Robot hình người nhảy parkour, bắt chước chuyển động giống người

Cuộc đua robot hình người và bài toán bắt chước chuyển động thật

Trong danh sách các bài nghiên cứu trí tuệ nhân tạo được nhắc tới nhiều trên mạng xã hội từ đầu tháng 10 đến đầu tháng 11.2025. Một công trình về robot hình người của nhóm Amazon Frontier AI & Robotics (FAR) gây chú ý đặc biệt. Công nghệ này giúp robot bắt chước động tác của con người. Từ đi lại, mang vác cho tới những động tác khó như nhảy, xoay người, giữ tư thế phòng thủ giống các bài tập parkour.

Boston Dynamics, công ty robot của Mỹ, vừa công bố video cho thấy robot hình người Atlas vượt đường đua chướng ngại vật phức tạp. Ảnh: Nazology

Trong giới nghiên cứu AI, arXiv là kho lưu trữ bài báo khoa học được nhiều nhóm trên thế giới sử dụng mỗi ngày để cập nhật xu hướng mới. Trong đó, có các nghiên cứu về AI tạo sinh. Dựa trên dữ liệu từ arXiv và công cụ phân tích mạng xã hội Meltwater. Các nhà phân tích thống kê những bài báo về AI được nhắc tới nhiều trên X, Bluesky, LinkedIn, Reddit trong giai đoạn từ ngày 1.10 đến ngày 8.11.2025. Bài báo về robot hình người mang tên “OmniRetarget: Tạo dữ liệu bảo toàn tương tác cho thao tác vận động toàn thân và tương tác trong bối cảnh của người dạng người” đứng thứ ba về số lượt đề cập.

Nghiên cứu này xuất hiện trong bối cảnh cuộc đua phát triển robot hình người ngày càng sôi động. Các hệ thống điều khiển toàn thân đã giúp robot biết đi lại linh hoạt hơn, mang vác đồ vật và phối hợp nhiều khớp phức tạp.

Tuy vậy, một bài toán khó vẫn chưa được giải tốt là làm sao “dịch” chuyển động tự nhiên của con người sang chuyển động phù hợp với cơ thể và khớp của robot. Con người và robot khác nhau về chiều cao, tỉ lệ cơ thể, cách bố trí khớp, lại còn phải tính thêm mặt sàn, chướng ngại vật hay các vật dụng xung quanh. Những cách tiếp cận thông thường thường bỏ sót các khác biệt này nên robot dễ có những động tác “lỗi”, như trượt chân trên mặt đất hoặc tay, chân “đi xuyên” qua vật thể trong mô phỏng.

Nhóm tác giả do Amazon Frontier AI & Robotics, tổ chức nghiên cứu mới của Amazon tại Mỹ, dẫn dắt đã đề xuất OmniRetarget như một hướng đi mới. FAR được Amazon thành lập để tập trung vào lĩnh vực gọi là “AI vật lý”, tức các mô hình trí tuệ nhân tạo gắn với thế giới thật, bao gồm mô hình đa phương thức, mô phỏng môi trường và mô hình robot.

Nhiều nhà nghiên cứu tên tuổi tham gia tổ chức này, trong đó có Pieter Abbeel, người sáng lập công ty khởi nghiệp Covariant mà Amazon đã mua lại, cùng các chuyên gia từng làm việc tại Meta và ByteDance. Thông tin về đội ngũ này xuất hiện trong các tin tuyển dụng và hồ sơ trên LinkedIn của công ty.

Công nghệ OmniRetarget và bước tiến đưa robot ra đời thực

Trong bài báo trên xtech.nikkei.com, nhóm FAR giới thiệu OmniRetarget như một công nghệ tạo dữ liệu quỹ đạo chuyển động để huấn luyện robot. Thay vì chỉ “vẽ” lại đường đi của tay chân theo kiểu hình học đơn giản, hệ thống sử dụng một dạng lưới ba chiều gọi là “lưới tương tác” để biểu diễn chuyển động. Cách biểu diễn này giữ lại mối quan hệ không gian giữa robot, vật thể và môi trường xung quanh: bàn chân đặt ở đâu, bàn tay chạm vào vật gì, động tác tác động lên mặt đất hay bề mặt như thế nào.

