Figure เปิดตัวโมเดลโครงข่ายประสาท Helix 2.5 สาธิตการทำงานหุ่นยนต์ฮิวมานอยด์แบบ Zero-Shot ข้าม 30 ครัวเรือน

ก้าวสำคัญของ Physical AI: การทำงานแบบ Zero-Shot ในสภาพแวดล้อมที่อยู่อาศัยจริง

เมื่อวันที่ 17 กันยายน 2026 บริษัทผู้พัฒนาหุ่นยนต์ Figure ได้ประกาศเปิดตัว Helix 2.5 ซึ่งเป็นโมเดลโครงข่ายประสาทพื้นฐาน (Foundation Neural Network Policy) รุ่นอัปเดตล่าสุดที่ทำงานอยู่บนหุ่นยนต์ฮิวมานอยด์ Figure 03 จุดเด่นสำคัญของการทดลองในรอบนี้คือการนำหุ่นยนต์เข้าไปทดสอบทำงานในบ้านพักอาศัยจริงที่เช่าขึ้นในย่าน San Francisco Bay Area จำนวน 30 หลัง โดยแต่ละหลังมีโครงสร้างทางสถาปัตยกรรม แสงสว่าง การจัดวางเฟอร์นิเจอร์ และสิ่งของที่แตกต่างกันอย่างสิ้นเชิง

การทดสอบครั้งนี้ดำเนินการในลักษณะ Zero-Shot กล่าวคือไม่มีการเทรนหน้างาน ไม่มีการสแกนทำแผนที่ล่วงหน้า และไม่มีการปรับตัวเข้ากับสภาพแวดล้อมเฉพาะแต่ละหลัง (Zero On-Site Adaptation) หุ่นยนต์ทุกตัวใช้โมเดลชุดเดียวกันที่เป็น Fixed Checkpoint ตัวเดียวในการประเมินผล ซึ่งนับเป็นความท้าทายระดับสูงของวงการ Physical AI เนื่องจากสภาพแวดล้อมในบ้านพักอาศัยมีความผันแปรทางกายภาพและวัตถุที่ไม่ตายตัว แตกต่างจากสายการผลิตหรือคลังสินค้าอุตสาหกรรมที่สามารถควบคุมปัจจัยแวดล้อมได้เกือบทั้งหมด

สถาปัตยกรรม Index และตัวเลขประสิทธิภาพจากการทดสอบ 420 ครั้ง

Helix 2.5 ทำหน้าที่ควบคุมการเคลื่อนไหวทั้งระบบของหุ่นยนต์ (Whole-Body Actions) ตั้งแต่การก้าวเดิน (Locomotion) การประสานงานของสองมือ (Bimanual Coordination) การหยิบจับและจัดการทั้งวัตถุแข็งและวัตถุอ่อนนุ่มที่เปลี่ยนรูปได้ (Rigid and Deformable Manipulation) ตลอดจนการรับรู้เชิงรุก (Active Perception) ผ่านโมเดลฐานเพียงตัวเดียว โดยหัวใจสำคัญคือการพรีเทรนด้วย Index ซึ่งเป็นชุดข้อมูลวิดีโอพฤติกรรมมนุษย์ขนาดใหญ่ของทาง Figure

ในการทดสอบประสิทธิภาพ Figure ได้กำหนดงานบ้านที่มีระยะเวลาการทำยาวต่อเนื่อง (Long-Horizon Tasks) จำนวน 3 ภารกิจ รวมทั้งสิ้น 420 ครั้งที่ได้รับการบันทึกคะแนน ผลลัพธ์ปรากฏว่าหุ่นยนต์สามารถทำงานสำเร็จ 237 ครั้ง คิดเป็นอัตราความสำเร็จโดยรวมที่ 56% เทียบกับค่าพื้นฐานของโมเดลรุ่นเดียวกันที่ไม่ได้ผ่านการพรีเทรนด้วยชุดข้อมูล Index ซึ่งทำสำเร็จเพียง 9% เท่านั้น ตัวเลขนี้นับเป็นการก้าวกระโดดกว่า 6 เท่าในการปฏิบัติภารกิจ

เมื่อจำแนกตามรายภารกิจ พบว่า การจัดเตียง (Bed making) มีอัตราความสำเร็จสูงสุดที่ 67% (ทำสำเร็จ 94 จาก 140 ครั้ง) ตามมาด้วย การพับผ้าขนหนู (Towel folding) ซึ่งเป็นงานจัดการวัตถุอ่อนนุ่มที่ซับซ้อน ทำสำเร็จ 62% (87 จาก 140 ครั้ง) ในขณะที่งานเก็บของเล่นในห้องนั่งเล่น (Living room toy tidying) มีอัตราความสำเร็จอยู่ที่ 40% (ทำสำเร็จ 56 จาก 140 ครั้ง) เนื่องจากการระบุและหยิบจับสิ่งของชิ้นเล็กที่มีความหลากหลายสูงยังคงเป็นอุปสรรคสำคัญ

ข้อจำกัดในการประเมินและสถานะทางเทคโนโลยีในปัจจุบัน

แม้ว่าตัวเลขความสำเร็จ 56% จะแสดงให้เห็นถึงพัฒนาการที่น่าจับตามอง แต่เกณฑ์การวัดผลครั้งนี้ใช้รูปแบบ Binary Pass/Fail ที่เคร่งครัดมาก ไม่มีการให้คะแนนบางส่วน (No Partial Credit) และหากเกิดกรณีที่มนุษย์ต้องเข้าแทรกแซงเพื่อความปลอดภัย (Safety Intervention) แม้เพียงเล็กน้อย การทดสอบนั้นจะถูกบันทึกเป็นความล้มเหลวทันที สิ่งนี้สะท้อนว่างานอีก 44% ที่ไม่ผ่าน ยังคงมีจุดสะดุดที่ต้องพัฒนา

