Người máy hình người: Từ ảo tưởng khoa học đến ứng dụng thực tế

Robot hình người đang nhanh chóng từ các tác phẩm khoa học viễn tưởng bước vào thực tế. Chi phí phần cứng liên tục giảm, đầu tư vốn tiếp tục tăng, cộng với những đột phá công nghệ về tính linh hoạt trong chuyển động và khả năng vận hành, ba yếu tố này liên tục hòa quyện và tích cực thúc đẩy sự lặp lại nền tảng lớn tiếp theo trong lĩnh vực tính toán. Mặc dù khả năng tính toán và thiết bị phần cứng ngày càng trở nên hàng hóa, mang lại lợi thế chi phí thấp cho kỹ thuật robot, nhưng ngành công nghiệp này vẫn bị hạn chế bởi nút thắt dữ liệu huấn luyện.

Reborn là một trong số ít các dự án sử dụng trí tuệ nhân tạo vật lý phi tập trung (DePAI) để crowdsourcing dữ liệu chuyển động và dữ liệu tổng hợp độ chính xác cao, đồng thời xây dựng mô hình cơ bản cho Bots, điều này giúp nó ở vị trí thuận lợi độc đáo trong việc thúc đẩy việc triển khai Bots hình người. Dự án được lãnh đạo bởi một đội ngũ sáng lập có nền tảng kỹ thuật vững chắc, các thành viên trong đội ngũ có kinh nghiệm nghiên cứu học thuật và vị trí giáo sư từ nhiều trường đại học danh tiếng, vừa thể hiện trình độ học thuật xuất sắc, vừa có khả năng thực hiện kỹ thuật trong thế giới thực.

Từ chức năng đơn lẻ đến hình thức đa chức năng

Công nghệ robot hóa không phải là khái niệm mới. Các robot gia đình như robot hút bụi hoặc camera cho thú cưng mà công chúng quen thuộc đều thuộc thiết bị chức năng đơn. Với sự phát triển của trí tuệ nhân tạo, robot đang tiến hóa từ máy móc chức năng đơn thành hình thức đa chức năng, nhằm thích ứng với công việc trong môi trường mở.

Robot hình người sẽ dần dần nâng cấp từ các nhiệm vụ cơ bản như dọn dẹp, nấu ăn trong khoảng thời gian từ 5 đến 15 năm tới, cuối cùng có thể đảm nhiệm các công việc phức tạp như phục vụ tiếp tân, cứu hỏa và thậm chí là phẫu thuật. Những phát triển gần đây đang biến robot hình người từ tiểu thuyết khoa học viễn tưởng thành hiện thực.

Các động thái trên thị trường cho thấy, hơn 100 doanh nghiệp đã gia nhập lĩnh vực robot hình người. Công nghệ phần cứng đã thành công vượt qua thung lũng đáng sợ: thế hệ robot hình người mới thể hiện những chuyển động tự nhiên và mượt mà như nước chảy, giúp chúng có thể tương tác giống như con người trong môi trường thực tế. Trong đó, một mẫu robot hình người có tốc độ đi bộ lên đến 3,3 mét mỗi giây, vượt xa tốc độ bước trung bình của con người là 1,4 mét mỗi giây.

Dự kiến đến năm 2032, chi phí của những robot hình người sẽ thấp hơn mức lương lao động tại Mỹ, điều này sẽ mở ra một mô hình chi phí hoàn toàn mới.

Rào cản phát triển: Dữ liệu huấn luyện từ thế giới thực

Mặc dù có những yếu tố thuận lợi rõ ràng trong lĩnh vực robot hình người, nhưng vấn đề chất lượng dữ liệu kém và thiếu hụt vẫn cản trở việc triển khai quy mô lớn.

Các công nghệ thực thể trí tuệ nhân tạo khác, chẳng hạn như công nghệ lái xe tự động, đã cơ bản giải quyết vấn đề dữ liệu thông qua các camera và cảm biến được lắp đặt trên các phương tiện hiện có. Lấy một số hệ thống lái xe tự động làm ví dụ, các đội xe này có khả năng tạo ra hàng tỷ dặm dữ liệu lái xe trên đường thực. Ở giai đoạn phát triển ban đầu, các công ty này đã cho xe ra đường với ghế phụ được trang bị nhân viên giám sát thực hiện đào tạo theo thời gian thực.

