Thu thập dữ liệu học robot: RFP, PoC và thiết kế nghiệm thu

Nếu RFP thu thập dữ liệu học robot chỉ quy định số giờ video hoặc số lượng khung hình, bên mua có thể nhận được dữ liệu chạy tốt trong màn trình diễn nhưng không tái tạo được năng lực trên sàn nhà máy. Thứ cần đặt mua là mission có thể lặp lại, ground truth bên ngoài đủ độc lập, episode giữ cả thất bại, holdout không bị dùng để tinh chỉnh và vòng vận hành đi tới huấn luyện lại có kiểm soát. Bài viết này chuyển các yêu cầu đó thành RFP, PoC 90 ngày và bằng chứng nghiệm thu cho nhà máy tại Thái Lan và ASEAN.

“Thu thập thêm dữ liệu” chưa phải là đặc tả mua sắm

Số giờ video, số khung hình và số episode là đơn vị báo giá dễ hiểu. Chúng không phải bằng chứng năng lực. Một giờ lặp lại thành công với cùng phôi và ánh sáng cố định không tương đương một giờ bao phủ tư thế, điểm gắp, phản xạ, ma sát, độ trễ, dừng và phục hồi. Một tập dữ liệu lớn cũng có thể vô dụng nếu hình ảnh camera, trạng thái khớp và lệnh không dùng chung đồng hồ đáng tin cậy; quan hệ nhân quả giữa nhận thức và hành động có thể bị đảo.

*The Robot Data Factory*, nộp lên arXiv ngày 15 tháng 9 năm 2026, lập luận rằng tài nguyên cốt lõi của physical AI không chỉ là raw robot data mà là robot experience bảo toàn observation, action, embodiment, context và outcome. Công trình đề xuất mission có thể tái tạo, skill curriculum, synchronized multimodal sensing, external ground truth, data pipeline và living benchmark. Tuy nhiên, đây là preprint chưa được peer review tại thời điểm bài này được viết. Doanh nghiệp nên dùng nó như giả thuyết thiết kế hữu ích để quản trị trải nghiệm như một quy trình sản xuất, không phải một tiêu chuẩn hay chứng nhận cuối cùng.

RFP nên bắt đầu bằng sáu câu hỏi thay vì một mục tiêu số giờ:

• Mission nghiệp vụ nào đi từ trạng thái bắt đầu nào đến trạng thái kết thúc nào?
• Ai dùng phép đo nào để quyết định success, failure, interruption và unrecoverable outcome?
• Phép đo nào đủ độc lập với ước lượng của chính robot?
• Variation nào được nhìn thấy trong TRAIN, variation nào được giữ kín trong HOLDOUT?
• Theo dõi phiên bản robot, software, model, tool, fixture, workpiece và sensor ra sao?
• Khi production xuất hiện failure mới, ai phân loại, phê duyệt learning và cho phép redeploy?

Nếu chưa trả lời được, sản phẩm bàn giao chỉ là một đống tệp, không phải tài sản học máy có thể tái tạo capability đã nghiệm thu.

Chuyển hệ thống phân cấp Robot Data Factory thành sản phẩm hợp đồng

Hệ thống mission–task–skill–episode–dataset–benchmark–capability trong bài nghiên cứu cũng là một cấu trúc mua sắm thực dụng. Nếu nhảy thẳng đến “model accuracy” hoặc “success rate”, mỗi nhà cung cấp có thể chọn mẫu số và quy tắc tính thất bại khác nhau.

“Đặt hộp lên kệ” chưa phải mission. Cần định nghĩa kích thước, khối lượng, trọng tâm, bề mặt, chiều cao kệ, tư thế cho phép, mặt có thể gắp, thiết bị xung quanh, vị trí đầu, vật cản, số lần đặt lại, timeout và phục hồi sau safety stop. Thành công không phải chỉ là robot phát cờ completion; bằng chứng ngoài phải cho thấy hộp nằm trong tolerance và trạng thái I/O cùng inventory nhất quán.

Cấu trúc này còn giảm vendor lock-in. Hãy yêu cầu mission contract, episode schema, dataset version, evaluation protocol và failure taxonomy chứ không chỉ trained weights. Nếu tiêu chí thành công chỉ nằm trong giao diện độc quyền của nhà cung cấp và không export được raw episode hoặc bằng chứng quyết định, nhà máy không sở hữu vòng cải tiến của mình.

Mission contract phải khóa điều kiện tái tạo và trạng thái cấm

Mission contract không chỉ là mô tả use case bằng văn bản. Nó định nghĩa boundary condition cần để lặp lại thử nghiệm.

Tách variation có chủ đích khỏi điều kiện phải cố định. TRAIN có thể thay đổi ánh sáng hoặc pose, còn kế hoạch HOLDOUT phải đăng ký trước tổ hợp nào được giữ làm chưa thấy. Chỉ chọn những episode đẹp sau khi thu thập sẽ nâng điểm nhưng che exposure vận hành.

Mọi thay đổi mission contract cần phiên bản, lý do, dataset chịu ảnh hưởng, phạm vi đánh giá lại và người phê duyệt. Fixture dịch 1 mm, camera được thay, vật liệu pad gắp mới hay PLC handshake đổi đều có thể làm thay distribution. Ghi revision giúp đo tác động thay vì biến nó thành model regression không giải thích được.

Làm ground truth độc lập và đồng bộ sensor

Nếu model báo “gắp thành công” rồi confidence của chính model được dùng làm nhãn, dự án đang đếm cùng một lỗi hai lần. External ground truth phải đủ độc lập cho câu hỏi nghiệm thu. Placement có thể dùng fixture sensor hoặc camera ngoài; insertion có thể kết hợp force, displacement, PLC completion và downstream inspection; logistics có thể kết hợp weight, barcode và WMS state.

Độc lập không đồng nghĩa luôn đắt tiền. Phép đo phải nêu target, resolution, calibration, uncertainty, blind spot và xử lý missing data, đồng thời không chỉ dựa vào tuyên bố của robot. Ground truth cũng có thể sai. Hãy tách episode mơ hồ thành unknown thay vì ép vào success/failure.

Camera, depth, force/torque, joint, command, PLC, safety event và operator input cần tham chiếu thời gian chung. Không chấp nhận từ “synchronized” nếu thiếu chi tiết. Ghi clock source, offset cho phép, drift check, drop detection và interpolation rule. Nếu timestamp đảo action và consequence, model có thể học kết quả như nguyên nhân. Mẫu thiếu phải hiện qua quality flag và lý do, không được che bằng giá trị zero.

Episode phải giữ nhân quả, thất bại và phục hồi

Episode manifest phải nối precondition, observation, command, executed action, state transition, intervention và result. Tên tệp video là chưa đủ. Tối thiểu cần:

• mission/task/skill ID và version;
• episode ID, site, cell, robot, tool, fixture, work instance/lot;
• sensor stream ID, timestamp, calibration reference, drop/saturation flag;
• command, executed action, controller mode, autonomy/assistance level;
• teleoperator, device, latency, thời điểm bắt đầu/kết thúc intervention và lý do;
• software, model, configuration, dataset và simulator version khi có;
• outcome, failure class, near miss, safety stop, recovery và quan hệ retry;
• ground-truth measurement, người phán định, thời gian và lý do unknown;
• consent, privacy, retention, phạm vi reuse và quyền export.

Failure taxonomy nên bao gồm perception, object identification, grasp, contact, path, equipment handshake, timeout, human intervention, safety stop và business-state inconsistency, không chỉ software exception. Giữ cả ngữ cảnh trước lỗi và hành động phục hồi. Dataset chỉ có episode thành công không dạy robot khi nào nên dừng, yêu cầu trợ giúp hoặc lùi lại và gắp lại.

Không tạo nguy hiểm chỉ để thu failure. Thiết kế safe fault injection và boundary case trong hazard analysis, speed/force/space limit, safety function và stop procedure đã duyệt. Near miss ở đây là ghi nhận tín hiệu báo trước như early stop, low confidence, unexpected contact hoặc manual takeover, không phải dựng tình huống gần tai nạn.

Data lineage phải truy từ raw qua derived label, filtered dataset, training run, model đến deployment. Khi phát hiện lỗi nhãn, nhà máy phải tìm ngược được model nào bị ảnh hưởng. Hãy bàn giao checksum, immutable raw, change history, dataset card và cách truyền yêu cầu xóa dữ liệu.

Giá trị và giới hạn của dữ liệu teleoperation

Dữ liệu teleoperation giúp thu expert demonstration, recovery move và intent label, nhưng sẽ gây hiểu nhầm nếu metadata bỏ operator difference hoặc network latency. Điều khiển hoàn toàn bằng tay, shared control, con người duyệt autonomous proposal và chỉ can thiệp khi failure là những loại trải nghiệm khác nhau. Ghi control mode và assistance level, đồng thời tách policy proposal khỏi action con người thực hiện.

Operator ID nhằm phát hiện bias, không phải chấm điểm nhân viên. Học từ một chuyên gia có thể mã hóa tốc độ, góc nhìn và thói quen của người đó. Quản lý qualification, training date, device, handedness nếu liên quan, session length và fatigue control rồi kiểm reproducibility qua nhiều operator. Khi video hoặc audio có nhân viên, bảng tên, màn hình hoặc thông tin khách hàng, hợp đồng phải nêu purpose, access, retention, masking, cross-border transfer và secondary use.

Thu cả pause, abort, regrasp, undo, takeover và “do not act,” không chỉ demonstration thành công. Giữ circular buffer trước intervention để biết instability bắt đầu khi nào. Lưu latency và missing measurement theo episode chứ không chỉ trung bình; nếu không, lỗi network có thể bị gán nhầm thành giới hạn robot skill.

Sản phẩm bàn giao cần raw control stream, transformed trajectory, transformation code, coordinate frame, filter, resampling và exclusion rule. Chỉ giao trajectory đã smooth có thể xóa contact, hesitation và intervention boundary là những tín hiệu học quan trọng.

Khi nào synthetic data cho robot giúp robot learning

Như phân tích trong hướng dẫn synthetic data cho AI sản xuất, simulation có thể mở rộng rare pose, lighting, occlusion, background và sensor perturbation. “Rẻ hơn dữ liệu thật” hoặc “tạo vô hạn” không phải lý do nghiệm thu. Simulation cho phép thiết kế coverage nhưng cũng có thể nhân rộng lỗi simulator.

Contact, friction, slip, deformable material, cable, wear, backlash, latency, human response và safety behavior cần validation với phép đo vật lý. Giữ simulator/version, asset origin, physics parameter, sensor model, domain-randomization range, seed, render setting và generation code. Sản phẩm bàn giao phải cho biết phép đo thực nào dùng để hiệu chỉnh parameter và holdout nào đánh giá sim-to-real gap.

Thay vì đặt tỷ lệ synthetic trước, hãy định nghĩa vai trò theo failure class: bổ sung occlusion khó lặp an toàn, tạo visibility label hoặc khởi tạo policy exploration. Acceptance cuối cùng phải quay về physical-cell holdout khi quyết định nghiệp vụ cần bằng chứng thật.

Dự án Physical AI and Data Generation for Robotics của NIST nêu nhu cầu metrics và test method xét mối quan hệ giữa algorithm, robot system và task, đồng thời báo cáo mixed physical/simulated testbed. Điều đó hỗ trợ đánh giá kết hợp theo task, không có nghĩa simulation thay thế nhà máy.

Biến DEPLOY–MEASURE–LEARN–REPEAT thành hợp đồng vận hành

Một ý quan trọng của Robot Data Factory là dataset không phải điểm kết thúc một lần. Trải nghiệm production phải đi vào chu trình cải tiến có kiểm soát, với gate giữa từng bước:

1. DEPLOY: Chỉ release model, configuration và safety setting đã duyệt tới cell được chỉ định.
2. MEASURE: Dùng tiêu chí ngoài để đo denominator, success, failure, intervention, unknown, drift và cycle time theo mission.
3. LEARN: Phân loại failure và phê duyệt phản ứng là thêm data, sửa label, sửa skill hay sửa máy/process.
4. REPEAT: Chỉ redeploy sau regression, holdout và accept, đồng thời giữ rollback về bản đã duyệt trước.

Không tự động đưa mọi production log vào training. Có thể trộn episode do người cứu, equipment fault, ground truth sai, personal data và work ngoài hợp đồng. Vận hành retraining candidate queue để data owner, process owner, safety và AI owner phê duyệt. Câu hỏi không phải dataset có lớn hơn không, mà data thêm vào nhằm giảm failure nào.

Model registry cần nối training dataset, code, parameter, evaluation, limitation, approval, deployed cell và rollback. Chỉ số vận hành tối thiểu gồm số attempt theo mission, completion xác nhận bên ngoài, failure class, manual intervention, safety stop, unknown, missing data và distribution shift. Success rate chung có thể tăng chỉ vì tỷ trọng sản phẩm dễ tăng.

So sánh nhà cung cấp bằng khả năng tái tạo, không phải dung lượng

Chuẩn hóa báo giá theo sản phẩm bàn giao, bằng chứng, quyền và điều khoản thay đổi, không chỉ giá robot-hour.

Tách giá cho instrumentation, mission/episode design, collection operation, annotation/QA, simulation, training, test harness, safety integration, site trial và operating handover. “AI development trọn gói” che ranh giới giữa bổ sung data và sửa software. Nêu cả rate cho mission revision, sensor replacement, relabel và reevaluation.

Video demo trơn tru chỉ là điểm vào. Hỏi liệu protocol có chạy lại với fixture, workpiece instance, operator và shift khác không; failure có được giữ không; chuỗi từ raw đến report có export được không. Công bố năm 2026 của FANUC America về robotics, automation và physical AI là bối cảnh thị trường, không phải bằng chứng độc lập cho mission của người mua.

Trong thông báo ngày 19 tháng 8 năm 2026, Hexagon Robotics và Schaeffler mô tả Humanoid Gym dùng Train–Validate–Deploy, imitation learning và repeated execution với representative manufacturing applications. Hai công ty nói sáng kiến hỗ trợ kế hoạch triển khai ít nhất 1.000 robot AEON trong những năm tới. Đây là kế hoạch do doanh nghiệp công bố, không phải 1.000 robot đã triển khai. Bài học có thể chuyển giao là tách training và validation trước production release, không phải con số tiêu đề.

Agility Robotics tuyên bố ngày 15 tháng 9 năm 2026 rằng Digit đã tích lũy hơn 65.000 giờ vận hành thực. Hãng cũng nói Digit 5 có thể nâng lặp lại tới 50 lb (22,7 kg), chạy 90 phút và sạc trong 9 phút. Đây là số liệu do nhà sản xuất công bố, không xác lập kết quả cho payload, floor, workflow hay safety configuration khác. Bên mua phải chuyển claim catalogue thành điều kiện nghiệm thu cho mission, tool, grasp pose, stop frequency, handoff và charging plan của mình.

Tách phạm vi an toàn, phiên bản tiêu chuẩn Thái Lan và phạm vi ưu đãi

ISO 10218-2:2025 đề cập design, integration, commissioning, operation, maintenance và decommissioning của industrial robot application và robot cell. Nó không phải tiêu chuẩn dữ liệu học robot và không nên được mô tả là bao quát humanoid nói chung. Phạm vi công bố loại trừ hoặc không bao phủ một số khu vực như một số tích hợp mobile platform. Cần xác định tiêu chuẩn áp dụng và risk assessment bổ sung cho robot, mobility, human proximity, tool và process cụ thể.

TISI มอก. 3950 เล่ม 2-2567 của Thái Lan có hiệu lực ngày 8 tháng 2 năm 2025 nhưng là identical adoption của ISO 10218-2:2011. Đây không phải cùng phiên bản với ISO 10218-2:2025. Hợp đồng phải ghi số tiêu chuẩn, năm phiên bản, phạm vi, đó là yêu cầu pháp lý hay yêu cầu khách hàng và ai giải quyết chênh lệch phiên bản. Tham khảo kỹ thuật phiên bản quốc tế mới không tự động thay yêu cầu áp dụng tại Thái Lan. Hãy xác nhận từng dự án với chuyên gia an toàn và pháp lý địa phương.

Trang BOI 2026–2027 đề cập đầu tư automation, robot, AI/ML và Big Data trong biện pháp dành cho ngành ô tô. Không được trình bày đây là quyền lợi cho mọi ngành sản xuất. Cần xác nhận eligibility ngành, phạm vi thiết bị/software, thời điểm và điều kiện nộp theo từng dự án. Lý do kỹ thuật và kinh doanh nên vẫn đứng vững nếu không nhận ưu đãi.

Thiết kế ba vùng TRAIN, HOLDOUT và ACCEPT tách biệt

Random split theo frame có thể làm các frame liền nhau của cùng episode rò sang TRAIN và HOLDOUT. Hãy split theo variation cần generalize: workpiece instance/lot, fixture, operator, shift, site, camera, software version hoặc thời kỳ thu thập.

• TRAIN: Developer được xem và dùng để fit, tune, phân tích failure và lập kế hoạch thu thêm.
• HOLDOUT: Ẩn trong quá trình tune, chỉ đánh giá số lần giới hạn theo protocol đã freeze. Mọi điều chỉnh sau khi xem kết quả tạo phiên bản mới.
• ACCEPT: Bên mua chạy điều kiện physical cell, workpiece, fixture, shift và thủ tục bằng chứng đã duyệt để quyết định release.

