ការឈានដល់ចំណុចសំខាន់នេះទាមទារឱ្យយកឈ្នះលើបញ្ហាពង្រឹងខ្លួនឯងចំនួនពីរ៖ ភាពខ្វះខាតនៃទិន្នន័យ 3D និងភាពសម្បូរបែបនៃបរិស្ថានប្រតិបត្តិការ។ មិនដូច LLMs ដូចជា ChatGPT ដែលអាចវិភាគអ៊ិនធឺណិតស្ទើរតែគ្មានព្រំដែន មនុស្សយន្តត្រូវការទិន្នន័យឧបាយកលដែលប្រមូលបាននៅក្នុងពិភពរូបវន្តពិត ដែលមានតម្លៃថ្លៃ និងពិបាកក្នុងការធ្វើមាត្រដ្ឋាន។ ជាធម្មតា វាត្រូវតែប្រមូលដោយដៃ បង្រៀនម៉ាស៊ីនម្តងហើយម្តងទៀត ដើម្បីបំពេញការងារជាក់លាក់ ដូចជា បត់អាវ បំពេញទូទឹកកក ឬអង្រួនម៉ាយតៃ។ បន្ថែមពីលើនេះ លោក Jiang Zheyuan នាយកប្រតិបត្តិនៃក្រុមហ៊ុនមនុស្សធម៌ Noetix ដែលមានមូលដ្ឋាននៅទីក្រុងប៉េកាំង ពន្យល់ថា “សូម្បីតែនៅពេលដែលយុទ្ធសាស្រ្តរៀបចំដំណើរការល្អត្រូវបានបណ្តុះបណ្តាលសម្រាប់កិច្ចការជាក់លាក់ក៏ដោយ អត្រាជោគជ័យតែងតែធ្លាក់ចុះយ៉ាងខ្លាំងនៅពេលដែលបរិស្ថានផ្លាស់ប្តូរបន្តិចបន្តួច ឧទាហរណ៍ ដោយសារតែការផ្លាស់ទីលំនៅរបស់វត្ថុ ពន្លឺផ្សេងគ្នា ឬសម្ភារៈតុផ្សេងៗគ្នា។”
សូមអរគុណដល់ក្រុមហ៊ុនដូចជា Unitree Hardware humanoid កំពុងរីកចម្រើនយ៉ាងឆាប់រហ័ស។ សមរភូមិពិតប្រាកដវិលជុំវិញខួរក្បាលមនុស្សយន្ត ឬម៉ូដែល Vision-Language-Action (VLA) ដែលត្រូវបានរចនាឡើងដើម្បីបំប្លែងធាតុចូលរបស់មនុស្សទៅជា AI ដែលដំណើរការដោយវិចារណញាណ និងច្បាស់លាស់។ លំហ VLA តែមួយនឹងមានតម្លៃ 40.50 ពាន់លានដុល្លារនៅឆ្នាំ 2035 ព្យាករណ៍ថា Kaiso Research ដែលជាក្រុមហ៊ុនស្រាវជ្រាវទីផ្សារ និងក្រុមហ៊ុនបច្ចេកវិទ្យាធំៗជាច្រើនកំពុងស្វែងរកម៉ូដែលផ្ទាល់ខ្លួនរបស់ពួកគេយ៉ាងខ្លាំងក្លា រួមទាំង GR00T N1.7 របស់ Nvidia, RT-2-X របស់ Google DeepMind និង Qwen Robot Suite របស់ Alibaba ។
