နောက်ဆုံးပြုပြင်မွမ်းမံခြင်း - Aprilပြီလ 20၊ 2026

စက်မှုထုတ်လုပ်မှုတွင် လူသားပုံစံစက်ရုပ်များ- ၂၀၂၆ ခုနှစ်တွင် ၎င်းတို့လုပ်ဆောင်နိုင်သည် (နှင့် မလုပ်ဆောင်နိုင်သည်) များ

လူသားပုံစံ စက်ရုပ်များသည် ၂၀၂၆ ခုနှစ်တွင် စက်ရုံကြမ်းပြင်များတွင် တကယ့်အလုပ်များကို လုပ်ဆောင်နေကြသော်လည်း၊ ဆယ်စုနှစ်တစ်ခုခန့်က ရိုးရာစက်မှုလုပ်ငန်းသုံး စက်ရုပ်များ ရှင်းလင်းခဲ့သည့် လည်ပတ်မှုအချိန်နှင့် ယုံကြည်စိတ်ချရမှုအဆင့်များတွင် စမ်းသပ်နေရာအနည်းငယ်တွင်သာ လုပ်ဆောင်နေကြသည်။ ရန်ပုံငွေကောင်းစွာရရှိထားသော ပလက်ဖောင်းများစွာ (ပုံ AI၊ Agility Robotics Digit၊ Tesla Optimus၊ Unitree H1/G1) သည် အလိုအလျောက် ပစ္စည်းကိုင်တွယ်ခြင်း၊ အမှိုက်ပုံးကောက်ယူခြင်းနှင့် ရိုးရှင်းသော တပ်ဆင်ခြင်းတို့ကို သရုပ်ပြခဲ့သည်။ မည်သည့်ပလက်ဖောင်းမှ မော်တော်ကားထုတ်လုပ်မှုနှုန်းထားများဖြင့် မလည်ပတ်သေးပါ။ လူသားပုံစံ စက်ရုပ်များကို အကဲဖြတ်သည့် ဝယ်ယူရေးအဖွဲ့များသည် ၎င်းကို တပ်ဆင်ထားသော အလိုအလျောက်စနစ်အတွက် ရေတိုအစားထိုးမှုတစ်ခုအဖြစ် မဟုတ်ဘဲ ရေရှည်အလားအလာရှိသော ပေါ်ထွက်လာသော အမျိုးအစားတစ်ခုအဖြစ် သဘောထားသင့်သည်။

ဘာကြောင့် လူသားပုံစံတွေ အခုအချိန်မှာ အာရုံစိုက်မှု ရနေတာလဲ

စိတ်ဝင်စားမှုသည် ကြော်ငြာသက်သက်မဟုတ်ပါ။ လူသားပုံစံ ဖွံ့ဖြိုးတိုးတက်မှုကို ထုတ်လုပ်မှုနယ်ပယ်များထဲသို့ တွန်းပို့ရန် ဖွဲ့စည်းပုံဆိုင်ရာ အချက်သုံးချက် ပေါင်းစည်းခဲ့သည်။

ပထမဦးစွာ၊ ကြီးမားသော simulation-to-real လေ့ကျင့်ရေးလမ်းကြောင်းများ (အများအားဖြင့် “sim-to-real” ဟုခေါ်ဆိုသည်) သည် ယခုအခါ စက်ရုပ်များအား ရုပ်ပိုင်းဆိုင်ရာအရာဝတ္ထုတစ်ခုကို မထိမီ virtual manipulation အတွေ့အကြုံ ဘီလီယံပေါင်းများစွာကို စုဆောင်းနိုင်စေပါသည်။ Figure AI နှင့် Agility Robotics မှ အဖွဲ့များမှ အသုံးပြုသော ဤချဉ်းကပ်မှုသည် အလုပ်အသစ်သတ်မှတ်ချက်မှ ဖြန့်ကျက်နိုင်သောမူဝါဒအထိ အချိန်ကို သိသိသာသာ တိုတောင်းစေသည်။ ဒုတိယအနေဖြင့်၊ ကြီးမားသောဘာသာစကားမော်ဒယ်ခေတ်မှ ချေးယူထားသော vision-language-action (VLA) မော်ဒယ်များသည် ယခုအခါ စက်ရုပ်များအား ယေဘုယျအားဖြင့် အတိုင်းအတာတစ်ခုအထိ ပေးစွမ်းသည်- assembly task A တွင် လေ့ကျင့်ထားသော စက်ရုပ်သည် အပြည့်အဝပြန်လည်လေ့ကျင့်ခြင်းမရှိဘဲ အလုပ် B သို့ စွမ်းရည်အချို့ကို လွှဲပြောင်းပေးနိုင်သည်။ တတိယအနေဖြင့်၊ high-torque brushless actuators နှင့် 6-axis force-torque sensors များ၏ ကုန်ကျစရိတ်သည် humanoid bill-of-materials အပြည့်အစုံကို စျေးကြီးသော်လည်း သုတေသနအတွက်သာ ကုန်ကျစရိတ်အဖြစ် မခွဲခြားတော့သည့်အထိ ကျဆင်းသွားခဲ့သည်။

အပြည်ပြည်ဆိုင်ရာ စက်ရုပ်ပညာအဖွဲ့ချုပ် (IFR) ၏ အဆိုအရ ကမ္ဘာလုံးဆိုင်ရာ စက်မှုလုပ်ငန်းသုံး စက်ရုပ်များ တပ်ဆင်ထားသော အခြေခံအဆောက်အအုံသည် ၂၀၂၃ ခုနှစ်တွင် ယူနစ် ၄ သန်းကျော် ကျော်လွန်ခဲ့ပြီး နှစ်စဉ် ၇% ခန့်တွင် ဆက်လက်တိုးတက်နေပါသည်။ လူသားပုံစံ စက်ရုပ်များသည် ယနေ့ခေတ်တွင် ထိုကိန်းဂဏန်း၏ အစိတ်အပိုင်းအနည်းငယ်ကိုသာ ကိုယ်စားပြုသော်လည်း လက်ရှိစမ်းသပ်အစီအစဉ်များမှ ယုံကြည်စိတ်ချရမှုဒေတာများ စုဆောင်းရရှိလာသည်နှင့်အမျှ ၂၀၂၀ ပြည့်လွန်နှစ်များနှောင်းပိုင်းတွင် ယင်းကဏ္ဍသည် အလျင်အမြန် တိုးတက်လာလိမ့်မည်ဟု စက်မှုလုပ်ငန်းလေ့လာသုံးသပ်သူများက ခန့်မှန်းကြသည်။

အဓိကကစားသမားများ- ပလက်ဖောင်းတစ်ခုစီက အမှန်တကယ်လုပ်ဆောင်နေသည့်အရာများ

ပုံ AI (ပုံ ၀၂)

Figure AI ရဲ့ Figure 02 ပလက်ဖောင်းဟာ ကုမ္ပဏီက စက်ရုပ်က အလိုအလျောက် ကော်ဖီစက်လည်ပတ်မှုကို လုပ်ဆောင်နေတဲ့ ဗီဒီယိုကို ထုတ်ပြန်ပြီးနောက်မှာ ကျယ်ကျယ်ပြန့်ပြန့် အာရုံစိုက်မှုကို ရရှိခဲ့ပြီး တောင်ကယ်ရိုလိုင်းနားက BMW Group ထုတ်လုပ်မှုစက်ရုံမှာ အဆင့်များစွာပါဝင်တဲ့ အစိတ်အပိုင်းလွှဲပြောင်းရေးလုပ်ငန်းကို လုပ်ဆောင်နေတဲ့ ဗီဒီယိုကို ထုတ်ပြန်ခဲ့ပါတယ်။ BMW မိတ်ဖက်အဖွဲ့အစည်းဟာ သုတေသနစီမံကိန်းမဟုတ်ဘဲ အခကြေးငွေပေးရတဲ့ စီးပွားဖြစ်သဘောတူညီချက်တစ်ခုဖြစ်ပြီး မှတ်တမ်းတင်ထားတဲ့ အခိုင်မာဆုံး စက်မှုလုပ်ငန်းသုံး ဖြန့်ကျက်မှုတွေထဲက တစ်ခုဖြစ်ပါတယ်။ Figure 02 မှာ teleoperation data ကနေ imitation learning နဲ့ simulation မှာ reinforcement learning ပေါင်းစပ်မှုကို အသုံးပြုထားပါတယ်။ အများပြည်သူသိအောင် ထုတ်ဖော်ထားတဲ့ သတ်မှတ်ချက်တွေမှာ payload capacity ကို လက်တစ်ဖက်ကို ကီလိုဂရမ်အတော်ကြာအောင် ထားရှိပြီး လမ်းလျှောက်နှုန်းက နှေးကွေးတဲ့ လူ့အမြန်နှုန်းနဲ့ နှိုင်းယှဉ်နိုင်ပါတယ်။

