Khi robot học thêm một việc: bài học từ RoboCat

Hành Trình AI · Nhìn lại tuần 17–23/6/2023

Hãy hình dung một người làm trong kho cần chuyển những món hàng có hình dạng khác nhau. Một chiếc hộp vuông, một quả chanh và một bánh răng nhỏ không thể được cầm nắm theo cùng một cách. Con người thường điều chỉnh bàn tay gần như không cần nghĩ. Với robot, ngay cả việc nhặt đúng món đồ cũng có thể là một bài toán khó.

Nếu một cánh tay máy đã học được một việc, liệu kinh nghiệm ấy có giúp nó học việc tiếp theo nhanh hơn? Và nếu đổi sang một cánh tay có cấu tạo khác, robot có phải bắt đầu lại từ đầu?

Ngày 20/6/2023, Google DeepMind công bố nghiên cứu về RoboCat, một hệ thống AI được thiết kế để điều khiển các cánh tay robot và học thêm những nhiệm vụ thao tác. Tên gọi nghe giống một chú mèo máy, nhưng RoboCat là mô hình điều khiển, không phải một con robot hình mèo tự đi lại. Nhóm nghiên cứu thử nghiệm trên cả robot thật lẫn môi trường mô phỏng. [1] [2]

Dạy một cánh tay, rồi thử với cánh tay khác

Một cánh tay robot trong nhà máy có thể được thiết kế cho một nhiệm vụ lặp lại. Nhưng thế giới có nhiều đồ vật, cách bố trí và loại tay gắp. Thu thập dữ liệu để dạy từng nhiệm vụ mới là công việc tốn thời gian.

RoboCat được huấn luyện bằng dữ liệu hình ảnh và hành động từ nhiều nhiệm vụ và cánh tay khác nhau. Khi cần thích nghi với một việc hoặc một cánh tay mới, nhóm nghiên cứu thu thập khoảng 100–1.000 lần làm mẫu bằng tay robot do con người điều khiển. Sau đó, họ điều chỉnh mô hình cho nhiệm vụ ấy và để phiên bản chuyên biệt luyện tập, tạo thêm dữ liệu cho vòng huấn luyện tiếp theo. Theo DeepMind, mỗi phiên bản chuyên biệt thực hành trung bình 10.000 lần. [1] [2]

Chữ “tự cải thiện” vì thế cần được hiểu cẩn thận. Robot có thể tự tạo thêm dữ liệu qua thực hành trong quy trình nghiên cứu, nhưng con người vẫn thu thập ví dụ, thiết kế nhiệm vụ và huấn luyện các phiên bản. Điều đó không có nghĩa RoboCat tự đi tìm bất kỳ công việc nào rồi tự học mà không cần hỗ trợ.

Theo DeepMind, sau 1.000 lần làm mẫu, hệ thống thích nghi với một cánh tay mới có bộ gắp ba ngón và nhặt bánh răng thành công trong 86% lần thử ở nhiệm vụ được mô tả. Đây là kết quả do chính nhóm nghiên cứu báo cáo trong điều kiện thử nghiệm cụ thể, không phải tỷ lệ thành công cho mọi cánh tay hay mọi món hàng. [2]

Tiến bộ không có nghĩa là thành thạo mọi thứ

DeepMind so sánh một phiên bản đầu với phiên bản sau được huấn luyện trên tập nhiệm vụ đa dạng hơn. Sau khi cả hai được điều chỉnh với 500 ví dụ cho mỗi nhiệm vụ mới, tỷ lệ thành công trung bình trong phép so sánh của nhóm tăng từ 36% lên 74%. Con số ấy đáng chú ý vì gợi ý kinh nghiệm trước đó có thể giúp hệ thống thích nghi. Nhưng nó mô tả các nhiệm vụ và điều kiện trong nghiên cứu, không dự đoán hiệu quả trong mọi nhà kho. [2]

TechCrunch lưu ý rằng mức thành công giữa các nhiệm vụ thay đổi rất lớn. Nhà nghiên cứu robot Eric Jang cũng chỉ ra những câu hỏi về cách so sánh và mức độ kết quả có thể thay đổi với nhiệm vụ, phần cứng khác. Những quan sát này nhắc chúng ta đừng biến một kết quả phòng thí nghiệm thành lời hứa rằng robot đã sẵn sàng làm mọi việc. [3] [6]

Còn có một câu hỏi rất thực tế: một thao tác có thể thành công trong phòng thử nghiệm có hoạt động ổn định giữa hàng hóa đa dạng, không gian chật và con người đang di chuyển hay không? Chi phí, bảo trì và an toàn cũng ảnh hưởng đến việc triển khai. Đó là những điều cần kiểm tra trong từng môi trường, không phải kết quả mà nghiên cứu này đã chứng minh.

