Gemini Robotics 2 — Google DeepMind ขยับจากหุ่นยนต์บนโต๊ะสู่การคุมทั้งตัว เดิน ย่อ หยิบของได้ พร้อมรุ่น On-Device ที่ปรับเข้าหุ่นตัวใหม่ด้วยตัวอย่างไม่ถึง 200 ชิ้น

30 กรกฎาคม 2026 Google DeepMind เปิดตัว Gemini Robotics 2 ซึ่งเป็นก้าวที่เปลี่ยนขอบเขตของงานหุ่นยนต์จากเดิมพอสมควร รุ่นก่อนหน้าคุมได้แค่ท่อนบนของหุ่นยนต์เพื่อทำงานบนโต๊ะ (table-top tasks) ส่วนรุ่นนี้คุม ทั้งตัว — เดิน ย่อตัว เอื้อม แล้วหยิบจับของในสภาพแวดล้อมที่ซับซ้อน

ตัวอย่างที่ DeepMind สาธิตกับหุ่นยนต์ humanoid Apollo 2 ของ Apptronik คือสั่งว่า “เอาบัวรดน้ำไปใส่ถังสีเขียวที่ชั้นล่างสุด” แล้วหุ่นก็เดินไปที่โต๊ะ หยิบบัวรดน้ำ เดินต่อไปที่ชั้นวาง แล้ววางลงตำแหน่งที่ถูกต้อง — เป็นงานที่ต้องร้อยการเคลื่อนที่ของขา ลำตัว และมือเข้าด้วยกันในคำสั่งเดียว

สามโมเดล แบ่งหน้าที่กันชัดเจน

Gemini Robotics 2 คือตัว vision-language-action (VLA) ทำหน้าที่แปลงสิ่งที่หุ่นเห็นและได้ยินเป็นคำสั่งมอเตอร์ รองรับทั้ง humanoid เต็มตัวและระบบสองแขน พร้อมความคล่องมือระดับสูง

Gemini Robotics ER 2 คือชั้นให้เหตุผลเชิงกายภาพ (embodied reasoning) ทำหน้าที่เข้าใจสภาพแวดล้อม วางแผนงานหลายขั้นตอน สื่อสารกับมนุษย์ และ ประสานงานหุ่นยนต์หลายตัวพร้อมกัน

Gemini Robotics On-Device 2 คือรุ่นเบาที่รันบนเครื่องได้ตรง ๆ ไม่ต้องต่อเน็ต จุดขายคือปรับเข้ากับหุ่นยนต์รูปร่างใหม่ (embodiment) ได้เร็ว — DeepMind ระบุว่าใช้ตัวอย่าง น้อยกว่า 200 ชิ้น และเวลาเทรนไม่กี่ชั่วโมง

ตัวเลขจริง — เก่งขึ้น แต่ยังไม่ใกล้เพดาน

DeepMind ให้ตัวเลขความสำเร็จแบบไม่ปัดเศษให้สวย ซึ่งควรอ่านตรง ๆ:

• งานหยิบจับแบบใช้ทั้งตัว (Apollo + มือ Inspire): สำเร็จ 45.7%–76.3% แล้วแต่งาน
• ความคล่องมือแบบห้านิ้ว: กระจายกว้างมาก ตั้งแต่ 32% สำหรับการใช้ที่โกยผง ไปจนถึง 92% สำหรับการหมุนหลอดไฟออก
• ความคล่องแบบใช้ gripper: 74.2%–89.6%

หุ่นที่ใช้สาธิตครอบคลุมหลายแพลตฟอร์ม: Apptronik Apollo 2 (ทั้งมือ SharpaWave และ Inspire), Franka Duo กับ gripper ของ Robotiq, รวมถึง Dexmate, SO101 และ Trossen

ช่วงตัวเลขที่กว้างขนาดนี้บอกอะไรได้ชัด: งานที่มีจุดจับแน่นอนและแรงต้านคาดเดาได้ (หมุนหลอดไฟ) โมเดลทำได้ดีมาก ส่วนงานที่ต้องอาศัยการควบคุมแรงละเอียดและการปรับท่าตลอดเวลา (ใช้ที่โกยผง) ยังพลาดสองในสามครั้ง

ความปลอดภัย: ASIMOV-Agentic

พร้อมกันนี้ DeepMind ปล่อยเบนช์มาร์กชื่อ ASIMOV-Agentic ซึ่งวัดสิ่งที่เบนช์มาร์กหุ่นยนต์ทั่วไปไม่วัด — ความสามารถของเอเจนต์ในการ ปฏิเสธคำสั่งที่ไม่ปลอดภัย และการขอความช่วยเหลือจากมนุษย์ รวมถึงการตรวจจับว่ามีคนอยู่ใกล้เพื่อปรับพฤติกรรมให้ทำงานร่วมกันได้อย่างปลอดภัย

นักพัฒนาเข้าถึงได้แค่ไหน

นี่คือส่วนที่ต้องอ่านให้ละเอียด เพราะการเข้าถึงไม่เท่ากันทั้งสามโมเดล:

