Cuộc Cách mạng Học tập AI đang Thúc đẩy Sự Bùng nổ Robot Hình người

Các nhà đầu tư đã đổ 6,1 tỷ USD vào robot hình người chỉ trong một năm gần đây — gấp bốn lần tổng số của năm trước. Sự gia tăng vốn đó không đến từ động cơ tốt hơn hay bộ truyền động rẻ hơn. Nó đến từ một bước đột phá cơ bản trong cách robot học tập, một bước đột phá đã âm thầm phát triển từ năm 2015 và giờ đây đã biến robot khoa học viễn tưởng thành một mục tiêu kỹ thuật khả thi.

• Tại sao Học tập Robot Thay đổi Mọi thứ Sau 2015
• Từ Quy tắc đến Học Tăng cường: Kỷ nguyên Mô phỏng
• Các Mô hình Nền tảng đã Mang lại cho Robot Kiến thức Thông thường như thế nào
• Những Giới hạn Vẫn còn Kìm hãm Ngành
• Điều này Có ý nghĩa gì đối với Người mua Robot và Thị trường Phần cứng
• Các Câu hỏi Thường gặp

Tại sao Học tập Robot Thay đổi Mọi thứ Sau 2015

Trong phần lớn lịch sử robot, trí thông minh đồng nghĩa với các quy tắc — hàng nghìn hướng dẫn viết tay do các kỹ sư lập trình để bao phủ mọi tình huống có thể dự đoán trước. Một cánh tay robot gấp quần áo cần logic rõ ràng cho hướng tay áo, độ cứng vải, phát hiện cổ áo và hàng chục trường hợp ngoại lệ. Tập hợp quy tắc trở nên phức tạp đến mức không thể tin cậy.

Cách tiếp cận đó tạo ra các robot công nghiệp đáng tin cậy cho môi trường có cấu trúc — dây chuyền hàn, ô pick-and-place, hệ thống băng tải — nhưng không thể tổng quát hóa. Di chuyển cùng một cánh tay đến một bối cảnh khác, thay đổi ánh sáng, giới thiệu hình dạng vật thể mới, và hiệu suất giảm ngay lập tức.

Khoảng cách giữa những gì robot có thể làm và những gì các nhà nghiên cứu mơ ước vẫn còn rộng một cách bền bỉ. Sau đó, vào khoảng năm 2015, phương pháp luận đã thay đổi.

Theo bài phân tích chuyên sâu của MIT Technology Review về lịch sử đương đại của học tập robot, thay đổi quan trọng là chuyển từ mã hóa quy tắc sang thử và sai dựa trên dữ liệu — và sau năm 2022, sang các mô hình nền tảng AI học từ dữ liệu quy mô internet thay vì chỉ từ mô phỏng thủ công.

Từ Quy tắc đến Học Tăng cường: Kỷ nguyên Mô phỏng

Khoảng năm 2015, các phòng thí nghiệm robot hàng đầu bắt đầu thay thế các quy tắc viết tay bằng học tăng cường (RL) — một phương pháp huấn luyện nơi một tác nhân AI nhận tín hiệu thưởng cho hành động thành công và tín hiệu phạt cho thất bại, sau đó lặp lại hàng triệu lần để tự khám phá ra chiến lược của riêng mình.

Dự án Dactyl của OpenAI, một bàn tay robot năm ngón được huấn luyện hoàn toàn trong mô phỏng, đã chứng minh cả sức mạnh và giới hạn cốt lõi của cách tiếp cận này. Dactyl học cách thao tác các khối nhỏ bằng cách huấn luyện trong môi trường kỹ thuật số — về cơ bản là một công cụ vật lý ảo — trước khi được triển khai trên phần cứng thực. Vấn đề: ngay cả những khác biệt nhỏ giữa thế giới mô phỏng và thực tế vật lý cũng khiến hiệu suất suy giảm mạnh.

Giải pháp kỹ thuật là ngẫu nhiên hóa miền — cố tình đưa ra các biến đổi ngẫu nhiên trên hàng triệu môi trường huấn luyện mô phỏng. Hệ số ma sát, điều kiện ánh sáng, màu sắc vật thể và kết cấu bề mặt đều được thay đổi ngẫu nhiên để chính sách được huấn luyện trở nên đủ mạnh mẽ để xử lý sự hỗn loạn của thế giới thực. Kỹ thuật này hoạt động đủ tốt để Dactyl cuối cùng giải được Khối Rubik — mặc dù chỉ 60% thời gian với các cấu hình tiêu chuẩn, giảm xuống 20% với các cấu hình khó hơn.

Những con số đó quan trọng để hiểu vị trí của lĩnh vực này vào thời điểm đó. RL huấn luyện trong mô phỏng tạo ra sự khéo léo thực sự ấn tượng, nhưng độ tin cậy không đủ để triển khai thương mại. OpenAI đã đóng cửa bộ phận robot vào năm 2021, phản ánh mức trần mà kỹ thuật này đã đạt tới.

Khoảng cách Mô phỏng-Thực tế: Những Thách thức Kỹ thuật Chính

Các Mô hình Nền tảng đã Mang lại cho Robot Kiến thức Thông thường như thế nào

Sự xuất hiện của các mô hình ngôn ngữ lớn đã thay đổi robot một cách sâu sắc hơn bất kỳ tiến bộ phần cứng nào trong thập kỷ qua. Hiểu biết chính là về mặt kiến trúc: LLM học bằng cách dự đoán token nào (từ, từ phụ hoặc ký tự) xuất hiện tiếp theo trong một chuỗi, tiếp thu khối lượng lớn văn bản để xây dựng các biểu diễn nội tại phong phú về ngôn ngữ và kiến thức thế giới. Các nhà robot học đã đặt một câu hỏi hiển nhiên nhưng mang tính cách mạng — liệu cùng một kiến trúc có thể hoạt động nếu các token là các chỉ số cảm biến, khung hình camera và vị trí khớp thay vì từ ngữ?

Câu trả lời của Google DeepMind là RT-1 và phiên bản kế thừa RT-2 (Robotic Transformer). RT-1 được huấn luyện trên 17 tháng dữ liệu điều khiển từ xa bao phủ 700 nhiệm vụ riêng biệt, nhận đầu vào là góc nhìn camera robot và trạng thái khớp cánh tay, và tạo ra đầu ra là lệnh điều khiển động cơ. Trên các nhiệm vụ đã thấy trong quá trình huấn luyện, nó đạt 97% thành công. Trên các hướng dẫn hoàn toàn mới, nó vẫn đạt 76% — một cải tiến đáng kể so với bất kỳ phương pháp chỉ dùng mô phỏng nào trước đây.

RT-2 tiến xa hơn bằng cách tích hợp dữ liệu hình ảnh và văn bản quy mô internet, mang lại cho robot một dạng kiến thức thông thường dựa trên thế giới hình ảnh rộng lớn thay vì chỉ phòng thí nghiệm robot. Đây là bước nhảy vọt về khái niệm quan trọng: thay vì lập trình robot bằng các quy tắc, hoặc huấn luyện chúng chỉ trên dữ liệu dành riêng cho robot, các nhà nghiên cứu phát hiện ra rằng kiến thức thế giới chung — loại được tích hợp vào các mô hình ngôn ngữ-hình ảnh trong quá trình tiền huấn luyện quy mô web — có thể chuyển giao một cách đáng ngạc nhiên sang các nhiệm vụ thao tác vật lý.

Ý nghĩa thực tế là rất đáng kể. Một robot đã xem hàng triệu hình ảnh về nhà bếp, ngăn kéo và cốc trong quá trình tiền huấn luyện sẽ đến với bối cảnh hiểu biết mà các hệ thống dựa trên quy tắc không bao giờ có thể có được. Nó không chắc chắn cốc nào người dùng muốn, nhưng nó có một tiên nghiệm hợp lý. Tiên nghiệm đó giúp giảm đáng kể lượng dữ liệu huấn luyện dành riêng cho robot cần thiết để đạt được mức hiệu suất hữu ích.

Những Giới hạn Vẫn còn Kìm hãm Ngành

Sự phấn khích hiện tại là có thật, nhưng cần phải xác định những gì thực sự chưa được giải quyết. Các mô hình nền tảng cho robot đối mặt với một vấn đề dữ liệu không tồn tại đối với các mô hình ngôn ngữ ở cùng dạng. Dữ liệu văn bản dồi dào, rẻ và dễ dàng thu thập từ web. Dữ liệu trình diễn robot chất lượng cao — đa dạng, có cơ sở vật lý và được gắn nhãn chính xác — thì đắt tiền để thu thập, phụ thuộc vào phần cứng và khó chuyển giao giữa các hình thái robot khác nhau.

