Bên trong Cuộc Đua Robot Mới: Dữ liệu, Mô hình và Sản xuất

Sự đổi mới hiếm khi xuất hiện trong sự cô lập. Thay vào đó, nó thường được sinh ra từ những cuộc trò chuyện giữa các kỹ sư, người sáng lập, nhà nghiên cứu và nhà đầu tư khi họ cố gắng hiểu được công nghệ đang đi tới đâu.

Trong suốt một năm, tôi đã tham dự hàng chục hội nghị trên toàn thế giới. Các chuyến công tác đôi khi kéo dài hàng tháng, và các cuộc họp với đối tác và khách hàng diễn ra từ châu Á đến Bắc Mỹ. Tuy nhiên, một trong những chuyến đi gần đây của tôi đến Thụy Sĩ đã trở nên đặc biệt thú vị – chủ yếu là nhờ vào những người và cuộc trò chuyện diễn ra tại đó.

Thụy Sĩ đã chứng minh là một trong những nơi mà tương lai của robot và Trí tuệ nhân tạo vật lý đang được thảo luận tích cực ngày nay. Và càng đi sâu vào những cuộc trò chuyện, càng trở nên rõ ràng rằng cuộc đua thực sự trong lĩnh vực robot đang diễn ra xung quanh dữ liệu.

Thung lũng Silicon của châu Âu

Thụy Sĩ đã truyền thống được liên kết với lĩnh vực tài chính, nhưng trong những năm gần đây, nó đã ngày càng được gọi là Thung lũng Silicon của châu Âu. Phần lớn danh tiếng này gắn liền với ETH Zurich, một trong những trường đại học kỹ thuật được tôn trọng nhất ở châu Âu. Nó thu hút các nhà nghiên cứu, sinh viên tiến sĩ, doanh nhân và kỹ sư từ khắp thế giới. Kết quả là, một hệ sinh thái công nghệ mạnh mẽ đã hình thành xung quanh trường đại học, nơi nghiên cứu, khởi nghiệp và dự án công nghiệp phát triển gần như đồng thời.

Một trong những lý do cho chuyến đi của tôi là để hiểu rõ hơn về những gì Introspector có thể mang lại cho thị trường robot, đã bùng nổ kể từ đầu năm 2025. Đây là một ngành công nghiệp mà nhiều công ty khởi nghiệp đang cố gắng tham gia, trong khi các đột phá công nghệ từ các công ty công nghệ lớn đang tích cực thay đổi nó. Tuy nhiên, mặc dù tất cả động lực này, lĩnh vực này vẫn còn nhiều câu hỏi hơn câu trả lời.

Thụy Sĩ cũng là nơi đặt trụ sở của các đối tác của chúng tôi Lightly, những người đã giúp tôi giới thiệu với các đồng nghiệp làm việc tại giao điểm của robot, thị giác máy tính và trí tuệ nhân tạo. Có một khía cạnh quan trọng của hệ sinh thái công nghệ địa phương mà tôi muốn nhấn mạnh: những người ở đây rất cởi mở và thân thiện. Họ không sợ chia sẻ ý tưởng và giả thuyết của mình, nói về những thách thức họ đang cố gắng giải quyết và các thí nghiệm họ đang chạy. Kết quả là, bạn bắt đầu hiểu rõ hơn về bối cảnh thực sự của thị trường và nơi ngành công nghiệp đang đi tới.

Khi mọi người hỏi tôi làm thế nào để “Thung lũng Silicon” châu Âu khác với “Thung lũng Silicon” Mỹ, câu trả lời thường khiến họ ngạc nhiên. Tại Thụy Sĩ, sự cân bằng giữa công việc và cuộc sống cảm giác mạnh mẽ hơn: thể thao vào buổi sáng, làm việc tập trung trong ngày với nhịp điệu yên tĩnh nhưng hiệu quả, và buổi tối dành thời gian với gia đình hoặc đơn giản là thư giãn. Tại San Francisco, thường có cảm giác rằng bạn cần phải chứng minh rằng bạn đang làm việc chăm chỉ hơn mọi người. Tại Thụy Sĩ, nhịp điệu khác – bền vững hơn. Tuy nhiên, mức độ tham vọng công nghệ ở đây không thấp hơn.

Dữ liệu tốt hơn trước khi có robot tốt hơn

Một trong những điểm chính rút ra từ chuyến đi này là một quan sát khá đơn giản: nhiều người ngày nay muốn làm việc trong lĩnh vực robot. Nhưng mặc dù sự quan tâm lớn đến ngành công nghiệp này, nhiều đội vẫn đang trong giai đoạn khám phá, cố gắng hiểu vai trò họ có thể đóng trong làn sóng mới của robot và trí tuệ nhân tạo vật lý, và đóng góp gì.

