รู้จัก Nimble สตาร์ตอัปด้าน Autonomous logistics fulfillment

บริษัทสตาร์ตอัป Nimble ทำงานที่เรียกว่า Autonomous logistics fulfillment

ลูกค้าของบริษัทนี้คือ บริษัท ecommerce ที่ไม่ต้องการจัดการโกดังสินค้าเอง (คนที่อยากทำแค่งาน SalesMarketing ขายของให้ได้ก็พอ ส่วนเรื่องจัดของลงกล่อง ส่งของให้ลูกค้า ให้ Nimble ทำ) หรือบริษัทที่อยากทำให้ระบบโกดังสินค้าของตัวเองเป็นระบบอัตโนมัติมากขึ้น ให้หันมาใช้ 3PL center (3rd Party Logistic) ของ Nimble ที่ใช้หุ่นยนต์หยิบสินค้าแยกสินค้าลงกล่อง แพ็ค ส่งให้กับลูกค้าทั้งหมด

Simon Kalouche ผู้ก่อตั้ง / CEO ของ Nimble บอกว่าระบบนี้ลดเวลา click-to-collect ได้ 40% เทียบกับ 3PL แบบเก่า ลดขนาดโกดังลงได้มากสุดถึง 75% ตอนนี้เครือข่ายโกดังสินค้าที่สร้างไว้ครอบคลุม 96% ของ USA จัดการส่งสินค้าให้ลูกค้าได้ภายใน 1-2 วัน เทียบกับ Amazon same day delivery ยังถือว่าสู้ไม่ได้ แต่อย่างน้อยก็ทำให้เจ้าของธุรกิจที่หันมาใช้บริการนี้ ทำงานส่วนนี้ได้เร็วขึ้นมาก และไม่ต้องจัดการปัญหาเรื่องแรงงานคน

ตอนนี้ Nimble กำลังระดมทุนรอบใหม่ series B มูลค่า $65M เพื่อขยายเครือข่ายเพิ่ม (สร้างโกดังเพิ่ม) ให้รองรับลูกค้าได้มากขึ้น ครอบคลุมมากขึ้น

https://www.nimble.ai/

ที่มา – siliconANGLE

from:https://www.thairobotics.com/2023/03/21/nimble-autonomous-logistics-fulfillment/

ทีม Explorer จาก Carnegie Mellon และ Oregon State ชนะ DARPA ในยกแรก

สัปดาห์ที่ผ่านมามีการแข่งขัน DARPA Subterranean (SubT) ในสนามแรกที่เหมืองวิจัย NIOSH เมืองพิตส์เบิร์ก รัฐเพนซิลเวเนีย ซึ่งผู้ที่ได้คะแนนสูงสุดในสนามนี้ได้แก่ทีม Explorer จากมหาวิทยาลัยคาร์เนกีเมลลอนและมหาวิทยาลัยออริกอนสเตต โดยได้คะแนนนำทีม CoSTAR และ ทีม CTU-CRAS เกือบ 2 เท่า

รูปคะแนนจาก Twitter ของ DARPA

โดยการแข่งขันจะมีทั้งหมดสามสนามคือ Tunnel Systems, Urban Underground, และ Cave Networks การแข่งขันรอบนี้เป็นการแข่งขันรอบแรกจากสามสนาม

รูปจาก DARPA

การแข่งรอบถัดไปเป็นสนาม Urban Circuit จะจัดในช่วงกุมภาพันธ์ 2020 หลังจากนั้นจะเป็น Cave Circuit ช่วงสิงหาคม 2020 และการแข่งขันรอบสุดท้ายที่จะจัดหลังจากนั้นอีก 1 ปีคือช่วงสิงหาคม 2021

การแข่งขัน SubT นี้เป็นการจำลองสถานการณ์เหตุฉุกเฉินที่ให้ทีมขนาดเล็กดำเนินการสำรวจสภาพแวดล้อมที่อยู่ใต้ดินที่ไม่รู้จัก (และยากต่อการระบุตำแหน่งด้วยดาวเทียม) โดยสภาพแวดล้อมนั้นอาจจะเกิดการเปลี่ยนแปลงที่ทำให้สถานการณ์แย่ลงได้ตลอดเวลา และมีความเสี่ยงที่จะส่งมนุษย์เข้าไป