Không dùng overall success rate làm threshold duy nhất. Khóa denominator theo mission và báo cáo critical failure riêng. Phân biệt manual intervention, safety stop, unknown, cycle timeout, wrong object, wrong placement, equipment-state inconsistency và recovery success. Lặp qua variation envelope đã duyệt và hiển thị class tệ nhất, không chỉ trung bình.

Acceptance evidence pack cần protocol version, dataset hash, model/configuration, risk control, precondition, mọi trial, raw result, failure video, ground-truth value, exclusion, missing data, operator, timestamp, retest và sign-off. Video demo mượt không phải bằng chứng tái tạo. Bàn giao test harness và aggregation code, rồi xác nhận nhà máy tạo lại cùng bảng từ cùng input.

Giống hướng dẫn về tiêu chí kết thúc AI PoC, quyết định nên là deploy, extend với câu hỏi rõ ràng hoặc stop. Average có thể đạt trong khi còn critical failure; khi đó có thể giới hạn product hoặc cell được duyệt. Nếu root cause là sensor, tooling, fixture hay process logic chứ không phải data scarcity, hãy sửa hệ thống vật lý thay vì mua thêm dữ liệu.

Ví dụ PoC 90 ngày

Đây là ví dụ lập kế hoạch của TOMAS TECH, không phải lịch chuẩn phổ quát. Điều chỉnh theo lead time thiết bị, safety review, product mix và shift.

Ngày 1–15 khóa chủ sở hữu success/failure trước khi tăng tốc thu dữ liệu. Thống nhất denominator và class để safety stop hay human intervention không bị loại bỏ về sau nhằm làm đẹp điểm. Chỉ định người giữ holdout và điều kiện mở.

Ngày 16–30 instrument một cell và một mission. Dry cycle phơi bày clock offset, missing signal, calibration reference và replay defect. Nếu chưa replay được một episode, mở rộng quy mô chỉ mở rộng lỗi. Nếu mission có handoff với mobile robot, conveyor hoặc software, áp dụng boundary trong hướng dẫn chọn mobile manipulator, cobot và AMR và đưa I/O cùng MES/WMS state vào phạm vi.

Ngày 31–60 thu failure, pause, abort và recovery cùng normal run theo variation matrix đã duyệt. Synthetic bổ sung phải nêu coverage gap và physical validation. Freeze dataset ở ngày 60; dữ liệu sau đó sang phiên bản kế tiếp.

Ngày 61–75 chỉ tune với TRAIN rồi chạy HOLDOUT chính thức. Nếu đổi parameter sau khi xem kết quả, holdout đã mở và không còn là unseen evidence. Phân loại từng failure do data, model, sensor, tool, fixture hay business rule.

Ngày 76–90 để nhà máy chủ trì ACCEPT trong điều kiện đại diện production. Sau khi đạt, operator cần trình diễn monitoring, retraining-candidate approval, emergency response, rollback, supplier escalation và data deletion/export. Sản phẩm PoC không chỉ là model mà là quy trình cải tiến an toàn, lặp lại được.

Câu hỏi thường gặp

Robot Data Factory có phải là data center không?

Không theo nghĩa bài viết này. Preprint nộp ngày 15 tháng 9 năm 2026 mô tả infrastructure và methodology để liên tục tạo, xác thực và tái sử dụng robot experience. Mission, sensing, external ground truth, pipeline, benchmark và DEPLOY–MEASURE–LEARN–REPEAT là trung tâm, không chỉ storage.

Cần bao nhiêu giờ thu thập dữ liệu robot?

Không có con số chung. Nhu cầu phụ thuộc mission, work variation, failure frequency, sensor rate, policy và confidence mong muốn. Xác định coverage matrix cùng holdout protocol, rồi hỏi mỗi phần dữ liệu bổ sung làm giảm uncertainty hoặc failure class nào. Giờ dùng để giới hạn thương mại được, nhưng nghiệm thu dựa trên capability evidence.

Dữ liệu học teleoperation có nên chỉ gồm demonstration thành công?

Không. Trong phạm vi an toàn, hãy gồm pause, abort, regrasp, intervention, recovery và “do not act.” Giữ operator, control mode, assistance level, device, latency, coordinate transformation và filtering để không nhầm phong cách chuyên gia hay network delay với capability robot.

Synthetic data cho robot có thể thay dữ liệu vật lý không?