ကုမ္ပဏီ၏ အဓိကအာရုံစိုက်မှုမှာ တိကျမှုမြင့်မားသော တပ်ဆင်မှုထက် "ပျင်းစရာကောင်းပြီး ညစ်ပတ်ကာ အန္တရာယ်များသော" ပစ္စည်းကိုင်တွယ်ခြင်းလုပ်ငန်းများ (အိတ်ရွှေ့ပြောင်းခြင်း၊ ဘူတာများအကြား အစိတ်အပိုင်းများ လွှဲပြောင်းခြင်း) တွင်ဖြစ်သည်။ ၎င်းသည် ရည်ရွယ်ချက်ရှိရှိ နေရာချထားခြင်းရွေးချယ်မှုဖြစ်သည်- ၎င်းတို့သည် အနေအထားအမှားအယွင်းအတွက် သည်းခံနိုင်မှု ပိုမိုကျယ်ပြန့်ပြီး sim-to-real ကွာဟချက် ပိုမိုကျဉ်းမြောင်းသော အလုပ်များဖြစ်သည်။

Agility Robotics: ဒစ်ဂျစ်တယ်

ယခုအခါ Amazon မှ အများစုပိုင်ဆိုင်သော Agility Robotics သည် ၎င်း၏ Digit platform ကို Amazon ဖြည့်ဆည်းရေးစင်တာများတွင် အိတ်ကိုင်တွယ်မှုအတွက် ဖြန့်ကျက်ထားသည်။ Digit ၏ဒီဇိုင်းသည် လက်မောင်းကျွမ်းကျင်မှုထက် ခြေနှစ်ချောင်းလှုပ်ရှားနိုင်မှုကို ဦးစားပေးခြင်းအတွက် ထင်ရှားသည်- ၎င်းသည် လူသားလုပ်သားများအသုံးပြုသည့် လမ်းကြားများ၊ ချဉ်းကပ်လမ်းများနှင့် လမ်းကြားအကျယ်ကန့်သတ်ချက်များကို ဖြတ်သန်းသွားလာနိုင်ပြီး၊ ယင်းသည် ထိုသတ်မှတ်ထားသောပတ်ဝန်းကျင်များတွင် ဘီးတပ် AMR များကို လက်တွေ့မကျစေသည့် တကယ့်ကန့်သတ်ချက်ဖြစ်သည်။ Agility Robotics ၏ ထုတ်ဝေထားသော ဖြန့်ကျက်မှုဒေတာအရ Digit သည် သတ်မှတ်ထားသောဂိုဒေါင်ဆဲလ်တစ်ခုတွင် အလိုအလျောက်အလုပ်လုပ်နိုင်ပြီး၊ အလုပ်လည်ပတ်မှုအတွင်း አዲስအော်ပရေတာ၏ဝင်ရောက်စွက်ဖက်မှုမရှိဘဲ အခြားတစ်ခုပေါ်တွင် တင်နိုင်သည်။

Digit ရဲ့ ဒီအလုပ်မှာ ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်မှုနဲ့ အမြန်နှုန်းဟာ ရည်ရွယ်ချက်ရှိရှိတည်ဆောက်ထားတဲ့ ပုံသေစက်ရုပ်လက်ထက် စက်ဝန်းအချိန်တွေ ပိုနှေးနေရင်တောင် ထောက်ပံ့ပို့ဆောင်ရေးအတွက် အသုံးဝင်တဲ့ လုပ်ငန်းလည်ပတ်မှုအတိုင်းအတာအတွင်းမှာပဲ ရှိပါတယ်။ အပေးအယူလုပ်ရတာကတော့ ပြောင်းလွယ်ပြင်လွယ်ရှိမှုပါပဲ- စက်ပိုင်းဆိုင်ရာ ပြန်လည်ဖွဲ့စည်းခြင်းမရှိဘဲ တူညီတဲ့စက်ရုပ်ကို မတူညီတဲ့ ဖြည့်ဆည်းမှုဆဲလ်တစ်ခုဆီ ပြန်လည်သတ်မှတ်နိုင်ပါတယ်။

Tesla Optimus

Tesla ရဲ့ Optimus ပရိုဂရမ် (နောက်ဆုံးထုတ် အများပြည်သူ သရုပ်ပြမှုအရ တရားဝင်အားဖြင့် “Optimus Gen 2”) သည် Tesla ရဲ့ Fremont စက်ရုံမှာ ဘက်ထရီဆဲလ်ကိုင်တွယ်မှုကို လုပ်ဆောင်နေတဲ့ စက်ရုပ်ရဲ့ အိမ်တွင်းဗီဒီယိုကို ပြသခဲ့ပါတယ်။ Tesla ဟာ စက်ရုပ်ထုတ်လုပ်သူနဲ့ နောက်ဆုံးဖောက်သည် နှစ်ဦးစလုံးဖြစ်တာကြောင့် ထူးခြားတဲ့ ရာထူးတစ်ခုကို ရယူထားပါတယ်။ ဒါကြောင့် တခြား humanoid OEM တွေ ရင်ဆိုင်ရတဲ့ ဖောက်သည်-အရည်အချင်းစစ် အဆင့်ကို ဖယ်ရှားပေးပါတယ်။ Elon Musk က Tesla ဟာ humanoid စက်ရုပ်တွေကို အတိုင်းအတာတစ်ခုအထိ ထုတ်လုပ်ဖို့ စီစဉ်ထားပေမယ့် ထုတ်လုပ်မှုပမာဏနဲ့ စီးပွားဖြစ် ရရှိနိုင်မှု အချိန်ဇယားတွေ အကြိမ်ပေါင်းများစွာ ပြောင်းလဲသွားခဲ့ပါတယ်။ ဒီပလက်ဖောင်းဟာ စက်ရုပ်အာရုံခံစားမှုအတွက် လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ထားတဲ့ Tesla ရဲ့ အိမ်တွင်း Full Self-Driving (FSD) neural network stack နဲ့ Tesla ရဲ့ Dojo supercomputer cluster ကို အတိုင်းအတာတစ်ခုအထိ လေ့ကျင့်ပေးဖို့အတွက် အသုံးပြုပါတယ်။

ဝယ်ယူရေးရှုထောင့်မှကြည့်လျှင် Optimus ကို လက်ရှိတွင် ပြင်ပအဖွဲ့အစည်းမှ ဝယ်ယူ၍မရပါ။ ဤနေရာကို ခြေရာခံနေသော ထုတ်လုပ်ရေးအမှုဆောင်များသည် Tesla ၏ နောက်ဆုံးကုန်သွယ်ရေးစည်းကမ်းချက်များကို ဂရုတစိုက်စောင့်ကြည့်သင့်သည်။ Tesla သည် Optimus ကို ပြိုင်ဘက်ပလက်ဖောင်းများထက် ဈေးနှုန်းသတ်မှတ်ပြီး ၎င်း၏ယာဉ်တပ်ဆင်မှုအတွေ့အကြုံကို အသုံးချပါက အမျိုးအစားအတွက် ကုန်ကျစရိတ်တွက်ချက်မှုကို ပြောင်းလဲနိုင်သည်။

ယူနီထရီ H1 / G1

ဟန်ကျိုးအခြေစိုက် Unitree Robotics သည် ကွဲပြားသောချဉ်းကပ်မှုကို လုပ်ဆောင်ခဲ့သည်- ယှဉ်ပြိုင်နိုင်သောဈေးနှုန်းများကို ထုတ်ပြန်ခြင်း၊ ဟာ့ဒ်ဝဲကို ပွင့်လင်းစွာရောင်းချခြင်းနှင့် ဆော့ဖ်ဝဲရေးသားသူအသိုင်းအဝိုင်းကို အပေါ်မှတည်ဆောက်ခွင့်ပြုခြင်း။ H1 မော်ဒယ်သည် တက်ကြွသောလမ်းလျှောက်ခြင်းနှင့် အလင်းကိုင်တွယ်မှုတာဝန်များကို သရုပ်ပြခဲ့သည်။ G1 (၂၀၂၄ ခုနှစ်တွင် ကြေညာခဲ့သည်) သည် သုတေသနအဖွဲ့အစည်းများနှင့် အလင်းစက်မှုလုပ်ငန်းစမ်းသပ်သူများကို ပစ်မှတ်ထားသော ပိုသေးငယ်ပြီး ကုန်ကျစရိတ်နည်းသော ပလက်ဖောင်းတစ်ခုဖြစ်သည်။ Unitree ၏ ပွင့်လင်းစွာထုတ်ဝေထားသောဈေးနှုန်းများ (G1 သည် ၂၀၂၅ ခုနှစ်အစောပိုင်းကြေငြာချက်များအရ အမေရိကန်ဒေါ်လာ ၂၀,၀၀၀ အောက်မှစတင်သည်) သည် အနောက်တိုင်းပြိုင်ဘက်များထက် သိသိသာသာနိမ့်ကျသော်လည်း ထိုဈေးနှုန်းများတွင် ရရှိနိုင်သော ကိုင်တွယ်မှု payloads နှင့် sensor suites များသည် ပိုမိုကန့်သတ်ထားသည်။

