Robot nội địa Trung Quốc lập kỷ lục thế giới: Hiệu suất vượt Figure AI với chi phí chỉ bằng 30%

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

12/08/2026 21:10:55 Nguồn: QbitAI

Mô hình thể hiện (Embodied model) nhặt 1.816 kiện hàng dị hình trong một giờ

Meng Yao, đưa tin từ Aofeisi

QbitAI | Kênh chính thức QbitAI

Kịch tính quá!!!

Không, có robot nhà ai dám chơi lớn như vậy trong buổi livestream trực tiếp chứ—

Không có sự can thiệp của con người, không có quy trình cố định, thậm chí các kiện hàng đều đến ngẫu nhiên, vậy mà vẫn hoạt động ổn định liên tục suốt 1 giờ, đạt hiệu suất phân loại lên tới 1.816 kiện/giờ!?

Quan trọng hơn, kết quả thực tế này còn vượt qua kỷ lục hiệu suất trung bình 1.248 kiện/giờ mà Figure AI của Mỹ từng công bố trước đó, giúp tăng hiệu suất phân loại lên hơn 45%.

Giải pháp phần cứng gồm hai cánh tay robot + kẹp gắp được sử dụng trong buổi livestream phân loại logistics lần này có chi phí phần cứng thấp hơn tới 70% so với giải pháp robot hình người + bàn tay linh hoạt 5 ngón của Figure AI trước đây.

Độ chính xác của việc phân loại logistics trong livestream đạt mức 98%, ngang tầm với các tiêu chuẩn tiên tiến nhất của ngành.

Phải biết rằng, buổi livestream phân loại logistics trước đó của Figure AI luôn được coi là trường hợp tiêu chuẩn trong lĩnh vực trí tuệ thể hiện (Embodied AI), lần này mô hình nội địa thực sự đã tạo nên một cuộc cạnh tranh khốc liệt:

Một cảnh tượng đầy ma thuật như vậy vừa diễn ra trong buổi livestream thực tế công khai "Thử thách giải pháp kẹp gắp phân loại 1.248 kiện hàng/giờ" của Robot Tự Biến (Self-Variable Robot).

Không dựa vào robot hình người toàn thân, cũng không trang bị bàn tay linh hoạt 5 ngón, chỉ với giải pháp hai cánh tay + kẹp gắp tiêu chuẩn, họ đã hoàn thành hiệu suất phân loại logistics cao hơn.

Và cốt lõi hỗ trợ cho màn trình diễn này chính là "bộ não" trí tuệ thể hiện đứng sau nó—

Dựa vào mô hình thống nhất thế giới WALL-B tự phát triển, Robot Tự Biến có thể đối mặt với các kiện hàng ngẫu nhiên có hình dạng, kích thước và chất liệu khác nhau, hiểu môi trường theo thời gian thực và điều chỉnh chiến lược hành động để đưa ra kết quả này.

Từ gia đình đến logistics, từ triển khai phần cứng chi phí cao đến khả năng điều khiển bằng mô hình, một con đường trí tuệ thể hiện với hiệu suất chi phí cao hơn và phù hợp hơn để ứng dụng quy mô lớn đang được đẩy nhanh hình thành trong quá trình khám phá trí tuệ thể hiện tại Trung Quốc.

Mô hình thể hiện nhặt 1.816 kiện hàng dị hình trong một giờ, trực tiếp nghiền nát Figure AI!

Nói thật, về chuyện trình diễn các động tác demo của robot, mọi người chắc hẳn đã xem không ít trong các video quảng cáo của nhiều nhà sản xuất.

Đấm móc trái, đá chân phải, một chuỗi động tác mượt mà như nước chảy mây trôi, hiệu ứng thị giác quả thực đủ gây sốc, khiến người ta phải thốt lên kinh ngạc trong phút chốc.

Nhưng những khoảnh khắc tỏa sáng trên ống kính đó, so với việc robot thực sự bước vào hiện trường công nghiệp, thực tế vẫn còn cách nhau một "ngưỡng cửa" không hề thấp...

Bởi vì một chuỗi động tác được thiết kế trước có thể thông qua thu thập dữ liệu, tối ưu hóa quỹ đạo, rồi huấn luyện lặp đi lặp lại cho một môi trường cụ thể để cuối cùng mang lại hiệu quả ổn định.

Nhưng một khi bước vào bối cảnh logistics thực tế, robot phải đối mặt với một loạt thử thách hoàn toàn khác: băng chuyền vận hành liên tục, các kiện hàng thay đổi không ngừng và những tình huống bất ngờ xuất hiện bất cứ lúc nào, điều này thử thách rất lớn khả năng nhận thức, phán đoán và ra quyết định của nó đối với thế giới thực!!

Đây cũng chính là điểm đáng xem nhất trong buổi livestream thực tế công khai "Thử thách giải pháp kẹp gắp phân loại 1.248 kiện hàng/giờ" của Robot Tự Biến lần này~

Để kiểm chứng xem mô hình có thực sự đủ khả năng xử lý các nhiệm vụ phân loại phức tạp hay không, cửa ải đầu tiên chính là đẩy độ khó của "điều kiện làm việc" kiểm tra lên mức tối đa.

So với các buổi livestream kiểm tra trước đây của Figure AI (Mỹ) vốn chủ yếu là các kiện hàng tiêu chuẩn có độ quy củ cao và điều kiện gắp tương đối dễ kiểm soát, Robot Tự Biến lần này đã trực tiếp mang những biến số hóc búa nhất tại hiện trường kho bãi thực tế vào phòng livestream—

Đúng vậy, các kiện hàng trên băng chuyền hoàn toàn ngẫu! nhiên! hỗn! hợp!

Hộp giấy, túi chuyển phát nhanh mềm, kiện hàng hình trụ, thậm chí cả các kiện hàng thực phẩm tươi sống đóng gói xốp xuất hiện cùng lúc, các kiện hàng khác nhau có sự khác biệt rõ rệt về hình dạng, trọng lượng và kích thước, đây thực sự là độ khó cấp địa ngục:

Ngoài ra, về vị trí đặt, tất cả các kiện hàng không hề được cố ý sắp xếp ngay ngắn mà giữ nguyên tư thế ngẫu nhiên, cố gắng khôi phục trạng thái sau khi con người đặt vào trong kho thực tế.

Điều này cũng có nghĩa là, các điểm cố định và quỹ đạo định sẵn gần như không có tác dụng... (doge)

Robot phải dựa vào tình hình thay đổi liên tục trước mắt để hoàn thành việc nhận diện, phán đoán, lập kế hoạch và gắp hàng theo thời gian thực, và đây cũng trở thành một bài kiểm tra trực tiếp về khả năng tổng quát hóa của mô hình trí tuệ thể hiện!

Độ khó đã đạt mức tối đa, tiếp theo hãy xem robot nhỏ sẽ ứng phó thế nào~

Sau khi bắt đầu gắp, một chi tiết nhỏ đã xuất hiện trên màn hình: đối mặt với các kiện hàng trên cùng một băng chuyền, kẹp gắp gần như không lặp lại cùng một chuỗi động tác di chuyển.

Dựa vào khả năng của mô hình WALL-B, robot trước tiên nhận thức được các thuộc tính của kiện hàng, sau đó khớp với chiến lược vận hành tương ứng dựa trên tình hình hiện tại.

Ví dụ, đối với các kiện hàng có trọng lượng nhẹ, hình dạng quy củ, kẹp gắp sẽ trực tiếp hoàn thành việc gắp và di chuyển, động tác dứt khoát, gọn gàng để tối đa hóa hiệu suất thông lượng tổng thể.