Nó có thể mở rộng rare geometry, lighting, occlusion và sensor perturbation. Contact, slip, deformable material, wear, latency, human response và safety behavior cần physical validation. Quản lý phiên bản simulator, asset, parameter, randomization, seed rồi quay lại physical holdout và ACCEPT.

Phân tách quan trọng nhất khi nghiệm thu robot PoC là gì?

TRAIN, HOLDOUT và ACCEPT. Ngăn leakage theo object, fixture, operator, shift, site, version và time, không chỉ random frame. Nếu developer xem holdout rồi tune, coi nó đã mở và tạo evaluation version mới.

Có 65.000 giờ vận hành thực thì còn cần PoC tại nhà máy không?

Có. Đây là tuyên bố của Agility Robotics về vận hành thực của Digit. Nó không bảo đảm workpiece, payload, tool, floor, handoff, safety configuration hay cycle target của bên mua. Dùng như dữ liệu supplier qualification, sau đó chạy holdout/accept theo mission của mình.

ISO 10218-2:2025 có bao phủ toàn bộ an toàn humanoid không?

Không. Tiêu chuẩn tập trung vào tích hợp industrial robot application và robot cell, với các giới hạn phạm vi. Cần chọn tiêu chuẩn bổ sung và risk assessment theo humanoid, mobile platform, human proximity, tool và process. TISI 3950 Part 2-2567 của Thái Lan là identical adoption của ISO 10218-2:2011, không phải phiên bản 2025.

Kết luận

Đừng đặt mua thu thập dữ liệu học robot dưới dạng số giờ hoặc số frame. Hãy đặt mua mission có thể tái tạo; sensor đồng bộ với ground truth độc lập; episode chứa success, failure, intervention và recovery; lineage truy vết được; vai trò có giới hạn cho teleoperation và synthetic data; split TRAIN/HOLDOUT/ACCEPT chống leakage; và hợp đồng vận hành DEPLOY–MEASURE–LEARN–REPEAT. Khi RFP và PoC dùng các đơn vị này, nghiệm thu chuyển từ “demo chạy được” sang “nhà máy tái tạo được bằng chứng và cải tiến an toàn.”

Khi doanh nghiệp đang xác định phạm vi thu thập, RFP, PoC 90 ngày hoặc holdout acceptance cho dự án robot learning, hãy trao đổi với TOMAS TECH từ giai đoạn lập kế hoạch. Chúng tôi có thể cấu trúc kế hoạch quanh mission, thiết bị hiện có, safety boundary và log khả dụng, bắt đầu bằng bằng chứng nghiệm thu tái tạo được thay vì mục tiêu dung lượng.

Tài liệu tham khảo

1. Haddadin et al., *The Robot Data Factory*, arXiv:2609.16705 (nộp ngày 15 tháng 9 năm 2026; preprint chưa peer review)

https://arxiv.org/abs/2609.16705

1. NIST, *Physical AI and Data Generation for Robotics*

https://www.nist.gov/programs-projects/physical-ai-and-data-generation-robotics

1. Hexagon, *Towards factory deployment: How AEON is trained to perform* (19 tháng 8 năm 2026; công bố doanh nghiệp)

https://hexagon.com/company/newsroom/press-releases/2026/towards-factory-deployment-how-aeon-is-trained-to-perform

1. Agility Robotics, *Agility Unveils Digit 5 Humanoid Robot Built for Cooperatively Safe Work at Scale* (15 tháng 9 năm 2026; công bố doanh nghiệp)

https://www.agilityrobotics.com/content/agility-unveils-digit-5-humanoid-robot-built-for-cooperatively-safe-work-at-scale

1. NVIDIA Developer, *Isaac GR00T*

https://developer.nvidia.com/isaac/gr00t

1. ISO, *ISO 10218-2:2025 — Robotics — Safety requirements — Part 2: Industrial robot applications and robot cells*

https://www.iso.org/standard/73934.html

1. TISI, *มอก. 3950 เล่ม 2-2567*

https://a.tisi.go.th/t/?n=8107

1. FANUC America, *FANUC America Brings Robotics, Automation, Physical AI and CNC Innovation to IMTS 2026*

https://www.fanucamerica.com/press-releases/fanuc-america-brings-robotics-automation-physical-ai-and-cnc-innovation-to-imts-2026

1. Thailand BOI, biện pháp automation/robotics/AI cho ngành ô tô, 2026–2027

https://www.boi.go.th/th/automation