Mô hình thế giới dựa trên vật lý của NTT sàng lọc hành động của robot trước khi thực thi

Ngày 11 tháng 11 năm 2026, NTT, Inc. công bố một mô hình thế giới dựa trên vật lý có khả năng đánh giá các hành động robot dự kiến trước khi thực thi nhằm giảm những sự cố như làm rơi đồ vật và khiến kiện hàng đổ sập. Công ty cho biết công nghệ này đã nâng tỷ lệ hoàn thành nhiệm vụ thành công trong thử nghiệm xếp hàng lên kệ bằng robot cỡ nhỏ từ 73.1% lên 92.3%.

Ứng dụng đầu tiên được dự kiến là tự động xếp và dỡ hành lý tại sân bay. Sự khác biệt về hình dạng, trọng lượng và cách sắp xếp hành lý khiến riêng các phương thức điều khiển robot thông thường khó xác định trước liệu một hành động có làm đổ kiện hàng hoặc rơi đồ vật hay không; đồng thời, việc thu thập dữ liệu huấn luyện cho mọi loại đồ vật có thể xảy ra là không khả thi. NTT dự định tiến hành thử nghiệm thực tế với Mujin, Inc. trong hoạt động xử lý hành lý.

Cách mô hình đánh giá các hành động dự kiến

Công nghệ này hoạt động cùng phần mềm điều khiển robot hiện có, bổ sung khả năng dự đoán và đánh giá trước khi robot di chuyển. Các hành động dự kiến có thể đến từ mô hình thị giác-ngôn ngữ-hành động, vốn chuyển video từ camera và chỉ dẫn bằng ngôn ngữ thành hành động của robot, hoặc từ bộ lập kế hoạch chuyển động, vốn tính toán các lệnh điều khiển cần thiết để đạt mục tiêu nhiệm vụ. Với từng phương án, mô hình tạo video dự đoán và đánh giá nguy cơ va chạm, làm rơi đồ vật và khiến kiện hàng đổ sập, sau đó đưa ra điểm số để chương trình điều khiển chọn hành động được đánh giá là có khả năng thành công.

NTT cho biết các mô hình thế giới thông thường không biểu diễn tường minh các đại lượng vật lý của đồ vật, điều này có thể khiến đồ vật biến mất hoặc biến dạng thiếu hợp lý trong video được tạo ra, đồng thời dẫn đến dự đoán va chạm không chính xác. Việc các mô hình này phụ thuộc vào những tập dữ liệu huấn luyện lớn cũng làm tăng khả năng xảy ra sự cố trong các tình huống không có trong dữ liệu đó.

Bộ điều hợp điều khiển dựa trên vật lý của NTT ước tính các thuộc tính của từng đồ vật từ video, bao gồm vị trí, hướng, vận tốc và khối lượng; áp dụng các định luật vật lý để tính toán chuyển động tiếp theo; rồi cung cấp các phép tính đó cho mô hình tạo video. NTT cho biết cách biểu diễn tường minh này có thể xử lý những tình huống và chuyển động không có trong dữ liệu huấn luyện. Mô hình cũng xuất ra các đại lượng vật lý làm cơ sở cho dự đoán, giúp người dùng dễ hiểu hơn căn cứ tạo ra kết quả.

Kết quả đánh giá chuẩn và kế hoạch mở rộng

NTT cũng đánh giá độ chính xác của dự đoán video tương lai trên bộ chuẩn OBJ3D công khai, gồm các khung hình video về những vật thể tổng hợp va chạm với nhau. NTT cho biết mô hình của mình vượt trội hơn các phương pháp thông thường theo Learned Perceptual Image Patch Similarity (LPIPS), một thước đo so sánh video dự đoán với dữ liệu chuẩn thực tế theo cách phù hợp với nhận thức của con người; giá trị càng thấp cho thấy mức độ tương đồng càng cao.

Ngoài xử lý hành lý và bưu kiện, NTT dự định theo đuổi các ứng dụng trong lĩnh vực hậu cần, kho bãi, sản xuất, xây dựng và bán lẻ, đồng thời sẽ xem xét hợp tác với các nhà cung cấp dịch vụ robot cũng như các công ty hậu cần và kho bãi. Giảm nhu cầu lao động và nâng cao năng suất là những mục tiêu của kế hoạch mở rộng này, chứ không phải các kết quả đã được xác lập qua thử nghiệm được báo cáo.

Công nghệ này dự kiến sẽ được giới thiệu tại Diễn đàn NTT R&D 2026, một sự kiện chỉ dành cho khách mời, diễn ra từ ngày 18–20 tháng 11 năm 2026 và từ ngày 24–25 tháng 11 năm 2026. Một hội thảo ngày 25 tháng 11 năm 2026 về robot ứng dụng AI và mô hình thế giới dựa trên vật lý có sự tham gia của Isamu Arase, CEO của Mujin Japan, và Jun Shimamura, kỹ sư nghiên cứu điều hành của NTT.

Các kết quả NTT công bố liên quan đến một nhiệm vụ sử dụng robot cỡ nhỏ và video tổng hợp về va chạm. Những thử nghiệm với Mujin theo kế hoạch sẽ kiểm tra xem mức cải thiện về xếp hàng lên kệ được báo cáo có áp dụng được cho hoạt động xử lý hành lý tại sân bay hay không, nơi việc sàng lọc trước khi thực thi cần giải quyết sự khác biệt về đặc tính vật lý vốn là lý do thúc đẩy phát triển mô hình.