Nhiều cuộc trò chuyện cuối cùng đều hội tụ vào cùng một chủ đề: dữ liệu. Ngày nay, ngành công nghiệp thiếu dữ liệu về các nhiệm vụ tinh tế, tức là kỹ năng vận động tinh. Trong lĩnh vực này, khả năng của robot vẫn còn cực kỳ hạn chế. Những gì con người làm bằng tay gần như tự động – nhặt một vật thể, xoay nó, đặt nó cẩn thận ở đâu đó, hoặc thực hiện một thao tác nhỏ – vẫn là một trong những nhiệm vụ khó khăn nhất đối với robot.

Chìa khóa để tiến bộ ở đây nằm chủ yếu ở các tập dữ liệu lớn, được thu thập đúng cách. Ngày nay, mọi người thường nói về các tập dữ liệu egocentric, được ghi lại từ góc nhìn của người thứ nhất, nơi hệ thống ghi lại các hành động của con người như thể nó đang thực hiện chúng mình. Tuy nhiên, trong thực tế, khái niệm về một “tập dữ liệu egocentric” có thể có nghĩa rất khác nhau và đặt ra một số câu hỏi kỹ thuật. Nên đặt máy ảnh ở đâu? Trên trán, trên ngực, hoặc có thể ở mức mắt? Những cảm biến nào nên đi kèm với việc ghi hình? Nếu chúng ta đang ghi lại chuyển động tay, liệu người vận hành nên sử dụng găng tay đặc biệt? Và nếu vậy, liệu những găng tay đó có nên bao gồm cảm biến xúc giác, con quay hồi chuyển, hoặc các hệ thống theo dõi chuyển động khác?

Một câu hỏi phức tạp hơn nữa xuất hiện: làm thế nào để ghi lại chính xác độ sâu của chuyển động. Bởi vì điều quan trọng là không chỉ hiểu vị trí của tay trong một mặt phẳng hai chiều, mà còn hiểu cách nó di chuyển trong không gian ba chiều – về phía trước, về phía sau, lên hoặc xuống.

Cho đến nay, ngành công nghiệp vẫn chưa có một câu trả lời thống nhất. Đó là lý do tại sao nhiều đội ngày nay đang thử nghiệm với các cấu hình cảm biến khác nhau, phương pháp ghi và định dạng tập dữ liệu.

Hệ thống đa phương thức

Ngay khi cuộc trò chuyện chuyển sang thu thập dữ liệu cho robot, một chủ đề khác nhanh chóng xuất hiện – cảm biến bổ sung và đa phương thức, cho phép ghi lại chuyển động cơ thể, hành động tay và tương tác vật thể với độ chính xác cao hơn. Chúng cũng giúp giảm thiểu sai sót trong quá trình thu thập dữ liệu.

Khi một người ghi lại hành động của mình trên máy ảnh, luôn có rủi ro rằng một phần tài liệu sẽ không thể sử dụng được. Máy ảnh có thể dịch chuyển slightly, góc quay có thể không chính xác, người vận hành có thể vô tình quay sai hướng, hoặc người vận hành có thể thực hiện một chuyển động quá nhanh. Kết quả là, một phần đáng kể của tài liệu ghi lại bị loại bỏ. Một ví dụ đơn giản: để có được một giờ video thực sự có thể sử dụng, người vận hành thường cần ghi lại khoảng hai giờ footage thô.

Các cảm biến bổ sung giúp bù đắp cho một số vấn đề này. Ngay cả khi máy ảnh dịch chuyển slightly, dữ liệu cảm biến vẫn có thể cho phép tái tạo chuyển động của tay hoặc vị trí của cơ thể trong không gian. Kết quả là, thay vì hai giờ ghi lại, có thể mất khoảng một giờ và hai mươi phút để có được cùng một lượng dữ liệu có thể sử dụng. Điều này tăng đáng kể hiệu quả của việc thu thập dữ liệu và giảm chi phí tạo ra chúng.

Do đó, không có gì ngạc nhiên khi nhiều đội cũng nhận thấy sự quan tâm ngày càng tăng đối với việc chú thích dữ liệu đa phương thức. Điều này đã trở thành một trong những xu hướng rõ ràng hơn trực tiếp liên quan đến sự phát triển của robot và trí tuệ nhân tạo vật lý.