Nhờ đó, các hành vi thiếu tự nhiên về mặt vật lý như trượt chân hay nâng đồ vật, vốn thường gặp trong nhiều phương pháp trước đây, được hạn chế nhờ những ràng buộc rõ ràng. Các ràng buộc này bao gồm tránh va chạm, tôn trọng giới hạn chuyển động của từng khớp và bảo đảm quỹ đạo mà robot có thể thực hiện được về mặt lực và thăng bằng.

Một điểm đáng chú ý khác là ngay cả khi quỹ đạo ban đầu phải điều chỉnh cho phù hợp với một mẫu robot cụ thể, hệ thống vẫn có thể tối ưu lại quỹ đạo một cách tự động. Từ một lần con người trình diễn động tác, thuật toán có thể tạo ra nhiều phiên bản biến đổi nhưng vẫn hợp lý về mặt vật lý.

Cách làm này cho thấy khả năng giảm mạnh sự phụ thuộc vào dữ liệu huấn luyện thu từ điều khiển từ xa của con người, vốn tốn nhiều thời gian, công sức và chi phí. Chỉ với một số ít mẫu chuyển động thật, người ta có thể “nhân rộng” thành cả một bộ dữ liệu phong phú để robot học.

Để kiểm chứng, nhóm nghiên cứu cho robot học điều khiển bằng phương pháp học tăng cường. Mô hình điều khiển được huấn luyện trên dữ liệu quỹ đạo do OmniRetarget tạo ra trong môi trường mô phỏng, sau đó được dùng trực tiếp để điều khiển robot hình người thật Unitree G1 ngoài đời mà không cần bước tinh chỉnh thêm.

Việc “chuyển từ mô phỏng sang thực tế” là một thử thách lớn, vì sai lệch nhỏ cũng có thể khiến robot ngã hoặc mất thăng bằng. Đáng chú ý là quá trình học không sử dụng hình ảnh từ camera hay các cảm biến thị giác, mà chỉ dùng thông tin về trạng thái của robot như góc khớp, tốc độ quay của từng khớp.

Để người xem dễ hình dung, nhóm FAR công bố một video cho thấy robot thực hiện nhiều động tác phức tạp như nhảy, xoay người, chuyển sang tư thế phòng thủ giống các bài tập trong môn parkour, nơi người chơi phải vượt qua liên tiếp các chướng ngại vật. Chuyển động của robot trong video khá mượt, liền mạch, ít tạo cảm giác “giật cứng” thường thấy ở robot. Đoạn video nhanh chóng được chia sẻ rộng rãi, góp phần giúp bài báo trở thành một trong những nghiên cứu về robot hình người được bàn luận nhiều trong thời gian khảo sát.

Nghiên cứu cũng nhận được sự quan tâm của những gương mặt có ảnh hưởng trong cộng đồng AI. Trên mạng xã hội, Thomas Wolf, đồng sáng lập nền tảng mã nguồn mở Hugging Face, đánh giá cao kết quả mà nhóm nghiên cứu đạt được.

Ông cho biết nhóm đã phát triển được robot có thể bắt chước chuyển động của con người trong hơn 30 giây, áp dụng cho nhiều dạng robot khác nhau, và xem đây là một bước tiến lớn vì cho phép lập bản đồ chuyển động chính xác trong nhiều điều kiện, nhiều loại vật thể. Theo ông, khi việc mở rộng dữ liệu huấn luyện trở nên dễ dàng hơn, công nghệ này có thể giảm đáng kể tình trạng thiếu dữ liệu điều khiển từ xa của con người, vốn đang là nút thắt quan trọng trong phát triển robot hình người.

Thomas Wolf cho biết bộ dữ liệu quỹ đạo đã được công bố trên nền tảng Hugging Face, và khung mã nguồn của dự án dự kiến sẽ tiếp tục được chia sẻ công khai. Ông nhận định những dự án khoa học mở như vậy có thể trở thành bước ngoặt cho ngành robot, khi các phòng thí nghiệm và doanh nghiệp cùng chia sẻ dữ liệu, mô hình và mã nguồn để rút ngắn thời gian nghiên cứu. Nhìn rộng hơn, sự ra đời của các tổ chức như Amazon FAR cho thấy các tập đoàn công nghệ lớn đang chuyển dần từ việc chỉ phát triển AI trong môi trường dữ liệu số sang xây dựng những “bộ não số” điều khiển các cỗ máy có thể di chuyển, tương tác và thích nghi với thế giới thực.

Thủy Long