Robot bận rộn nhất WRC: Làm việc nhà thoăn thoắt trong 15 phút, từ dọn dẹp đến gấp quần áo

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

2026-08-21 11:14:40 Nguồn: QbitAI

Moqi bắt đầu tăng tốc.

Jay đưa tin từ Aofei Temple.

QbitAI | Kênh chính thức QbitAI

World Model (Mô hình thế giới) và VLA (Vision-Language-Action) đều không phải là câu trả lời cuối cùng.

Quan điểm này đến từ Hoàng Thanh Cầu (Huang Qingqiu), cựu lãnh đạo mảng AI lái xe thông minh của Huawei và là một trong những "Thiên tài thiếu niên" của Huawei.

Sau khi rời Huawei, anh đồng sáng lập công ty trí tuệ hiện thân (Embodied AI) đa năng Moqi Intelligence – chỉ sau nửa năm thành lập, định giá công ty đã vượt mốc 7 tỷ nhân dân tệ.

Gần đây, Moqi đã đưa ra bài kiểm tra đầu tiên: kiến trúc mô hình trí tuệ hiện thân tự phát triển mang tên MoRA (MORPHI Reasoning & Autonomy) – một lộ trình não bộ hiện thân theo hướng Agentic-Native (tự chủ tác nhân).

Tại hiện trường WRC 2026, Moqi đã chính thức trình diễn khả năng của bộ não này.

"Vật chủ" mang bộ não này chính là phần cứng do Moqi tự phát triển –

MORPHI KINO, một robot có bánh xe hướng tới các kịch bản dịch vụ gia đình.

Đây cũng là lần đầu tiên phần cứng này xuất hiện công khai.

Tại hiện trường, robot này đã mất 15 phút để hoàn thành một nhiệm vụ gia đình dài hạn hoàn chỉnh:

Dọn dẹp rác trên bàn, kiểm tra hàng tồn trong tủ lạnh và bổ sung đồ, cho quần áo ướt vào máy sấy rồi khởi động, sau đó lấy ra gấp gọn và xếp vào chỗ cũ…

Toàn bộ quá trình diễn ra liền mạch, không cần sự điều khiển của con người trong suốt quá trình thực hiện.

Đối với con người, đây là những công việc nhà mà một đứa trẻ sáu tuổi cũng có thể làm được, nên mọi người có thể cảm thấy không có gì đáng nói.

Nhưng đối với robot, bất kỳ nhiệm vụ nào gắn liền với hai chữ "dài hạn" (long-horizon) gần như là con đường cụt. Ở giai đoạn hiện tại, những bên dám trình diễn trên 5 phút đã được coi là rất tự tin rồi.

Đó là chưa kể đến kịch bản gia đình vốn đòi hỏi khả năng khái quát hóa cực cao.

Thế mà lần này tại WRC, Moqi đã trực tiếp thực hiện 15 phút công việc nhà một cách trơn tru…

Có thể nói là vô cùng độc đáo. Ngay khi hội trường vừa mở cửa vào buổi sáng, gian hàng của Moqi đã chật kín người, đến nỗi chính các nhân viên cũng cảm thấy bất ngờ:

Họ hoàn toàn không ngờ lại có đông người đến vậy.

Vậy, rốt cuộc Moqi đã làm điều đó như thế nào?

Bộ não hiện thân với Agent nguyên bản

Trước khi trả lời câu hỏi này, hãy xem các giải pháp truyền thống đang làm như thế nào.

Hiện nay, để giải quyết vấn đề "dài hạn", các giải pháp Agent gần như đã đạt được sự đồng thuận: Google Gemini Robotics, Figure Helix 02… v.v.

Cốt lõi nằm ở kiến trúc phân tầng, hay còn gọi là System 1 và System 2 quen thuộc.

System 2: Bộ não robot.

Đảm nhiệm bởi mô hình ngôn ngữ lớn (LLM) hoặc mô hình ngôn ngữ thị giác (VLM), chịu trách nhiệm hiểu mục tiêu, phân rã nhiệm vụ và xác minh kết quả;

System 1: Mô hình chiến lược.

Sau khi nhận chỉ thị nhiệm vụ con, nó kết hợp thị giác và trạng thái cơ thể để thực hiện hành động.

Kiến trúc này giúp robot bước đầu có khả năng hoàn thành các nhiệm vụ dài hạn, là một bước đột phá lớn trong ngành trí tuệ hiện thân và đã xuất hiện không ít bản demo thú vị.

Nhưng vấn đề cũng rất rõ ràng –

Tất cả đều dựa vào System 2 để "gánh team"…

Trí tuệ chủ thể của nhiệm vụ – duy trì mục tiêu, quản lý bộ nhớ, theo dõi tiến độ, phục hồi lỗi – gần như đè nặng lên tầng nhận thức của System 2.

Trong khi đó, System 1 – bộ phận trực tiếp tương tác với thế giới vật lý và liên tục thực hiện hành động – lại hoàn toàn "nằm im", trở thành một cỗ máy ngốc nghếch chỉ biết thực thi máy móc các nhiệm vụ con.