Startup Lingxi Zhiyong bứt phá top đầu ngành robot công nghiệp với giải pháp ROSS Harness

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

2026-08-31 11:11:46 Nguồn: QbitAI

Lingxi Zhiyong đã sử dụng một robot được lắp ráp từ phần thân cấp Demo để trở thành công ty robot duy nhất ngoài các doanh nghiệp đầu ngành giành giải thưởng tại hạng mục thi đấu kịch bản công nghiệp.

51 hạng mục thi đấu của Đại hội Robot hình người thế giới lần thứ hai đã vạch ra hai hệ thống đánh giá rõ ràng: các cuộc thi đấu kỹ năng kiểm tra giới hạn vận động và khả năng phối hợp, trong khi các cuộc thi kịch bản thực tế đối chiếu trực tiếp với tiêu chuẩn vận hành tại các vị trí công việc thực tế. Vị trí lắp ráp và cấp liệu trong kịch bản công nghiệp chính là hạng mục gần gũi nhất với dây chuyền sản xuất, với các tiêu chuẩn đánh giá tập trung vào những chỉ số cốt lõi của việc bàn giao cấp công nghiệp: độ ổn định trong thời gian dài, độ chính xác ở mức milimet và khả năng tự phục hồi dưới các tác động gây nhiễu.

Chính tại hạng mục gần với nhà máy thực tế nhất này, Lingxi Zhiyong – công ty chỉ mới thành lập được ba tháng – đã sử dụng một robot lắp ráp từ phần thân cấp Demo để vượt qua vòng sơ loại, tiến vào chung kết và cuối cùng đạt thành tích xuất sắc với 160 điểm, lọt vào top 3 toàn quốc, trở thành công ty robot duy nhất ngoài các doanh nghiệp đầu ngành giành giải thưởng ở hạng mục kịch bản công nghiệp.

Giá trị của thành tích này nằm ở chỗ: công ty có thời gian thành lập ngắn, robot tham gia thi đấu không phải là mẫu sản xuất hàng loạt mà là bản lắp ráp Demo, trong khi các đối thủ cạnh tranh đều là những thương hiệu hàng đầu với nền tảng tích lũy sâu dày về phần cứng như khung gầm và cánh tay robot. Để bứt phá trong điều kiện phần cứng không chiếm ưu thế, Lingxi Zhiyong không dựa vào phần thân robot mà dựa vào một bộ ROSS Harness Agent tự phát triển.

Đây không chỉ là câu chuyện về một "chú ngựa ô lội ngược dòng". Để hiểu được lựa chọn lộ trình của Lingxi Zhiyong, trước hết cần nhìn rõ tình thế của ngành: dù bản Demo của các công ty hàng đầu có đẹp đến đâu, khi đưa vào kịch bản công nghiệp thực tế vẫn không vượt qua được cửa ải bàn giao. Những rào cản chính bao gồm bốn yếu tố: tỷ lệ thành công không ổn định, lưu lượng xử lý không đủ, chi phí vận hành bảo trì quá cao và khó khăn trong việc chuyển đổi. Nguyên nhân gốc rễ nằm ở hạn chế về phương pháp luận của lộ trình đơn mô hình: mô hình luôn là đầu ra xác suất, tỷ lệ thành công đơn lẻ có giới hạn; kịch bản công nghiệp là một thế giới mở, các hệ thống hiện tại thiếu khả năng tự tiến hóa, kinh nghiệm không thể đọng lại thành tài sản có thể tái sử dụng.

Chính trên nền tảng của ngành công nghiệp như vậy, Lingxi Zhiyong – một tân binh mới thành lập tại Thượng Hải – đã đưa ra một câu trả lời khác biệt.

Không chỉ chạy đua về mô hình, mà còn chạy đua về hệ thống: Sức mạnh tự tiến hóa của ROSS Harness

ROSS Harness, được dẫn dắt bởi đồng sáng lập kiêm CTO của Lingxi Zhiyong, Tiến sĩ Duan Yifan, là một bộ hệ thống thực thi cấp công nghiệp được xây dựng xoay quanh các mô hình hiện thân (embodied models). Hệ thống này, được đặt tên theo người sáng lập lý thuyết điều khiển học W. Ross Ashby, không phải là một "bản vá kỹ thuật" bên ngoài mô hình, mà là việc thiết lập một vòng lặp thực thi vận hành liên tục giữa mô hình và robot, chuyển đổi khả năng hành động mang tính xác suất của mô hình thành năng lực sản xuất ổn định, có thể kiểm soát và tái sử dụng. Trong đó, năm năng lực cốt lõi này cùng nhau tạo nên động cơ nền tảng cho sự tự tiến hóa cấp công nghiệp.

