---
title: "การหยิบชิ้นงานจากกระบะ: ความท้าทายที่แท้จริงสำหรับหุ่นยนต์ | Siemens"
description: "Siemens Inventor Inves Ugalde Diaz ปฏิวัติการหยิบชิ้นงานจากกระบะด้วยโซลูชันการหยิบจับอันยืดหยุ่น ขับเคลื่อนด้วย AI ช่วยเพิ่มประสิทธิภาพการจัดการหุ่นยนต์ในอุตสาหกรรม"
language: "th-TH"
locale: "th-TH"
source_url: "https://www.siemens.com/th-th/company/innovation/inventors/robotic-picking-system-method/"
url: "https://www.siemens.com/th-th/company/innovation/inventors/robotic-picking-system-method/"
canonical: "https://www.siemens.com/th-th/company/innovation/inventors/robotic-picking-system-method/"
image: "https://images.sw.cdn.siemens.com/siemens-disw-assets/public/3H8pPjhLh6w2dNoOgM2Ra7/en-US/c3ecfc23-353d-43d9-a02e-95237a310d48%20-%20041-IoY-Ines-Ugalde-Newcomer-0686_original.jpg?auto=format%2Ccompress&amp;w=1200&amp;h=630&amp;fit=crop&amp;crop=faces%2Cedges&amp;q=60"
type: "website"
content_category: "about"
division: "CM"
schema_type: "WebPage"
site_name: "Siemens"
fetched_at: "2026-11-17T04:37:49.412Z"
word_count: 177
reading_time_minutes: 1
links_count: 6
images_count: 6
status_code: 200
twitter_card: "summary_large_image"
---

## Structured Data (JSON-LD)

```json
{
  "@context": "https://schema.org",
  "@type": "WebPage",
  "name": "การหยิบชิ้นงานจากกระบะ: ความท้าทายที่แท้จริงสำหรับหุ่นยนต์",
  "url": "https://www.siemens.com/th-th/company/innovation/inventors/robotic-picking-system-method/",
  "breadcrumb": {
    "@type": "BreadcrumbList",
    "itemListElement": [
      {
        "@type": "ListItem",
        "position": 1,
        "item": {
          "name": "",
          "@id": "https://www.siemens.com/th-th/"
        }
      },
      {
        "@type": "ListItem",
        "position": 2,
        "item": {
          "name": "บริษัท",
          "@id": "https://www.siemens.com/th-th/company/"
        }
      },
      {
        "@type": "ListItem",
        "position": 3,
        "item": {
          "name": "นวัตกรรม",
          "@id": "https://www.siemens.com/th-th/company/innovation/"
        }
      },
      {
        "@type": "ListItem",
        "position": 4,
        "item": {
          "name": "นักประดิษฐ์แห่งปี",
          "@id": "https://www.siemens.com/th-th/company/innovation/inventors/"
        }
      },
      {
        "@type": "ListItem",
        "position": 5,
        "item": {
          "name": "การหยิบชิ้นงานจากกระบะ: ความท้าทายที่แท้จริง",
          "@id": "https://www.siemens.com/th-th/company/innovation/inventors/robotic-picking-system-method/"
        }
      }
    ]
  },
  "producer": {
    "@type": "Organization",
    "name": "Siemens"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Siemens"
  },
  "maintainer": {
    "@type": "Organization",
    "name": "Siemens",
    "department": [
      {
        "@type": "Organization",
        "name": "CM"
      }
    ]
  }
}
```

การหยิบชิ้นงานจากกระบะ: ความท้าทายที่แท้จริงสำหรับหุ่นยนต์ | Siemens

![](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/3H8pPjhLh6w2dNoOgM2Ra7/en-US/c3ecfc23-353d-43d9-a02e-95237a310d48%20-%20041-IoY-Ines-Ugalde-Newcomer-0686_original.jpg?auto=format%2Ccompress&w=2560&h=1440&fit=crop&crop=faces%2Cedges&q=60)

# การหยิบชิ้นงานจากกระบะ: ความท้าทายที่แท้จริงสำหรับหุ่นยนต์

Ines Ugalde Diaz | นักประดิษฐ์แห่งปีของ Siemens | ผู้มาใหม่

มีงานที่ง่ายสำหรับมนุษย์ แต่ยากมากสำหรับหุ่นยนต์ และการหยิบชิ้นงานจากกระบะเป็นหนึ่งในงานเหล่านั้น ตัวอย่างเช่น หุ่นยนต์จำเป็นต้องสามารถหยิบชิ้นส่วนเดียวออกจากกล่องที่มีกองชิ้นวางกองสะเปะสะปะ เช่น กองกล่องพัสดุ

Ines Ugalde Diaz และทีมของเธอในเบิร์กลีย์ (สหรัฐอเมริกา) ได้พัฒนาระบบควบคุมหุ่นยนต์มานานกว่าหกปีและได้สร้างสิ่งประดิษฐ์มากกว่า 40 รายการ จนถึงตอนนี้ Ines ได้รับเกียรติให้เป็นนักประดิษฐ์แห่งปี 2024 ในหมวดหมู่ผู้มาใหม่สำหรับโซลูชันการหยิบถังที่สามารถปรับเปลี่ยนได้อย่างยืดหยุ่นสำหรับเครื่องมือจับหุ่นยนต์ต่าง ๆ สิ่งประดิษฐ์นี้ได้รับการคัดเลือกเนื่องจากทำหน้าที่เป็นเมล็ดพันธุ์ของ Siemens SIMATIC Robot Pick AI รุ่นต่อไป Pick AI ได้รับการแสดงในงานแสดงสินค้ามากมาย รวมถึงงานแสดงสินค้าฮันโนเวอร์ในปีนี้ในเยอรมนีในฤดูใบไม้ผลิปี 2024

## จับด้วยสูญญากาศ

![บุคคลยืนอยู่หน้าไวท์บอร์ดที่แน่นไปด้วยแผนภูมิ แผนภาพ และบันทึกที่เขียนด้วยลายมือที่เกี่ยวข้องกับการจดจำวัตถุ 3 มิติและการจัดอันดับ](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/6RsTEHaZxkxutUsavadp7p/en-US/4413a9be-889e-4284-8d7a-8271cd251ee6%20-%20055-IoY-Ines-Ugalde-Newcomer-0817_original.jpg?auto=format%2Ccompress&w=1280&h=720&fit=crop&crop=faces%2Cedges&q=60)

หุ่นยนต์หลายตัวจับโดยการสร้างสุญญากาศที่ปลายแขน — สิ่งที่เรียกว่าเอนด์เอฟเฟกเตอร์ — หุ่นยนต์ใช้ถ้วยดูดอย่างน้อยหนึ่งถ้วยเพื่อดูดสูญญากาศเข้ากับวัตถุที่จะจับได้ ในการทำเช่นนี้ ถ้วยดูดจะต้องประกบลงบนพื้นผิวที่เรียบ ไร้รูพรุนที่เหมาะสม แผ่นดูดมีหลายรูปแบบในขนาดและรูปร่างที่แตกต่างกันโดยมีฐานสี่เหลี่ยผืนผ้าหรือสี่เหลี่ยมจัตุรัสและมีถ้วยดูดอย่างน้อยหนึ่งถ้วย

“สิ่งประดิษฐ์ใหม่ของเราอำนวยความสะดวกในการใช้กริปเปอร์ดูดได้ในหลายขนาดและรูปแบบการจัดเรียง ขึ้นอยู่กับลูกค้าที่จะตัดสินใจว่าพวกเขาต้องการอะไร” Ines กล่าว“ นั่นเป็นแง่มุมที่เป็นเอกลักษณ์ของผลิตภัณฑ์ของเราซึ่งทำให้เราแตกต่างจากคู่แข่งทั้งหมด”

