Vì sao bàn tay robot không giống con người?

Robot Linkerbot, Trung Quốc, có khả năng chơi nhạc cụ.

Nguyên nhân nằm ở cấu trúc phức tạp của xúc giác, lực nắm và khả năng thích ứng với thế giới thực trong đôi bàn tay.

Thách thức tưởng như đơn giản

Một robot hình người có thể nhào lộn nhưng không thể gấp một chiếc áo sơ mi. Sự khác biệt nằm ở mức độ kiểm soát của từng nhiệm vụ.

Nhào lộn là chuỗi chuyển động được tính toán cẩn thận, nên robot biết chính xác mình cần di chuyển theo hướng nào, các khớp phải hoạt động ra sao và lặp lại hành vi đó như thế nào. Ngược lại, công việc nhà rất khó dự đoán. Một chiếc áo có nhiều kiểu dáng, độ nhăn hay nếp gấp khác nhau, nên việc gấp gọn chúng đòi hỏi sự khéo léo và phán đoán.

Robot cũng không thể chỉ sử dụng bàn tay một cách độc lập. Khi gập quần áo, nhặt đồ hay mở ngăn kéo, nó phải phối hợp hai tay, di chuyển cơ thể, duy trì thăng bằng và định hướng trong không gian. Vì thế, khả năng thao tác của robot phụ thuộc đồng thời vào bàn tay, cánh tay, thân máy, hệ thống thị giác và môi trường xung quanh.

Vì vậy, bàn tay là một trong những bộ phận khó phát triển nhất của robot hình người. Bàn tay con người không chỉ là tập hợp các ngón tay; đó là hệ thống kết hợp giữa cơ học, cảm giác và điều khiển, hoạt động liên tục mà phần lớn nằm ngoài ý thức.

Thời gian gần đây, đôi tay trở thành hướng nghiên cứu quan trọng trong robot hình người. Tuy nhiên, các nhà nghiên cứu phải giải quyết cùng lúc 3 bài toán lớn về phần cứng, cảm biến và khả năng học.

Đôi tay robot không thể linh hoạt như con người.

Ba bài toán robot phải giải quyết

Để tạo ra một bàn tay có khả năng hoạt động gần giống con người, giới nghiên cứu phải xử lý đồng thời cả ba thách thức lớn nêu trên.

Trước hết là bài toán cơ học. Bàn tay người có 27 xương, 34 cơ và hơn 17.000 thụ thể, cho phép thực hiện những chuyển động vừa mạnh vừa tinh tế. Cơ bắp có thể thay đổi lực một cách linh hoạt, trong khi các bộ truyền động của robot chủ yếu dựa vào động cơ, hệ thống thủy lực, khí nén hoặc cáp.

Muốn tạo ra một bàn tay robot có nhiều bậc tự do, các kỹ sư phải đưa hàng loạt bộ truyền động và cảm biến vào một không gian rất nhỏ. Động cơ càng lớn thì càng mạnh nhưng càng khó bố trí. Ngược lại, động cơ nhỏ lại có giới hạn về mô-men xoắn.

Bộ truyền động nhanh có thể khó đạt độ chính xác cao, trong khi hệ thống quá chính xác thường phản ứng chậm hơn. Ngoài ra, ma sát, độ giãn của cáp và nhiệt sinh ra từ động cơ cũng ảnh hưởng đến hiệu suất.

Một số thiết kế đang sử dụng cơ cấu truyền động bằng cáp, trong đó động cơ được đặt ở cẳng tay và kéo cáp để điều khiển các ngón, tương tự cách gân vận hành bàn tay người. Thiết kế này giúp giảm kích thước ở phần bàn tay nhưng đồng thời tạo ra những vấn đề mới về ma sát, độ giãn và kiểm soát lực.

Bài toán thứ hai là xúc giác. Khi con người cầm một chiếc cốc, thông tin không chỉ đến từ mắt. Các thụ thể trên da cung cấp dữ liệu về áp lực, rung động, độ trượt và kết cấu bề mặt. Nhờ đó, con người có thể điều chỉnh lực gần như tức thời.

Một số hệ thống mới đang tập trung vào khả năng phát hiện trượt theo thời gian thực. Khi robot nhận ra vật thể bắt đầu dịch chuyển giữa các ngón tay, nó có thể tăng lực kẹp trước khi vật rơi xuống. Đây là năng lực rất cơ bản đối với con người nhưng lại là bài toán kỹ thuật phức tạp đối với robot.

Cuối cùng là bài toán dữ liệu và học tập. Robot hiện đại hướng đến khả năng ứng phó linh hoạt thay vì những lập trình sẵn. Tuy nhiên, dữ liệu cho thao tác tinh vi khó thu thập hơn rất nhiều so với dữ liệu hình ảnh.

Các công ty robot đang tiếp cận bài toán theo nhiều hướng. Công ty công nghệ Unitree phát triển robot G1 với các tùy chọn bàn tay có khả năng điều khiển lực và cảm biến xúc giác.

Công ty robot Apptronik phát triển Apollo theo hướng kết hợp khả năng di chuyển với thao tác, trong khi Tesla phát triển Optimus như một robot hình người đa năng. Công ty robot 1X, Mỹ, hướng đến thiết kế robot dành riêng cho các công việc gia đình.

Tuy nhiên, việc một robot thực hiện thành công một nhiệm vụ trong điều kiện thử nghiệm không đồng nghĩa nó đã có thể làm việc đáng tin cậy trong một ngôi nhà thực tế. Khoảng cách giữa hai điều này nằm ở khả năng thích ứng với những tình huống chưa từng gặp. Cho đến lúc đó, một robot có thể lộn ngược, chạy hay nhảy vẫn có thể phải “học” rất lâu để nhặt một chiếc khăn.