Đột phá mô hình điều hướng: Một thuật toán 'cân' mọi loại robot trong hơn 2.000 môi trường giả lập

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

13/09/2026 15:38:20 Nguồn: QbitAI

Lộ trình Physical AI của Liangyuan Xinchuang đã trở nên rõ ràng

Trong năm qua, sự lặp lại công nghệ của trí tuệ hiện thân (Embodied AI) đã tăng tốc đáng kể. VLA và các mô hình thế giới (world models) liên tục phát triển, học tăng cường (reinforcement learning) một lần nữa trở thành lộ trình kỹ thuật quan trọng cho việc học của robot, Sim2Real đang tăng tốc chuyển từ mô phỏng sang thực tế, và khả năng điều khiển toàn thân cũng đang có những đột phá nhanh chóng.

Robot cũng ngày càng làm được nhiều việc hơn: biết đi, biết chạy, biết cầm nắm, biết điều hướng, và thậm chí có thể hoàn thành các nhiệm vụ dài hạn ngày càng phức tạp.

Tuy nhiên, nếu đưa những khả năng này vào thế giới thực, một vấn đề cơ bản hơn đang dần lộ diện:

Việc robot "biết làm" một việc và việc robot có thể thực hiện công việc đó một cách lâu dài, ổn định và có tính khái quát hóa trong môi trường mở, thực chất là hai chuyện hoàn toàn khác nhau.

Một robot có thể vượt qua chướng ngại vật ở độ cao cố định không có nghĩa là nó có thể làm được điều tương tự với loại chướng ngại vật khác; có thể điều hướng trong một căn phòng không có nghĩa là vẫn hiệu quả khi thay đổi bối cảnh hoặc thay đổi thân máy robot; có thể đi lại ổn định trong trạng thái bình thường cũng không có nghĩa là nó vẫn tiếp tục làm việc được sau khi bị va chạm, ngã hoặc thậm chí là tổn thương khớp.

Đây cũng là lý do tại sao, khi trí tuệ hiện thân chuyển mình từ các bản Demo sang thế giới thực, các tiêu chuẩn đánh giá của ngành đang thay đổi.

Nếu giai đoạn trước tập trung vào việc robot "biết bao nhiêu kỹ năng", thì câu hỏi quan trọng hơn ở giai đoạn tiếp theo là: liệu những khả năng này có thể mở rộng quy mô một cách bền vững hay không.

Scaling (mở rộng quy mô) ở đây không chỉ là số lượng tham số mô hình hay lượng dữ liệu robot, mà là liệu mô hình có thể trải nghiệm nhiều môi trường hơn, bao phủ nhiều nhiệm vụ hơn, chuyển đổi sang nhiều thân máy robot hơn và tiếp tục thích nghi với những trạng thái chưa từng thấy trong giai đoạn huấn luyện sau khi thực sự bước vào thế giới vật lý hay không.

Trong hơn một tháng qua, Liangyuan Xinchuang đã liên tiếp công bố ba công nghệ: LightParkour, LightNav-0 và Light REACT.

Nhìn bề ngoài, đây là ba hướng đi khác nhau gồm parkour, điều hướng và điều khiển toàn thân.

Nhưng khi đặt ba công nghệ này lại với nhau, ta sẽ thấy Liangyuan Xinchuang thực tế luôn trả lời cùng một câu hỏi: làm thế nào để Physical AI từ các khả năng đơn lẻ dần hình thành một hệ thống mô hình nền tảng có thể huấn luyện, căn chỉnh và triển khai ở quy mô lớn.

Ba hướng công nghệ tuy khác nhau nhưng đều xoay quanh vấn đề cốt lõi mà "ba giai đoạn mô hình" của Liangyuan Xinchuang hướng tới: làm thế nào để khả năng của Physical AI liên tục mở rộng quy mô và cuối cùng hình thành một vòng lặp học tập từ huấn luyện, căn chỉnh đến triển khai thực tế.

Điều mà trí tuệ hiện thân thực sự cần giải quyết chính là làm thế nào để khả năng có thể mở rộng quy mô một cách bền vững.

Việc nghiên cứu robot trước đây phần lớn dựa trên sự phân tách nhiệm vụ. Điều hướng giải quyết điều hướng, điều khiển chuyển động giải quyết điều khiển chuyển động, thao tác cánh tay robot giải quyết thao tác cánh tay robot. Nhiệm vụ và môi trường càng rõ ràng, hệ thống kỹ thuật thường càng dễ tối ưu hóa theo mục tiêu cụ thể.

Phương pháp này không có vấn đề gì. Robot công nghiệp có thể làm việc ổn định trong các môi trường có cấu trúc cao, bản thân điều đó đã chứng minh giá trị của nó.

Nhưng robot đa năng lại đối mặt với một vấn đề khác. Thế giới thực không phải là một Benchmark cố định; môi trường sẽ thay đổi, nhiệm vụ sẽ thay đổi, thân máy robot sẽ thay đổi, và thậm chí trạng thái cơ thể của chính robot cũng sẽ thay đổi.

Nếu cứ thêm một nhiệm vụ lại huấn luyện lại một mô hình, mỗi lần đổi robot lại phải thích ứng lại, và mỗi khi xuất hiện một trạng thái bất thường lại phải thiết kế lại một bộ quy tắc điều khiển, thì mặc dù khả năng của hệ thống có tăng lên, nhưng chi phí phát triển và triển khai cũng sẽ tăng theo tương ứng.