นอกจากนี้ ต้องระบุอย่างชัดเจนว่าคำว่า Zero-Shot ของ Figure ใช้กับตัวแปรด้านสถานที่ โครงสร้างห้อง และสิ่งของในบ้านที่ไม่เคยพบมาก่อนเท่านั้น แต่นิยามและรูปแบบของภารกิจ (Task Definitions) เช่น ลำดับขั้นตอนการพับผ้าหรือจัดเตียง ยังคงผ่านการปรับแต่ง (Fine-tuning) มาจากข้อมูลที่บันทึกไว้ในสถานที่อื่นล่วงหน้า ที่สำคัญ Helix 2.5 และหุ่นยนต์ Figure 03 ยังคงมีสถานะเป็นงานวิจัยและพัฒนาภายในองค์กรเท่านั้น ยังไม่มีการวางจำหน่ายเชิงพาณิชย์ หรือเปิดรับคำสั่งซื้อสำหรับผู้บริโภคทั่วไปแต่อย่างใด

เสียงสะท้อนจากแวดวงนักพัฒนา: ระหว่างความปลอดภัยในบ้านกับวิกฤตแรงงาน

ในหมู่นักพัฒนาและผู้เชี่ยวชาญด้านหุ่นยนต์ การเปิดตัว Helix 2.5 ก่อให้เกิดปฏิกิริยาหลากหลายมิติ ฝั่งหนึ่งหยิบยกมิติทางจิตวิทยามาถกเถียง โดยชี้ว่าการนำเครื่องจักรกลอัตโนมัติที่มีน้ำหนักและพละกำลังเชิงกายภาพเข้ามาเดินทำงานภายในพื้นที่ส่วนตัวอย่างบ้านพักอาศัย สร้างความรู้สึกที่แตกต่างอย่างสิ้นเชิงจากการใช้งานอุปกรณ์อัจฉริยะทั่วไป บางส่วนมีการหยิบยกภาพลักษณ์ของพ่อบ้านหุ่นยนต์มาเปรียบเทียบในเชิงขบขัน แต่ก็แฝงไปด้วยความกังวลเรื่องความปลอดภัยในชีวิตประจำวัน

อย่างไรก็ตาม ผู้สังเกตการณ์ในแวดวงวิศวกรรมจำนวนมากมองข้ามประเด็นเรื่องงานบ้าน และพุ่งเป้าไปที่ผลกระทบต่อวิกฤตการขาดแคลนแรงงานทั่วโลก โดยมองว่าการที่โมเดลสามารถดึงความรู้จากการพรีเทรนวิดีโอพฤติกรรมมนุษย์มาปรับใช้บนฮาร์ดแวร์จริงได้อย่างรวดเร็วเช่นนี้ เป็นสัญญาณว่าหุ่นยนต์ฮิวมานอยด์อาจถูกนำไปประยุกต์ใช้เพื่อรองรับสังคมสูงวัยและทดแทนแรงงานในภาคอุตสาหกรรมได้เร็วกว่าที่คาดการณ์ไว้เดิม แม้ว่าข้อสรุปเรื่องความคุ้มค่าเชิงพาณิชย์จะยังต้องรอการพิสูจน์อีกมากก็ตาม

นัยสำคัญต่อภาคธุรกิจและอุตสาหกรรมไทย

สำหรับภาคธุรกิจในประเทศไทย ความก้าวหน้าของ Helix 2.5 ส่งสัญญาณชัดเจนว่า ปัญญาประดิษฐ์กำลังก้าวข้ามจากหน้าจอคอมพิวเตอร์เข้าสู่โลกกายภาพอย่างมีนัยสำคัญ ประเทศไทยกำลังเผชิญกับการเปลี่ยนผ่านเข้าสู่สังคมผู้สูงอายุโดยสมบูรณ์ (Super-Aged Society) ซึ่งจะส่งผลให้กำลังแรงงานในภาคบริการ ภาคสาธารณสุข และการผลิตลดลงอย่างรวดเร็วในทศวรรษหน้า การทดลองของ Figure ชี้ให้เห็นว่าการแก้ปัญหาแรงงานในอนาคตอาจไม่ต้องพึ่งพาหุ่นยนต์เฉพาะทาง (Specialized Automation) ที่ต้องดัดแปลงพื้นที่อาคารมหาศาลเสมอไป

อย่างไรก็ดี ผู้นำองค์กรไทยยังคงต้องมองเทคโนโลยีนี้ด้วยความระมัดระวัง แม้อัตราความสำเร็จ 56% จะเป็นก้าวที่ยิ่งใหญ่ทางวิทยาศาสตร์ แต่ในแง่ธุรกิจ อัตราความล้มเหลวที่เกือบครึ่งหนึ่งยังไม่สามารถนำมาใช้งานจริงในกระบวนการทำงานหลัก (Mission-Critical Operations) ได้ ผู้ประกอบการควรเริ่มศึกษาการประยุกต์ใช้โมเดลวิชันและการควบคุมแบบหลายรูปแบบ (Multimodal Control) ในสายการผลิต แต่ยังไม่ควรรีบจัดสรรงบประมาณเพื่อรอซื้อฮาร์ดแวร์ที่ยังไม่มีกำหนดการผลิตเชิงพาณิชย์ที่ชัดเจน