแขนแต่ละข้างโดยอ้างอิงจากคู่หูผ่านกลไก cross-arm attention ที่สมมาตรและตัวถอดรหัสร่วม โมเดลจะทำนายโทเค็นทั้งหมดของแขนแต่ละข้างแบบขนาน โดยสร้างโทเค็นของแขนซ้ายก่อน แล้วจึงสร้างของแขนขวาโดยมีเงื่อนไขจากแขนซ้าย

จากการทดสอบใน 10 ภารกิจ RoboTwin 2.0 และ 6 ภารกิจในโลกจริงกับหุ่นยนต์สามรูปแบบ BiCAT ทำคะแนนความสำเร็จได้สูงสุดเมื่อเทียบกับ tokenizer อื่นๆ ในการจำลอง BiCAT สามารถเพิ่มความสำเร็จเฉลี่ยได้ 17.6 เปอร์เซ็นต์เมื่อเทียบกับ baseline ที่ดีที่สุดจากแปดตัว โดยเห็นผลลัพธ์ที่ดีที่สุดในภารกิจที่ต้องอาศัยการประสานงานที่ใกล้ชิดระหว่างแขนทั้งสอง การสร้างโทเค็นการกระทำแต่ละชุดใช้เวลาเพียง 40.5 มิลลิวินาที ซึ่งแสดงให้เห็นว่า action tokenizer เป็นจุดสำคัญในการจำลองการประสานงานของหุ่นยนต์สองแขน

สรุปประเด็นหลัก

นำเสนอ BiCAT ซึ่งเป็น action tokenizer ใหม่สำหรับหุ่นยนต์สองแขน

ช่วยให้แขนทั้งสองแบ่งปันการแสดงท่าทางและประสานงานผ่าน cross-arm attention

เพิ่มอัตราความสำเร็จในภารกิจที่ซับซ้อนอย่างมีนัยสำคัญ

นวัตกรรมและเทคโนโลยี

models

BiCAT Action Tokenization

วิธีการสร้างโทเค็นการกระทำแบบใหม่สำหรับหุ่นยนต์สองแขนที่ช่วยให้แขนทั้งสองสามารถแบ่งปันการแสดงการเคลื่อนไหว และกำหนดเงื่อนไขการกระทำของแขนแต่ละข้างโดยอ้างอิงจากคู่หู

attention mechanisms

กลไก Cross-Arm Attention แบบสมมาตร

ใช้กลไกความสนใจข้ามแขนแบบสมมาตรและตัวถอดรหัสร่วมเพื่อให้แขนแต่ละข้างพิจารณาการกระทำของแขนอีกข้าง ซึ่งช่วยให้เกิดการประสานงานที่ดียิ่งขึ้น

performance

ประสิทธิภาพการประสานงาน

โมเดลสามารถเพิ่มความสำเร็จเฉลี่ยในภารกิจหุ่นยนต์สองแขนได้ 17.6 เปอร์เซ็นต์ ในขณะที่ใช้เวลาเพียง 40.5 มิลลิวินาทีต่อการสร้างโทเค็นการกระทำ

Developer Impact
นักพัฒนาและวิศวกรที่ทำงานกับหุ่นยนต์สองแขนจะพบว่า BiCAT นำเสนอแนวทางที่มีประสิทธิภาพในการจัดการกับการประสานงานของแขนทั้งสองข้าง ทำให้การออกแบบและฝึกฝนโมเดล VLA สำหรับงานที่ต้องการความแม่นยำสูงและการทำงานร่วมกันเป็นไปได้ง่ายและมีประสิทธิภาพมากขึ้น
Keywords
#bimanual manipulation #robotics #action tokenization #vla models #coordination #cross-arm attention
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv