Công nghệ số giúp robot học việc trước khi bước vào nhà máy

DexForce ra mắt robot hình người W1 Pro. Ảnh: DexForce

Tại văn phòng của startup DexForce ở Thâm Quyến, một robot ảo liên tục thực hiện thao tác đặt đồ vật lên bàn. Trong các lượt mô phỏng, góc cánh tay robot, màu sắc mặt bàn và hình dạng đồ vật được thay đổi, giúp hệ thống tiếp xúc với nhiều tình huống khác nhau mà không cần tiến hành từng thử nghiệm trên máy thật.

Theo truyền thông Anh ngày 15/10, đây là hướng đi mà DexForce lựa chọn để giải quyết một trong những thách thức lớn của ngành robot hình người: làm thế nào để máy móc có thể thực hiện đáng tin cậy nhiều công việc trong nhà máy, văn phòng hoặc gia đình mà không cần con người hướng dẫn liên tục.

Dạy robot trong môi trường mô phỏng

Nhiều nhà sản xuất robot hiện thu thập dữ liệu bằng cách ghi lại các thao tác do con người thực hiện trong môi trường thực. Quá trình này đòi hỏi người lao động lặp lại động tác nhiều lần để hệ thống có đủ ví dụ học tập. Theo DexForce, một thao tác có thể phải được lặp lại hơn 100 lần để thu thập dữ liệu chính xác.

Cách làm trên giúp robot tiếp cận những tình huống thực tế, nhưng tốn thời gian và chi phí, đặc biệt khi doanh nghiệp muốn huấn luyện máy móc thực hiện nhiều nhiệm vụ khác nhau. Một robot biết cầm, đặt đồ vật trong điều kiện cố định chưa chắc có thể xử lý tốt khi đồ vật thay đổi vị trí, kích thước hoặc môi trường làm việc xuất hiện những yếu tố bất ngờ.

DexForce phát triển phần mềm AI có khả năng mô phỏng môi trường vật lý và dự đoán cách các vật thể chuyển động, tương tác. Doanh nghiệp tạo phiên bản số của một không gian hoặc nhiệm vụ, cho robot luyện tập trong môi trường đó rồi chuyển kỹ năng đã học sang robot vật lý.

Dữ liệu được tạo ra từ những tình huống mô phỏng, thường gọi là dữ liệu tổng hợp, cho phép thay đổi các điều kiện thử nghiệm trên quy mô lớn. Một nhiệm vụ có thể được kiểm tra với nhiều cách bố trí đồ vật, góc nhìn hoặc điều kiện khác nhau, qua đó giúp hệ thống tiếp cận nhiều tình huống hơn so với việc chỉ dựa vào một tập hợp thao tác được ghi lại trong thế giới thực.

Jia Kui, Giám đốc điều hành DexForce và là giáo sư về học máy tại Đại học Trung văn Hương Cảng cơ sở Thâm Quyến, cho rằng việc chỉ dựa vào dữ liệu thực để đạt tới năng lực AI tổng quát trong thế giới vật lý sẽ đòi hỏi lượng mẫu khổng lồ. Ông nhận định việc thu thập thủ công dữ liệu cho vô số nhiệm vụ của con người về cơ bản không hiệu quả.

Tuy nhiên, mô phỏng không đồng nghĩa với việc robot đã có thể làm chủ mọi tình huống thực tế. Khả năng chuyển những gì học được trong môi trường ảo sang máy thật vẫn là vấn đề kỹ thuật quan trọng. Robot phải nhận biết được môi trường, di chuyển, thao tác với vật thể và thích ứng khi điều kiện thực tế khác với dữ liệu huấn luyện.

Do đó, mô hình mô phỏng và dữ liệu tổng hợp có thể giảm một phần gánh nặng thu thập dữ liệu, nhưng vẫn cần được kiểm chứng bằng kết quả hoạt động trên thiết bị thật.

Từ phòng mô phỏng đến nhà máy

Thành lập năm 2021, DexForce hiện có khoảng 500 nhân viên. Theo Reuters, doanh nghiệp đã huy động 1 tỷ nhân dân tệ, tương đương khoảng 147 triệu USD, trong vòng gọi vốn Series B gần đây, với sự tham gia của Lenovo Capital, Lens Technology và một số quỹ có vốn nhà nước. Định giá doanh nghiệp sau vòng gọi vốn vượt 10 tỷ nhân dân tệ.

Phần mềm của DexForce đang được sử dụng trong môi trường công nghiệp bởi một số nhà sản xuất Trung Quốc và nước ngoài, trong đó có Toyota, Samsung, Panasonic, Foxconn, Haier và Hisense. Các robot hình người của doanh nghiệp cũng được triển khai tại trung tâm thương mại và điểm du lịch ở hơn 15 thành phố của Trung Quốc, với những nhiệm vụ như pha cà phê và phục vụ khách hàng.

Những ứng dụng này cho thấy quá trình phát triển robot không chỉ xoay quanh việc chế tạo phần cứng hoặc trình diễn khả năng vận động. Khả năng học kỹ năng, xử lý tình huống và thực hiện công việc lặp lại với độ tin cậy cao mới là những yếu tố quan trọng quyết định giá trị sử dụng của robot trong sản xuất và dịch vụ.

Trung Quốc đang đầu tư mạnh vào ngành robot hình người. Tuy nhiên, việc robot có thể chạy hoặc nhảy ấn tượng chưa đủ để chứng minh hiệu quả thương mại. Các doanh nghiệp vẫn phải giải quyết những yêu cầu khó hơn như thao tác chính xác, thích ứng với môi trường thay đổi, bảo đảm an toàn và giảm chi phí vận hành.

Trong bối cảnh đó, huấn luyện bằng mô phỏng là một trong những hướng tiếp cận đang được thử nghiệm để thu hẹp khoảng cách giữa khả năng trình diễn và năng lực làm việc thực tế.

Gợi mở cho phát triển công nghệ tại Việt Nam

Đối với Việt Nam, kinh nghiệm từ DexForce gợi mở một hướng ứng dụng AI gắn với sản xuất: sử dụng mô phỏng số để thử nghiệm quy trình, huấn luyện hệ thống tự động hóa và đánh giá các tình huống trước khi triển khai trên dây chuyền thật. Cách tiếp cận này có thể được nghiên cứu trong các lĩnh vực như phân loại sản phẩm, kiểm tra chất lượng, vận chuyển nội bộ hoặc thao tác trong môi trường công nghiệp có tính lặp lại cao.

Tuy nhiên, để ứng dụng hiệu quả, doanh nghiệp cần có dữ liệu phù hợp, mô hình mô phỏng đủ chính xác, khả năng tích hợp với thiết bị vật lý và quy trình đánh giá an toàn. Hiệu quả cũng phải được đo bằng những chỉ số thực tế như thời gian huấn luyện, tỷ lệ hoàn thành nhiệm vụ, mức độ can thiệp của con người và chi phí vận hành, thay vì chỉ dựa vào số lượng dữ liệu mô phỏng.

Câu chuyện của DexForce cũng cho thấy một hướng phát triển đáng chú ý của AI: giá trị công nghệ không chỉ nằm ở việc tạo ra mô hình thông minh hơn, mà còn ở khả năng giúp máy móc thực hiện công việc hữu ích với chi phí và mức độ rủi ro thấp hơn. Để chuyển tiềm năng đó thành hiệu quả kinh tế, bước quyết định vẫn là kiểm chứng được năng lực của hệ thống trong môi trường làm việc thực tế.