แต่ละทีมจะต้องสำรวจสภาพแวดล้อมนี้อย่างรวดเร็ว ทำแผนที่และระบุตำแหน่งของสิ่งของต่าง ๆ เช่น ผู้รอดชีวิต หรือ กล่องใส่วงจรอิเล็กทรอนิก (electronic box) โดยระหว่างการสำรวจจะต้องส่งข้อมูลกลับมาที่สถานีฐานที่ตั้งไว้ให้รวดเร็วที่สุด โดยจุดสำคัญของการให้คะแนนคือทั้งความครอบคลุมของข้อมูลที่ส่งกลับมาและความรวดเร็วของการส่ง

ที่มา DARPA Twitter account, Spectrum

from:https://www.thairobotics.com/2019/08/24/explorer-won-tunnel-circuit-darpa-subt/

หุ่นยนต์ DRAGON แปลงร่างได้กลางอากาศ

งานวิจัยหุ่นยนต์ DRAGON (มังกร) จากแล็บ JSK (Jouhou System Kougaku Laboratory) มหาวิทยาลัยโตเกียวตัวนี้เกิดขึ้นจากความตั้งใจที่จะสร้างหุ่นยนต์บินได้ และปรับเปลี่ยนรูปร่างได้กลางอากาศ (Transformable aerial robot) เหมือนมังกรที่เลื้อยหัวเลื้อยหางไปมาได้ขณะที่บินอยู่ในอากาศ โดยหวังว่าจะเกิดประโยชน์ในการบินผ่านพื้นที่แคบ อย่างเช่น ซอกเล็ก ๆ ยาว ๆ หรือมุมแคบ ๆ

ฮาร์ดแวร์ที่เป็นพระเอกในงานวิจัยนี้คือ Dual-rotor gimbal module ซึ่งเป็นข้อต่อที่มี 2 องศาอิสระ (2DoF joint modules) สร้างเวกเตอร์แรงได้ 2 แกน พอเอามันเชื่อมต่อกันหลาย ๆ ชิ้น (เรียกว่า Multi-DoF aerial transformation) ก็จะทำให้หุ่นยนต์ปรับเปลี่ยนรูปร่างได้มากขึ้น จาก 2 องศาอิสระ เป็น 4 องศาอิสระ หรือมากกว่านั้นได้เรื่อย ๆ หุ่นยนต์ต้นแบบในงานวิจัยนี้มี Dual-rotor gimbal module จำนวน 4 ชิ้นประกอบกัน

ในด้านพลศาสตร์การควบคุม นักวิจัยใช้วิธีรักษาทิศทางของศูนย์ถ่วง CoG Orientation เป็นพื้นฐาน ด้วยการควบคุม 2 ชนิด คือ ควบคุมแรงยก (Thrust force control) และ ควบคุมข้อต่อ (Gimbal control) ส่วนการควบคุมการปรับเปลี่ยนรูปร่างของหุ่นยนต์ จะใช้เวกเตอร์ 2 เวกเตอร์ของแรงที่สร้างขึ้นจากแต่ละ Dual-rotor gimbal module ในการควบคุม

ชมวิดีโอสาธิตการทำงานได้ด้านล่างนี้ครับ

ที่มา – IEEE Xplore

from:https://www.thairobotics.com/2018/05/29/dragon-robot/

Boston Dynamics ปล่อยวิดีโอโชว์ความสามารถล่าสุดของ Atlas และ SpotMini

สัปดาห์นี้บริษัท Boston Dynamics ได้เผยแพร่วิดีโอที่อัปเดตความสามารถของหุ่นยนต์ Atlas และ SpotMini โดยที่ Atlas ในวิดีโอล่าสุดวิ่งจ๊อกกิ้งได้แล้ว! จากที่เมื่อก่อนได้แค่เดิน (ก็ว่าเจ๋งมากแล้ว) จังหวะการวิ่ง การลอยตัวในอากาศ ดูมีเสถียรภาพ มีวิธีการควบคุมให้ทรงตัวไม่ล้มได้ต่อเนื่องอย่างไม่น่าเชื่อ

วิดีโอถัดมาแสดงการทำงานของ SpotMini ในการเดินทางไปยังจุดต่าง ๆ ทั้งนี้ หุ่นยนต์มีข้อมูลแผนที่อยู่ก่อนแล้ว แต่จะต้องเจอกับอุปสรรคบางอย่างที่ต้องปรับแก้เส้นทางเฉพาะหน้าเล็กน้อย เช่น พบสิ่งกีดขวาง ต้องเดินหลบให้ได้ เจอบันได้ จะต้องเดินขึ้น-ลงด้วยจังหวะก้าวเดินอย่างไร ความสามารถที่แสดงในวิดีโอนี้อาจจะเป็นการฝึกโปรแกรมไว้ล่วงหน้าแล้ว หรือหุ่นยนต์อาจจะวิเคราะห์หาท่าเดินที่เหมาะสมที่สุดได้ ณ เวลาที่พบอุปสรรคทันทีทันใดเลยก็เป็นได้

ภาพ – Boston Dynamics [1], [2]
ที่มา – IEEE Spectrum

from:https://www.thairobotics.com/2018/05/15/boston-dynamics-atlas-spotmini/

โดรนที่จะมาหยุดยั้งภัยกราดยิง

ภาพตำรวจเข้าควบคุมพื้นที่ Route 91 Harvest Festival เป็นเวลา 48 ชั่วโมง หลังจากมีเหตุกราดยิงที่ South 3900 block ใน Las Vegas

อย่างที่ทราบกันว่าประเทศสหรัฐอเมริกามีเหตุโศกนาฏกรรมกราดยิงในพื้นที่สาธารณะเกิดขึ้นอยู่บ่อยมากอย่างที่ไม่ปรากฎในประเทศอื่น ใน 1,870 วัน มีเหตุเกิดขึ้น 1,624 วัน (86%)

มีบริษัทโดรนหนึ่งที่ชื่อว่า Astral AR ภายใต้การนำของ CEO หญิง La Salla กำลังสร้างโดรนที่จะมาช่วยลดความรุนแรงจากภัยนี้ ตัวโดรนติดเซนเซอร์ตรวจหาปืนและระเบิดในอาคาร และรายงานให้ผลการตรวจหาให้ทราบก่อนที่อาวุธเหล่านั้นจะถูกนำออกไปใช้ โดรนตัวนี้มีชื่อว่า Edna

เทคนิคที่ใช้ตรวจหาอาวุธคือใช้ X-Ray Vision ที่ทำให้เห็นภาพทะลุไปหลังกำแพงคอนกรีตได้, Object Identification อัลกอริธึมในการจำแนกวัตถุ และ Anomaly Detection

ในภาวะที่เกิดเหตุยิง Edna มีความสามารถในการทำลายลูกกระสุนปืนที่ยิงมายังโดรน โดยใช้แผงเลเซอร์ที่สามารถทำให้อากาศโดยรอบมีความร้อนสูงจนเกินจุดเดือด (superheat) หากมีคนกำลังจะยืนมือไปหยิบปืน มันจะบินเข้าไปหาคนที่จะหยิบปืนเพื่อรับ/ทำลายลูกกระสุนปืนหากถูกยิงออกมา

บริษัท ASTRAL AR ใช้เงินไปแล้วกว่า 600,000 เหรียญสหรัฐฯ สำหรับการพัฒนาในช่วงสองสามปีที่ผ่านมา หวังว่าจะได้เห็นตัวต้นแบบเร็วๆ นี้ครับ

ที่มาและภาพ The Drone Girl

from:https://www.thairobotics.com/2018/03/01/edna-drone/

สิ่งที่ทีมหุ่นยนต์งูของ CMU เรียนรู้จากกู้ภัยแผ่นดินไหวเม็กซิโก

Biorobotics Lab ที่ Carnegie Mellon University ได้รับการติดต่อให้นำหุ่นยนต์งูไปช่วยเหลืองานค้นหาผู้ประสบภัยจากเหตุแผ่นดินไวที่ประเทศเม็กซิโก Matt Travers และ Howie Choset ได้เล่าถึงประสบการณ์และสิ่งที่ได้เรียนรู้จากการนำหุ่นยนต์ไปปฏิบัติงานจริง ๆ ดังนี้

• หน้างานเป็นสถานที่ที่อันตราย เข้าถึงได้ยาก ถึงแม้จะมีผู้คนมากมายมาช่วยเหลืองานกู้ภัย แต่การที่มีคนจำนวนมากในสถานที่ที่อันตรายเป็นเรื่องที่ไม่ปลอดภัย
• สำหรับเจ้าหน้าที่กู้ภัยแล้ว ไม่ว่าจะเป็นหุ่นยนต์หรืออะไร ทุกอย่างเป็นเพียงเครื่องมือ ถ้าใช้งานได้ก็ดีทั้งนั้น
• เครื่องมือที่เจ้าหน้าที่ใช้เป็นหลักคือแท่งเหล็กและไมโครโฟนกำลังสูง แท่งเหล็กใช้ตีไปตามที่ต่าง ๆ ให้เกิดเสียงดัง ให้ผู้ที่ติดอยู่รับรู้ว่ามีผู้มาช่วยเหลือแล้วส่งเสียงร้องซึ่งตรวจจับได้ด้วยไมโครโฟน
• หุ่นยนต์กู้ภัยมักติดกล้องไว้ แต่สุนัขดมกลิ่นและไมโครโฟนทำงานได้ดีกว่ากล้อง การใช้กล้องต้องมี line of sight จากกล้องไปยังเป้าหมาย แต่กลิ่นและเสียงเดินทางทะลุซากปรักหักพังได้
• ลำโพงและไมโครโฟนจึงเป็นสิ่งที่ทีมกู้ภัยต้องการให้มีเพิ่มเติมในหุ่นยนต์ เพื่อให้สามารถเพิ่มระยะที่ไมโครโฟนจะเข้าไปในซากปรักหักพังได้ลึกขึ้น
• เมื่อต้องมี line of sight ถ้าต้องการมองอ้อมสิ่งกีดขวาง เครื่องมือปัจจุบันคือการใช้แท่งติดกล้องยื่นไปส่อง หุ่นยนต์งูมีหน้าที่เดียวกันกับแท่งนี้ แต่ยืดหยุ่นกว่า

สิ่งที่ทีมได้เรียนรู้จากการไปปฏิบัติงานในสถานการณ์จริงนั้น หลายเรื่องดูเป็นเรื่องตรงไปตรงมาเข้าใจได้ง่าย แต่ถ้าอยู่แต่ในห้องวิจัย ไม่ได้ไปเจอสถานการณ์จริงก็อาจจะมองข้ามไป

ภาพและที่มา IEEE Spectrum

from:https://www.thairobotics.com/2017/10/16/lesson-learnt-cmu-snake-bot-mexico-earthquake/

3M ช่วยทำป้ายนำทางสำหรับรถไร้คนขับที่คนมองไม่เห็น

3M ที่เรารู้จักจาก Post-It และ Scotch tape กำลังจะมีส่วนร่วมในการพัฒนาโครงสร้างพื้นฐานที่ทำให้รถไร้คนขับปฏิบัติงานได้ดีขึ้น โดยการซ่อนสัญลักษณ์ลงไปในป้ายจราจรที่รถเห็นแต่คนไม่เห็น

3M ถือว่าเป็นบริษัทที่เชี่ยวชาญด้านวัสดุที่ถูกนำมาใช้งานอย่างหลากหลาย หนึ่งในนั้นคือแถบสะท้อนแสง แถบสะท้อนแสงนี้เองสามารถสะท้อนแสงที่ส่องเข้ามาตรง ๆ ได้ดีและทำเป็นสีอะไรก็ได้ หากทำแถบสะท้อนแสงให้มีรูปร่างเป็นสัญลักษณ์แต่มีสีกลืนกับพื้นหลัง มนุษย์จะเห็นป้ายปกติ ในขณะที่รถไร้คนขับซึ่งใช้เซนเซอร์ที่อาศัยการสะท้อนแสง เช่น LIDAR จะเห็นสัญลักษณ์ที่ซ่อนอยู่ได้อย่างชัดเจน สัญลักษณ์นี้อาจจะใส่พิกัด GPS ลงไป หรือแจ้งให้รถเตรียมตัวต่อสถานการณ์ข้างหน้า เช่น ระวังงานก่อสร้าง หรือมีป้ายจราจรให้ตรวจจับ เป็นต้น การให้ข้อมูลเพิ่มเติมกับรถจะทำให้รถไร้คนขับทำงานได้น่าเชื่อถือมากขึ้น ลดความเสี่ยงที่ตรวจจับ GPS ไม่ได้ หรือมีวัตถุที่เซนเซอร์ทั่ว ๆ ไปตรวจจับยากกีดขวางอยู่