## มองผ่านความวุ่นวาย

ในความวุ่นวายภายในกระบะบรรจุชิ้นงานนั้น ชิ้นส่วนแต่ละชิ้นจะวางทับซ้อนกันในทิศทางที่สะเปะสะปะแบบสุ่มทำให้หุ่นยนต์ต้องเริ่มต้นด้วยการแยกแยะโครงสร้างท่ามกลางความวุ่นวายนี้ให้ได้ โดยมันจำเป็นต้องระบุให้ชัดเจนว่าชิ้นส่วนหนึ่งเริ่มต้นที่ตรงไหน และสิ้นสุดลงที่ตรงไหน รวมถึงต้องเข้าใจลักษณะการวางตัวของชิ้นงานเพื่อค้นหาตำแหน่งที่จะสามารถเข้าทำการคีบจับได้อย่างมั่นคง ซึ่งข้อมูลที่จำเป็นอย่างภาพมุมมองปัจจุบันภายในกล่องจะถูกส่งมาจากกล้อง 3 มิติและมีอัลกอริทึมปัญญาประดิษฐ์ที่ผ่านการฝึกฝนให้คัดแยกวัตถุแต่ละชิ้นออกจากกัน จากภาพเหล่านั้นเป็นตัววางรากฐานสำคัญในการควบคุมการเคลื่อนไหวของแขนกลหุ่นยนต์

## การปรับปรุง Software มาตรฐาน

นวัตกรรมที่ได้รับรางวัลนี้ สร้างขึ้นบนพื้นฐานของการทำความเข้าใจบริบทของภาพโดยเฉพาะการแยกแยะระหว่างกระบะบรรจุและชิ้นส่วนแต่ละชิ้นออกจากกัน ซึ่งโดยทั่วไปจะเรียกว่า "การแบ่งส่วนวัตถุรายชิ้น" อันเป็นปัญหาพื้นฐานในด้านการเรียนรู้ของเครื่องและการประมวลผลภาพด้วยคอมพิวเตอร์ ซึ่งปัจจุบันมีโมเดลที่ผ่านการฝึกฝนมาแล้วมากมายสำหรับงานลักษณะนี้ จากการเรียนรู้ผ่านตัวอย่างนับล้านชิ้น แม้ว่าโมเดลเหล่านั้นจะทำงานได้ดีแต่ก็มีลักษณะที่เป็นกลางเกินไปและมักเกิดข้อผิดพลาดเมื่อต้องเจอกับสถานการณ์การหยิบชิ้นงานจากกระบะจริง ทางด้าน Ines และทีมงานของเธอจึงได้ปรับปรุงประสิทธิภาพของ Solutions มาตรฐานเหล่านี้ให้ไปถึงระดับที่น่าพอใจ ด้วยการฝึกฝนเพิ่มเติมด้วยชุดข้อมูลเฉพาะทาง เช่น ข้อมูลจากหน้างานจริงของระบบหุ่นยนต์คัดแยกชิ้นงานด้วยปัญญาประดิษฐ์ที่มีอยู่เดิม

![คนหนึ่งกำลังทำงานที่โต๊ะพร้อมจอคอมพิวเตอร์สองจอ แสดงโค้ดและแขนหุ่นยนต์ที่อยู่เบื้องหน้า](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/4q1kriKDvTbjVVO74ovUwY/en-US/036-IoY-Ines-Ugalde-Newcomer-0349_original.jpg?auto=format%2Ccompress&w=1280&h=720&fit=crop&crop=faces%2Cedges&q=60)

## การแบ่งปันข้อมูลเพื่อประสิทธิภาพที่ดีขึ้น

![มือชี้ไปที่หน้าจอคอมพิวเตอร์ที่แสดงภาพดิจิทัลที่มีสีสันพร้อมเครื่องหมายถูกสีเขียว สื่อถึงการประมวลผลที่สำเร็จ](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/51IZWoiJfzqxTyDO0jkzoY/en-US/026-IoY-Ines-Ugalde-Newcomer-0253_original.jpg?auto=format%2Ccompress&w=1280&h=720&fit=crop&crop=faces%2Cedges&q=60)

“โซลูชันของเราถูกออกแบบมาเพื่อให้ใช้งานได้ในไซต์งานของลูกค้าทุกแห่ง เนื่องจากเราได้ฝึกฝนระบบด้วยชุดข้อมูลมหาศาลจากทั้งแหล่งข้อมูลจำลองและข้อมูลในโลกแห่งความเป็นจริง” Ines กล่าว “มันทำงานได้ดีเยี่ยมกับทั้งกล่อง ขวด และถุง รวมถึงกรณีที่ชิ้นส่วนถูกห่อหุ้มด้วยฟิล์มพลาสติก โดยหลักการแล้วลูกค้าไม่ควรจะพบว่าประสิทธิภาพการทำงานลดลงเลย แต่หากเกิดขึ้น พวกเขาก็สามารถอนุญาตให้โมเดลเรียนรู้จากข้อผิดพลาดเหล่านั้นได้ ซึ่งนี่เป็นส่วนหนึ่งของกลยุทธ์ผลิตภัณฑ์ของเรา เรากำลังเตรียมการเพื่อนำเข้าชุดข้อมูลขนาดใหญ่จากฝูงหุ่นยนต์เข้าสู่คลาวด์ของ Siemens ที่มีความสามารถในการนำกรณีที่ผิดพลาดมาใช้เพื่อให้ผลิตภัณฑ์ของเราดียิ่งขึ้น ไม่ใช่แค่สำหรับลูกค้าเพียงรายเดียว แต่สำหรับลูกค้าทุกรายที่ตกลงแบ่งปันข้อมูลร่วมกัน” การปรับปรุงเหล่านี้ไม่เพียงแต่นำไปสู่ประสิทธิภาพที่เพิ่มขึ้น แต่ยังช่วยให้ค้นพบรูปแบบการใช้งานใหม่ๆ “เราได้พิสูจน์แล้วว่าด้วยการปรับแต่งเพียงเล็กน้อย เราก็สามารถแก้ไข Software ให้รองรับลักษณะงานที่แปลกใหม่ไปจากเดิมได้อย่างสิ้นเชิง รวมถึงการใช้หุ่นยนต์รื้อสินค้าออกจากพาเลทด้วย” อินเนสอธิบาย ซึ่งระบบ Pick AI นี้ถือเป็นหัวใจสำคัญของหน่วยงานรื้อสินค้าออกจากพาเลทด้วยหุ่นยนต์ที่เพิ่งติดตั้งใหม่ในคลังสินค้าฝ่ายผลิตของ Siemens ที่เมืองเออร์ลัเกิน ประเทศเยอรมนี และด้วยข้อมูลเหล่านี้เองที่ทำให้ทีมงานสามารถก้าวข้ามขีดจำกัดของการควบคุมสั่งการหุ่นยนต์ไปได้อีกขั้น

 

## เนื้อหาที่เกี่ยวข้อง

[

![ผู้ชายสามคนสวมเสื้อยืดสีดำที่มีโลโก้ "3D" และกราฟิก "Machine Tool Robot" ยืนอยู่ข้างหุ่นยนต์อุตสาหกรรมสีขาวขนาดใหญ่ของ Siemens](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/7lHbVA9e0rMp3rcvvk0wMO/en-US/edce9854-dc56-48d5-be5c-8927e4d8d318%20-%20IoY-Team-Roboter-feature-640x360.jpg?auto=format%2Ccompress&w=640&h=360&fit=crop&crop=faces%2Cedges&q=60)

### จากสิ่งประดิษฐ์สู่ผลกระทบ: นักประดิษฐ์แห่งปี 2025

นักประดิษฐ์แห่งปี 2025 ของ Siemens ทำให้อุตสาหกรรมฉลาดและมีประสิทธิภาพมากขึ้น ส่งเสริมการเดินทางที่ยั่งยืน และพัฒนาการดูแลสุขภาพ

](/th-th/company/innovation/inventors/)

[

![Jan Büchsschütz และผู้ร่วมก่อตั้ง RIIICO สองคนของเขา](https://images.sw.cdn.siemens.com/siemens-disw-assets/public/6BtM3DMxPgAn57q2TtyDel/en-US/e9cc585d-234a-489b-aba0-15504b5b23d7%20-%20IoY-OpenInnovation-Riico-064_original.jpg?auto=format%2Ccompress&w=640&h=360&fit=crop&crop=faces%2Cedges&q=60)

### Industrial Metaverse ในการออกแบบโรงงาน

ด้วยความช่วยเหลือของ AI สามารถสร้างโมเดลสามมิติของโรงงานอุตสาหกรรมได้โดยอัตโนมัติและรวดเร็ว

](/th-th/company/innovation/inventors/riiico-3d-industrial-plant-models/)