Robot và công nghệ hiện đại tạo điểm nhấn tại Triển lãm 80 năm thành tựu đất nước AI và robot: Cặp đôi quyền lực định hình thế hệ máy móc hiện đại |
![]() |
Ảnh minh họa |
Đây là kết quả từ dự án nghiên cứu dài hạn do Google DeepMind Robotics (hiện đổi tên thành Gemini Robotics) phối hợp với Intrinsic và Đại học University College London thực hiện. Bài nghiên cứu chi tiết đã được đăng trên tạp chí Science Robotics với tiêu đề: "RoboBallet: Planning for Multi-Robot Reaching with Graph Neural Networks and Reinforcement Learning".
Theo nhóm nghiên cứu, hệ thống mới giải quyết một trong những bài toán khó nhất trong tự động hóa công nghiệp: điều phối nhiều robot cùng làm việc đồng thời trong không gian chật hẹp. Các phương pháp lập trình truyền thống - vốn yêu cầu lập trình thủ công từng cử động cho mỗi robot được cho là mất thời gian, thiếu linh hoạt và khó mở rộng quy mô.
Giải pháp mới áp dụng mô hình trí tuệ nhân tạo đặc biệt dựa trên mạng nơ-ron đồ thị (Graph Neural Networks - GNN) kết hợp với học tăng cường (reinforcement learning). Hệ thống đã được huấn luyện qua hàng triệu tình huống mô phỏng, từ đó học cách lập kế hoạch chuyển động hiệu quả, tránh va chạm trong các môi trường hoàn toàn mới.
Kỹ sư Matthew Lai thuộc Google DeepMind Robotics chia sẻ: “Chúng tôi phát triển một phương pháp dựa trên AI, sử dụng mạng nơ-ron đồ thị kết hợp với học tăng cường, cho phép lập kế hoạch nhiệm vụ và chuyển động một cách tự động ở quy mô công nghiệp với tối đa 8 robot hoạt động đồng thời. Hệ thống có thể tạo ra các kế hoạch chuyển động chất lượng cao chỉ trong vài giây.”
Intrinsic cho biết giải pháp mới vượt trội hơn các phương pháp truyền thống và mô hình thiết kế bởi chuyên gia khoảng 25% trong các bài kiểm tra trong phòng thí nghiệm. Đáng chú ý, hiệu suất còn tăng theo số lượng robot: khi tăng từ 4 lên 8 robot, thời gian thực hiện trung bình giảm tới 60%.
Mô hình AI có thể nhận một nhóm nhiệm vụ và tự động tạo chuỗi chuyển động phù hợp mà không cần sự can thiệp của con người, đồng thời tự động tránh va chạm. Quan trọng hơn, mô hình còn có thể thích nghi với các tình huống mới mà không cần huấn luyện lại hoặc thêm chú thích bằng cách thủ công.
Các bên nghiên cứu kỳ vọng công nghệ này sẽ có ảnh hưởng sâu rộng tới các ngành công nghiệp như ô tô, hàng không và điện tử nơi nhiều robot thường vận hành gần nhau. Trong tương lai, hệ thống còn có thể tái lập kế hoạch theo thời gian thực, thích ứng với thay đổi như di chuyển linh kiện, vật cản bất ngờ hoặc thậm chí là hỏng hóc thiết bị.
Intrinsic đánh giá nghiên cứu này là “bước tiến quan trọng để đưa các mô hình robot đa tác vụ, thích nghi cao và siêu hiệu quả vào thực tế ngành robot và sản xuất”.