นิทานเรื่องนี้สอนให้รู้ว่า มนุษย์และหุ่นยนต์ตรวจจับและรับรู้ด้วยวิธีการที่แตกต่างกัน การจะให้หุ่นยนต์ทำงานในสภาพแวดล้อมที่ออกแบบมาสำหรับมนุษย์อาจจะยากเกินไป และทำให้หุ่นยนต์ทำงานได้ไม่เต็มที่ แต่ถ้าเรายอมปรับเปลี่ยนสภาพแวดล้อมให้เป็นมิตรกับหุ่นยนต์มากขึ้น หุ่นยนต์ก็จะทำงานได้มากขึ้น

ภาพและที่มา Business Insider

from:https://www.thairobotics.com/2017/08/28/3m-invisible-sign-for-autonomous-car/

การดัดแปลงป้ายจราจรเล็กน้อย สามารถหลอกปัญญาประดิษฐ์ได้

การมองเห็นและตีความภาพของมนุษย์กับปัญญาประดิษฐ์นั้นแตกต่างกัน ภาพ 2 ภาพที่ดูคล้ายกันมากในสายตามนุษย์อาจะถูกตีความเป็นสิ่งที่แตกต่างกันสิ้นเชิงโดยปัญญาประดิษฐ์ นักวิจัยสามารถหลอกการตีความป้ายจราจรของปัญญาประดิษฐ์ได้โดยการดัดแปลงป้ายเล็กน้อย

การใช้ machine learning เพื่อเรียนรู้รูปภาพต่าง ๆ จะใช้ภาพตัวอย่างจำนวนมากเพื่อให้ AI หารูปแบบที่คล้ายกันในภาพเหล่านั้น ซึ่งอาจจะไม่ใช่ในรูปแบบที่มนุษย์เข้าใจ เช่น ป้ายหยุด มนุษย์จะแยกแยะได้จากการที่ป้ายเป็นรูปแปดเหลี่ยม พื้นหลังสีแดง ตัวหนังสือสีขาว เขียนว่า STOP แต่ AI จะดูคุณลักษณะของภาพ เช่น การตัดกันของสี การเรียงตัวกันของสีที่ใกล้เคียงกัน เป็นต้น ซึ่งภาพตัวอย่างที่ต่างกัน กระบวนการเรียนรู้ที่ต่างกัน ก็ได้กฎเกณฑ์การตัดสินใจว่ารูปนั้นเป็นรูปอะไรแตกต่างกัน

การเปลี่ยนแปลงในภาพเพียงเล็กน้อย เช่น การเติมจุดสี แถบสี คู่สีที่ตัดกันลงไปในภาพ ก็สามารถหลอกกระบวนการการตีความภาพของ AI ได้ เช่น การผสมจุดสีลงไปในภาพหมีแพนด้า ก็ทำให้ AI เข้าใจว่าเป็นภาพลิงได้

การผสมแสงเงาลงไปในป้าย สามารถทำให้ป้ายหยุดถูกตีความเป็นป้ายจำกัดความเร็ว และป้ายเลี้ยวขวาถูกตีความเป็นป้ายหยุดได้

การติดแถบสีลงไปในป้ายทำให้ป้ายหยุดถูกตีความเป็นป้ายจำกัดความเร็ว หรือป้ายให้ทางได้

แต่ทั้งนี้ไม่ใช่ว่าใคร ๆ ก็สามารถไปป่วนป้ายจราจรได้ เพราะ การดัดแปลงบางแบบต้องดัดแปลทั้งภาพ การดัดแปลงบางอย่างอาจมีผลแค่บางมุมมองหรือบางระยะ และการดัดแปลงเหล่านี้ก็อาจไม่ได้มีผลต่อ AI ทุกตัว ขึ้นอยู่กับว่า AI ไหนได้รับการเรียนรู้มาอย่างไร นี่เป็นสาเหตุให้หุ่นยนต์หรือรถไร้คนขับต้องใช้เซนเซอร์หลายอย่างร่วมกันในการตรวจจับวัตถุต่าง ๆ เช่น RADAR, LIDAR, GPS เป็นต้น

