Nghiên cứu mới: Tạo 'trí nhớ không gian' để robot ghi nhớ thay con người

Nếu muốn robot làm việc cùng con người và tương tác tốt hơn với con người, robot phải “nói cùng một ngôn ngữ” với chúng ta. Nói cách khác, robot cần có khả năng suy luận về thời gian và không gian theo cách gần với con người hơn.

Một công nhân trong nhà máy ô tô có thể nhớ rất rõ chiếc thùng lưu trữ nơi cô để lại một linh kiện đang lắp ráp dở từ tối hôm trước, rồi nhanh chóng quay lại đúng vị trí đó để lấy nó. Với con người, kiểu ghi nhớ này diễn ra tự nhiên: chúng ta không chỉ nhớ “vật gì”, mà còn nhớ “ở đâu”, “khi nào” và trong bối cảnh nào.

Nhưng với robot, nhất là những robot được kỳ vọng làm việc song song với con người trong nhà máy, văn phòng hay không gian công cộng, việc hình thành và truy xuất dạng trí nhớ “không thời gian” như vậy vẫn là một thách thức lớn.

Các nhà nghiên cứu tại MIT mới đây đã phát triển một khung trí nhớ dài hạn cho phép robot nhanh chóng xây dựng và hồi tưởng một mô hình chi tiết về những môi trường phức tạp, có quy mô lớn. Trong tương lai, tiến bộ này có thể giúp một công nhân chỉ cần nói với trợ lý robot: “Hãy đi lấy linh kiện mà chúng ta bắt đầu lắp ráp tối qua”, và robot có thể hiểu, nhớ lại vị trí liên quan rồi di chuyển đến đó để lấy đúng món đồ.

Công nghệ giúp robot “nhớ lại” vị trí và hỗ trợ con người trong công việc thực tế. Ảnh: Midjourney

Phương pháp mới kết hợp các biểu diễn bản đồ tiên tiến với những mô tả phong phú về môi trường mà robot thu thập trong quá trình di chuyển.

Luca Carlone, phó giáo sư tại Khoa Hàng không và Du hành vũ trụ của MIT, nhà nghiên cứu chính tại Phòng thí nghiệm Hệ thống Thông tin và Quyết định, đồng thời là giám đốc Phòng thí nghiệm MIT SPARK, cho rằng nếu muốn robot làm việc cùng con người và tương tác tốt hơn với con người, robot phải “nói cùng một ngôn ngữ” với chúng ta. Nói cách khác, robot cần có khả năng suy luận về thời gian và không gian theo cách gần với con người hơn.

Về bản chất, trí nhớ cho phép một hệ thống AI, chẳng hạn như chatbot, trả lời những câu hỏi phức tạp và suy luận dựa trên các tương tác trước đó với người dùng. Nhưng với robot, trí nhớ không thể chỉ nằm trong văn bản. Nó cần được neo vào thế giới thực, gắn với các quan sát từ cảm biến, các vật thể cụ thể và vị trí cụ thể.

Carlone gọi đây là “trí nhớ không thời gian”: một dạng trí nhớ giúp robot ghi nhớ các tương tác và quan sát trong môi trường thực, từ đó trả lời những câu hỏi như “Tôi đã để ví ở đâu?” hoặc “Chiếc xe đạp màu đỏ bị xẹp lốp nằm ở chỗ nào?”.

Khung bộ nhớ dài hạn mới cho phép robot ghi nhớ và liên kết thông tin chi tiết về các vật thể khi khám phá môi trường. Ảnh: MIT News

Để xây dựng khung trí nhớ này, nhóm MIT đã kết nối hai hướng nghiên cứu vốn thường tách biệt: thị giác máy tính và lập bản đồ robot. Phương pháp mới của MIT có tên Describe Anything, Anywhere, Anytime, at Any Moment, viết tắt là DAAAM.

Khi robot di chuyển trong môi trường, DAAAM gắn các mô tả chi tiết vào những vật thể mà robot nhìn thấy. Những thông tin này được lưu trong một biểu diễn dựa trên bản đồ 3D, sắp xếp theo không gian, để các vật thể được nhóm vào từng khu vực. Nhờ đó, robot có thể nhớ rằng chiếc xe đạp màu đỏ bị xẹp lốp nằm ở giá để xe bên ngoài Stata Center.

Một thách thức lớn là tốc độ. Các kỹ thuật có khả năng tạo mô tả phong phú thường mất vài giây để chú thích một số vật thể. Điều này quá chậm đối với robot hoạt động theo thời gian thực, bởi trong vài phút khám phá, robot có thể nhìn thấy hàng trăm vật thể.

Để giải quyết vấn đề này, DAAAM gom nhóm các vật thể ở gần nhau khi robot di chuyển, rồi sử dụng phương pháp tối ưu hóa để chọn các khung hình then chốt cần chú thích. Đây là những hình ảnh có góc nhìn rõ nhất với nhiều vật thể, cho phép hệ thống mô tả nhiều món đồ song song và tăng tốc độ tính toán lên khoảng 10 lần.

Sau khi xây dựng được trí nhớ không gian, hệ thống cần truy xuất thông tin từ một cơ sở dữ liệu khổng lồ gồm các vật thể và mô tả. Nhóm nghiên cứu sử dụng một mô hình ngôn ngữ lớn có khả năng gọi nhiều công cụ khác nhau để nhanh chóng tìm thông tin cụ thể, đồng thời giảm hiện tượng “ảo giác” trong câu trả lời. Nhờ vậy, DAAAM có thể phản hồi truy vấn của người dùng chỉ trong vài giây. Khi được thử nghiệm và so sánh với các phương pháp khác, DAAAM cho độ chính xác cao hơn từ 21% đến 53%, tùy loại câu hỏi.

Trong tương lai, nhóm nghiên cứu muốn mở rộng DAAAM để hệ thống không chỉ ghi nhớ vật thể và vị trí, mà còn có thể ghi nhận những sự kiện quan trọng đã xảy ra trong môi trường. Họ cũng đang nghiên cứu tích hợp mức độ tin cậy vào câu trả lời của robot. Mục tiêu xa hơn, như Gorlo nói, là xây dựng nền tảng cho một tác nhân tổng quát có thể hỗ trợ con người trong nhiều loại nhiệm vụ khác nhau.

(Nguồn: MIT)