Tuy nhiên, người tiêu dùng khó có khả năng chấp nhận sự tồn tại của "Bots giữ trẻ". Bots phải có hiệu suất cao ngay khi mở hộp, điều này làm cho việc thu thập dữ liệu trước khi triển khai trở nên rất quan trọng. Tất cả các bài huấn luyện phải được hoàn thành trước khi sản xuất thương mại, trong khi quy mô và chất lượng dữ liệu vẫn là những vấn đề tồn tại.

Mặc dù mỗi chế độ đào tạo đều có đơn vị quy mô riêng, nhưng sự so sánh rõ ràng cho thấy khoảng cách về quy mô mà dữ liệu công nghệ Bots đang phải đối mặt:

• Quy mô dữ liệu huấn luyện của một mô hình ngôn ngữ lớn nào đó vượt quá 150 triệu tỷ văn bản đánh dấu.
• Một số trình tạo hình ảnh sử dụng hàng tỷ cặp văn bản video có nhãn.
• So với đó, tập dữ liệu robot lớn nhất chỉ chứa khoảng 2,4 triệu bản ghi tương tác.

Khoảng cách này giải thích tại sao công nghệ Bots vẫn chưa đạt được mô hình nền tảng thực sự như các mô hình ngôn ngữ lớn, điều then chốt nằm ở việc cơ sở dữ liệu vẫn chưa đầy đủ.

Phương pháp thu thập dữ liệu truyền thống khó đáp ứng nhu cầu quy mô cho dữ liệu huấn luyện của robot hình người. Các phương pháp hiện có bao gồm:

• Mô phỏng: Chi phí thấp nhưng thiếu cảnh giới hạn thực tế (khoảng cách giữa mô phỏng và thực tế)
• Video internet: Không thể cung cấp cảm giác cơ thể và môi trường phản hồi lực cần thiết cho việc học của Bots.
• Dữ liệu thế giới thực: Mặc dù chính xác, nhưng cần điều khiển từ xa và quy trình đóng vòng tay người, điều này dẫn đến chi phí cao (hơn 40.000 USD cho mỗi Bots) và thiếu khả năng mở rộng.

Việc đào tạo mô hình trong môi trường ảo có chi phí thấp và khả năng mở rộng mạnh mẽ, nhưng những mô hình này thường gặp khó khăn khi triển khai trong thế giới thực. Vấn đề này được gọi là khoảng cách từ ảo đến thực (Sim2Real).

Ví dụ, những Bots được đào tạo trong môi trường mô phỏng có thể dễ dàng nhấc lên những vật thể có ánh sáng hoàn hảo và bề mặt phẳng, nhưng khi đối mặt với môi trường lộn xộn, kết cấu gập ghềnh, hoặc các tình huống bất ngờ mà con người thường gặp trong thế giới thực, chúng thường trở nên bất lực.

Reborn cung cấp một phương pháp hiệu quả về chi phí và nhanh chóng để crowdsourcing dữ liệu từ thế giới thực, giúp tăng cường đào tạo Bots, giải quyết vấn đề "khoảng cách từ mô phỏng đến thực tế" (Sim2Real).

Reborn: Tầm nhìn toàn diện về AI phi tập trung

Reborn đang xây dựng một nền tảng phần mềm và dữ liệu tích hợp theo chiều dọc cho các ứng dụng robot thông minh có thân. Mục tiêu cốt lõi của công ty là giải quyết vấn đề tắc nghẽn dữ liệu trong lĩnh vực robot hình người, nhưng tầm nhìn của họ còn vượt xa hơn thế. Thông qua việc tự phát triển phần cứng, cơ sở hạ tầng mô phỏng đa phương thức và sự kết hợp của các mô hình cơ bản, Reborn sẽ trở thành một động lực toàn diện cho trí thông minh có thân.

Nền tảng Reborn bắt đầu với thiết bị ghi chuyển động tiêu dùng độc quyền "ReboCap", xây dựng hệ sinh thái trò chơi thực tế tăng cường và thực tế ảo đang mở rộng nhanh chóng. Người dùng nhận được phần thưởng khuyến khích trực tuyến bằng cách cung cấp dữ liệu chuyển động độ chính xác cao, thúc đẩy sự phát triển liên tục của nền tảng. Hiện tại, Reborn đã bán được hơn 5000 bộ thiết bị ReboCap, với 160.000 người dùng hoạt động hàng tháng, và đã thiết lập lộ trình tăng trưởng rõ ràng để vượt qua 2 triệu người dùng vào cuối năm.