Nhìn từ Việt Nam

Robot trong logistics không chỉ là chuyện của phòng thí nghiệm nước ngoài. Trước tuần nhìn lại, ngày 8/1/2023, VTV đã đưa tin về những thử nghiệm robot vận chuyển và các doanh nghiệp Việt Nam phát triển giải pháp cho giao nhận, nhà máy. Đây là bối cảnh về các robot khác, không phải bằng chứng RoboCat được sử dụng tại Việt Nam. [4]

Sau tuần nhìn lại, tháng 1/2024, VnExpress đưa tin Viettel Post khai trương tổ hợp chia chọn tại Hà Nội với robot tự hành và các hệ thống băng tải. Robot di chuyển, phân loại trong kho và cánh tay thử nghiệm cách nắm đồ là những bài toán khác nhau. Sự hiện diện của một hệ thống không chứng minh hệ thống kia đã được triển khai. [5]

Với người làm việc trong kho hoặc nhà máy, câu hỏi không chỉ là “robot có làm được không?” Mình cũng muốn biết: nó đảm nhận công đoạn nào, ai theo dõi khi có lỗi, công việc còn lại thay đổi ra sao, và người lao động được chuẩn bị thế nào? Đây là những câu hỏi để tiếp tục tìm hiểu; các nguồn trên không đủ để kết luận bao nhiêu việc làm ở Việt Nam sẽ biến mất hoặc được tạo ra.

Điều xảy ra sau đó

Ngày 28/7/2023, DeepMind công bố một nghiên cứu khác mang tên RT-2, kết hợp mô hình xử lý hình ảnh và ngôn ngữ với dữ liệu điều khiển robot. Đó là một hướng nghiên cứu tiếp nối mối quan tâm rộng hơn về robot linh hoạt, chứ không phải bằng chứng RoboCat trực tiếp tạo ra RT-2 hay đã trở thành sản phẩm thương mại. [7]

Nhìn lại tuần tháng Sáu ấy, điều thú vị không phải một cánh tay máy đã trở thành đồng nghiệp có thể làm mọi việc. Đó là việc các nhà nghiên cứu đang thử tìm cách để kinh nghiệm từ nhiệm vụ này giúp ích cho nhiệm vụ khác. Khoảng cách từ ý tưởng ấy đến một nơi làm việc an toàn, hữu ích vẫn cần được đo bằng những thử nghiệm thực tế — và bằng những câu hỏi của chính con người làm việc ở đó.

Tài liệu tham khảo

[1] Bousmalis và cộng sự, RoboCat, bản nghiên cứu trên arXiv, đăng 20/6/2023. Nghiên cứu gốc; trang có thể hiển thị phiên bản cập nhật sau đó.

[2] Google DeepMind, giới thiệu RoboCat, 20/6/2023. Nguồn của nhóm nghiên cứu; kết quả do nhóm báo cáo.

[3] TechCrunch, về RoboCat và sự khác biệt giữa các nhiệm vụ, 21/6/2023. Tường thuật độc lập đương thời.

[4] VTV, robot tự hành trong vận chuyển hàng hóa, 8/1/2023. Bối cảnh Việt Nam trước kỳ; không nói về RoboCat.

[5] VnExpress, robot tại kho hàng Viettel Post, 17/1/2024. Tường thuật sau kỳ; công nghệ và bối cảnh khác.

[6] Eric Jang, phân tích nghiên cứu RoboCat, 22/6/2023. Phân tích độc lập của nhà nghiên cứu; không phải tái lập thực nghiệm.

[7] Google DeepMind, giới thiệu RT-2, 28/7/2023. Nghiên cứu của nhà phát triển sau kỳ.