• ER 2 — ใช้ได้ทันทีผ่าน Google AI Studio นี่คือประตูเดียวที่เปิดกว้างจริง ๆ ตอนนี้
• Gemini Enterprise Agent Platform — private preview
• ตัว VLA และ On-Device 2 — ต้องสมัครเข้าโครงการ trusted tester / early-access partner เท่านั้น

แปลว่าถ้าคุณอยากลองชั้นวางแผนและให้เหตุผลเชิงกายภาพ วันนี้ทำได้เลย แต่ถ้าอยากเอาโมเดลไปคุมมอเตอร์จริง ต้องรอคิว

มุมมอง AI Curator

จุดที่น่าสนใจที่สุดของประกาศนี้ไม่ใช่หุ่นยนต์เดินได้ แต่คือ On-Device 2 กับตัวเลข “ต่ำกว่า 200 ตัวอย่าง”

ตลอดหลายปีที่ผ่านมา กำแพงที่แท้จริงของงานหุ่นยนต์ไม่ใช่ว่าโมเดลฉลาดพอไหม แต่คือทุกครั้งที่คุณเปลี่ยนรูปร่างหุ่น คุณต้องเก็บข้อมูลสาธิตใหม่เป็นหมื่นเป็นแสนชิ้น ซึ่งเป็นต้นทุนที่ทำให้แทบไม่มีใครนอกแล็บใหญ่เล่นได้ ถ้าตัวเลข 200 ตัวอย่างกับ “ไม่กี่ชั่วโมง” นี้ทนต่อการทดสอบจากภายนอกได้จริง มันเปลี่ยนสมการต้นทุนของทั้งวงการ จากงานที่ต้องมีทีมเก็บข้อมูลเป็นสิบคน กลายเป็นงานที่ทีมสี่ห้าคนพอทำไหว

และนั่นคือจุดที่เกี่ยวกับภูมิภาคเราโดยตรง ไทย เวียดนาม มาเลเซีย อินโดนีเซีย มีฐานการผลิตและโรงงานอิเล็กทรอนิกส์จำนวนมาก ซึ่งเป็นสภาพแวดล้อมที่หุ่นยนต์แบบ fixed-automation ทำงานได้ดีอยู่แล้ว แต่ปรับสายการผลิตทีต้องเขียนโปรแกรมใหม่ทั้งชุด โมเดลที่ปรับตัวเข้ากับ embodiment ใหม่ด้วยข้อมูลหลักร้อยชิ้นคือของที่ตรงกับปัญหานี้พอดี — โดยเฉพาะเมื่อมันรัน ออฟไลน์ ซึ่งสำคัญมากในโรงงานที่ไม่ยอมให้ข้อมูลสายการผลิตออกนอกรั้ว

แต่ต้องเตือนสองข้อ ข้อแรก ตัวเลข 32% สำหรับการใช้ที่โกยผงคือสัญญาณที่ควรจำไว้ให้ดีกว่าตัวเลข 92% เพราะงานในโลกจริงส่วนใหญ่หน้าตาเหมือนงานแรกมากกว่างานหลัง — มันมีแรงเสียดทานที่คาดเดายาก มีวัตถุที่ขยับตำแหน่ง และไม่มีจุดจับที่ตายตัว ใครที่อ่านข่าวนี้แล้วคิดว่าหุ่นยนต์อเนกประสงค์มาถึงแล้ว กำลังอ่านผิดช่อง ข้อสอง การที่ VLA และ On-Device ยังอยู่หลังกำแพง trusted tester หมายความว่าตอนนี้ยังไม่มีใครนอก Google ตรวจสอบตัวเลขเหล่านี้ได้อย่างอิสระ ซึ่งต่างจากฝั่งโมเดลภาษาที่มี LMArena และ SWE-bench ให้เทียบ วงการหุ่นยนต์ยังไม่มีกลไกแบบนั้น และ ASIMOV-Agentic ที่ DeepMind ปล่อยเองก็ยังเป็นเบนช์มาร์กที่ผู้สร้างโมเดลเป็นคนออกแบบ

ข้อสังเกตสุดท้าย: การที่ ER 2 เปิดบน AI Studio ก่อนตัวคุมมอเตอร์ เป็นการเลือกที่ฉลาดและปลอดภัยในเชิงธุรกิจ — Google ได้ให้นักพัฒนาทั่วโลกช่วยหาว่าชั้นวางแผนพังตรงไหน โดยที่ยังไม่ต้องรับความเสี่ยงจากการที่ใครสักคนเอาโมเดลไปสั่งแขนกลจริงแล้วเกิดอุบัติเหตุ คาดว่าโมเดลตระกูล VLA จะทยอยเปิดตามหลังเมื่อชั้นความปลอดภัยนิ่งกว่านี้

แหล่งข่าว

• Gemini Robotics 2 brings whole body intelligence to robots — Google DeepMind
• Gemini Robotics — หน้าโมเดล VLA ของ Google DeepMind
• Google’s new Gemini Robotics 2 platform allows for ‘intelligent whole-body control’ — Engadget