FANUC ของญี่ปุ่นก้าวสู่ “หุ่นยนต์ที่ไม่ต้องสอน” ด้วย AI วิชันที่ไม่ต้องลงทะเบียนรูปทรงชิ้นงานทีละแบบ
FANUC ของญี่ปุ่น ผู้ผลิตหุ่นยนต์อุตสาหกรรมรายใหญ่ พัฒนา “AI Masterless Vision” ระบบที่ไม่ต้องลงทะเบียนรูปร่างของชิ้นงานทีละแบบ เมื่อระบุเป้าหมายด้วยคำทั่วไป AI ที่ผ่านการเรียนรู้ล่วงหน้าจะรับรู้รูปทรงสามมิติของวัตถุ มีแผนจัดส่งในเดือนมกราคม 2027 แต่ยังไม่มีการเปิดเผยความแม่นยำ…

FANUC ของญี่ปุ่น ผู้ผลิตหุ่นยนต์อุตสาหกรรมรายใหญ่ พัฒนา “AI Masterless Vision” ระบบที่ไม่ต้องลงทะเบียนรูปร่างของชิ้นงานทีละแบบ เมื่อระบุเป้าหมายด้วยคำทั่วไป AI ที่ผ่านการเรียนรู้ล่วงหน้าจะรับรู้รูปทรงสามมิติของวัตถุ มีแผนจัดส่งในเดือนมกราคม 2027 แต่ยังไม่มีการเปิดเผยความแม่นยำ ความเร็ว และขอบเขตการใช้งาน
บทความนี้ตรวจสอบว่าสิ่งที่ลดลงมีเพียงการตั้งค่าการรับรู้ภาพ หรือรวมถึงการเตรียมงานทั้งกระบวนการด้วย
ประเด็นสำคัญ
- สิ่งที่ประกาศ: พัฒนา “AI Masterless Vision” ระบบฟิสิคัลเอไอ (AI ที่เข้าใจและควบคุมการทำงานในโลกจริง) สำหรับหุ่นยนต์อุตสาหกรรม ประกาศเมื่อวันที่ 27 ตุลาคม 2026 และมีกำหนดเริ่มจัดส่งในเดือนมกราคม 2027
- สิ่งที่เปลี่ยนไป: บริษัทระบุว่า เมื่อสั่งด้วยคำทั่วไปอย่าง “ชิ้นส่วนทรงกระบอก” ระบบจะค้นหาและขนย้ายวัตถุดิบที่ไม่เคยสอนแยกไว้ได้จากภาพ โดยไม่ต้องทำ “การสอนระบบวิชัน (vision teaching) หรือการลงทะเบียนรูปทรงชิ้นงานในระบบวิชัน” ซึ่งเป็นงานสอนรูปร่างของชิ้นงานแต่ละแบบให้หุ่นยนต์ผ่านกล้อง
- หลักการทำงาน: ใช้กล้องและ AI รับรู้รูปร่างสามมิติของวัตถุ โดย AI เรียนรู้ล่วงหน้าถึงลักษณะการมองเห็นภายใต้แสงที่ต่างกัน และลักษณะของวัตถุโปร่งใสหรือมันวาว
- สิ่งที่ยังไม่เปิดเผย: วิธีรับข้อมูลสามมิติ ช่วงรูปร่างที่รองรับ และยังไม่ชัดว่าวิธีการคีบจับและเส้นทางการเคลื่อนที่จะไม่ต้องตั้งค่าด้วยหรือไม่
- ประเด็นที่ต้องติดตาม: เวลาตั้งแต่เปลี่ยนรุ่นการผลิตจนถึงการเดินเครื่องได้อย่างเสถียร จะสั้นลงจากการสอนแบบเดิมได้เพียงใด
สั่งด้วยคำว่า “ชิ้นส่วนทรงกระบอก” หุ่นยนต์ขนย้ายวัตถุดิบได้โดยไม่ต้องลงทะเบียนรูปทรงทีละแบบ
FANUC ประกาศเมื่อวันที่ 27 ตุลาคม 2026 ว่าพัฒนา “AI Masterless Vision” สำหรับหุ่นยนต์อุตสาหกรรมแล้ว มีกำหนดเริ่มจัดส่งในเดือนมกราคม 2027
