Startup Symbiosis AI trình diễn robot hình người lái xe Go-kart: Bước tiến mới về trí tuệ toàn thân

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

17/08/2026 17:30:49 Nguồn: QbitAI

Ngày 17 tháng 8, công ty khởi nghiệp về trí tuệ hiện thân (embodied AI) Symbiosis Robotics đã công bố bản demo robot hình người hai chân lái xe kart.

Ngày 17 tháng 8, công ty khởi nghiệp về trí tuệ hiện thân Symbiosis Robotics đã công bố bản demo robot hình người hai chân lái xe kart, đồng thời ra mắt trang web chính thức. Đây là lần đầu tiên công ty giới thiệu một cách tương đối đầy đủ về định hướng công nghệ và các thành tựu nghiên cứu phát triển theo giai đoạn kể từ khi thành lập.

Trong video được công khai, robot hình người bước vào vị trí lái xe kart, hai tay đặt lên vô lăng, hai chân đặt vào khu vực bàn đạp và hoàn thành việc điều khiển xe trên một đường đua khép kín. Việc lái xe không phải là một hành động đơn lẻ: robot cần điều chỉnh hướng theo môi trường, giữ thăng bằng trong khoang lái chật hẹp, đồng thời phối hợp giữa việc đánh lái bằng tay với điều khiển chân ga và phanh bằng chân.

Symbiosis Robotics định nghĩa bản demo đua xe này là một bài kiểm tra toàn diện hướng tới trí tuệ toàn thân (whole-body intelligence). "Xe kart không phải là ứng dụng mục tiêu, mà là một bài kiểm tra áp lực cho trí tuệ toàn thân." Xe kart không phải là hướng ứng dụng thương mại của công ty; thông qua kịch bản này, công ty muốn tích hợp khả năng nhận diện thị giác, cân bằng đa điểm tiếp xúc, phối hợp tay-mắt-chân và kiểm soát lực tinh vi vào cùng một chuỗi nhiệm vụ liên tục, nhằm kiểm chứng xem robot có thể huy động toàn bộ cơ thể để thực hiện các tương tác vật lý phức tạp giống như con người hay không.

Các màn trình diễn công khai hiện nay chủ yếu tập trung vào khả năng vận động như đi bộ, chạy hoặc các thao tác chi trên ở vị trí cố định. Vế trước thử thách phần thân và điều khiển vận động, vế sau thử thách thị giác và thao tác cánh tay robot; một khi cần phải đồng thời giữ thăng bằng, hiểu môi trường và vận hành liên tục, sự kết hợp giữa mô hình, điều khiển vận động và phần cứng sẽ trở nên phức tạp hơn đáng kể. Đây chính là điểm khó khăn để robot hình người chuyển từ "có thể vận động" sang "có thể hoàn thành nhiệm vụ".

Xoay quanh vấn đề này, Symbiosis Robotics định vị mình là một công ty mô hình nền tảng trí tuệ toàn thân dành cho robot hình người hai chân, khám phá lộ trình công nghệ từ đầu đến cuối (end-to-end) từ thông tin cảm nhận như thị giác đến đầu ra hành động toàn thân của robot. Công ty hy vọng sẽ giảm thiểu sự mất mát thông tin và chi phí thích ứng giữa nhiều mô-đun trong kiến trúc phân tầng truyền thống, giúp mô hình học trực tiếp hơn mối quan hệ giữa cơ thể, môi trường và hành động, đồng thời đạt được khả năng đa nhiệm thông qua việc mở rộng quy mô dữ liệu.

End-to-end không có nghĩa là khả năng tổng quát đã được hiện thực hóa, nó vẫn cần sự hỗ trợ chung từ dữ liệu, điều khiển tầng dưới, cơ sở hạ tầng huấn luyện trên máy thật và đánh giá nghiêm ngặt. Do đó, bản demo đua xe phù hợp hơn khi được coi là sự kiểm chứng theo giai đoạn, thay vì là bằng chứng cho thấy robot đã có khả năng lái xe tổng quát. Công ty cho biết sẽ tiết lộ kiến trúc mô hình, điều kiện thử nghiệm và phương pháp đánh giá thông qua các báo cáo kỹ thuật trong thời gian tới.