Điểm tiếp theo là việc chú thích cho các tập dữ liệu như vậy. Chúng tôi đã gặp phải những câu hỏi tương tự tại Keymakr khi làm việc với các tập dữ liệu của khách hàng cho các trường hợp robot: chú thích như thế nào trong thực tế? Nên sử dụng skeletal? Hai chiều hay ba chiều? Nên kết hợp các yếu tố của học tăng cường vào pipeline? Có hàng chục câu hỏi như vậy. Các kỹ sư thừa nhận rằng không ai có thể nói chắc chắn哪 cấu hình dữ liệu cụ thể sẽ dẫn đến một đột phá công nghệ thực sự.

Những lo ngại này là dễ hiểu. Xây dựng các tập dữ liệu phức tạp là một quá trình tốn kém. Mỗi sai lầm trong cấu trúc dữ liệu có thể tốn hàng nghìn hoặc thậm chí hàng triệu đô la. Có thể thu thập “dữ liệu sai” hoặc ghi lại dưới điều kiện khó tái tạo trong thế giới thực, cuối cùng làm suy yếu toàn bộ dự án. Đó là lý do tại sao ngày nay, sự chú ý ngày càng được dành cho cả mô hình và chất lượng, kiến trúc của dữ liệu mà các mô hình đó được đào tạo.

Loại robot nào mà thị trường cần?

Các robot công nghiệp cổ điển, đã hoạt động trên các dây chuyền lắp ráp ô tô trong nhiều thập kỷ, thực sự yêu cầu rất ít về thị giác máy tính hoặc các mô hình trí tuệ nhân tạo phức tạp. Nhiệm vụ của chúng cực kỳ cụ thể: thực hiện các chuyển động lặp đi lặp lại – trái, phải, lên, xuống – với độ chính xác và nhất quán cao. Trong lĩnh vực này, chúng đã vượt qua con người từ lâu.

Một loại hoàn toàn khác là robot hình người. Những hệ thống này yêu cầu “bộ não”: khả năng điều hướng không gian, nhận thức môi trường xung quanh, hiểu ngữ cảnh của một tình huống, và kiểm soát các bộ phận không qua các đường dẫn được lập trình sẵn mà bằng cách thích nghi với thế giới thực.

Ngay cả với mức độ tự động hóa cao trên các sàn nhà máy hiện đại, nhiều nhiệm vụ vẫn được thực hiện bởi con người. Di chuyển một vật thể, nhặt một hộp, sắp xếp các bộ phận, gắn một linh kiện, hoặc tổ chức vật liệu – những hành động nhỏ này yêu cầu sự linh hoạt và phối hợp. Lĩnh vực này vẫn là một trong những khó khăn nhất để tự động hóa, và chính tại đây mà các hệ thống hình người có thể tìm thấy vai trò của mình.

Nhiều đội mà tôi đã nói chuyện đang sử dụng một mô hình kinh doanh tương tự. Họ tiếp cận một nhà máy và đề xuất giải quyết một trường hợp sản xuất cụ thể. Ví dụ, một công nhân có thể dành cả ngày để di chuyển hộp giữa các khu vực kho. Các kỹ sư đề xuất một thí nghiệm tương đối đơn giản: trang bị cho công nhân một máy ảnh và một bộ cảm biến, ghi lại hàng nghìn giờ hành động của họ, và sử dụng dữ liệu này để đào tạo một mô hình sẽ kiểm soát một robot hình người. Theo cách này, robot học cách thực hiện chính xác các nhiệm vụ được thực hiện bởi công nhân.

Về bản chất, công ty mua một nền tảng robot hình người, trong khi đội phát triển xây dựng một mô hình tùy chỉnh sao chép hành vi của một vận hành cụ thể. Đây không phải là một trí tuệ phổ quát có thể giải quyết bất kỳ nhiệm vụ nào. Thay vào đó, đây là một tập hợp các kỹ năng được đào tạo cho một kịch bản hoặc nhóm nhiệm vụ sản xuất cụ thể. Đối với nhiều kỹ sư ngày nay, cách tiếp cận này dường như thực tế hơn. Thay vì cố gắng tạo ra một robot phổ quát ngay lập tức, các đội tập trung vào các kịch bản tự động hóa hẹp nhưng có thể sinh lời.

Chiều kích thước kinh doanh

Nếu tương lai nằm ở các mô hình tùy chỉnh, điều quan trọng là phải hiểu rằng, từ góc độ kinh tế, đây là một con đường phát triển khá dài.

