Startup robot 'Phá Kén' gọi vốn thành công hàng trăm triệu USD, tập trung giải bài toán thao tác trong AI hiện thân

Từ "có thể di chuyển" đến "có thể làm việc" — thách thức cốt lõi mà robot vẫn phải đối mặt trước khi thực sự bước vào thế giới thực chính là làm thế nào để hiểu được môi trường vật lý và hoàn thành các thao tác tự chủ trong những tác vụ phức tạp.

Gần đây, Poke Robotics, một công ty trong danh mục đầu tư của Yunqi-Shanghai Jiao Tong University AI Angel Fund tập trung khám phá các năng lực cốt lõi của trí tuệ hiện thân (embodied intelligence), đã hoàn tất vòng gọi vốn Pre-A trị giá chín con số (USD). Với tư cách là nhà đầu tư vòng thiên thần, Yunqi Capital tiếp tục rót vốn mạnh mẽ trong vòng này. Poke Robotics sẽ tập trung vào thao tác robot (robotic manipulation) như một năng lực then chốt, khám phá một hệ thống trí tuệ hiện thân tổng quát tích hợp World Action Models, học tăng cường (reinforcement learning) và dữ liệu thế giới thực để đẩy nhanh việc triển khai Physical AI trong các kịch bản thực tế. Tìm hiểu thêm cùng Yunqi Capital.

Nội dung sau đây được biên tập từ AI Tech Review. Vòng gọi vốn này được đồng dẫn dắt bởi Shunwei Capital và Matrix Partners China, với sự tham gia của Eastern Bell Capital, Jiukun Venture Capital, JunShan Capital, SEE Fund, Liepin Investment, và YuanNuo Capital, cùng các nhà đầu tư tài chính và chiến lược khác. Các cổ đông hiện hữu bao gồm Yunqi Capital, Xiaomi, HLC, Inno Angel Fund và Orient Capital cũng tiếp tục đầu tư.

Được thành lập vào tháng 4 năm 2026, Poke Robotics vẫn là một công ty robot trẻ. Trong số các đối thủ cạnh tranh trong lĩnh vực trí tuệ hiện thân tại gia, điều mà Poke quan tâm nhất chính là một trong những năng lực cốt lõi và thách thức nhất để trí tuệ hiện thân thực sự được triển khai — thao tác robot, hay khả năng làm việc của robot trong thế giới vật lý thực.

Nhà sáng lập Poke Robotics, Huazhe Xu, là giáo sư trợ lý và cố vấn nghiên cứu sinh tại Viện Khoa học Thông tin Liên ngành, Đại học Thanh Hoa, đồng thời là người sáng lập TEA Lab, phòng thí nghiệm đầu tiên tại Trung Quốc tập trung vào thao tác robot cho trí tuệ hiện thân. Ông nhận bằng Tiến sĩ tại UC Berkeley và thực hiện nghiên cứu sau tiến sĩ tại Đại học Stanford.

Trong vòng bốn năm kể từ khi trở về Trung Quốc, Xu đã công bố hơn 100 bài báo chất lượng cao trên các tạp chí và hội nghị quốc tế hàng đầu bao gồm Science Robotics, T-RO, IJRR, NeurIPS, ICLR, CoRL và ICRA, đồng thời nhận được các danh hiệu như Best System Paper tại CoRL'23, lọt vào vòng chung kết Best Paper tại RSS'25 và ICRA'26. Ông là một trong số ít các nhà khoa học tại Trung Quốc có chuyên môn toàn diện (full-stack) bao gồm nhận thức, ra quyết định, điều khiển, mô hình nền tảng và học tăng cường cho thao tác robot.

Để robot hiện thân tại gia đi từ "có thể di chuyển" đến "có thể làm việc" — hoàn thành các tác vụ phức tạp, đòi hỏi sự khéo léo cao và kéo dài trong các kịch bản không tiêu chuẩn như dịch vụ gia đình — thì còn bao xa nữa mới đến đích?

Chạy và nhảy không đồng nghĩa với làm việc: "thao tác" là bước nhảy vọt quan trọng.

Trong hai thập kỷ qua, ngành công nghiệp robot đã liên tục giải quyết ba vấn đề cốt lõi: tìm đường, đi đến đó và sau đó sử dụng đôi tay để hoàn thành công việc.

"Điều hướng" (Navigation) giúp robot xác định vị trí và lập kế hoạch đường đi. "Di chuyển" (Locomotion) giúp robot giữ thăng bằng và di chuyển ổn định trên địa hình phức tạp. Nhưng khi một robot đi đến bàn mà không thể nhấc một chiếc cốc, dọn dẹp bàn ăn hay nấu một bữa cơm... thì sẽ chẳng ai trả tiền để trí tuệ hiện thân thực sự được triển khai.

Để đạt được Physical AI — để đôi tay của robot tương tác hiệu quả với thế giới vật lý — công nghệ then chốt chính là "thao tác", đòi hỏi robot phải đồng thời hiểu được các thuộc tính của vật thể, mối quan hệ không gian, phương thức tiếp xúc, hậu quả của hành động và mục tiêu của tác vụ.

Cho dù robot có thể thực sự bước vào gia đình, các kịch bản dịch vụ và sản xuất hay không, thao tác robot có lẽ là cánh cửa quan trọng nhất trên con đường tiến tới AGI vật lý.