စက်မှုလုပ်ငန်းသုံး ဝယ်ယူသူများအတွက် Unitree ၏ အရေးပါမှုသည် အဓိကအားဖြင့် ကုန်စည် humanoid hardware မည်မျှမြန်ဆန်စွာ ဖွံ့ဖြိုးတိုးတက်နေသည်ကို အချက်ပြမှုတစ်ခုအဖြစ် ပြသနေသည်။ G1 ၏ actuator များ၊ အာရုံခံကိရိယာများနှင့် compute များသည် လွန်ခဲ့သော သုံးနှစ်ကမှ သုတေသနဓာတ်ခွဲခန်းများအတွက် ဈေးနှုန်းသတ်မှတ်ခဲ့ခြင်းဖြစ်လိမ့်မည်။

ခြေရာခံထိုက်သော အခြားပလက်ဖောင်းများ

NASA နှင့် Google မှ တစ်စိတ်တစ်ပိုင်း ကျောထောက်နောက်ခံပြုထားသော Apptronik ၏ Apollo ပလက်ဖောင်းသည် လူသားနှင့် ထိစပ်နေသော လည်ပတ်မှုအတွက် ဘေးကင်းရေး အသိအမှတ်ပြုလက်မှတ်ကို အလေးပေး၍ ထောက်ပံ့ပို့ဆောင်ရေးနှင့် ပေါ့ပါးသော ထုတ်လုပ်မှုကို ပစ်မှတ်ထားသည်။ နော်ဝေ startup ကုမ္ပဏီ 1X Technologies မှ 1X NEO ပလက်ဖောင်းသည် ပြည်တွင်းနှင့် စီးပွားဖြစ် ဝန်ဆောင်မှုပတ်ဝန်းကျင်များကို အာရုံစိုက်သော်လည်း စက်ရုံအခြေအနေများနှင့် သက်ဆိုင်သည့် ကိုင်တွယ်ဖြေရှင်းမှု သုတေသနကို ထုတ်ဝေခဲ့သည်။ Fourier Intelligence ၏ GR-1 နှင့် GR-2 humanoids များသည် ရုပ်ပိုင်းဆိုင်ရာ ပြန်လည်ထူထောင်ရေး အသုံးချမှုများကို သရုပ်ပြခဲ့ပြီး အထူးသဖြင့် အာရှ-ပစိဖိတ်ဈေးကွက်များတွင် ပေါ့ပါးသော စက်မှုလုပ်ငန်း စမ်းသပ်ဆွေးနွေးမှုများတွင် ပေါ်လာစပြုလာသည်။ Boston Dynamics ၏ Atlas သည် ၂၀၂၄ ခုနှစ်တွင် hydraulic မှ အပြည့်အဝ လျှပ်စစ် actuation သို့ ကူးပြောင်းခဲ့ပြီး အလားအလာရှိသော စက်မှုလုပ်ငန်း ဖြန့်ကျက်မှုဆီသို့ သိသာထင်ရှားသော ခြေလှမ်းတစ်ခုကို အမှတ်အသားပြုသော်လည်း Atlas သည် Digit သို့မဟုတ် Figure 02 နှင့် နှိုင်းယှဉ်နိုင်သော စီးပွားဖြစ် ဖြန့်ကျက်မှု ပိုက်လိုင်းမပါဘဲ သုတေသနနှင့် သရုပ်ပြပလက်ဖောင်းတစ်ခုအဖြစ် ရှိနေဆဲဖြစ်သည်။

ယနေ့ခေတ် ထုတ်လုပ်ရေးမှာ လူသားပုံစံ စက်ရုပ်တွေ တကယ်လုပ်ဆောင်နိုင်တာတွေက ဘာတွေလဲ။

ကွင်းဆင်းဖြန့်ကျက်မှုအစီရင်ခံစာများနှင့် အများပြည်သူအတည်ပြုထားသော စမ်းသပ်ဒေတာများအပေါ်အခြေခံ၍ စက်မှုလုပ်ငန်းသုံး humanoid robots များ၏ လက်ရှိစွမ်းရည်ဘောင်မှာ အောက်ပါအတိုင်းဖြစ်သည်-

• ပစ္စည်းလွှဲပြောင်းခြင်းနှင့် အိတ်ကိုင်တွယ်ခြင်း- သတ်မှတ်ထားသော ဘူတာများအကြား အမှိုက်ပုံးများ၊ သေတ္တာများ သို့မဟုတ် ကွန်တိန်နာများကို ရွှေ့ပြောင်းခြင်း။ ဤသည်မှာ အရင့်ကျက်ဆုံး ဖြန့်ကျက်အသုံးပြုမှုကိစ္စဖြစ်ပြီး Amazon ရှိ Digit သည် အကောင်းဆုံးမှတ်တမ်းတင်ထားသော ဥပမာကို ပေးထားသည်။
• ရိုးရှင်းသော ရွေးချယ်ခြင်းနှင့် နေရာချထားခြင်း- အရာဝတ္ထု ဂျီသြမေတြီကို ကန့်သတ်ထားပြီး အလင်းရောင် တသမတ်တည်းရှိသည့်အခါ အမှိုက်ပုံး သို့မဟုတ် ကွန်ဗေယာမှ အရာဝတ္ထုများကို ဆုပ်ကိုင်ပြီး သတ်မှတ်ထားသောနေရာတွင် ထားရှိခြင်း။ VLA-based စနစ်များသည် ဤနေရာတွင် ယေဘုယျအားဖြင့် ပိုမိုကောင်းမွန်လာသော်လည်း၊ ထိန်းချုပ်မထားသော ပတ်ဝန်းကျင်များတွင် အနားသတ်ဖြစ်ရပ်များ မကြာခဏ ဖြစ်ပွားနေဆဲဖြစ်သည်။
• စစ်ဆေးခြင်းနှင့် အရည်အသွေးစကင်ဖတ်ခြင်း- လေယာဉ်မှူးအချို့သည် စစ်ဆေးရေးလမ်းကြောင်းမှတစ်ဆင့် လက်ကိုင်စကင်နာများကို သယ်ဆောင်ရန် လူသားပုံစံများကို အသုံးပြုကြပြီး၊ စက်ရုပ်၏ ရွေ့လျားနိုင်မှုသည် ကျွမ်းကျင်စွာ ကိုင်တွယ်ရန် မလိုအပ်ဘဲ လူသားလမ်းလျှောက်ခြင်းကို အစားထိုးသည့် အလုပ်များကို လုပ်ဆောင်ကြသည်။
• စက်ထိန်းခြင်း (ကန့်သတ်ထားသည်): ထိန်းချုပ်ထားသော ပုံစံများဖြင့် CNC စက်များ သို့မဟုတ် ဖိများမှ တင်ခြင်းနှင့် ချခြင်း။ စက်လည်ပတ်ချိန်များသည် ပုံသေရိုဘော့လက်များထက် နှေးကွေးသော်လည်း စက်များတစ်လျှောက် ပြောင်းလွယ်ပြင်လွယ်ရှိမှုသည် စူးစမ်းလေ့လာနေသော အပေးအယူတစ်ခုဖြစ်သည်။
• အချက်အလက်စုဆောင်းခြင်းနှင့်အတူ အဝေးမှလည်ပတ်မှု- လက်ရှိ “ဖြန့်ကျက်မှုများ” အများစုသည် လူသားအော်ပရေတာတစ်ဦးက စက်ရုပ်ကို အဝေးမှထိန်းချုပ်ပြီး စနစ်က လေ့ကျင့်ရေးဒေတာကို မှတ်တမ်းတင်သည့် hybrid teleoperation အစီအစဉ်များဖြစ်သည်။ autonomous operation နှင့် teleoperation-assisted demonstration အကြား ခြားနားချက်ကို ဖြန့်ကျက်မှုတောင်းဆိုမှုများပြုလုပ်သည့် မည်သည့်ရောင်းချသူနှင့်မဆို ရှင်းလင်းစွာဖော်ပြသင့်သည်။