บริษัทระบุว่าได้ให้ AI หุ่นยนต์มี “ความรู้สามัญเกี่ยวกับวัตถุ” ทำให้มองวัตถุที่สั่งด้วยคำทั่วไปผ่านกล้องแล้วรับรู้ได้ ตัวอย่างเช่น เมื่อสั่งว่า “ชิ้นส่วนทรงกระบอก” ระบบจะใช้ภาพจากกล้องค้นหาวัตถุดิบทรงกระบอกที่ยังไม่ได้ลงทะเบียนรูปทรงไว้ และขนย้ายได้ บริษัทใช้สโลแกนว่า “ไม่ต้องตั้งค่า ไม่ต้องสอน เพียงวางชิ้นงาน”
ในงานแสดงเครื่องมือกลนานาชาติของญี่ปุ่น (JIMTOF2026) ที่เปิดฉากเมื่อวันที่ 26 ตุลาคม 2026 ณ Tokyo Big Sight บริษัทสาธิตการหยิบวัตถุดิบทรงกระบอกหลายแบบที่วางอยู่ โดยไม่ต้องตั้งค่าหรือสอนล่วงหน้า แล้วนำไปวางบนและนำออกจากอุปกรณ์จำลองเครื่องกลึง บริษัทเน้นย้ำระบบอัตโนมัติที่ไม่ต้องมีคนอยู่ประจำ เพียงจัดเรียงวัตถุดิบเท่านั้น

“การสอนระบบวิชัน” ที่ต้องทำทุกครั้งที่เปลี่ยนรุ่นการผลิต
ในการผลิตแบบหลายรุ่นในปริมาณน้อย รวมถึงการผลิตที่รุ่นและปริมาณผันแปร ชนิด รูปร่าง และลักษณะการวางของวัตถุดิบจะเปลี่ยนไปทุกครั้งที่เปลี่ยนรุ่นการผลิต บริษัทระบุว่า ที่ผ่านมาทุกครั้งที่ให้หุ่นยนต์จัดการวัตถุดิบที่รูปร่างต่างกัน ต้องสอนรูปร่างนั้นให้หุ่นยนต์ทีละแบบ งานนี้คือสิ่งที่บริษัทเรียกว่า “การสอนระบบวิชัน”
ระบบวิชัน 3 มิติแบบเดิมของบริษัทมีวิธีเทียบข้อมูลที่ได้จากกล้องกับแบบจำลองรูปร่างที่สอนไว้ล่วงหน้า เพื่อหาตำแหน่งและทิศทางของชิ้นงาน คาดว่าชื่อ “Masterless” หมายถึงการไม่ต้องลงทะเบียนต้นแบบ (master) ลักษณะนี้
แสงสว่างก็เป็นปัญหาหน้างานเช่นกัน บริษัทอธิบายว่า ชิ้นส่วนโลหะที่ผิวมันวาว แม้ไม่ถึงระดับกระจกเงา ตรวจจับให้แม่นยำด้วยเซนเซอร์วิชันแบบเดิมได้ยาก จึงต้องปรับแสงและลองผิดลองถูกหน้างาน
รายละเอียดหลักการที่เปิดเผยมีเพียง “การรับรู้รูปทรงสามมิติด้วยกล้องและ AI”
AI Masterless Vision รับรู้รูปร่างสามมิติของวัตถุด้วยกล้องและ AI เนื่องจาก AI เรียนรู้ล่วงหน้าว่าวัตถุมีลักษณะอย่างไรภายใต้เงื่อนไขแสงที่หลากหลาย บริษัทระบุว่าจึงรับรู้รูปทรงสามมิติของวัตถุได้อย่างเสถียร แม้ในสภาพแวดล้อมที่ความสว่างเปลี่ยนไปตามช่วงเวลาของวันหรือฤดูกาล และเมื่อให้ AI เรียนรู้ลักษณะของวัตถุโปร่งใสและวัตถุที่เงาสะท้อนคล้ายกระจกด้วย ก็รับรู้ชิ้นงานโปร่งใสและชิ้นงานมันวาวที่กล้องแบบเดิมรับรู้ไม่ได้
อย่างไรก็ตาม หลักการที่เปิดเผยมีเพียงเท่านี้ บริษัทไม่ได้เปิดเผยว่าผสานข้อมูลภาพกับข้อมูลความลึกอย่างไร คำอย่าง “ชิ้นส่วนทรงกระบอก” เชื่อมโยงกับรูปร่างในช่วงกว้างเพียงใด และ AI ใช้วิธีใดชดเชยข้อมูลที่ขาดหายในการรับรู้วัตถุโปร่งใสและวัตถุผิวเงาคล้ายกระจก ขณะนี้ยังไม่สามารถตัดสินได้ว่าระบบรับรู้ภายในหมวดหมู่รูปร่างที่เรียนรู้ไว้แล้ว หรือรองรับรูปร่างที่ไม่เคยพบได้อย่างกว้างขวาง
