LATENT คือโปรเจกต์สอนหุ่นยนต์ฮิวแมนนอยด์เล่นเทนนิสแบบนักกีฬา…
ถ้าอธิบายคำว่า latent action space แบบภาษาคน มันเหมือนการย่อ “คลังท่าพื้นฐาน” ของนักเทนนิสไว้ในสมองหุ่นก่อน เช่น ท่าก้าวเท้า ท่าหมุนสะโพก ท่าเหวี่ยงแขน แล้วค่อยให้ policy ระดับบนเลือกว่าจะหยิบท่าไหนมาผสม แก้ และต่อกันยังไงตามสถานการณ์ เลยไม่ต้องสั่งทุกข้อต่อแบบละเอียดตลอดเวลา ทำให้หุ่นดูเป็นธรรมชาติกว่าและรับมือบอลได้หลายแบบขึ้น
งานนี้รันบน Unitree G1 และทีมบอกชัดว่าใช้ MuJoCo, Brax และ JAX ในการฝึก รวมถึงมี pipeline สำหรับ motion tracker pre-training, online distillation และ high-level policy learning ตอนนี้โค้ดเปิดบน GitHub แล้ว และมีการปล่อย tracking codebase กับชุดข้อมูลการเคลื่อนไหวเทนนิสบางส่วนออกมาเมื่อ 13 มีนาคม 2026 ด้วย
ของจริงที่ทำให้คนว้าวคือมันเริ่มจากสภาพที่ตีโต้แทบไม่ได้ แล้วค่อยพัฒนาไปจนตีโต้หลายช็อตกับมนุษย์ได้อย่างเสถียร อันนี้สำคัญมาก เพราะหุ่นยนต์กีฬาไม่ได้วัดกันแค่ว่าตีโดนลูกไหม แต่วัดที่การขยับทั้งตัว การทรงตัว และการตอบสนองต่อบอลเร็วด้วย ผมมองว่านี่ไม่ใช่แค่เดโมโชว์เท่ แต่เป็นสัญญาณว่าหุ่นยนต์กำลังเริ่มเรียน “ทักษะกีฬาที่ต่อเนื่อง” ได้จริงแล้ว
อีกมุมที่ต้องพูดตรงๆ คือมันยังไม่ใช่หุ่นนักเทนนิสอิสระเต็มตัว ตัวโปรเจกต์ยังพึ่งระบบภายนอกหลายอย่าง และฝั่ง GitHub ก็ยังปล่อยมาไม่ครบทุกส่วนตาม roadmap ดังนั้นตอนนี้มันยังเป็นงานวิจัยระดับน่าตื่นเต้น มากกว่าจะเป็นสินค้าใช้จริงทันที แต่ถ้าเทียบกับราคาฮาร์ดแวร์ Unitree G1 ที่เริ่มต้นราว 13,500 ดอลลาร์ จุดแข็งของ LATENT คือทำให้เราเห็นว่า “หุ่นราคาต่ำกว่าตัวท็อปๆ” ก็เริ่มไปแตะทักษะกีฬาซับซ้อนได้แล้ว
ส่วนตัวผมว่าไฮไลต์จริงไม่ใช่คำว่าเทนนิส แต่คือวิธีคิดแบบเอาข้อมูลไม่สมบูรณ์มาเปลี่ยนเป็นทักษะที่เล่นได้จริง ถ้าแนวนี้ไปต่อได้ เราอาจเห็นหุ่นเรียนกีฬา งานภาคสนาม หรือทักษะกึ่งช่างกึ่งกีฬาได้เร็วขึ้นอีกเยอะ และวันนั้นการแข่งขันของหุ่นยนต์อาจไม่ได้อยู่ที่ใครเดินได้สวยกว่า แต่อยู่ที่ใคร “เรียนทักษะใหม่” ได้ไวกว่าแล้ว
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac