RoboSense ra mắt nền tảng cảm biến rắn thế hệ 2: Bước ngoặt dữ liệu cho AI vật lý

Tác giảHoàng Nam

Biên tậpViên Tư Lai

Hiện tại, đường đua trí tuệ hiện thân (Embodied AI) đang hoàn tất một bước chuyển mình quan trọng. Trước đây, phần lớn hoạt động nghiên cứu và trình diễn của ngành tập trung vào các màn biểu diễn trên sân khấu của robot hình người và robot bốn chân, thì nay, các tiêu chuẩn đánh giá của ngành đã chuyển dịch sang khả năng vận hành ổn định lâu dài trong các môi trường thực tế như nhà máy, khu công nghiệp và gia đình.

Tuy nhiên, một vấn đề thực tế là: hầu hết các mô hình nền tảng chỉ được huấn luyện dựa trên hình ảnh 2D và dữ liệu mô phỏng ảo, thiếu đi thông tin gốc có độ chính xác cao về khoảng cách vật thể, chất liệu, lực tác động và tương tác động trong không gian 3D thực tế. Điều này dẫn đến việc robot chỉ có thể "nhìn hiểu" hình ảnh chứ khó lòng thực sự thấu hiểu các quy luật vận hành của thế giới vật lý.

Các cảm biến thị giác đơn thuần dễ bị ảnh hưởng bởi ánh sáng mạnh, vật cản, mưa tuyết, dẫn đến sai số tự nhiên trong việc đo khoảng cách và tính toán cấu trúc không gian; các quy tắc vật lý được xây dựng trong môi trường mô phỏng có sự khác biệt quá lớn so với điều kiện làm việc thực tế. Điều này trực tiếp khiến tỷ lệ thành công của các nhiệm vụ như gắp vật phức tạp hay tuần tra thời gian dài bị giảm sút khi robot rời khỏi phòng trưng bày, khiến việc triển khai quy mô lớn luôn gặp khó khăn. Trong bối cảnh đó, LiDAR chỉ được xem là phụ kiện điều hướng đi kèm cho robot, đảm nhận chức năng tránh vật cản đơn lẻ.

Cho đến khi ngành công nghiệp bắt đầu nhận ra rằng, nhận thức 3D độ chính xác cao mới là nguồn dữ liệu cốt lõi cho sự lặp lại liên tục của AI vật lý (Physical AI).

RoboSense đã đưa ra một nhận định khác biệt. Đội ngũ RoboSense chỉ ra rằng, phần cứng nhận thức 3D độ chính xác cao không chỉ là đôi mắt giúp robot "nhìn thấy" thế giới, mà còn là nguồn dữ liệu không thể thiếu cho sự vận hành của AI vật lý; muốn thông suốt vòng lặp khép kín "Nhận thức - Hiểu - Quyết định - Lặp lại", bắt buộc phải tái cấu trúc logic tạo lập dữ liệu không gian từ chip nền tảng, từ đó liên tục xuất ra các thông tin vật lý thực tế có thể dùng cho việc tiến hóa mô hình.

Từ ngày 17 đến 20 tháng 7, Hội nghị Trí tuệ Nhân tạo Thế giới 2026 (WAIC 2026) đã được tổ chức tại Thượng Hải. RoboSense chính thức ra mắt nền tảng nhận thức toàn rắn thế hệ thứ hai E2 dựa trên chip SPAD-SoC "Peacock" tự nghiên cứu, trình diễn hệ thống bố cục công nghệ từ chip nền tảng đến các sản phẩm nhận thức không gian.

Nền tảng nhận thức toàn rắn thế hệ thứ hai E2 (Nguồn ảnh/Doanh nghiệp)

Nền tảng E2 dựa trên chip SPAD-SoC diện tích lớn "Peacock" và chip 2D VCSEL tự nghiên cứu, sử dụng kiến trúc toàn rắn, từ việc thu phát tín hiệu đến xử lý dữ liệu đều được hoàn thiện ở cấp độ chip. So với thế hệ trước, dòng E2 sở hữu trường nhìn rộng hơn, độ chính xác cao gấp 3 lần thế hệ tiền nhiệm, từ đó tạo ra dữ liệu nhận thức không gian độ chính xác cao để hỗ trợ robot thao tác chính xác trong các môi trường phức tạp.

Nhắm đến các kịch bản phức tạp như gia đình, công nghiệp, tuần tra, E2 đã được triển khai trên các sản phẩm như robot cắt cỏ, robot hình người, robot bốn chân, máy bay không người lái, đồng thời giành được đơn hàng hợp tác từ các doanh nghiệp robot sân vườn, phần cứng thông minh và điện tử tiêu dùng.