Mỗi ngành công nghiệp thực sự là một thế giới riêng. Mỗi môi trường sản xuất có các quy trình, luồng công việc và ngoại lệ riêng. Một robot được đào tạo để hoạt động trong một nhà máy ô tô không thể đơn giản được chuyển sang sản xuất thực phẩm hoặc hậu cần kho. Trong mỗi trường hợp, hệ thống phải được đào tạo lại từ đầu.

Điều này dẫn đến câu hỏi logic tiếp theo: ai sẽ là khách hàng đầu tiên của công nghệ này?

Vào giai đoạn này, những người áp dụng đầu tiên có khả năng là các doanh nghiệp lớn – những doanh nghiệp có ngân sách và đối với họ, tự động hóa có thể tạo ra tác động kinh tế có ý nghĩa. Ngày nay, một robot hình người có giá khoảng 60.000-90.000 đô la chỉ cho phần cứng cơ bản. Đây chỉ là cấu hình cơ bản. Trên đó, có chi phí bảo trì, pin, trạm sạc, cơ sở hạ tầng và phần mềm.

Kết quả là, các công ty có khả năng thí nghiệm với những hệ thống như vậy là các tổ chức lớn, các nhà sản xuất ô tô, công ty thực phẩm, và các doanh nghiệp công nghiệp lớn.

Tất nhiên, các lĩnh vực nhỏ hơn cũng có thể thấy một số người áp dụng sớm. Một số công ty có thể mua một hoặc hai robot cho các nhiệm vụ cụ thể. Tuy nhiên, trong hầu hết các trường hợp, những doanh nghiệp này đơn giản là không sẵn sàng đầu tư hàng trăm nghìn euro vào việc thu thập và chú thích các tập dữ liệu tùy chỉnh cần thiết để đào tạo hệ thống cho các kịch bản hoạt động cụ thể. Đối với họ, lao động con người vẫn là lựa chọn rẻ hơn.

Trò chơi dài của đổi mới robot

Chúng ta cuối cùng cũng đến một câu hỏi kinh tế cơ bản: điều gì hiệu quả hơn – con người hay robot? Nếu chúng ta nhìn vào nền kinh tế ngày nay, câu trả lời rõ ràng: lao động con người rẻ hơn, thích nghi nhanh hơn với điều kiện mới và không yêu cầu cơ sở hạ tầng phức tạp.

Vậy tại sao ngành công nghiệp vẫn tiếp tục đầu tư vào robot ngày nay? Câu trả lời chủ yếu là chiến lược.

Nhiều công ty hiểu rằng một loại cuộc đua cho sự lãnh đạo công nghệ đang diễn ra. Họ đang phát triển các giải pháp, mặc dù chi phí cao, để dẫn đầu khi kinh tế của robot thay đổi.

Khi điện tử tiến bộ, chi phí linh kiện giảm, và hiệu quả tính toán được cải thiện, robot sẽ trở nên hợp lý hơn về mặt kinh tế. Và khi điều đó xảy ra, lợi thế sẽ thuộc về các công ty đã xây dựng mô hình, tích lũy dữ liệu và thiết lập cơ sở hạ tầng công nghệ cần thiết.

Hãy tưởng tượng, ví dụ, rằng các quy định mới xuất hiện cho phép sử dụng rộng rãi robot hình người trong sản xuất. Hoặc rằng các chính phủ bắt đầu trợ cấp cho việc tự động hóa các ngành công nghiệp. Trong một kịch bản như vậy, thị trường có thể tăng trưởng đáng kể trong chỉ vài năm. Và những người đã chuẩn bị trước, những người có mô hình hiện có, nghiên cứu, tập dữ liệu và một ngăn xếp công nghệ sẵn sàng, sẽ là những người được hưởng lợi nhiều nhất.

Đó là lý do tại sao sự phát triển vẫn tiếp tục ngay cả bây giờ, mặc dù kinh tế của doanh nghiệp có thể không nhìn tuyệt vời. Đối với nhiều công ty, đây là một khoản đầu tư vào tương lai – vào thời điểm khi công nghệ trở nên dễ tiếp cận hơn và nhu cầu tăng mạnh.

Và trong cuộc đua này, như trong nhiều cuộc cách mạng công nghệ, một yếu tố thường chứng minh là quyết định: ai bắt đầu sớm. Trong ý nghĩa này, robot ngày nay rất giống với những giai đoạn đầu của trí tuệ nhân tạo. Lúc đó, cũng có nhiều câu hỏi hơn câu trả lời. Tuy nhiên, những đội bắt đầu làm việc với dữ liệu và cơ sở hạ tầng sớm hơn những đội khác cuối cùng đã định hình hướng của toàn bộ ngành công nghiệp.