လူသားပုံစံ စက်ရုပ်တွေ ယုံကြည်စိတ်ချစွာ မလုပ်ဆောင်နိုင်သေးတဲ့ အရာများ

လက်တွေ့တွင် သရုပ်ပြဗီဒီယိုနှင့် ထုတ်လုပ်မှုလိုင်း ဖြန့်ကျက်မှုကြား ကွာဟချက်သည် ကြေငြာချက်အများစု ဖော်ပြသည်ထက် ပိုမိုကြီးမားပါသည်။ စွမ်းရည်နယ်ပယ်များစွာသည် အမှန်တကယ်ခက်ခဲနေဆဲဖြစ်သည်-

မြန်နှုန်းမြင့်၊ ထပ်ခါတလဲလဲ တပ်ဆင်နိုင်မှု မြင့်မားခြင်း။ မော်တော်ကား နောက်ဆုံးတပ်ဆင်လိုင်းများသည် စက္ကန့်ဖြင့်တိုင်းတာသော စက်ဝန်းအချိန်များတွင် လည်ပတ်ပြီး အနေအထားအလိုက် ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်မှု လိုအပ်ချက်များ ±0.1 မီလီမီတာ သို့မဟုတ် ပိုမိုတင်းကျပ်သည်။ မည်သည့်ထုတ်ဝေထားသော humanoid platform မှ ထုတ်လုပ်မှုအခြေအနေများအောက်တွင် ဤမက်ထရစ်များကို တသမတ်တည်းရရှိအောင် မလုပ်ဆောင်နိုင်ပါ။ ပုံသေတပ်ဆင်ထားသော 6-axis စက်မှုလုပ်ငန်းသုံး စက်ရုပ်လက်မောင်းသည် သတ်မှတ်ထားသောအလုပ်အတွက် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ထားသော စက်ဝန်းအချိန်များတွင် ±0.02 မှ ±0.05 မီလီမီတာ ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်မှုကို ပေးစွမ်းသည်။ ၎င်းသည် အချို့သောအတိုင်းအတာများတွင် အဆတစ်ခုမှ နှစ်ခုအထိရှိသော ကွာဟချက်တစ်ခုဖြစ်သည်။

လက်တစ်ဖက်လျှင် ~၁၀ ကီလိုဂရမ်အထက် ဝန်တင်နိုင်သည်။ လူ့ခန္ဓာဗေဒသည် လူပုံသဏ္ဍာန်လက်မောင်းဒီဇိုင်းများကို လူတစ်ဦး သက်တောင့်သက်သာ သယ်ဆောင်နိုင်သည့် အကွာအဝေးအတွင်းရှိ ဝန်တင်ပစ္စည်းများအထိ ကန့်သတ်ထားသည်။ ၂၀ ကီလိုဂရမ်၊ ၅၀ ကီလိုဂရမ် သို့မဟုတ် ၈၀၀ ကီလိုဂရမ် (စက်မှုလုပ်ငန်းသုံးစက်ရုပ်လက်များဖြင့် လွှမ်းခြုံထားသော ဝန်တင်ပစ္စည်းအပြည့်အစုံ) လိုအပ်သော အလုပ်များအတွက်၊ လူပုံသဏ္ဍာန်ပုံသဏ္ဍာန်သည် မှားယွင်းသောကိရိယာတစ်ခုဖြစ်သည်။

အန္တရာယ်ရှိသောပတ်ဝန်းကျင်တွင် အသိအမှတ်ပြုလက်မှတ်ရ လုပ်ငန်းလည်ပတ်မှု။ ပေါက်ကွဲမှုဒဏ်ခံနိုင်သောပတ်ဝန်းကျင်၊ အအေးကွင်းဆက်စက်ရုံများတွင် -30°C တွင်လည်ပတ်ခြင်း သို့မဟုတ် အပူပေးပုံသွင်းသည့်စက်ပစ္စည်းများအနီး 80°C တွင် ရေရှည်အလုပ်လုပ်ခြင်းအတွက် ATEX/IECEx အသိအမှတ်ပြုလက်မှတ်- လက်ရှိ humanoid ပလက်ဖောင်းများတွင် ဤအသိအမှတ်ပြုလက်မှတ်များမရှိပါ။ ရည်ရွယ်ချက်ရှိရှိတည်ဆောက်ထားသော စက်မှုလုပ်ငန်းသုံးရိုဘော့များနှင့် ပေါက်ကွဲမှုဒဏ်ခံနိုင်သော cobot များသည် အသိအမှတ်ပြုလက်မှတ်ရ၊ လယ်ကွင်းတွင်စမ်းသပ်ပြီးသားဟာ့ဒ်ဝဲများဖြင့် ဤပတ်ဝန်းကျင်များကို လွှမ်းခြုံထားပြီးဖြစ်သည်။

ထုတ်လုပ်မှု ကတိကဝတ်များအတွက် လုံလောက်သော MTTF (ပျက်ကွက်ချိန်အထိ ပျမ်းမျှအချိန်)။ မော်တော်ကား OEM များသည် ထုတ်လုပ်မှုလိုင်းအသုံးပြုရန် ပလက်ဖောင်းတစ်ခုကို အတည်ပြုခြင်းမပြုမီ စက်ရုပ် MTTF ဒေတာကို နာရီပေါင်း ၅၀,၀၀၀ ကျော် လိုအပ်လေ့ရှိသည်။ humanoid ပလက်ဖောင်းများအတွက် ထုတ်ဝေထားသော MTTF ဒေတာမှာ ရှားပါးသည်။ ထိုဒေတာမရှိပါက အရည်အသွေးကို အခြေခံသော ထုတ်လုပ်သူအများစုသည် ထုတ်လုပ်မှုအတွက် အရေးကြီးသော ဘူတာများအတွက် humanoid များကို အတည်ပြုမည်မဟုတ်ပါ။

စမ်းသပ်မဟုတ်သော နေရာများတွင် အကူအညီမဲ့ ဖြန့်ကျက်ခြင်း။ လက်ရှိ humanoid ဖြန့်ကျက်မှုအများစုသည် စက်ရုပ်ရောင်းချသူထံမှ လုပ်ငန်းခွင်အင်ဂျင်နီယာပံ့ပိုးမှု၊ စိတ်ကြိုက်ပတ်ဝန်းကျင်ပြင်ဆင်မှုနှင့် သိသာထင်ရှားသောပေါင်းစပ်မှုလုပ်ငန်းများ လိုအပ်ပါသည်။ “မည်သည့်စက်ရုံတွင်မဆို သင်ဖြန့်ကျက်နိုင်သော အထွေထွေရည်ရွယ်ချက်စက်ရုပ်” ဇာတ်ကြောင်းသည် မျှော်လင့်ချက်တစ်ခုအဖြစ် ရှိနေဆဲဖြစ်သည်။

လူသားပုံစံ vs. စက်မှုလုပ်ငန်းသုံး စက်ရုပ် vs. ပူးပေါင်းဆောင်ရွက်သော စက်ရုပ်- လက်တွေ့ကျသော နှိုင်းယှဉ်ချက်

အောက်ဖော်ပြပါဇယားတွင် လူသားပုံစံစက်ရုပ်များကို ဝယ်ယူမှုဆုံးဖြတ်ချက်များနှင့်သက်ဆိုင်သည့် ရှုထောင့်အမျိုးမျိုးတွင် ရိုးရာစက်မှုလုပ်ငန်းသုံးစက်ရုပ်များနှင့် ပူးပေါင်းဆောင်ရွက်သည့်စက်ရုပ်များ (cobots) များနှင့် နှိုင်းယှဉ်ထားသည်။ စက်မှုလုပ်ငန်းသုံးစက်ရုပ်များနှင့် cobot များအတွက် နံပါတ်များသည် လက်ရှိကွင်းဆင်းသက်သေပြထားသော သတ်မှတ်ချက်များကို ထင်ဟပ်စေပြီး လူသားပုံစံကိန်းဂဏန်းများသည် ၂၀၂၆ ခုနှစ် ဧပြီလအထိ ရရှိနိုင်သော အကောင်းဆုံးမှတ်တမ်းတင်ထားသော အများပြည်သူဆိုင်ရာဒေတာကို ထင်ဟပ်စေသည်။

စက်မှုလုပ်ငန်းသုံး ရိုဘော့များနှင့် ကိုဘော့များသည် ဖွဲ့စည်းပုံဆိုင်ရာ အားသာချက်ရှိနေသေးသည့်နေရာ

အော်တိုမေးရှင်း ကုန်စည်ပြပွဲများသို့ တက်ရောက်လာသော ထုတ်လုပ်ရေးအင်ဂျင်နီယာများထံမှ မကြာခဏမေးလေ့ရှိသော မေးခွန်းတစ်ခုမှာ “လူသားပုံစံများကို စောင့်ဆိုင်းသင့်သလား၊ သို့မဟုတ် သက်သေပြနိုင်သော အော်တိုမေးရှင်းတွင် ယခု ရင်းနှီးမြှုပ်နှံသင့်သလား” ဖြစ်သည်။ ရိုးသားသောအဖြေမှာ မည်သည့်တာဝန်များကို အကဲဖြတ်နေသည်ပေါ်တွင် မူတည်ပါသည်။