Trừu tượng hóa mô hình, giúp hệ thống không bị ràng buộc vào một mô hình cơ sở duy nhất. Sau khi ROSS thống nhất các mô hình như VLA, World Action Model vào các giao diện tiêu chuẩn, các mô hình mới chỉ cần thích ứng cục bộ, trong khi các module lập kế hoạch nhiệm vụ cấp cao, điều phối Skill, chiến lược an toàn và điều khiển robot vẫn có thể tái sử dụng, giúp giảm chi phí tái cấu trúc hệ thống do việc lặp lại mô hình nhanh chóng gây ra.

Trừu tượng hóa kỹ năng (Skill), giúp kinh nghiệm công nghiệp có thể tái sử dụng. ROSS đóng gói các mô hình, công cụ và chiến lược kỹ thuật thành các Skill có kèm theo điều kiện áp dụng, ràng buộc an toàn, đánh giá kết quả và xử lý lỗi, từ đó biến những bí quyết (Know-how) vốn nằm rải rác trong mã nguồn, tham số và kinh nghiệm của kỹ sư thành các tài sản năng lực kỹ thuật số có thể gọi ra và di chuyển được.

Agentic AI, giúp robot có khả năng tổ chức các nhiệm vụ dài hạn. Agent chịu trách nhiệm hiểu mục tiêu, phân tách nhiệm vụ, điều phối Skill và phục hồi khi có sự cố, thiết lập ranh giới giữa sự linh hoạt của mô hình và tính xác định của thực thi công nghiệp, tránh để các mô hình lớn "tự do phát huy" trong mỗi bước thực thi.

Giám sát an toàn phân tầng, giúp lỗi trở nên có thể nhận diện và phục hồi. Từ an toàn phần cứng cấp mili giây, giám sát quỹ đạo cấp giây đến đánh giá trạng thái cấp nhiệm vụ, ROSS liên tục phán đoán xem robot có đang thực thi bình thường hay không, và kích hoạt các hành động ngắt, thử lại, quay lui, thay thế Skill hoặc lập kế hoạch lại khi có sự cố.

Bánh đà dữ liệu (Data Flywheel), giúp mỗi lần thực thi trở thành điểm khởi đầu cho sự tiến hóa tiếp theo. Ngữ cảnh nhiệm vụ, các trường hợp lỗi, sự can thiệp của con người và lộ trình phục hồi đều được đọng lại một cách có cấu trúc, dùng để cập nhật Skill, tối ưu hóa điều phối nhiệm vụ, hoàn thiện chiến lược phục hồi và bộ nhớ dài hạn, đồng thời phản hồi ngược lại cho mô hình. "Sự tự tiến hóa" mà ROSS định nghĩa, do đó, không phải là huấn luyện lại một mô hình lớn mỗi lần, mà là để mô hình, Skill, Tool, hệ thống lập lịch nhiệm vụ và bộ nhớ cùng tiến hóa trong các nhiệm vụ công nghiệp thực tế.

Khi xu hướng chủ đạo của ngành tập trung vào việc nạp dữ liệu khổng lồ cho các mô hình lớn và thúc đẩy sự lặp lại nhanh chóng của ma trận phần thân, Lingxi Zhiyong lại đặt cược rào cản cốt lõi vào lớp Harness. Thế giới vật lý đang tái hiện logic này: Embodied Agent = Embodied Model + Embodied Harness + Hardware. Mô hình càng mạnh, ranh giới năng lực mà Harness có thể điều phối càng lớn; trong khi kinh nghiệm công nghiệp thực tế mà Harness tích lũy được lại có thể giúp mô hình hiểu rõ hơn về các nhiệm vụ công nghiệp, đây mới là sự đồng tiến hóa thực sự. Mặt khác, Lingxi Zhiyong không vì nhấn mạnh Harness mà từ bỏ năng lực mô hình. Mô hình nguyên bản công nghiệp CONWAY do công ty tự phát triển liên tục tiến hóa xoay quanh các quyết định hành động cục bộ trong kịch bản công nghiệp, đã hình thành hàng loạt thành tựu kỹ thuật như tăng cường cảm giác lực, suy luận nhanh, căn chỉnh hành động và kiểm soát an toàn. Mục đích không phải là so kè quy mô tham số và đầu tư tính toán với các mô hình cơ sở tổng quát, mà là liên tục hiểu và nắm bắt ranh giới năng lực của mô hình hiện thân, cung cấp hỗ trợ từ phía mô hình cho việc thiết kế và tiến hóa của Harness. Nhận định cốt lõi của đội ngũ là: năng lực mô hình và Harness không phải là mối quan hệ thay thế, mô hình cơ sở càng mạnh, Harness càng có thể chuyển đổi năng lực đó thành năng lực thực thi công nghiệp ổn định, có thể kiểm soát và mở rộng. Hai lộ trình có trọng tâm khác nhau: mô hình quyết định năng lực ban đầu của robot, còn Harness quyết định liệu những năng lực đó sau khi đưa vào dây chuyền sản xuất có thể liên tục được khuếch đại và tiến hóa trong các nhiệm vụ thực tế, phản hồi sự cố và dữ liệu liên tục hay không. Đối với kịch bản công nghiệp, yếu tố sau mới là chìa khóa quyết định hệ thống có thể vận hành lâu dài và cải thiện liên tục hay không.

Đây chính là sự tự tiến hóa cấp công nghiệp mà Lingxi Zhiyong định nghĩa: không phải là mở rộng tham số mô hình, mà là để mô hình, Skill, Tool, hệ thống lập lịch nhiệm vụ và bộ nhớ cùng tiến hóa trong các nhiệm vụ thực tế, cùng phục vụ cho một kết quả duy nhất – nâng cao đồng thời tỷ lệ thành công và lưu lượng xử lý của các hành động, đây chính là biểu hiện định lượng cho sự khuếch đại hệ thống hóa năng lực mô hình của Harness.

Động cơ kép thầy trò Tiến sĩ Đại học Khoa học và Công nghệ Trung Quốc (USTC): Sự cộng hưởng từ phòng thí nghiệm đến dây chuyền sản xuất

Sự tự tin khi lựa chọn lộ trình trên đến từ một đội ngũ vừa có chiều sâu học thuật vừa có kinh nghiệm kỹ thuật.

Duan Yifan, Tiến sĩ USTC khóa 98, đồng sáng lập kiêm CTO của Lingxi Zhiyong, kiến trúc sư trưởng của ROSS Harness. Trong thời gian làm nghiên cứu sinh, ông tập trung vào các hướng như trí tuệ hiện thân (Embodied AI), trí tuệ không gian, các kết quả nghiên cứu liên quan đã được công bố trên các tạp chí và hội nghị hàng đầu quốc tế như RSS, IJRR, TRO, ICRA, IROS, với tổng cộng 36 bài báo, tổng số lượt trích dẫn hơn 390 lần, sở hữu kinh nghiệm kỹ thuật toàn trình từ lái xe tự động (kịch bản khuôn viên trường, hầm mỏ, xe chở khách) đến trí tuệ hiện thân công nghiệp. ROSS Harness chính là sản phẩm cốt lõi từ việc hiện thực hóa các thành tựu học thuật của ông.

Giáo sư Ji Jianmin, Phó giáo sư kiêm hướng dẫn nghiên cứu sinh tại Khoa Khoa học Máy tính USTC, đồng sáng lập kiêm nhà khoa học trưởng của Lingxi Zhiyong. Hơn mười năm phụ trách hệ thống quyết định nhận thức cho robot dịch vụ "Kejia" và "Jiajia" của USTC, giành chức vô địch thế giới RoboCup@Home, thành tựu được tạp chí "Artificial Intelligence" bình chọn là thành tựu kỹ thuật tốt nhất trong mười năm về robot nhận thức. Ông có cả tầm nhìn học thuật và kinh nghiệm triển khai công nghiệp hàng đầu, từng là CTO của Nullmax và nhà khoa học trưởng của Pangolin Robot, từng chủ trì dự án đổi mới sáng tạo chung về phần mềm hệ thống cơ bản giữa Huawei và USTC, từng chuyển đổi thành công các thuật toán tiên tiến thành sản phẩm thương mại với sản lượng hàng trăm nghìn chiếc mỗi năm.