หากเป็นไปตามคำอธิบายของบริษัท งานลงทะเบียนรูปร่างต่อชิ้นงานที่หน้างานเคยทำ จะถูกแทนที่ด้วยการเรียนรู้ล่วงหน้าที่ผู้ผลิตทำไว้แล้วในบางส่วน แต่ยังไม่ทราบว่าภาระหน้างานจะหมดไป หรือเพียงเปลี่ยนรูปเป็นการตรวจสอบว่าเป้าหมายอยู่ในหมวดหมู่ที่เรียนรู้ไว้หรือไม่ และการจัดการกรณีข้อยกเว้น
บริษัทระบุว่า หุ่นยนต์ที่ติดตั้งบน AGV (รถขนส่งไร้คนขับ) ที่เคลื่อนที่ในโรงงาน หรือบนรถเข็น ก็ค้นหาและขนย้ายเป้าหมายได้โดยไม่ขึ้นกับการเปลี่ยนแปลงของสภาพแวดล้อมโดยรอบ
แนวทางลดงานสอนที่ต่อเนื่องไปถึงงานเชื่อมและการทดสอบร่วมกับ Hitachi ของญี่ปุ่น
ผลิตภัณฑ์นี้เป็นส่วนหนึ่งของ “ฟิสิคัลเอไอบนแพลตฟอร์มเปิด” ที่ FANUC นำเสนอในงานแสดงหุ่นยนต์นานาชาติ (International Robot Exhibition) เมื่อเดือนธันวาคม 2025 บริษัทเปิดเผยไดรเวอร์สำหรับ ROS 2 (แพลตฟอร์มพัฒนาสำหรับหุ่นยนต์) ติดตั้ง Python เป็นมาตรฐาน และรองรับแพลตฟอร์มจำลองของ NVIDIA ของสหรัฐอเมริกา และระบุว่าหลังจากนั้นได้รับการสอบถามเรื่องฟิสิคัลเอไอจากลูกค้าจำนวนมาก
ในเดือนกันยายน 2026 บริษัทประกาศ “AI Welding Agent” ซึ่งใช้ generative AI ของ Google Cloud ของสหรัฐอเมริกาอ่านแบบชิ้นส่วน แล้วสร้างเงื่อนไขการเชื่อมและการเคลื่อนที่ของหุ่นยนต์โดยอัตโนมัติ มีกำหนดเริ่มจัดส่งปลายเดือนธันวาคม 2026
ในวันที่ 30 กันยายน 2026 บริษัทยังทำความร่วมมือเชิงกลยุทธ์กับ Hitachi ของญี่ปุ่น โดยใช้โรงงานของ Hitachi ในพื้นที่ Ibaraki เป็น “Customer Zero” (สถานที่ทดสอบจริงแห่งแรก) และมีแผนให้ AI เรียนรู้กฎเฉพาะหน้างานอย่างต่อเนื่อง ในการหยิบชิ้นส่วนและการปรับตั้งเครื่องใหม่เมื่อเปลี่ยนรุ่นการผลิต แผนนี้มีกำหนดขยายไปสู่ลูกค้าของทั้งสองบริษัทตั้งแต่ปีงบประมาณ 2027
เมื่อนำมาเรียงกัน จะเห็นกลยุทธ์ที่ซ้อนกัน 2 ชั้น คือชั้นที่ใช้การเรียนรู้ล่วงหน้าแบบทั่วไปเพื่อลดการตั้งค่าเริ่มต้น และชั้นที่เรียนรู้ข้อยกเว้นเฉพาะหน้างานอย่างต่อเนื่อง ทั้งนี้เป็นข้อสังเกตของบทความนี้ บริษัทไม่ได้ระบุว่าทั้งสองชั้นเชื่อมต่อกันในทางเทคนิคอย่างไร หรือจะนำผลการทดสอบร่วมกับ Hitachi มาใช้กับ AI Masterless Vision หรือไม่
หน่วยธุรกิจหุ่นยนต์มียอดขาย 194,300 ล้านเยนในช่วงเมษายน–กันยายน 2026 คิดเป็นราว 41% ของยอดขายรวมของกลุ่ม ซึ่งเป็นหน่วยธุรกิจใหญ่ที่สุด แต่อัตราการเพิ่มขึ้นของยอดขาย 12.6% ต่ำกว่า 16.2% ของยอดรวมทั้งกลุ่ม