ပုံသေ၊ ပမာဏများများပါဝင်သော၊ တိကျမှုအရေးကြီးသော လုပ်ငန်းစဉ်များ (ဂဟေလိုင်းများ၊ တံဆိပ်တုံးထုခြင်း၊ ပမာဏကို ထိန်းကျောင်းသော CNC စက်၊ အဖြူရောင် မော်တော်ကားကိုယ်ထည်) အတွက် ရိုးရာ ၆-ဝင်ရိုး စက်မှုလုပ်ငန်းသုံး စက်ရုပ်များသည် သင့်လျော်သော ကိရိယာအဖြစ် ဆက်လက်တည်ရှိနေပါသည်။ ၎င်းတို့၏ ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်မှု၊ လည်ပတ်မှုအချိန်၊ MTTF မှတ်တမ်းများနှင့် တည်ထောင်ထားသော ဘေးကင်းရေးစံနှုန်းများနှင့် ပေါင်းစပ်မှုများကို လက်ရှိ humanoid ပလက်ဖောင်းတစ်ခုခုနှင့် ရိုးရှင်းစွာ ကိုက်ညီမှုမရှိပါ။ IFR ၏ အဆိုအရ ၂၀၂၄ ခုနှစ် ကမ္ဘာ့ ရိုဘော့တစ် အစီရင်ခံစာအရ မော်တော်ကားကဏ္ဍတွင် စက်မှုလုပ်ငန်းသုံး စက်ရုပ်တပ်ဆင်မှုများသည် မကြာသေးမီက စစ်တမ်းနှစ်တွင် ယူနစ် ရာနှင့်ချီ၍ ရှိခဲ့ပြီး ဝယ်လိုအား ကျဆင်းမှု လက္ခဏာ မရှိပါ။

လူသားများနှင့် စက်ရုပ်များသည် အလုပ်ခွင်တစ်ခုကို မျှဝေအသုံးပြုရန် လိုအပ်သည့် အလုပ်များအတွက်၊ ဥပမာ တပ်ဆင်မှုလိုင်း အပြီးသတ်ခြင်း၊ အရည်အသွေး စစ်ဆေးခြင်းနှင့် ပြောင်းလဲနေသော ထုတ်လုပ်မှုအချိန်ဇယားများတွင် စက်တင်ခြင်းကဲ့သို့သော၊ ISO 10218 နှင့် ISO/TS 15066 အောက်တွင် လည်ပတ်နေသော cobot များသည် ယနေ့ခေတ်တွင် အသိအမှတ်ပြုထားပြီး လက်တွေ့စမ်းသပ်မှုများဖြင့် သက်သေပြထားသော ရွေးချယ်မှုဖြစ်သည်။ ၃ ကီလိုဂရမ်မှ ၃၀ ကီလိုဂရမ်အထိ ဝန်တင်နိုင်သော cobot အပြည့်အစုံဈေးကွက်သည် humanoid ပလက်ဖောင်းအများစုကဲ့သို့ ကိုင်တွယ်မှုအကွာအဝေးကို လွှမ်းခြုံထားပြီး၊ ဖြန့်ကျက်ချိန်ကို ရက်သတ္တပတ်များအစား နာရီများဖြင့် တိုင်းတာပြီး လမ်းလျှောက်ပြီး ဟန်ချက်ညီသော စက်ရုပ်၏ ပေါင်းစပ်ရှုပ်ထွေးမှုမရှိဘဲ ရက်သတ္တပတ်များဖြင့် တိုင်းတာသည်။

CE၊ SGS နှင့် TUV အသိအမှတ်ပြုလက်မှတ်များအောက်တွင် 3 မှ 800 kg အပြည့်ဝန်ထုပ်ဝန်ပိုးအထိ ဝန်ထုပ်ဝန်ပိုးအထိ ဖြန့်ကျက်ထားသော စက်မှုလုပ်ငန်းသုံး စက်ရုပ်နှင့် cobot လိုင်းများသည် humanoid အပိုင်းကို လက်တွေ့ကျကျ ရှုမြင်သည်- အမျိုးအစားနှစ်ခုသည် ထပ်တူကျသော်လည်း ကွဲပြားသော ပြဿနာများကို ကိုင်တွယ်ဖြေရှင်းသည်။ EVST ၏ IATF16949 အော်တိုမိုးတစ်အဆင့် cobot များနှင့် ATEX/IECEx အသိအမှတ်ပြု ပေါက်ကွဲမှုဒဏ်ခံနိုင်သော cobot များသည် အသိအမှတ်ပြုလက်မှတ်နှင့် သက်သေပြထားသော ယုံကြည်စိတ်ချရမှု မဖြစ်မနေလိုအပ်သည့် ပတ်ဝန်းကျင်များကို ဝန်ဆောင်မှုပေးသည်- ရေနံနှင့် သဘာဝဓာတ်ငွေ့၊ အော်တိုမိုးတစ် အဆင့် 1 ပေးသွင်းသူများ၊ ဆေးဝါး သန့်ရှင်းသောအခန်းများ။ Humanoid များသည် ညီမျှသော အသိအမှတ်ပြုလက်မှတ်များ မရှိသေးပါ။ EVST ၏ လက်ရှိ humanoid၊ လက်သွက်သော၊ ခြေလေးချောင်းထောက်နှင့် အချက်အလက်စုဆောင်းမှု လမ်းပြမြေပုံကို အကဲဖြတ်သော ဝယ်ယူသူများအတွက်၊ ကြည့်ပါ EVST ပေါင်းစပ် AI ဖြေရှင်းချက်များနောက်လာမည့်သုံးလပတ်တွင် ထုတ်လုပ်မှုကတိကဝတ်နှင့် ရင်ဆိုင်နေရသော ထုတ်လုပ်ရေးအမှုဆောင်အရာရှိအတွက် ထိုကွာဟချက်သည် အရေးပါပါသည်။

စက်မှုလုပ်ငန်း လေ့လာတွေ့ရှိချက်များအရ ၂၀၂၆ ခုနှစ်တွင် အလိုအလျောက်စနစ် (automation) ကို အကဲဖြတ်နေသော စက်မှုလုပ်ငန်းထုတ်လုပ်သူအများစုသည် ယခုအခါ cobot နှင့် ရိုးရာစက်ရုပ်များ ဖြန့်ကျက်မှုများကို ဆက်လက်လုပ်ဆောင်နေကြပြီး ပစ္စည်းကိုင်တွယ်ခြင်းနှင့် တပ်ဆင်ခြင်းအခန်းကဏ္ဍများတွင် အလားအလာရှိသော အလယ်အလတ်ကာလ ဖြန့်ကျက်မှုအတွက် humanoid ဖွံ့ဖြိုးတိုးတက်မှုကို စောင့်ကြည့်နေပါသည်။ EVST သည် စက်ရုံတစ်ခုရှိ အလိုအလျောက်စနစ် ရောနှောမှု တိုးတက်ပြောင်းလဲလာသည်နှင့်အမျှ လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်နိုင်သော turnkey ပေါင်းစပ်ဝန်ဆောင်မှုများကို ပေးဆောင်ခြင်းဖြင့် ဤပြဿနာကို ဖြေရှင်းပေးပြီး ယုံကြည်စိတ်ချရမှုနှင့် အသိအမှတ်ပြုလက်မှတ်ဒေတာများက ၎င်းကို ပံ့ပိုးပေးသည့်အခါ ရှိပြီးသား fixed automation နှင့်အတူ humanoid platform များကို ထည့်သွင်းပေးပါသည်။

ဖြန့်ကျက်မှုလက်တွေ့ဘဝ- ဝယ်သူများ အကဲဖြတ်သင့်သည်များ

ရေတိုစက်ရုံအလိုအလျောက်စနစ်အစီအစဉ်တွင် humanoid robot ကိုထည့်သွင်းရန် ရှိမရှိကို သင်အမှန်တကယ်အကဲဖြတ်နေပါက အောက်ပါမေးခွန်းများသည် မည်သည့်ရောင်းချသူလက်ကမ်းစာစောင်ထက်မဆို ဆုံးဖြတ်ချက်ကို ပိုမိုမြန်ဆန်စွာရှင်းလင်းစေမည်ဖြစ်သည်။