Cặp thầy trò tạo thành cấu trúc động cơ kép "Hướng dẫn học thuật + Đột phá kỹ thuật": Ji Jianmin chịu trách nhiệm hướng dẫn công nghệ tiên tiến, kiểm soát lộ trình kỹ thuật dài hạn và đầu vào phương pháp luận nền tảng; Duan Yifan dẫn dắt đội ngũ kỹ thuật tập trung vào thiết kế kiến trúc, hiện thực hóa kỹ thuật và định nghĩa sản phẩm của ROSS Harness. Một người neo giữ phương hướng, một người thực thi triển khai, sự kế thừa học thuật và kinh nghiệm kỹ thuật cộng hưởng trong cùng một hệ thống.

Hiện tại, đội ngũ đã công bố hơn một trăm bài báo về trí tuệ hiện thân trên các tạp chí và hội nghị hàng đầu, tổng số lượt trích dẫn hơn một nghìn lần, và đã được kiểm chứng triển khai trong các kịch bản công nghiệp như cấp liệu gia công cơ khí, bắt vít chính xác, ép stator.

Từ sân thi đấu đến dây chuyền sản xuất: Lần triển khai sản phẩm đầu tiên của động cơ tự tiến hóa

Nếu sân thi đấu vị trí lắp ráp và cấp liệu là lần kiểm chứng công khai đầu tiên của ROSS Harness, thì bước tiếp theo, Lingxi Zhiyong đang thúc đẩy việc thương mại hóa bộ động cơ tự tiến hóa này – thông qua nền tảng phần cứng tiêu chuẩn hóa, bàn giao năng lực Harness đã được kiểm chứng qua sân thi đấu cho nhiều kịch bản công nghiệp hơn, để mỗi robot khi vào dây chuyền sản xuất đều có thể liên tục lặp lại kỹ năng, tối ưu hóa chiến lược, tự sửa chữa, thực sự đạt được trạng thái "càng dùng càng mạnh".

Từ việc giành giải thưởng trong các cuộc thi đến việc đào sâu liên tục trong các kịch bản công nghiệp, Lingxi Zhiyong đã dùng Harness để chứng minh rằng – đường đua vàng tiếp theo của trí tuệ hiện thân công nghiệp thuộc về những người chơi theo đuổi sự đồng tiến hóa "Model + Harness".

Kinh nghiệm từ thế giới kỹ thuật số đã chứng minh điều này. Sau khi trí tuệ của các mô hình ngôn ngữ lớn bùng nổ, sản phẩm hiện tượng nhất không phải là khung chat, mà là các Agent như Codex, Claude Code – cùng một mô hình cơ sở, khi đặt vào các Coding Agent Harness khác nhau, hiệu suất nhiệm vụ có thể khác biệt hoàn toàn – mô hình quyết định nó có biết làm hay không, còn Harness quyết định nó có thể thực sự làm tốt và hoàn thành công việc hay không. Và thế giới AI vật lý đang tái hiện logic này.

Khi ngành công nghiệp thường quan tâm đến việc "robot mạnh đến mức nào khi xuất xưởng", Lingxi Zhiyong đồng thời trả lời một câu hỏi khác – "làm thế nào để robot ngày càng mạnh hơn sau khi vào nhà máy". Đây có lẽ mới là bước đi then chốt để trí tuệ hiện thân công nghiệp tiến tới triển khai quy mô lớn.

Bài viết này do Lingxi Zhiyong cung cấp, QbitAI được ủy quyền đăng tải lại, quan điểm thuộc về tác giả gốc.

Bản quyền thuộc về tác giả, không được phép sao chép và sử dụng dưới bất kỳ hình thức nào nếu chưa được ủy quyền, những trường hợp vi phạm sẽ bị xử lý theo pháp luật.