Các robot xã hội đời đầu minh họa một giới hạn khác: khả năng mà không có độ tin cậy. Jibo, robot xã hội gia đình do MIT phát triển đã huy động 3,7 triệu USD qua crowdfunding và bán lẻ với giá 749 USD, có tầm nhìn hấp dẫn nhưng cuối cùng bị cản trở bởi công nghệ ngôn ngữ thời kỳ trước LLM. Các cuộc trò chuyện của nó dựa trên các đoạn phản hồi kịch bản, nhanh chóng trở nên lặp đi lặp lại và nông cạn. AI giọng nói ngày nay sẽ biến Jibo thành một thứ hoàn toàn khác — nhưng thế hệ đồ chơi hỗ trợ AI mới lại mang đến rủi ro ngược lại. Các hệ thống kịch bản không thể đi sai hướng; các hệ thống AI sinh học thì hoàn toàn có thể, như các trường hợp đã được ghi nhận về bạn đồng hành AI đưa ra lời khuyên nguy hiểm cho trẻ em đã chứng minh.

Lĩnh vực này đã đánh đổi một bộ giới hạn (cứng nhắc, dễ vỡ) lấy một bộ khác (không thể đoán trước, không chắc chắn về an toàn). Không vấn đề nào được giải quyết hoàn toàn. Điều đã thay đổi là quỹ đạo cải thiện giờ đây có thể đo lường được là dốc hơn.

Điều này Có ý nghĩa gì đối với Người mua Robot và Thị trường Phần cứng

Cuộc cách mạng học tập AI không chỉ là một câu chuyện học thuật — nó đã định hình lại định giá phần cứng theo những cách quan trọng đối với người mua và người vận hành ngay bây giờ.

Các robot có khả năng bị khóa vào chương trình gốc của chúng sẽ giảm giá nhanh trong thị trường hiện tại. Các cánh tay công nghiệp thế hệ thứ hai với chương trình chuyển động cố định có giá trị bán lại giảm dần khi người mua ngày càng mong đợi tính linh hoạt. Trong khi đó, các nền tảng phần cứng được thiết kế để chạy phần mềm dựa trên học tập — với khả năng tính toán dễ tiếp cận, API mở và tải trọng cảm biến đủ — đang giữ giá trị tốt hơn.

Đối với người mua đánh giá mua hàng hôm nay, một số hàm ý nổi bật:

• Khả năng mở rộng của nền tảng quan trọng như khả năng hiện tại. Một robot cộng tác chạy ML hiện đại cục bộ sẽ có tuổi thọ hữu ích dài hơn so với robot bị khóa vào môi trường lập trình riêng của nhà cung cấp.
• Định giá phần cứng đã qua sử dụng phản ánh khả năng sẵn sàng AI. Các robot từ các nền tảng đã nhận được các bản cập nhật phần mềm học tập lớn giữ giá trị; những robot bị nhà sản xuất bỏ rơi đang giảm giá đáng kể.
• Cơ sở hạ tầng dữ liệu là yếu tố khác biệt mới. Người mua triển khai nhiều đơn vị nên lên kế hoạch thu thập dữ liệu điều khiển từ xa ngay từ ngày đầu — dữ liệu trình diễn đó trở thành kho dữ liệu huấn luyện cho hiệu suất cải thiện.

Đối với người vận hành xem xét triển khai cấp thấp, thị trường robot công nghiệp đã qua sử dụng hiện tại cung cấp quyền truy cập vào phần cứng có khả năng với chi phí giảm, mặc dù người mua nên đánh giá kỹ lộ trình cập nhật phần mềm. Tương tự, danh mục robot cộng tác đang phát triển đặc biệt ở vị trí tốt để hưởng lợi từ việc triển khai mô hình nền tảng, do bối cảnh hoạt động linh hoạt, gần gũi với con người của robot cộng tác.

Các Câu hỏi Thường gặp

Động lực chính là sự trưởng thành của các mô hình nền tảng AI — cụ thể là khám phá rằng các mô hình ngôn ngữ-hình ảnh được huấn luyện trên dữ liệu quy mô internet có thể được thích ứng để tạo ra các lệnh điều khiển động cơ robot với khả năng tổng quát hóa lớn hơn nhiều so với các phương pháp dựa trên quy tắc hoặc chỉ mô phỏng trước đây. Đầu tư tăng vọt sau khi nghiên cứu chứng minh rằng các mô hình như RT-2 có thể thực hiện các nhiệm vụ mới mà không cần huấn luyện dành riêng cho nhiệm vụ, mở ra một lộ trình khả thi cho robot đa năng. Các số liệu gần đây cho thấy đầu tư tăng gấp bốn lần so với cùng kỳ năm trước, đạt 6,1 tỷ USD.

Ngẫu nhiên hóa miền trong robot học là gì và tại sao nó quan trọng?