၁။ လုပ်ငန်းတာဝန်သည် ဘူတာရုံများအကြား သွားလာရလွယ်ကူမှု လိုအပ်ပါသလား။

လူသားပုံစံတူများ၏ အဓိကဖွဲ့စည်းပုံဆိုင်ရာ အားသာချက်မှာ လူသားများအတွက် တည်ဆောက်ထားသော ပတ်ဝန်းကျင်တွင် ခြေနှစ်ချောင်းထောက် လှုပ်ရှားနိုင်မှုဖြစ်သည်။ သင်၏အသုံးပြုမှုကိစ္စတွင် ရှိပြီးသားလမ်းကြားများကို သွားလာရန်၊ ရှိပြီးသားတံခါးအကျယ်များကို အသုံးပြုရန်၊ လှေကားတက်ရန် သို့မဟုတ် စက်ပိုင်းဆိုင်ရာ ပြန်လည်ပြင်ဆင်ခြင်းမရှိဘဲ ဘူတာများစွာတွင် လည်ပတ်ရန် လိုအပ်ပါက လူသားပုံစံတူများသည် အလေးအနက်ထား အကဲဖြတ်ခံထိုက်ပါသည်။ လုပ်ငန်းတာဝန်သည် ပုံသေဘူတာတစ်ခုဖြစ်ပါက လှုပ်ရှားနိုင်မှုအားသာချက်သည် အရေးမကြီးပါ၊ ထို့အပြင် ပုံသေလက်မစနစ်သည် အခြားစံနှုန်းတိုင်းတွင် ပိုမိုကောင်းမွန်စွာ လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။

၂။ စက်ဝန်းအချိန်နှင့် ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်မှု လိုအပ်ချက်များကား အဘယ်နည်း။

သင့်ရဲ့ လုပ်ငန်းစဉ်စာရွက်စာတမ်းကနေ တကယ့် cycle time နဲ့ repeatability spec ကို ရယူပါ။ သရုပ်ပြဗီဒီယိုမဟုတ်ဘဲ ဖောက်သည်ကိုးကားချက်ကနေ ရရှိတဲ့ အကောင်းဆုံးမှတ်တမ်းတင်ထားတဲ့ humanoid performance data နဲ့ နှိုင်းယှဉ်ကြည့်ပါ။ သင့်လိုအပ်ချက်အတွက် ထုတ်ဝေထားတဲ့ data မရှိပါက၊ တိုးချဲ့ pilot အတွက် ဘတ်ဂျက်ချပြီး production commitment တွေအတွက် platform ကို မမှီခိုပါနဲ့။

၃။ ပတ်ဝန်းကျင်အတွက် အန္တရာယ်ရှိသောနေရာ အသိအမှတ်ပြုလက်မှတ် လိုအပ်ပါသလား။

ATEX ဇုန် ၁ သို့မဟုတ် ဇုန် ၂၊ IECEx၊ အပူချိန်လွန်ကဲခြင်း၊ IP68 ရေဆေးခြင်း- ၎င်းတို့ထဲမှ တစ်ခုခု သက်ရောက်ပါက၊ ယနေ့ခေတ်တွင် လူသားပုံစံများသည် ရွေးချယ်စရာတစ်ခု မဟုတ်ပါ။ ရည်ရွယ်ချက်ရှိရှိ တည်ဆောက်ထားသော ပေါက်ကွဲမှုဒဏ်ခံနိုင်သော ကိုဘော့များနှင့် သင့်လျော်သော အသိအမှတ်ပြုလက်မှတ် အဆင့်သတ်မှတ်ချက်များပါရှိသော စက်မှုလုပ်ငန်းသုံး စက်ရုပ်များသည် တစ်ခုတည်းသော အလားအလာရှိသော လမ်းကြောင်းဖြစ်သည်။ ၎င်းတွင် ဓာတုဗေဒ၊ ဆေးဝါး၊ ရေနံနှင့် သဘာဝဓာတ်ငွေ့နှင့် အစားအသောက် ထုတ်လုပ်သည့် ပတ်ဝန်းကျင်များ၏ အစိတ်အပိုင်းကြီး ပါဝင်သည်။

၄။ သင့်ပေးသွင်းသူ၏ MTTF ကတိကဝတ်များကား အဘယ်နည်း။

ထုတ်လုပ်မှုတာဝန်စက်ဝန်းများတွင် ထုတ်ပြန်ထားသော MTTF ဒေတာအတွက် humanoid vendor ကို မေးမြန်းပါ (တစ်နေ့လျှင် နှစ်ကြိမ် သို့မဟုတ် သုံးကြိမ်၊ တစ်နှစ်လျှင် လည်ပတ်ရက် ၂၅၀+)။ ဒေတာမရှိပါက သို့မဟုတ် လယ်ကွင်းလုပ်ငန်းလည်ပတ်မှု နာရီအနည်းငယ်သာ အကျုံးဝင်ပါက သိသာထင်ရှားသော ပြုပြင်ထိန်းသိမ်းမှုကုန်ကျစရိတ်ကို တွက်ချက်ပြီး ထိုစက်ရုပ်ကို ထုတ်လုပ်မှုအတွက် အရေးပါသောပိုင်ဆိုင်မှုတစ်ခုဖြစ်လာစေရန် မစီစဉ်ပါနှင့်။

၅။ အဝေးထိန်းစနစ်ဖြင့် လုပ်ဆောင်ခြင်းသည် လုပ်ငန်းစဉ်၏ အစိတ်အပိုင်းတစ်ခု ဖြစ်နေဆဲလား။

အချို့သော ရောင်းချသူများသည် တယ်လီအော်ပရေတာအကူအညီဖြင့် သရုပ်ပြမှုများကို အလိုအလျောက် ဖြန့်ကျက်မှုအဖြစ် တင်ပြကြသည်။ အတိအကျမေးပါ- လုပ်ငန်းလုပ်ဆောင်မှု၏ ရာခိုင်နှုန်းမည်မျှကို loop တွင် လူသားအော်ပရေတာမပါဘဲ လုပ်ဆောင်သည်၊ မည်သည့်အခြေအနေများတွင်နှင့် မည်သည့်အရာက လူသားထိန်းချုပ်မှုသို့ ပြန်လည်လွှဲပြောင်းပေးသည်ကို ဖြစ်ပေါ်စေသနည်း။ “အဝေးမှ လည်ပတ်နိုင်သော စက်ရုပ်” နှင့် “အလိုအလျောက်လည်ပတ်သော စက်ရုပ်” အကြား ခြားနားချက်သည် စုစုပေါင်းလုပ်အားကုန်ကျစရိတ်တွက်ချက်မှုများအတွက် အရေးပါပါသည်။

အလယ်အလတ်ကာလအလားအလာ (၂၀၂၇-၂၀၃၀)

စက်မှုလုပ်ငန်းခွဲခြမ်းစိတ်ဖြာသူများက လူသားပုံစံစက်ရုပ်များသည် ၂၀၂၇ ခုနှစ်မှ ၂၀၃၀ ခုနှစ်အတွင်း စမ်းသပ်ဖြန့်ကျက်မှုများမှ ထောက်ပံ့ပို့ဆောင်ရေးနှင့် အပေါ့စားထုတ်လုပ်မှုတွင် အကန့်အသတ်ရှိသော ထုတ်လုပ်မှုဖြန့်ကျက်မှုသို့ ရွေ့လျားသွားလိမ့်မည်ဟု ခန့်မှန်းထားပြီး နည်းပညာဆိုင်ရာပြဿနာသုံးခုကို ဖြေရှင်းခြင်းအပေါ် မူတည်ပါသည်- MTTF ကို ထုတ်လုပ်မှုအဆင့်သို့ တိုးချဲ့ခြင်း၊ ပြန်ဆပ်ကာလများသည် cobot များနှင့် ယှဉ်ပြိုင်နိုင်သည့်အပိုင်းအခြားသို့ ကုန်ကျစရိတ်လျှော့ချခြင်းနှင့် ISO 10218 သို့မဟုတ် ညီမျှသော မူဘောင်များအောက်တွင် ဘေးကင်းရေးအသိအမှတ်ပြုလက်မှတ်တို့ဖြစ်သည်။

Figure AI၊ Agility နှင့် Tesla တို့မှ ယခုအသုံးပြုနေသော sim-to-real လေ့ကျင့်ရေးချဉ်းကပ်မှုများသည် ပိုမိုမြန်ဆန်သောစွမ်းရည်ဖွံ့ဖြိုးတိုးတက်မှုအတွက် ယုံကြည်စိတ်ချရသောလမ်းကြောင်းများဖြစ်သည်။ VLA မော်ဒယ်ယေဘုယျပြုလုပ်ခြင်းသည် ၎င်း၏လက်ရှိနှုန်းထားအတိုင်း ဆက်လက်တိုးတက်နေပါက အလုပ်အသစ်များအတွက် ဖြန့်ကျက်ချိန်ကို ရက်သတ္တပတ်များမှ ရက်များအထိ လျှော့ချပေးနိုင်ပြီး ၎င်းသည် ရောနှောမှုမြင့်မားပြီး ပမာဏနည်းသောပတ်ဝန်းကျင်များအတွက် calculus ကို အဓိပ္ပာယ်ရှိရှိပြောင်းလဲစေမည်ဖြစ်သည်။

