AI giúp robot giảm 17 lần độ trễ, làm việc nhanh gấp đôi

(Dân trí) - Một phương pháp AI mới cho phép robot vừa thực hiện nhiệm vụ vừa tính toán cho bước tiếp theo, qua đó giảm độ trễ phản hồi tối đa 17,4 lần và giúp một số tác vụ hoàn thành nhanh hơn khoảng 2 lần.

Nghiên cứu do các nhà khoa học tại MIT, Nvidia, Caltech, Đại học California tại Berkeley, Đại học California tại San Diego và Đại học Thanh Hoa thực hiện, giới thiệu hệ thống có tên VLASH (Vision-Language-Action with Scheduled Heuristics).

Phương pháp này nhằm khắc phục một hạn chế phổ biến của các mô hình thị giác-ngôn ngữ-hành động (VLA): robot phải chờ AI tính toán nhóm lệnh tiếp theo sau khi hoàn thành nhóm hành động trước đó, khiến chuyển động bị ngắt quãng.

Dự đoán trạng thái robot

VLASH cho phép quá trình suy luận diễn ra đồng thời với lúc robot thực hiện nhiệm vụ. Hệ thống dựa trên chuỗi hành động đã được lập kế hoạch để ước tính trạng thái mà robot sẽ đạt tới, từ đó chuẩn bị nhóm hành động tiếp theo trước khi nhóm hiện tại kết thúc.

Có thể hình dung robot đang thực hiện bước này nhưng đồng thời đã chuẩn bị cho bước kế tiếp, thay vì chờ hoàn thành rồi mới bắt đầu tính toán.

Điểm đáng chú ý của VLASH là hệ thống không cố dự đoán toàn bộ môi trường trong tương lai. Thay vào đó, AI ước tính trạng thái tương lai của chính robot dựa trên vị trí hiện tại và chuỗi chuyển động đã được lập kế hoạch.

Cách tiếp cận này giúp giảm thời gian tính toán so với việc xây dựng một mô hình dự đoán toàn bộ môi trường. Theo nhóm nghiên cứu, VLASH không cần thêm một mô hình dự đoán riêng trong quá trình vận hành.

Nhóm nghiên cứu cho rằng phương pháp này cũng có thể được kết hợp với các mô hình thế giới (world model) trong tương lai để robot xử lý tốt hơn những thay đổi phức tạp của môi trường.

Robot nhanh hơn nhưng chưa đồng nghĩa an toàn hơn

VLASH được thử nghiệm trên nhiều nhiệm vụ thao tác như gắp, đặt, xếp chồng và phân loại vật thể. Trong một thử nghiệm, robot có thể phân loại các khối lập phương theo màu sắc và đặt vào hộp nhanh khoảng gấp đôi phương pháp đối chứng, với độ chính xác khoảng 90%.

Khi kết hợp với kỹ thuật lượng tử hóa hành động, giúp gộp nhiều chuyển động nhỏ thành các bước lớn hơn, VLASH đạt mức tăng tốc tối đa 2,03 lần trên robot thực tế mà vẫn duy trì độ chính xác tương đương.

Hệ thống cũng được thử nghiệm trong các tác vụ đòi hỏi phản ứng nhanh như đánh bóng bàn và trò chơi đập chuột (Whac-a-Mole), khi mục tiêu có thể thay đổi trong lúc robot đang thực hiện một chuỗi hành động.

Nhóm nghiên cứu đồng thời cải tiến quy trình huấn luyện. Với mô hình π0.5, thời gian thực hiện mỗi bước huấn luyện giảm từ khoảng 421 xuống 129 mili giây, nhanh hơn 3,26 lần. Tuy nhiên, con số này chỉ phản ánh thời gian của từng bước, không có nghĩa tổng thời gian hoặc chi phí huấn luyện giảm tương ứng.

Dù giảm đáng kể độ trễ, VLASH chưa chứng minh robot sẽ an toàn hơn khi hoạt động trong môi trường có con người. Các yếu tố như độ tin cậy, khả năng dự đoán hành vi và cơ chế an toàn vẫn cần được đánh giá độc lập.

Hệ thống cũng chưa được kiểm chứng đầy đủ trong những điều kiện khắc nghiệt như ánh sáng yếu, khói bụi, địa hình phức tạp hoặc khi cảm biến hoạt động không ổn định.

Theo nhóm nghiên cứu, VLASH có tiềm năng ứng dụng trong các nhiệm vụ đòi hỏi robot chuyển động liên tục và phản ứng nhanh, từ sản xuất đến những môi trường thường xuyên thay đổi.

Kết quả hiện tại chủ yếu cho thấy một cách giảm thời gian robot phải chờ AI suy luận. Khả năng duy trì hiệu quả này trong các môi trường thực tế đa dạng vẫn cần được kiểm chứng thêm.