Cuối cùng, khả năng không thực sự đạt được sự mở rộng quy mô, mà độ phức tạp kỹ thuật lại tăng lên trước. Đây cũng chính là nguồn cảm hứng thực sự mà các mô hình nền tảng mang lại cho ngành công nghiệp robot.

Ý nghĩa quan trọng của các mô hình ngôn ngữ lớn (LLM) không chỉ là làm tốt một nhiệm vụ NLP nào đó, mà là thông qua mô hình thống nhất, biểu diễn thống nhất và huấn luyện quy mô lớn, cho phép ngày càng nhiều khả năng đi vào cùng một hệ thống mô hình.

Nếu Physical AI cũng muốn phát triển theo hướng tương tự, thì vấn đề cốt lõi cần giải quyết cũng không phải là liên tục thêm vào các kỹ năng cô lập, mà là thiết lập một cơ chế học tập có thể liên tục mở rộng biên giới khả năng.

Liangyuan Xinchuang tóm tắt cơ chế này thành ba giai đoạn: Tiền huấn luyện quy mô lớn (Scalable Pre-Training), Căn chỉnh quy mô lớn (Scalable Alignment) và Triển khai quy mô lớn (Scalable Deployment).

Tiền huấn luyện quy mô lớn thiết lập khả năng nền tảng thông qua huấn luyện dữ liệu quy mô lớn; Căn chỉnh quy mô lớn nâng cao hơn nữa khả năng của mô hình thông qua học tăng cường và các phương pháp khác; Triển khai quy mô lớn thúc đẩy mô hình nền tảng đi vào thế giới thực, liên tục tạo ra dữ liệu thế giới thực chất lượng cao, hình thành vòng quay dữ liệu (data flywheel) thúc đẩy mô hình liên tục tối ưu hóa.

Ba giai đoạn này không tách rời nhau mà cùng cấu thành một vòng lặp học tập lặp đi lặp lại liên tục. Ba công nghệ mà Liangyuan Xinchuang công bố liên tiếp trong hơn một tháng qua đã thể hiện từ các hướng khác nhau những tiến bộ nghiên cứu của họ xoay quanh lộ trình kỹ thuật này.

LightParkour: Giải quyết trước việc một hành động trở thành một loại khả năng như thế nào

Hãy bắt đầu với LightParkour. Parkour là một trong những nhiệm vụ điển hình liên quan đến tiếp xúc phức tạp trong học tập chuyển động toàn thân. Việc đi lại thông thường chủ yếu dựa vào hai chân và mặt đất để tạo sự hỗ trợ, nhưng khi robot cần leo trèo, chống đỡ hoặc vượt qua các chướng ngại vật cao, bản thân môi trường sẽ trở thành một phần hỗ trợ cho cơ thể.

Tay nên tiếp xúc ở đâu, khi nào chịu lực, trọng tâm cơ thể di chuyển thế nào, hành động thay đổi ra sao sau khi độ cao chướng ngại vật thay đổi, tất cả những điều này sẽ quyết định trực tiếp việc nhiệm vụ có hoàn thành được hay không.

Bắt chước hành động truyền thống sẽ gặp một vấn đề rõ ràng ở đây: video hành động ghi lại "con người di chuyển như thế nào", nhưng không ghi lại đầy đủ "tại sao hành động này lại khả thi trong môi trường này".

Nếu trực tiếp ánh xạ hành động của con người lên thân máy robot thông qua chuyển đổi hành động (Motion Retargeting), có thể xảy ra các vấn đề như lòng bàn tay lơ lửng, cơ thể xuyên qua chướng ngại vật, hoặc thậm chí toàn bộ quỹ đạo vượt quá khả năng động lực học của robot.

Một cách khác là thu thập hành động cho từng loại chướng ngại vật. Nhưng như vậy, chi phí dữ liệu sẽ tăng tuyến tính theo kỹ năng, địa hình và cách thức tiếp xúc.

Cách mà LightParkour lựa chọn là: chỉ cung cấp cho robot một điểm bắt đầu, sau đó để kỹ năng tự phát triển.

Cụ thể, LightParkour trước tiên khôi phục một hạt giống hành động ngắn từ hành động thực tế của con người, sau đó đưa hành động và chướng ngại vật tương ứng vào mô phỏng vật lý. Mô phỏng chịu trách nhiệm thiết lập lại mối quan hệ giữa hành động, chướng ngại vật, lực tiếp xúc và các ràng buộc bộ truyền động của robot. Sau khi robot hoàn thành thành công hành động hiện tại, hệ thống tiếp tục tăng độ khó của chướng ngại vật và lấy quỹ đạo thành công làm tham chiếu cho vòng huấn luyện tiếp theo.

Nhờ đó, từ một hành động ban đầu nhắm vào chướng ngại vật 45 cm, có thể dần dần tạo ra các quỹ đạo tham chiếu bao phủ tới chướng ngại vật 75 cm, tương ứng với khoảng 83% chiều cao của Lightbot 0 cao 90 cm.

Trong toàn bộ quá trình mở rộng, chỉ có hành động và chướng ngại vật ban đầu cần sự căn chỉnh của con người, sự tăng trưởng khả năng sau đó chủ yếu được hoàn thành bởi mô phỏng vật lý và học tập theo chương trình (curriculum learning).

Điểm thực sự quan trọng ở đây không phải là robot nhảy cao hơn, mà là một mẫu hành động bắt đầu trở thành một phân phối kỹ năng.

Trước đây cần thu thập minh họa cho các chướng ngại vật khác nhau, thì nay mô hình bắt đầu tận dụng các quy luật của chính thế giới vật lý để tự động tạo ra những kinh nghiệm hiệu quả mới.