ความสำคัญเชิงกลยุทธ์ของผลิตภัณฑ์นี้อยู่ที่ว่าจะขยายขอบเขตการติดตั้งหุ่นยนต์ไปยังอุตสาหกรรมทั่วไปที่หาผู้ทำงานสอนหุ่นยนต์ได้ยาก และกระบวนการที่มีหลายรุ่นการผลิตได้หรือไม่ บริษัทยังไม่เปิดเผยราคาและรูปแบบการให้บริการ

กระบวนการที่เหมาะกับการใช้งาน คือกระบวนการที่การสอนระบบวิชันเป็นอุปสรรคต่อการเตรียมงาน
กระบวนการที่น่าจะเห็นผลได้ง่าย คือกระบวนการที่ระบุเป้าหมายได้ด้วยชื่อรูปร่างทั่วไป และ การสอนระบบวิชัน ที่ทำทุกครั้งที่เปลี่ยนรุ่นการผลิตใช้สัดส่วนใหญ่ของเวลาเตรียมงาน ในทางกลับกัน ในกระบวนการที่การเลือกมือจับเฉพาะทาง การประสานงานที่ซับซ้อนกับเครื่องมือกล หรือข้อจำกัดด้านรอบเวลาเป็นปัจจัยหลัก การลดเพียงการตั้งค่าการรับรู้ภาพอาจให้ผลตอบแทนการลงทุนจำกัด อย่างไรก็ตาม ยังไม่มีการเปิดเผยโครงแบบของหุ่นยนต์และกล้องที่รองรับ เวลาในการประมวลผล และอัตราความสำเร็จของการรับรู้ จึงยังเป็นเพียงข้อสังเกตในขณะนี้
การอ่านผลการสาธิตวัตถุทรงกระบอกก็ต้องระมัดระวัง ทรงกระบอกไม่เปลี่ยนรูปแม้หมุนรอบแกน จึงจำกัดตัวเลือกของทิศทางและตำแหน่งคีบจับได้ง่ายกว่าชิ้นส่วนรูปทรงพิเศษที่ซับซ้อน การสาธิตการวางและนำวัตถุดิบทรงกระบอกออกเพียงอย่างเดียวไม่อาจประเมินความสามารถในการแยกแยะรูปร่างที่คล้ายกัน หรือในการรับมือกับชิ้นส่วนรูปทรงพิเศษที่มีพื้นผิวให้คีบจับได้จำกัด
บริษัทระบุว่ารับรู้ชิ้นงานโปร่งใสและมันวาวได้ แต่ไม่ได้ระบุเงื่อนไขของวัสดุ ฉากหลัง และแสง หรือผลว่าเมื่อขนย้ายจริงแล้วสำเร็จหรือไม่
แม้ติดตั้งแล้ว วิธีคีบจับ การเชื่อมต่อกับอุปกรณ์ และการกู้คืนเมื่อเกิดข้อผิดพลาดยังต้องตรวจสอบแยกต่างหาก
การประกาศไม่ได้อธิบายว่า การเลือกมือจับ ตำแหน่งที่คีบ เส้นทางที่ไม่ชนอุปกรณ์โดยรอบ การแลกเปลี่ยนสัญญาณกับเครื่องมือกล การออกแบบด้านความปลอดภัย ไปจนถึงการกู้คืนเมื่อการรับรู้ล้มเหลว จะไม่ต้องตั้งค่าทั้งหมด จึงยังไม่ชัดเจนว่า “ไม่ต้องตั้งค่า ไม่ต้องสอน” หมายถึงเฉพาะการตั้งค่าระบบวิชัน หรือครอบคลุมทั้งระบบที่รวมหุ่นยนต์
สิ่งที่ควรติดตามหลังเริ่มจัดส่ง ไม่ใช่ว่ารับรู้ทรงกระบอกได้หรือไม่ แต่คือเวลารวมตั้งแต่สั่งเปลี่ยนรุ่นการผลิตจนถึงการเดินเครื่องได้อย่างเสถียร รวมการลองซ้ำและการกู้คืนจากความผิดปกติ ว่าสั้นลงจากวิธีเดิมได้เพียงใด หากเวลานี้ไม่สั้นลง ผลของ “Masterless” ก็จะหยุดอยู่ที่การลดงานตั้งค่าระบบวิชัน การที่จะทำให้การเตรียมงานทั้งกระบวนการสั้นลงได้หรือไม่ คือสิ่งที่ตัดสินว่าผลิตภัณฑ์นี้คุ้มค่ากับการลงทุนในอุปกรณ์หรือไม่