Ngẫu nhiên hóa miền là một kỹ thuật huấn luyện mô phỏng nơi hàng nghìn môi trường ảo hơi khác nhau được tạo ra trong quá trình huấn luyện — thay đổi ngẫu nhiên ánh sáng, ma sát, màu sắc vật thể và tham số vật lý. Nó giải quyết khoảng cách mô phỏng-thực tế (sự suy giảm hiệu suất khi các chính sách huấn luyện trong mô phỏng chạy trên phần cứng thực) bằng cách buộc chính sách đã học phải mạnh mẽ qua nhiều cấu hình thế giới khả thi. Dactyl của OpenAI đã sử dụng cách tiếp cận này để giải Khối Rubik bằng một bàn tay robot, mặc dù tỷ lệ thành công dừng lại ở 60% đối với mức độ khó tiêu chuẩn.

Các mô hình nền tảng cho robot học khác với LLM tiêu chuẩn như thế nào?

Các mô hình ngôn ngữ lớn tiêu chuẩn xử lý các token văn bản như cả đầu vào và đầu ra. Các mô hình nền tảng robot mở rộng kiến trúc này để coi các khung hình camera, chỉ số cảm biến độ sâu và vị trí khớp robot là các token đầu vào bổ sung, và các lệnh vận tốc động cơ là token đầu ra. Nhiệm vụ dự đoán cốt lõi — "cái gì tiếp theo dựa trên ngữ cảnh trước đó?" — vẫn tương tự về mặt cấu trúc. Lợi thế quan trọng là tiền huấn luyện trên dữ liệu hình ảnh và ngôn ngữ quy mô internet mang lại cho các mô hình này kiến thức thế giới và kiến thức thông thường mà dữ liệu trình diễn robot thuần túy không thể cung cấp hiệu quả.

Robot thích ứng AI sẽ khiến robot chương trình cố định cũ trở nên lỗi thời nhanh chóng?

Không phải ngay lập tức. Robot công nghiệp chương trình cố định vẫn hiệu quả về chi phí cho các nhiệm vụ khối lượng lớn, ít biến đổi như hàn và dập, nơi khả năng thích ứng không mang lại giá trị. Áp lực lỗi thời cao nhất trong các môi trường hậu cần đa SKU, lắp ráp nhẹ và dịch vụ nơi tính biến đổi của nhiệm vụ là vốn có. Người mua nên đánh giá xem hồ sơ nhiệm vụ cụ thể của họ có thực sự được hưởng lợi từ khả năng thích ứng hay không trước khi cho rằng các nền tảng AI mới hơn biện minh cho phần bù giá so với phần cứng cũ đã được chứng minh.

Các vấn đề chưa giải quyết chính trong học tập robot hiện nay là gì?

Ba thách thức vẫn còn đáng kể: (1) chi phí cao và sự sẵn có hạn chế của dữ liệu trình diễn robot đa dạng so với dữ liệu văn bản cho các mô hình ngôn ngữ; (2) tính không thể đoán trước về an toàn của các hệ thống AI sinh học được triển khai trong môi trường vật lý, đặc biệt là những hệ thống tương tác với các nhóm dân cư dễ bị tổn thương; và (3) thao tác khéo léo đáng tin cậy — các nhiệm vụ vận động tinh như luồn cáp hoặc xử lý vật liệu dẻo vẫn đánh bại hầu hết các hệ thống hiện tại trong điều kiện thế giới thực chứ không phải trong các thiết lập phòng thí nghiệm được kiểm soát.

Cuộc cách mạng học tập robot là có thật, nhưng nó chưa hoàn thành. Các mô hình nền tảng đã phá vỡ mức trần mà các hệ thống dựa trên quy tắc áp đặt, và các con số đầu tư phản ánh tiến bộ công nghệ thực sự chứ không phải suy đoán thuần túy. Khoảng cách giữa robot khoa học viễn tưởng và phần cứng có thể triển khai đã thu hẹp nhiều hơn trong ba năm qua so với ba thập kỷ trước.

Giới hạn tiếp theo không phải là thuật toán. Đó là dữ liệu, xác nhận an toàn và độ tin cậy phần cứng ở quy mô lớn — những vấn đề kỹ thuật khó mà chỉ tài trợ không thể đẩy nhanh vượt quá một tốc độ nhất định.

Bạn nghĩ cách tiếp cận học tập robot nào — học tăng cường, mô hình nền tảng, hay dữ liệu điều khiển từ xa — sẽ quyết định ai chiến thắng trong cuộc đua robot hình người?