Đối với một công ty mới thành lập, điều mà dư luận quan tâm hơn là: Tại sao đội ngũ lại có khả năng thúc đẩy đồng thời mô hình, điều khiển vận động và chuỗi dữ liệu?

Các thành viên nòng cốt của Symbiosis Robotics đến từ Viện Nghiên cứu Trí tuệ Nhân tạo Bắc Kinh (BAAI), Đại học Khoa học và Công nghệ Hồng Kông (HKUST), GigaVision, Xiaomi, Viện nghiên cứu DAMO, Ant Group, Đại học Thanh Hoa và các tổ chức khác, tất cả đều là các nhà nghiên cứu có trình độ tiến sĩ. Trước khi khởi nghiệp, các thành viên đã hợp tác liên tục trong hơn hai năm, nghiên cứu bao phủ các lĩnh vực: mô hình thị giác-ngôn ngữ-hành động (VLA), điều khiển vận động toàn thân, điều khiển kết hợp lực và vị trí, học tập xuyên thực thể và khai thác dữ liệu.

Trong các thành tựu có thể kiểm chứng công khai, nhà sáng lập Đinh Bằng Tường (Ding Pengxiang) đã tham gia dự án ReconVLA đạt giải bài báo xuất sắc tại AAAI-26; dự án VLA-Adapter do ông chủ trì đã thử nghiệm đạt được khả năng VLA với mô hình nhỏ hơn và chi phí huấn luyện thấp hơn, dự án mã nguồn mở này đã nhận được hơn 2200 sao trên GitHub. Đội ngũ mô hình nền tảng robot hai chân nguyên bản này cũng là tác giả chính của nhiều bài báo nghiên cứu về "bộ não" robot hình người giai đoạn đầu.

Đội ngũ cũng từng khởi xướng và vận hành cộng đồng mã nguồn mở OpenHelix Robotics, đã công khai nhiều dự án VLA và trí tuệ hiện thân. So với một bài báo đơn lẻ hay một bản demo, những tích lũy trải dài từ mô hình, dữ liệu đến điều khiển vận động này cho thấy rõ hơn năng lực cạnh tranh mà công ty muốn xây dựng: không chỉ biên soạn hành động cho một kịch bản, mà là hình thành một chuỗi nghiên cứu phát triển có khả năng huấn luyện, kiểm chứng và lặp lại mô hình trí tuệ toàn thân một cách bền vững.

Công ty cho biết trong tương lai sẽ nhanh chóng cập nhật và công bố các tiến bộ kỹ thuật, bản demo, dự án mã nguồn mở và báo cáo nghiên cứu của Symbiosis Robotics. Đua xe chỉ là bài kiểm tra công khai đầu tiên, trong tương lai công ty sẽ tung ra nhiều trường hợp ứng dụng hơn xoay quanh các thao tác di chuyển, căn chỉnh thị giác độ chính xác cao, kiểm soát lực tiếp xúc và các nhiệm vụ chuỗi dài.

Đối với ngành công nghiệp robot hình người hai chân vẫn còn ở giai đoạn sơ khai, một đoạn video không thể trả lời hết các câu hỏi về tính tổng quát của mô hình, tỷ lệ thành công của nhiệm vụ và triển khai quy mô lớn. Nhưng ít nhất nó đã đưa ra một hướng đi đáng quan sát: sự cạnh tranh đang chuyển dịch từ "liệu thực thể có thể thực hiện hành động hay không" sang "liệu mô hình có thể huy động toàn thân để liên tục hoàn thành nhiệm vụ trong môi trường thực tế hay không". Việc Symbiosis Robotics có thể chuyển hóa tích lũy kỹ thuật thành năng lực mô hình có khả năng mở rộng hay không vẫn cần sự tiết lộ kỹ thuật tiếp theo và nhiều kết quả có thể tái lập để kiểm chứng.

Bài viết này do Symbiosis Robotics 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 hoặc sử dụng dưới mọi hình thức khi chưa được ủy quyền, mọi hành vi vi phạm sẽ bị xử lý theo pháp luật.