Một nhóm nghiên cứu tại Đại học Vũ Hán vừa công bố một bước tiến quan trọng trong lĩnh vực robot hình người, khi họ phát triển thành công một hệ thống AI giúp robot thích nghi với nhiệm vụ mới mà hầu như không cần trải qua quá trình đào tạo truyền thống.
Công trình được giới thiệu trên kho lưu trữ khoa học arXiv này đang thu hút sự chú ý mạnh mẽ của cộng đồng nghiên cứu quốc tế, bởi nó có thể giải quyết một trong những hạn chế lớn nhất khiến robot hình người chưa thể phổ biến trong đời sống.
Trong nhiều năm qua, robot hình người đã có những bước tiến đáng kể trong khả năng cầm nắm, di chuyển và sử dụng công cụ. Thế nhưng chúng vẫn gặp khó khăn rõ rệt khi phải thao tác với vật thể thay đổi hình dạng, môi trường thiếu ánh sáng hoặc khi đối mặt với các nhiệm vụ hoàn toàn mới mà không có dữ liệu huấn luyện tương ứng.
Các hạn chế này được coi là rào cản khiến công nghệ robot khó có thể bước ra ngoài phòng thí nghiệm để bước vào đời sống, đặc biệt là trong môi trường gia đình vốn thay đổi liên tục và khó đoán.
Để vượt qua rào cản đó, nhóm nghiên cứu Trung Quốc đã phát triển một khung mô hình mang tên RGMP, viết tắt của chính sách đa phương thức hình học tiên nghiệm hồi quy. Mục tiêu của RGMP là cung cấp cho robot một năng lực nhận thức chung có sẵn về hình dạng, không gian và các đặc điểm vật lý, từ đó giúp robot hiểu tình huống trước mắt mà không phải chờ hàng nghìn lần huấn luyện như trước đây. Nói cách khác, mô hình này trao cho robot khả năng suy luận về đồ vật giống như con người vẫn làm mỗi ngày.
RGMP bao gồm hai thành phần chính. Thành phần đầu tiên là Bộ chọn Kỹ năng Hình học Tiên nghiệm, gọi tắt là GSS. Dựa trên dữ liệu từ camera hoặc cảm biến, GSS giúp robot đánh giá hình dạng, kích thước và hướng của vật thể để quyết định kỹ năng phù hợp, chẳng hạn như nhặt lên, đẩy sang bên, xoay lại hướng hay thậm chí thao tác bằng hai tay.
Phần thứ hai là Mạng Gaussian Đệ quy Thích ứng, gọi tắt là ARGN. Khi robot đã chọn được kỹ năng phù hợp, ARGN sẽ mô hình hóa mối quan hệ không gian giữa robot và vật thể, đồng thời dự đoán từng bước chuyển động cần thiết để hoàn thành nhiệm vụ. Điều đáng chú ý là ARGN hoạt động cực kỳ hiệu quả về mặt dữ liệu, tức là robot có thể học được hành vi phức tạp chỉ từ vài ví dụ tối thiểu.
Khi được thử nghiệm thực tế, sự kết hợp giữa GSS và ARGN đã cho ra kết quả vượt mong đợi. Robot có thể hoàn thành các nhiệm vụ mới với tỷ lệ thành công lên đến 87 phần trăm, ngay cả khi chưa từng được huấn luyện cho những nhiệm vụ đó trước đây.
Đây là con số vượt xa các mô hình dựa trên chính sách khuếch tán vốn đang được xem là công nghệ tiên tiến nhất hiện nay. Nhóm nghiên cứu cho biết RGMP hiệu quả về dữ liệu gấp khoảng 5 lần so với những phương pháp hiện có, nghĩa là robot có thể học nhanh hơn, tốn ít tài nguyên hơn và có khả năng thích nghi rộng hơn.
Kết quả thử nghiệm thực tế đã gây ấn tượng mạnh với giới chuyên môn. Các robot được trang bị khuôn khổ RGMP đạt tỷ lệ thành công lên tới 87% ngay cả với những tác vụ hoàn toàn mới mà chúng chưa từng có kinh nghiệm xử lý trước đó.
Tiềm năng ứng dụng của công nghệ này là rất lớn. Nếu robot hình người có thể thao tác đồ vật một cách đáng tin cậy mà không yêu cầu huấn luyện cho từng tình huống cụ thể, chúng có thể được triển khai trong môi trường gia đình để dọn dẹp, sắp xếp và thậm chí nấu ăn.
Trong lĩnh vực công nghiệp, robot có thể hỗ trợ trong nhà kho, nhà hàng hoặc dây chuyền sản xuất mà không cần điều chỉnh quá nhiều. Đây là mục tiêu mà nhiều công ty robot lớn đang theo đuổi nhưng vẫn gặp khó khăn do chi phí huấn luyện dữ liệu khổng lồ.
Trong tương lai, nhóm nghiên cứu của Đại học Vũ Hán dự định mở rộng khả năng khái quát hóa của RGMP để robot có thể học được nhiều nhiệm vụ hơn mà gần như không cần sự hướng dẫn của con người.
Nếu công nghệ này được áp dụng rộng rãi, viễn cảnh về những chú robot quản gia có thể tự dọn dẹp nhà cửa, nấu ăn, hay những công nhân robot linh hoạt trong nhà kho và nhà hàng sẽ không còn xa vời.
Tác giả chính Xuetao Li cho biết họ hướng tới xây dựng khả năng suy luận tự động các quỹ đạo thao tác cho những vật thể hoàn toàn mới, cho phép robot hiểu phải làm gì chỉ từ những thông tin đầu vào tối thiểu. Nếu điều này trở thành hiện thực, robot có thể tự học cách xử lý các vật thể xa lạ trong môi trường năng động mà không cần đào tạo chuyên sâu, một bước tiến được đánh giá là rất đáng kể trong quá trình tiến hóa của robot hình người.
Nghiên cứu chi tiết hiện đã được công bố trên nền tảng, mở ra hàng loạt câu hỏi về tương lai của robot trong gia đình và doanh nghiệp. Với RGMP, rất có thể chúng ta đang chứng kiến những viên gạch đầu tiên của một kỷ nguyên mới, nơi robot không chỉ biết thực hiện nhiệm vụ, mà còn có khả năng suy luận và thích nghi như con người.
Đức Khương