นิทานเรื่องนี้สอนให้รู้ว่า เซนเซอร์และการประมวลผลของหุ่นยนต์และ AI ต่างจากมนุษย์ งานอย่างเดียวกันคนและ AI อาจมีวิธีคิดต่างกัน จึงอาจเกิดความผิดพลาดในรูปแบบที่แตกต่างกัน ในการพัฒนาหุ่นยนต์หรือ AI จึงควรใช้ข้อมูลจากหลายรูปแบบเพื่อป้องกันความผิดพลาดที่อาจเกิดขึ้น

ใครสนใจสามารถอ่านงานวิจัยฉบับเต็มได้ที่นี่ Robust Physical-World Attacks on Machine Learning Models

ภาพและที่มา IEEE Spectrum

from:https://www.thairobotics.com/2017/08/28/street-sign-recognition-fooled/

บอทจาก OpenAI ชนะเซียนเกม DOTA และทำไมเกมแบบนี้ถึงท้าทาย

ปัญญาประดิษฐ์จาก OpenAI สามารถเอาชนะ Dendi เซียนเกม DOTA ได้ภายใน 10 นาทีในเกมแรก ในเกมที่ 2 Dendi ยอมแพ้ และขอไม่เล่นต่อในเกมที่ 3 ในการแข่งขันตัวอย่างในงาน The International DOTA 2 Championships

OpenAI เป็นองค์กรไม่หวังผลกำไรที่ส่งเสริมการพัฒนาปัญญาประดิษฐ์ไปใช้ให้เกิดประโยชน์ (มี Elon Musk เป็นหนึ่งในผู้ก่อตั้ง) มีผลงานด้านปัญญาประดิษฐ์หลายชิ้น และล่าสุดก็สามารถเอาชนะผู้เล่นมืออาชีพที่เป็นมนุษย์ในการแข่งขัน DOTA แบบผู้เล่น 1 ต่อ 1

DOTA เป็นเกมที่ผู้เล่นบังคับตัวละครที่มีความสามารถแตกต่างกันไปในแต่ละตัว เพื่อต่อสู้กับคู่ต่อสู้ และสามารถเพิ่มความสามารถของตัวละครได้ ความท้าทายของ DOTA เหนือการแข่งขันอื่น ๆ ที่ปัญญาประดิษฐ์เคยแข่งกับมนุษย์มา ไม่ว่าจะเป็นหมากรุก หรือโกะ คือ ในเกมกระดานนั้น ผู้เล่นทั้ง 2 ฝ่ายสามารถเห็นภาพรวมของเกมทั้งหมด มีหมากอยู่ตรงไหนบ้าง มีตาเดินอย่างไรได้บ้าง ในขณะที่ผู้เล่น DOTA จะเห็นความเคลื่อนไหวของเกมแค่บริเวณรอบ ๆ ตัวละครที่ตัวเองบังคับเท่านั้น การที่ไม่เห็นความเคลื่อนไหวทั้งหมดในเกมทำให้ปัญญาประดิษฐ์ต้องคาดการณ์ความเคลื่อนไหวของคู่ต่อสู้ด้วย

ผู้พัฒนา DOTA บอทจาก OpenAI มีแผนที่จะพัฒนาต่อให้สามารถแข่งขันแบบ 5 ต่อ 5 (แต่ละทีมมีผู้เล่น 5 ผู้เล่น) ให้ได้ และในที่สุดจะพัฒนาให้ปัญญาประดิษฐ์สามารถเล่นร่วมทีมกับมนุษย์ในการแข่งขันแบบ 5 ต่อ 5 ได้

ทั้งนี้ไม่ได้มีเพียง OpenAI เท่านั้นที่พยายามแก้โจทย์ลักษณะนี้ DeepMind เองก็มีแผนที่จะพัฒนาปัญญาประดิษฐ์ที่เล่นเกม StarCraft เกมวางแผนการรบ (RTS – Real-time Strategy) ที่มีความท้าทายในส่วนที่ไม่สามารถรับรู้สถานการณ์ทั้งหมดของเกมได้เช่นเดียวกับ DOTA และล่าสุดได้ร่วมกับ Blizzard ผู้พัฒนาเกม StarCraft ในการออก API มา

