"Chúng tôi đã có một số kết quả đột phá." Toyota, MIT và Columbia Engineering đã trình diễn những kết quả ấn tượng từ phương pháp học AI, giúp tăng tốc đáng kể khả năng học hỏi kỹ năng mới của robot. Đây có vẻ như là một bước tiến quan trọng trong lĩnh vực robot, tương tự như ChatGPT trong lĩnh vực xử lý ngôn ngữ tự nhiên.

Chúng ta đang sống trong thời đại khởi đầu của robot đa dụng. Hàng chục công ty hiện nay đã quyết định đầu tư mạnh mẽ vào robot hình người, có khả năng tự động điều hướng và thực hiện nhiệm vụ thay thế con người.

Phần lớn các ứng dụng ban đầu tập trung vào việc nâng và hạ vật nặng - điều này có ích trong lĩnh vực logistics và di chuyển hàng hóa trong nhà máy. Tuy nhiên, để robots có thể thực hiện nhiều công việc đa dạng hơn, chúng cần phương pháp học nhanh chóng từ hướng dẫn của con người. Đó là nơi mà Toyota khẳng định đã có bước đột phá, với phương pháp học mới dựa trên Diffusion Policy (Chính sách khuếch tán), mở ra khả năng phát triển Large Behavior Models - LBM (Mô hình Hành vi lớn).

Diffusion Policy là một khái niệm mà Toyota phát triển cùng Columbia Engineering và MIT. Phương pháp này cho phép AI robot quan sát cách con người thực hiện nhiệm vụ và tự lập trình để thực hiện công việc đó một cách linh hoạt.

Khác với các startup sử dụng kính thực tế ảo để dạy robot, Toyota tập trung vào khả năng tiếp xúc, cho phép người điều khiển cảm nhận được những gì robot cảm nhận khi chạm vào vật thể. Sau khi được hướng dẫn, AI robot sẽ xây dựng mô hình hành vi, sau đó chạy hàng nghìn mô phỏng để phát triển kỹ thuật thực hiện nhiệm vụ.

"Quy trình này bắt đầu bằng việc một người huấn luyện trình diễn một tập hợp kỹ năng nhỏ thông qua điều khiển từ xa", Ben Burchfiel, một trong những người huấn luyện robot cho biết. "Diffusion Policy của chúng tôi sẽ học trong vòng vài giờ. Thông thường, chúng tôi dạy robot vào buổi chiều, để nó học qua đêm, và sau đó vào buổi sáng hôm sau đã có một hành vi mới".

Nhóm này đã sử dụng phương pháp này để đào tạo robots thực hiện hơn 60 nhiệm vụ nhỏ, chủ yếu trong bếp, từ việc đắp bơ lên bánh mì đến lật bánh pancake. Toyota có kế hoạch tăng lên hàng trăm nhiệm vụ vào cuối năm nay và hơn 1.000 nhiệm vụ vào cuối năm 2024.

Russ Tedrake, Phó Chủ tịch Nghiên cứu Robot tại Viện Nghiên cứu Toyota, chia sẻ: “Những nhiệm vụ mà tôi thấy robot này thực hiện đơn giản là đáng kinh ngạc - thậm chí cách đây một năm, tôi cũng không dám tin rằng chúng ta đã tiến gần đến mức độ linh hoạt và đa dạng như vậy”.

Ông bổ sung: “Điều thú vị nhất về cách tiếp cận mới này là tốc độ và độ tin cậy mà chúng ta có thể thêm vào các kỹ năng mới. Bởi vì những kỹ năng này hoạt động trực tiếp từ hình ảnh camera và cảm biến xúc giác, chỉ sử dụng các biểu diễn đã học, chúng có khả năng thực hiện tốt ngay cả trong những nhiệm vụ liên quan đến các vật dụng có thể bị biến dạng như vải vóc hay chất lỏng”.

Toyota mong muốn phát triển "Mô hình Hành vi lớn" đầu tiên, có khả năng mở rộng và tương tự như ChatGPT trong lĩnh vực tương tác vật lý. Điều này sẽ tạo ra quy trình giúp con người trong tương lai có thể nhanh chóng dạy robot công việc mới khi cần thiết.

Khi Large Behavior Models - LBM phát triển sâu hơn và có hiểu biết toàn diện hơn về thế giới vật lý qua hàng nghìn nhiệm vụ, đối tượng, công cụ, địa điểm và tình huống khác nhau, cùng với kinh nghiệm thực tế và kết quả không dự đoán được, nó sẽ trở nên ngày càng giỏi trong việc tổng hợp qua lại giữa các nhiệm vụ.

Với sự phát triển của LBM, có thể thấy rõ ràng rằng robot sẽ có khả năng thực hiện nhiều công việc hơn và trở nên linh hoạt hơn trong tương lai.

Duy Tiến (Tổng hợp)

Cấm sạc pin xe điện là cực đoan, sai về mặt khoa học, pháp lý?

Hà Nội: Giới thiệu sản phẩm OCOP gắn với văn hóa các tỉnh miền núi phía Bắc

Xuất khẩu thủy sản trở lại đường đua và tăng tốc