၂၀၂၆ ခုနှစ်တွင် ဤစာကိုဖတ်ရှုနေသော ထုတ်လုပ်ရေးအမှုဆောင်အရာရှိများအတွက် လက်တွေ့ကျသောလမ်းညွှန်ချက်မှာ- လူသားပုံစံများကိုစောင့်ဆိုင်း၍ သက်သေပြထားသော အလိုအလျောက်လုပ်ဆောင်မှုရင်းနှီးမြှုပ်နှံမှုများကို မနှောင့်နှေးပါနှင့်၊ သို့သော် ပထမဆုံးရောင်းချသူများသည် ထုတ်လုပ်မှုအသင့် MTTF နှင့် အသိအမှတ်ပြုလက်မှတ်မှတ်တိုင်များရောက်ရှိသည့်အခါ အချက်အလက်အခြေပြုဆုံးဖြတ်ချက်ချနိုင်ရန် ယခုပင် အကဲဖြတ်စံနှုန်းများကို ချမှတ်ပါ။ ၂၀၂၈ သို့မဟုတ် ၂၀၂၉ ခုနှစ်တွင် လူသားပုံစံများကို အထိရောက်ဆုံးဖြန့်ကျက်မည့် စက်ရုံများသည် လက်တံသေစက်မှုလုပ်ငန်းသုံးရိုဘော့များနှင့် ကိုဘော့များကို ဦးစွာနက်နက်ရှိုင်းရှိုင်းနားလည်သော စက်ရုံများဖြစ်လိမ့်မည်၊ အဘယ်ကြောင့်ဆိုသော် ပေါင်းစပ်အင်ဂျင်နီယာအသိပညာသည် တိုက်ရိုက်လွှဲပြောင်းပေးသောကြောင့်ဖြစ်သည်။

စက်မှုလုပ်ငန်း လေ့လာတွေ့ရှိချက်များအရ ကမ္ဘာလုံးဆိုင်ရာ လယ်ကွင်းအင်ဂျင်နီယာ စေလွှတ်နိုင်စွမ်းရှိသော EVST နှင့် နှိုင်းယှဉ်နိုင်သော စက်မှုလုပ်ငန်းသုံး စက်ရုပ်ပေးသွင်းသူများသည် humanoid ဖြန့်ကျက်မှုများ တိုးချဲ့လာသည်နှင့်အမျှ hybrid automation ပတ်ဝန်းကျင်များကို ပံ့ပိုးရန် ကောင်းစွာအနေအထားတွင် ရှိနေကြသည်၊ အဘယ်ကြောင့်ဆိုသော် humanoid ဖြန့်ကျက်မှုအများစုသည် ရိုးရာစက်မှုလုပ်ငန်းသုံး စက်ရုပ်များနှင့် cobots များအစား မဟုတ်ဘဲ အတူတကွ လုပ်ဆောင်မည်ဖြစ်သောကြောင့်ဖြစ်သည်။ EVST ၏ နိုင်ငံပေါင်း ၁၀၀ ကျော်ရှိ ထုတ်လုပ်သူများထံ turnkey automation စနစ်များ တင်ပို့သည့် အတွေ့အကြုံသည် ထိန်းချုပ်ထားသော လေယာဉ်မှူးပတ်ဝန်းကျင်များပြင်ပတွင် humanoid ဖြန့်ကျက်မှုများ ရင်ဆိုင်ရမည့် အခြေခံအဆောက်အအုံ ကန့်သတ်ချက်များအတွက် လက်တွေ့ကျသော ကိုးကားချက်အခြေခံကို ပေးစွမ်းသည်။

၎င်းတို့၏ အလိုအလျောက်စနစ် လမ်းပြမြေပုံကို တည်ဆောက်နေသော ထုတ်လုပ်သူများအတွက်၊ ဤဆိုက်ရှိ ဆက်စပ်ခွဲခြမ်းစိတ်ဖြာမှုသည် cobot ရွေးချယ်ရေးလုပ်ငန်းစဉ်ကို နက်နက်နဲနဲ လွှမ်းခြုံထားသည် (Cobots အတွက် ပြီးပြည့်စုံသောလမ်းညွှန်- အမျိုးအစားများ၊ ရွေးချယ်မှုများနှင့် အသုံးချမှုများ ၂၀၂၆)၊ တရုတ်ဈေးကွက်ကို ဝန်ဆောင်မှုပေးနေသော ထိပ်တန်းစက်မှုလုပ်ငန်းသုံး စက်ရုပ်ထုတ်လုပ်သူများ (၂၀၂၆ ခုနှစ်တွင် တရုတ်နိုင်ငံရှိ ထိပ်တန်းစက်မှုလုပ်ငန်းသုံး စက်ရုပ်ထုတ်လုပ်သူ ၁၀ ဦး) နှင့် IATF16949 အောက်ရှိ မော်တော်ကားအဆင့် ဖြန့်ကျက်မှုအတွက် သီးခြားလိုအပ်ချက်များ (မော်တော်ကားအဆင့် Cobots များ- IATF16949 ၏ လက်တွေ့အသုံးချမှုအဓိပ္ပာယ်)။ မည်သည့်စက်မှုလုပ်ငန်းသုံးစက်ရုပ်ဝယ်ယူမှုနှင့်မဆိုသက်ဆိုင်သည့် ပေးသွင်းသူအကဲဖြတ်ခြင်းဆိုင်ရာ မူဘောင်များအတွက်၊ ကြည့်ပါ။ ၂၀၂၆ ခုနှစ် စက်မှုလုပ်ငန်းသုံး ရိုဘော့ ပေးသွင်းသူ အကဲဖြတ်လမ်းညွှန်.

ေမးေလ့ရွိသည့္ေမးခြန္းမ်ား

ယနေ့ခေတ်မှာ လူသားပုံစံ စက်ရုပ်တွေကို ထုတ်လုပ်ရေးမှာ အသုံးပြုနေကြပါသလား။

ဟုတ်ကဲ့၊ ဒါပေမယ့် အသေးစားအတိုင်းအတာနဲ့ပါ။ ၂၀၂၆ ခုနှစ်အထိ မှတ်တမ်းအများဆုံးရှိတဲ့ စက်မှုလုပ်ငန်းသုံး အသုံးချမှုတွေကတော့ BMW Group စက်ရုံတစ်ခုမှာ Figure AI ရဲ့ စမ်းသပ်အသုံးပြုမှု (ပစ္စည်းကိုင်တွယ်ခြင်းနဲ့ အစိတ်အပိုင်းလွှဲပြောင်းခြင်း) နဲ့ Amazon ဖြည့်ဆည်းရေးစင်တာတွေမှာ လည်ပတ်နေတဲ့ Agility Robotics ရဲ့ Digit (အိတ်ကိုင်တွယ်ခြင်း) တို့ပဲ ဖြစ်ပါတယ်။ Tesla ဟာ Optimus ကို သူ့ရဲ့ကိုယ်ပိုင် Fremont စက်ရုံမှာ အတွင်းပိုင်းမှာ အသုံးချနေပါတယ်။ ဒါတွေက တကယ့်စီးပွားဖြစ် အသုံးချမှုတွေပါ၊ ဒါပေမယ့် မော်တော်ကားနဲ့ အီလက်ထရွန်းနစ်ပစ္စည်း ထုတ်လုပ်မှုလိုင်းအများစုကို သတ်မှတ်ပေးတဲ့ မြန်နှုန်းမြင့်၊ တိကျမှုမြင့်မားတဲ့ တပ်ဆင်မှုလုပ်ငန်းစဉ်တွေတော့ မဟုတ်ပါဘူး။ ပစ္စည်းကိုင်တွယ်မှုဆိုင်ရာ လုပ်ငန်းတာဝန်တွေကိုတော့ အကန့်အသတ်နဲ့ လွှမ်းခြုံထားပါတယ်။

လူသားပုံစံ စက်ရုပ်နဲ့ ထုတ်လုပ်ရေးအတွက် စက်မှုလုပ်ငန်းသုံး စက်ရုပ် ဘာကွာခြားချက်ရှိလဲ။