Nhưng so với các mô hình ngôn ngữ lớn, các mô hình hiện thân có ít không gian cho sai sót hơn nhiều: một sai lầm nhỏ trong hành động của robot có thể trực tiếp dẫn đến thất bại hoàn toàn trong một tác vụ ở thế giới vật lý. Do đó, "dự đoán chính xác" là chưa đủ — hiểu được mối quan hệ nhân quả giữa hành động và kết quả mới là thách thức lớn nhất đối với các mô hình hiện thân.

Cách tiếp cận của Poke không phải là huấn luyện các mô hình riêng biệt cho từng tác vụ, mà là xây dựng một hệ thống trí tuệ hiện thân tổng quát hiểu được các quy luật vật lý, liên tục học các kỹ năng mới, đồng thời chuyển giao và tái sử dụng các năng lực giữa các tác vụ khác nhau.

Lặp lại nhanh chóng các năng lực thao tác: Bánh đà WAM×RL×DATA của Poke.

Tháng 6 vừa qua, Poke đã công bố một video trình diễn robot thực tế tự chủ hoàn toàn dài 9 phút. Robot không chỉ nhấc vật thể lên và đặt xuống bàn — nó đã nấu một đĩa Đậu phụ Mapo từ đầu đến cuối, ngay trên camera.

Đừng xem thường đĩa Đậu phụ Mapo này. Để một robot tự chủ hoàn thành toàn bộ món ăn đòi hỏi ít nhất năm thách thức lớn:

Ngoài Đậu phụ Mapo, Poke còn trình diễn khả năng gấp quần áo, xâu dây rút, buộc túi thơm và các thao tác có độ khó cao khác, bao gồm các thách thức như xử lý vật thể biến dạng, căn chỉnh chính xác và các tác vụ kéo dài.

Trên toàn cầu, các bản demo robot thực tế nấu ăn được công bố trước đây chủ yếu tập trung vào các tác vụ đơn lẻ, thời gian ngắn. Để đạt được các tác vụ thao tác tự chủ hoàn toàn, kéo dài chỉ ba tháng sau khi thành lập, vũ khí bí mật của Poke chính là hệ thống bánh đà "WAM×RL×DATA".

WAM (World Action Model), RL (học tăng cường trên robot thực tế toàn diện) và DATA (dữ liệu thế giới thực chất lượng cao) tạo thành ba mắt xích cốt lõi trong hệ thống kỹ thuật của Poke:

Trong ba thành phần này, WAM đóng vai trò là nền tảng để hiểu các mối quan hệ nhân quả vật lý giữa hành động và môi trường, chịu trách nhiệm dự đoán những thay đổi trong thế giới vật lý và lập kế hoạch cho các hành động của robot;

RL sau đó cho phép học tập toàn diện, quy mô lớn thông qua các môi trường huấn luyện robot thực tế, các mô hình phần thưởng, đánh giá hành động kéo dài và các kiến trúc thống nhất đa tác vụ, cho phép robot liên tục học hỏi và tiến hóa thông qua tương tác thực tế;

Trong khi đó, thiết bị thu thập dữ liệu tự phát triển của Poke có thể khai thác dữ liệu thế giới thực chất lượng cao, đa chiều trong các kịch bản gia đình, thúc đẩy sự tiến hóa và lặp lại liên tục của WAM và RL.

Poke đã khiến ba thành phần này tạo thành một bánh đà củng cố lẫn nhau, cho phép các năng lực thao tác tiến hóa nhanh chóng trong thế giới thực.

Định nghĩa "khoảnh khắc Poke" thực sự.

Cho đến nay, công ty chưa đầy nửa năm tuổi này đã đạt được những tiến bộ đáng kể: từ mô hình nền tảng, học tăng cường trên robot thực tế, phần cứng thu thập dữ liệu cho đến huấn luyện tác vụ phức tạp, Poke đã hoàn thiện cấu trúc toàn diện. Đồng thời, Poke đã tập hợp được một đội ngũ bao phủ các nền tảng.

Ngày nay, Poke không chỉ nhìn vào phần mềm mà còn thúc đẩy nghiên cứu và phát triển chung các mô hình nền tảng hiện thân và phần cứng robot, khám phá các kịch bản và xây dựng hệ sinh thái thông qua tích hợp phần mềm-phần cứng để đạt được vòng lặp triển khai trí tuệ hiện thân tốt hơn.

Khi robot có thể thực sự bước vào hàng triệu hộ gia đình, trở thành trợ lý gia đình của mọi người và dần dần phát triển thành những đối tác đáng tin cậy giúp đỡ, phục vụ và đồng hành cùng con người — đó là lúc Physical AGI thực sự chào đón "khoảnh khắc Poke" của mình.

Và trong tâm trí của Poke, Physical AGI sẽ không đột ngột xuất hiện vào một ngày nào đó, mà sẽ được sinh ra từ lợi nhuận kép của chu kỳ liên tục giữa các mô hình thế giới, học tăng cường và dữ liệu thế giới thực — mỗi thao tác, mỗi thất bại và mỗi lần sửa lỗi đều giúp robot hiểu thế giới sâu sắc hơn.