E2 đã bước vào giai đoạn ứng dụng quy mô lớn (Nguồn ảnh/Doanh nghiệp)

Dữ liệu cần thiết cho AI vật lý có sự khác biệt bản chất so với dữ liệu văn bản và hình ảnh trong kỷ nguyên Internet. Tạ Điền Địa, Giám đốc Marketing của RoboSense, trong một cuộc phỏng vấn công khai đã chỉ ra: "Dữ liệu video truyền thống thực chất khá thô sơ đối với các mô hình lớn hiện thân. Nó cần cấu trúc dữ liệu không gian hoàn chỉnh hơn, cần thông tin chiều sâu chính xác hơn, điều này đặt ra yêu cầu cực cao cho cảm biến. Camera đơn truyền thống hoặc tư liệu video thông thường có lẽ đã không còn đủ dùng."

Trong quá trình trí tuệ hiện thân tiến tới ứng dụng thực tế, năng suất của robot không chỉ phụ thuộc vào mô hình thông minh và phần thân, mà còn phụ thuộc vào dữ liệu không gian chất lượng cao được tạo ra liên tục trong thế giới thực, sau đó chuyển hóa thành các tài liệu huấn luyện mà robot có thể học hỏi và tái sử dụng.

"Tất cả các công ty khi làm AI vật lý cuối cùng đều nhận ra rằng cần có thông tin chiều sâu chính xác thì mới có thể giúp robot hiểu được thế giới thực, hiểu được mối quan hệ cấu trúc trước-sau-trái-phải." Tạ Điền Địa cho biết. Do đó, dữ liệu không gian chất lượng cao đã trở thành yếu tố sản xuất then chốt trong kỷ nguyên AI vật lý.

Dựa trên chip dò tìm không gian 3D tự nghiên cứu và ma trận sản phẩm nhận thức kỹ thuật số, điều mà RoboSense muốn làm không chỉ là "đôi mắt của robot", mà là một cổng dữ liệu kết nối thế giới thực với các mô hình thông minh.

Trong khuôn khổ WAIC 2026, RoboSense tuyên bố sẽ hợp tác với các doanh nghiệp như Zhi Zai Wu Jie, Jianzhi Robotics, Origen, Lightwheel Intelligence, tập trung vào các khâu nhận thức không gian robot, thu thập dữ liệu thế giới thực, xử lý dữ liệu, huấn luyện mô hình và xác thực ứng dụng, nhằm xây dựng cơ sở hạ tầng nhận thức cho AI vật lý.

Gian hàng RoboSense tại WAIC 2026 (Nguồn ảnh/Doanh nghiệp)

Hướng tới giai đoạn then chốt khi trí tuệ hiện thân tiến tới ứng dụng quy mô lớn, RoboSense đang xây dựng nền tảng công nghệ robot cho kỷ nguyên AI vật lý, xoay quanh ba năng lực cốt lõi: chip tự nghiên cứu, vòng lặp dữ liệu AI và sản xuất hàng loạt đạt chuẩn ô tô.

Chip là nền tảng cho sự lặp lại liên tục của công nghệ nhận thức. Khác với mô hình phổ biến trong ngành là mua linh kiện rời từ bên ngoài để lắp ráp cảm biến, RoboSense chọn con đường tự nghiên cứu toàn diện SPAD-SoC. Chip "Peacock" tự nghiên cứu đóng vai trò là nền tảng nhận thức kỹ thuật số tiêu chuẩn hóa, có thể thống nhất định nghĩa độ chính xác dò tìm và quy cách xuất dữ liệu đám mây điểm ngay từ khâu thiết kế chip, tránh được sự hao hụt hiệu năng do việc kết hợp các linh kiện rời gây ra từ cấp độ nền tảng.

Về khía cạnh tích hợp AI, ngay từ giai đoạn đầu thiết kế sản phẩm và chip, RoboSense đã nhắm đến nhu cầu thu thập dữ liệu không gian độ chính xác cao của các mô hình lớn vật lý. Sau khi các loại robot được trang bị thiết bị nhận thức của hãng, quá trình di chuyển, thao tác gắp vật đều sẽ đồng thời tạo ra tài sản dữ liệu và được sử dụng cho việc lặp lại mô hình, cung cấp tài liệu huấn luyện chất lượng cao cho sự tiến hóa năng lực của AI vật lý.

Từ việc cung cấp "đôi mắt" cho robot đến việc trở thành cổng dữ liệu cho AI vật lý, RoboSense đang chuyển dịch từ nhà cung cấp phần cứng sang nhà cung cấp cơ sở hạ tầng. Trong tiến trình AI vật lý hướng tới quy mô lớn, ai có thể giải quyết vấn đề cung ứng dữ liệu không gian chất lượng cao trước tiên, người đó có khả năng chiếm lĩnh một vị trí nền tảng hơn trong chuỗi công nghiệp.