ရိုးရာစက်မှုလုပ်ငန်းသုံးရိုဘော့များသည် တစ်ခုတည်းသောအလုပ်အတွက် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ထားသော လက်တံသေစနစ်များဖြစ်သည်- ဂဟေဆော်ခြင်း၊ တံဆိပ်တုံးထုခြင်း၊ စက်ထိန်းခြင်း။ ၎င်းတို့သည် ±0.02–0.05 မီလီမီတာ ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်ပြီး ဆယ်စုနှစ်များစွာ MTTF အချက်အလက်များဖြင့် လူသားထက် အဆပေါင်းများစွာပိုမြန်သော လည်ပတ်ချိန်များကို ရရှိသည်။ လူသားပုံစံရိုဘော့များသည် ရွေ့လျားနိုင်သော၊ အထွေထွေရည်ရွယ်ချက်ပလက်ဖောင်းများဖြစ်ပြီး လူသားတည်ဆောက်ထားသောပတ်ဝန်းကျင်များကို လမ်းညွှန်နိုင်ပြီး စက်ပိုင်းဆိုင်ရာပြန်လည်ဖွဲ့စည်းခြင်းမရှိဘဲ ပိုမိုကျယ်ပြန့်သောအလုပ်များကို ကိုင်တွယ်နိုင်သည်။ အပေးအယူမှာ လူသားပုံစံရိုဘော့များသည် လက်ရှိတွင် လည်ပတ်ချိန်နှေးကွေးခြင်း၊ ထပ်ခါတလဲလဲလုပ်ဆောင်နိုင်မှုနည်းပါးခြင်းနှင့် စက်မှုလုပ်ငန်းသုံးရိုဘော့များသယ်ဆောင်သည့် အန္တရာယ်ရှိသောပတ်ဝန်းကျင်အသိအမှတ်ပြုလက်မှတ်များနှင့် ထုတ်လုပ်မှု MTTF မှတ်တမ်းများမရှိခြင်းတို့ဖြစ်သည်။ အမျိုးအစားနှစ်ခုကို အကောင်းဆုံးနားလည်နိုင်သည်- မတူညီသောပြဿနာပရိုဖိုင်များအတွက် မတူညီသောကိရိယာများ။

တပ်ဆင်မှုမှာ humanoid robot တွေက cobot တွေကို အစားထိုးနိုင်ပါသလား။

ယနေ့ခေတ်တွင် ကိစ္စအများစုတွင် မဟုတ်ပါ။ ပူးပေါင်းဆောင်ရွက်သော စက်ရုပ်များသည် အသိအမှတ်ပြုထားသော အင်အားကန့်သတ်စနစ်များ၊ IATF16949 မော်တော်ကားအဆင့် ထုတ်လုပ်မှုအရည်အသွေးနှင့် စံအသုံးချမှုများအတွက် နာရီအနည်းငယ်အတွင်း ဖြန့်ကျက်ချိန်တိုတောင်းသော ISO 10218 နှင့် ISO/TS 15066 ဘေးကင်းရေးမူဘောင်များအောက်တွင် လည်ပတ်ကြသည်။ လူသားစက်ရုပ်များသည် အလားတူအလုပ်အချို့ကို လုပ်ဆောင်သော်လည်း လည်ပတ်မှုအချိန်နှေးကွေးခြင်း၊ စံသတ်မှတ်ဆဲဖြစ်သော ဘေးကင်းရေးအဖုံးကြီးများနှင့် ညီမျှသော မော်တော်ကားအသိအမှတ်ပြုလက်မှတ်လမ်းကြောင်းမရှိပါ။ cobots များထူးချွန်သော မြင့်မားသောရောနှောမှု၊ ပမာဏနည်းသော တပ်ဆင်အသုံးပြုမှုကိစ္စများအတွက် humanoids များသည် ရွေ့လျားနိုင်မှုအားသာချက်များကို ပေးစွမ်းသော်လည်း လက်ရှိစွမ်းဆောင်ရည်အားသာချက်မရှိပါ။ ရိုးသားစွာအကဲဖြတ်ချက်မှာ humanoids များသည် လာမည့်နှစ်အနည်းငယ်အတွင်း cobots များကို အစားထိုးခြင်းမဟုတ်ဘဲ သီးခြားပစ္စည်းကိုင်တွယ်ခြင်းနှင့် စစ်ဆေးခြင်းအခန်းကဏ္ဍများတွင် ဖြည့်စွက်ပေးနိုင်သည်ဟု ဆိုသည်။

၂၀၂၆ ခုနှစ်မှာ humanoid robot ထုတ်လုပ်မှုကုန်ကျစရိတ်က ဘယ်လောက်လဲ။

ထုတ်ဝေထားသော ဈေးနှုန်းများသည် ကျယ်ပြန့်စွာ ကွဲပြားသည်။ Unitree ၏ G1 သည် ၂၀၂၅ ခုနှစ် အစောပိုင်းတွင် အခြေခံသတ်မှတ်ချက်များအရ အမေရိကန်ဒေါ်လာ ၂၀,၀၀၀ အောက်တွင် စတင်ခဲ့သည်။ AI နှင့် Agility Robotics တို့သည် လက်လီဈေးနှုန်းများကို မထုတ်ပြန်သေးဘဲ စီးပွားဖြစ်မိတ်ဖက်သဘောတူညီချက်များဖြင့် လည်ပတ်နေသည်။ စက်မှုလုပ်ငန်းခွဲခြမ်းစိတ်ဖြာသူများက ဤပလက်ဖောင်းများသည် ပေါင်းစပ်ပံ့ပိုးမှုအပါအဝင် ယူနစ်တစ်ခုလျှင် အမေရိကန်ဒေါ်လာ ၁၀၀,၀၀၀ မှ ၂၅၀,၀၀၀ အထိ ရှိမည်ဟု ခန့်မှန်းထားသည်။ Tesla Optimus ကို ၂၀၂၆ ခုနှစ် ဧပြီလအထိ ပြင်ပအဖွဲ့အစည်းမှ ဝယ်ယူ၍မရပါ။ ပိုင်ဆိုင်မှုစုစုပေါင်းကုန်ကျစရိတ် (ပေါင်းစပ်အင်ဂျင်နီယာ၊ ပတ်ဝန်းကျင်ပြင်ဆင်မှုနှင့် ထုတ်ဝေထားသော MTTF အချက်အလက်အကန့်အသတ်ရှိသော ပလက်ဖောင်းအတွက် ဆက်လက်ပြုပြင်ထိန်းသိမ်းမှုအပါအဝင်) သည် ဤဈေးနှုန်းအမှတ်တစ်ခုခုတွင် စက်ရုပ်ယူနစ်ဈေးနှုန်းကို သိသိသာသာကျော်လွန်လိမ့်မည်။

ထုတ်လုပ်ရေးမှာ ဘယ်လို humanoid robot အသုံးပြုမှု case တွေက ရေတိုဖြန့်ကျက်မှုအတွက် အသင့်တော်ဆုံးလဲ။

ရရှိနိုင်သော အရှင်းလင်းဆုံး ဖြန့်ကျက်မှုအထောက်အထားများအပေါ် အခြေခံ၍- (၁) လူတည်ဆောက်ထားသော လမ်းကြားများတွင် ခြေနှစ်ချောင်းထောက် ရွေ့လျားနိုင်မှုသည် စစ်မှန်သောတန်ဖိုးရှိသည့် ထုတ်လုပ်ရေးစက်ရုံများနှင့် တွဲလျက် ထောက်ပံ့ပို့ဆောင်ရေးနှင့် ဂိုဒေါင်ပတ်ဝန်းကျင်များတွင် အိတ်နှင့်ပုံး ရွေ့လျားမှု၊ (၂) ထုတ်လုပ်မှုအမြန်နှုန်း လည်ပတ်မှုအချိန်များ မလိုအပ်သည့် ဘူတာများအကြား ပေါ့ပါးသော ပစ္စည်းလွှဲပြောင်းမှု၊ (၃) စက်ရုပ်သည် မြင့်မားသော တိကျမှုရှိသော ကိုင်တွယ်မှုကို လုပ်ဆောင်မည့်အစား ပတ်ဝန်းကျင်မှတစ်ဆင့် အာရုံခံကိရိယာကို သယ်ဆောင်သည့် စစ်ဆေးရေးလမ်းကြောင်းများ။ မီလီမီတာအောက် ထပ်ခါတလဲလဲ လုပ်ဆောင်နိုင်မှု၊ ခန့်မှန်းခြေအားဖြင့် ၁၀ ကီလိုဂရမ်အထက် ဝန်တင်နိုင်မှု၊ အန္တရာယ်ရှိသော အသိအမှတ်ပြုပတ်ဝန်းကျင်များတွင် လည်ပတ်မှု သို့မဟုတ် မော်တော်ကားထုတ်လုပ်မှု လည်ပတ်မှုနှုန်းထားများတွင် တသမတ်တည်း စွမ်းဆောင်ရည် လိုအပ်သော အလုပ်များသည် လက်ရှိ humanoid ပလက်ဖောင်းအတွက် လက်တွေ့ကျသော ရေတိုအသုံးချမှုများ မဟုတ်ပါ။

နောက်ဆုံးပြုပြင်မွမ်းမံခြင်း - Aprilပြီလ 20၊ 2026