Leo thang, giữ thăng bằng: robot hình người hoàn tất huấn luyện chỉ trong một lần

Chuyện gì đã xảy ra?

Nhóm nghiên cứu thử nghiệm phương pháp này trên robot G1 của hãng Unitree. Thay vì lập sẵn từng chuyển động, hệ thống trước hết chọn các điểm mà tay, chân và các bộ phận khác của cơ thể sẽ chạm vào mặt đất hoặc đồ vật. Sau đó, một bộ điều khiển riêng sẽ xoay các khớp để robot đến đúng các điểm đó. Trong các video trình diễn ngoài đời thật, robot leo thang và cầu thang, bước qua các tảng đá đặt cách quãng, bò qua một khe hẹp, nhảy qua vật cản và đứng dậy sau khi ngã.

Các con số chính

• Hệ thống lên kế hoạch tiếp xúc cho 9 bộ phận cơ thể: hai bàn tay, hai khuỷu tay, hai đầu gối, hai bàn chân và hông.
• Cảm biến lidar (cảm biến dùng tia laser để đo khoảng cách) thu khoảng 20.000 điểm dữ liệu, xử lý trong khoảng 30 mili giây.
• Môi trường xung quanh được quét lại 10 lần mỗi giây (10 Hz).
• Trong thử nghiệm mô phỏng trên 8 đường đua có nhiều loại chướng ngại vật, phương pháp thành công 92,5%, so với 58,8% của phương pháp đối chứng tên MGMT.
• Hệ thống chạy trên máy tính NVIDIA Jetson Orin NX.

Cách hệ thống hoạt động

Phần lớn robot chỉ làm theo một kịch bản động tác cố định. Phương pháp này dùng một mạng nơ-ron có cơ chế chú ý (attention), tức là một loại AI tập trung vào thông tin hữu ích nhất. Mạng này xem địa hình, vị trí và tốc độ của các khớp robot, hướng thân người, và mục tiêu mà người dùng đặt ra. Hệ thống còn kết hợp học tăng cường, nơi robot học bằng cách thử và sai, với bắt chước chuyển động, nơi robot làm theo các động tác mẫu. Ngoài ra, hệ thống lập bản đồ bằng lidar biến dữ liệu cảm biến thành thông tin về độ cao và có thể nhận ra các bề mặt hẹp như thanh bậc thang.

Vì sao điều này quan trọng?

Robot không cần huấn luyện riêng cho từng kiểu chuyển động hay từng loại chướng ngại vật. Nó có thể tự điều chỉnh điểm tiếp xúc khi môi trường thay đổi, nên có thể giúp robot làm việc ở những nơi lộn xộn, gồ ghề. Tuy vậy, kết quả hiện mới là điểm số mô phỏng. Bài báo cho biết tỷ lệ thành công tương tự chưa được chứng minh ngoài đời thật, vì vậy đây là một bước đi ban đầu chứ chưa phải sản phẩm hoàn chỉnh.

Cần theo dõi điều gì?

• Tỷ lệ thành công có giữ nguyên trong thử nghiệm ngoài đời thật, chứ không chỉ trong mô phỏng hay không.
• Hệ thống hoạt động tốt đến đâu trên các robot khác ngoài G1 của Unitree.
• Cách tiếp cận này có chạy đủ nhanh trên máy tính nhỏ gắn trong robot trong môi trường đời thường hay không.