Điều đáng chú ý là, sự tăng trưởng này hoàn toàn bắt nguồn từ sự phát triển tự nhiên: Người dùng bị thu hút bởi tính giải trí của tựa game, trong khi các streamer sử dụng ReboCap để thực hiện việc ghi lại dáng vẻ kỹ thuật số theo thời gian thực. Vòng lặp tích cực tự phát này đã tạo ra việc sản xuất dữ liệu có thể mở rộng, chi phí thấp và độ trung thực cao, khiến cho bộ dữ liệu Reborn trở thành nguồn tài nguyên huấn luyện mà các công ty robot hàng đầu đều muốn áp dụng.

Lớp thứ hai của phần mềm ReBorn là Roboverse: một nền tảng dữ liệu đa mô hình thống nhất môi trường mô phỏng phân mảnh. Hiện tại, lĩnh vực mô phỏng đang bị phân tách cao độ, các công cụ khác nhau hoạt động riêng rẽ, mặc dù mỗi công cụ có những ưu điểm riêng nhưng không thể tương tác với nhau. Tình trạng phân tách này đã làm chậm tiến trình phát triển và gia tăng khoảng cách giữa mô phỏng và thực tế. Roboverse thông qua việc đạt được tiêu chuẩn hóa nhiều mô phỏng, đã tạo ra cơ sở hạ tầng ảo chia sẻ để phát triển và đánh giá các mô hình Bots. Sự tích hợp này hỗ trợ việc kiểm tra tiêu chuẩn nhất quán, nâng cao mạnh mẽ khả năng mở rộng và khả năng tổng quát của hệ thống.

Roboverse đã đạt được sự hợp tác liền mạch. Một bên thu thập dữ liệu từ thế giới thực quy mô lớn, bên còn lại xây dựng môi trường mô phỏng để thúc đẩy việc đào tạo mô hình, và cả hai cùng nhau thể hiện sức mạnh thực sự của mạng lưới trí tuệ vật lý phân tán Reborn. Nền tảng này đang xây dựng một hệ sinh thái phát triển trí tuệ nhân tạo vật lý vượt ra ngoài việc chỉ thu thập dữ liệu, với các chức năng đã mở rộng đến triển khai mô hình thực tế và lĩnh vực cấp phép thương mại.

Mô hình cơ bản Reborn

Có lẽ thành phần quan trọng nhất trong công nghệ Reborn là mô hình cơ bản Reborn (RFM). Là một trong những mô hình cơ bản của Bots đầu tiên, mô hình này đang được phát triển như một hệ thống cốt lõi cho cơ sở hạ tầng trí tuệ nhân tạo vật lý mới nổi. Vị trí của nó tương tự như các mô hình ngôn ngữ lớn truyền thống, nhưng hướng tới lĩnh vực Bots.

Ba thành phần cốt lõi của công nghệ Reborn (nền tảng dữ liệu ReboCap, hệ thống mô phỏng Roboverse và cơ chế cấp phép mô hình RFM) cùng nhau xây dựng một chiến lược bảo vệ tích hợp dọc vững chắc. Bằng cách kết hợp dữ liệu chuyển động crowdsourcing với hệ thống mô phỏng mạnh mẽ và hệ thống cấp phép mô hình, Reborn có thể đào tạo các mô hình cơ bản có khả năng tổng quát qua các tình huống khác nhau. Mô hình này có thể hỗ trợ cho các ứng dụng robot đa dạng trong các lĩnh vực công nghiệp, tiêu dùng và nghiên cứu, thực hiện triển khai tổng quát dưới khối lượng dữ liệu đa dạng.

Reborn đang tích cực thúc đẩy quá trình thương mại hóa công nghệ của mình, khởi động các dự án thí điểm trả phí với nhiều doanh nghiệp và thiết lập quan hệ đối tác chiến lược với nhiều công ty Bots. Thị trường Bots hình người tại Trung Quốc đang trải qua sự tăng trưởng nhanh chóng, chiếm khoảng 32,7% thị trường toàn cầu. Đáng chú ý, một công ty Trung Quốc chiếm hơn 60% thị trường Bots bốn chân toàn cầu và là một trong sáu nhà sản xuất Trung Quốc có kế hoạch sản xuất hơn 1000 Bots hình người vào năm 2025.