ภาพ Quartz
ที่มา Business Insider

from:https://www.thairobotics.com/2017/08/13/openai-defeat-dota-pro/

Roomba เตรียมขายแผนที่บ้านของคุณ

หุ่นยนต์ทำความสะอาดบ้านหลายยี่ห้อรวมถึง iRobot Roomba มีการทำแผนที่บริเวณที่ทำความสะอาดเพื่อให้ทำความสะอาดได้มีประสิทธิภาพมากขึ้น ล่าสุดมีรายงานว่า iRobot เตรียมขายข้อมูลเหล่านี้ให้บริษัทอื่น ข้อมูลแผนที่สามารถนำไปต่อยอดในระบบบ้านอัจฉริยะได้มากมาย ถัดจากยุคโซเชียลรู้ว่าคุณชอบอะไร ก็ถึงยุคที่บ้านอัจฉริยะรู้ว่าบ้านคุณต้องการเฟอร์นิเจอร์อะไรอีกบ้าง

ดูผิวเผินอาจจะเหมือนว่าแผนที่ที่หุ่นยนต์ทำขณะทำความสะอาดบ้านไม่ได้มีข้อมูลอะไรสำคัญนัก แต่ข้อมูลเหล่านี้บ่งบอกอะไรได้หลายอย่าง เช่น

• พื้นที่ไหนต้องทำความสะอาด ต้องการการดูแลรักษาบ่อย
• รู้ว่าบ้าน/ห้องใหญ่ขนาดไหน รูปทรงเป็นอย่างไร ข้อมูลนี้สามารถนำไปปรับปรุงความสามารถในการตรวจจับเสียงของลำโพงอัจฉริยะทั้งหลายได้
• คุณมีที่ว่าง ๆ ในบ้าน พร้อมให้บริษัทเฟอร์นิเจอร์มาโฆษณาสินค้าที่เหมาะกับพื้นที่บ้านคุณ
• กล้องหรือเซนเซอร์ที่ใช้แสงจะรู้ว่าบ้านมืดหรือสว่าง สามารถส่งข้อมูลให้หลอดไฟอัจฉริยะปรับแสงตามได้
• แอร์สามารถปรับการทำงานให้เหมาะสมกับพื้นที่ห้องได้ดีขึ้น

ข้อมูลเหล่านี้มีประโยชน์มากกับบริษัทผู้พัฒนาเทคโนโลยีบ้านอัจฉริยะทั้งหลาย รวมถึงบริษัทที่พัฒนาปัญญาประดิษฐ์ในบ้าน เช่น Google, Apple, Amazon เป็นต้น

iRobot เองออกมากล่าวว่าข้อมูลเหล่านี้จะไม่ถูกขายออกไปโดยไม่ได้รับความยินยอมจากผู้ใช้ก่อน แต่ในเงื่อนไขและข้อตกลงการให้บริการ (terms of service) ของสินค้าต่าง ๆ ก็มักจะเขียนด้วยภาษากฎหมายซึ่งส่วนมากจะมีช่องให้บริษัทนำข้อมูลไปขายได้อยู่ดี และผู้ใช้ส่วนมากก็มักกดยินยอมโดยไม่ได้อ่านข้อความเหล่านั้น

หากเป็นแบบนี้ ผู้ใช้จะหันไปหาสินค้าที่ความสามารถน้อยกว่าแต่มีความเป็นส่วนตัวมากขึ้นหรือไม่ CEO ของ iRobot ไม่คิดว่านั่นจะเป็นปัญหา เพราะผู้ใช้ส่วนมากต้องการสินค้าที่มีความสามารถสูง

นิทานเรื่องนี้สอนให้รู้ว่า ในยุคที่ข้อมูลเป็นเงินเป็นทอง การขายข้อมูลก็เป็นธุรกิจหนึ่ง ไม่แน่ว่าในอนาคตอาจมีโมเดลธุรกิจใหม่ ที่ให้ใช้หุ่นยนต์ฟรีหรือราคาถูกแลกกับข้อมูลของผู้ใช้ แบบที่โซเชียลเน็ตเวิร์คทั้งหลายทำกัน

ภาพ Roomba 980 Robot Vacuum Cleans a Whole Level of Your Home
ที่มา gizmodo

from:https://www.thairobotics.com/2017/07/26/irobot-to-sell-house-map/