Vai trò của công nghệ tiền điện tử trong ngăn xếp công nghệ trí tuệ nhân tạo vật lý

Công nghệ mã hóa đang xây dựng một stack dọc hoàn chỉnh cho trí tuệ nhân tạo vật lý. Mặc dù các dự án liên quan thuộc về các cấp độ khác nhau của stack trí tuệ nhân tạo vật lý, nhưng chúng có một điểm chung: 100% là dự án DePAI. DePAI tạo ra cơ chế mở, có thể kết hợp và không cần giấy phép thông qua việc khuyến khích token xuyên suốt toàn bộ stack công nghệ, và chính sự đổi mới này đã khiến sự phát triển phi tập trung của trí tuệ nhân tạo vật lý trở thành hiện thực.

Reborn đến nay vẫn chưa phát hành token, sự tăng trưởng hữu cơ của doanh nghiệp càng trở nên quý giá. Khi cơ chế khuyến khích token chính thức được khởi động, mức độ tham gia của mạng lưới sẽ trở thành yếu tố then chốt thúc đẩy hiệu ứng bánh đà DePAI: Người dùng mua thiết bị phần cứng Reborn (thiết bị thu thập ReboCap) có thể nhận được khuyến khích từ phía dự án, công ty phát triển robot sẽ trả thưởng cho những người nắm giữ ReboCap dựa trên đóng góp của họ, sự khuyến khích kép này sẽ thúc đẩy nhiều người hơn mua sắm và sử dụng thiết bị ReboCap. Đồng thời, dự án cũng sẽ khuyến khích động lực thu thập dữ liệu hành vi tùy chỉnh có giá trị cao, từ đó thu hẹp hiệu quả khoảng cách công nghệ giữa mô phỏng và ứng dụng thực tế (Sim2Real).

Thời điểm "đột phá" trong lĩnh vực Bots sẽ không được kích hoạt bởi chính các công ty Bots, vì việc triển khai phần cứng phức tạp hơn nhiều so với phần mềm. Sự tăng trưởng bùng nổ của công nghệ Bots tự nhiên bị hạn chế bởi chi phí, tính khả dụng của phần cứng và độ phức tạp trong triển khai, mà những rào cản này hoàn toàn không tồn tại trong phần mềm thuần số.

Điểm chuyển mình của robot hình người không nằm ở việc nguyên mẫu trông ấn tượng như thế nào, mà ở việc chi phí giảm xuống mức có thể chấp nhận được cho đại chúng, giống như sự phổ biến của điện thoại thông minh hoặc máy tính vào năm nào. Khi chi phí giảm, phần cứng sẽ trở thành vé vào cửa, lợi thế cạnh tranh thực sự nằm ở dữ liệu và mô hình: cụ thể là quy mô, chất lượng và sự đa dạng của trí thông minh vận động được sử dụng để đào tạo máy.

Kết luận

Nền tảng Bots đang trải qua một cuộc cách mạng không thể ngăn cản, nhưng giống như tất cả các nền tảng khác, sự phát triển quy mô của nó không thể thiếu sự hỗ trợ của dữ liệu. Reborn, như một cược có đòn bẩy cao, tin tưởng rằng công nghệ mã hóa có thể lấp đầy khoảng trống quan trọng nhất trong stack công nghệ Bots AI: giải pháp dữ liệu Bots DePAI có hiệu quả về chi phí, có khả năng mở rộng cao và tính chất mô-đun. Khi công nghệ Bots trở thành mặt trận tiên tiến tiếp theo của AI, Reborn đang biến công chúng thành những "thợ mỏ" dữ liệu hành động. Cũng giống như các mô hình ngôn ngữ lớn cần có sự hỗ trợ của văn bản được gán nhãn, Bots hình người cần một khối lượng lớn chuỗi hành động để huấn luyện. Thông qua Reborn, chúng tôi sẽ vượt qua rào cản cuối cùng, thực hiện bước nhảy vọt của Bots hình người từ khoa học viễn tưởng đến hiện thực.