Robot AI học cách nhặt bó dây điện mềm bằng trí tuệ nhân tạo vật lý

Robot AI xử lý vật thể mềm, bài toán khó của nhà máy

Yaskawa Electric, SoftBank và NVIDIA thử nghiệm hệ thống robot AI có khả năng nhận diện, gắp và điều khiển bó dây điện mềm. Kết quả vừa công bố cho thấy robot có thể xử lý vật thể biến dạng bằng trí tuệ nhân tạo vật lý, thay vì chỉ làm theo chuỗi lệnh cố định.

Hệ thống sử dụng robot MOTOMAN NEXT do Yaskawa phát triển. Đây là dòng robot hướng đến những công việc cần khả năng quan sát, phán đoán và thay đổi động tác theo tình huống. Trong thử nghiệm, robot không chỉ xác định vị trí bó dây mà còn nhận biết trạng thái uốn cong, điểm có thể gắp và cách di chuyển phù hợp.

Bó dây điện là vật thể khó xử lý trong dây chuyền tự động. Hình dạng của chúng thay đổi sau mỗi lần đặt xuống, kéo lên hoặc va chạm. Chương trình điều khiển truyền thống thường yêu cầu vị trí, hướng và hình dáng vật thể được xác định trước. Khi điều kiện thay đổi, robot có thể gắp sai, làm rơi hoặc kéo rối bó dây.

Để giải quyết hạn chế này, hệ thống ứng dụng mô hình VLA, viết tắt của thị giác, ngôn ngữ và hành động. Mô hình tiếp nhận hình ảnh từ camera, hiểu yêu cầu công việc rồi tạo lệnh điều khiển phù hợp. Có thể hình dung robot thực hiện ba bước liên tục là nhìn, hiểu và hành động.

AI không thay thế hoàn toàn bộ điều khiển robot. Hệ thống kết hợp khả năng ra quyết định của mô hình AI với công nghệ điều khiển chuyển động của Yaskawa. AI lựa chọn cách tiếp cận vật thể, còn bộ điều khiển bảo đảm cánh tay robot di chuyển ổn định, chính xác và an toàn.

Quá trình phát triển bắt đầu từ việc thu thập dữ liệu chuyển động bằng điều khiển từ xa. Người vận hành thực hiện thao tác mẫu, trong khi hệ thống ghi lại chuyển động, hình ảnh và dữ liệu cảm biến. Dữ liệu sau đó được dùng để huấn luyện mô hình, giúp robot học kỹ năng từ con người.

Robot AI được huấn luyện trên GPU Cloud của SoftBank

Toàn bộ quá trình thu thập dữ liệu, huấn luyện, đánh giá và triển khai mô hình được thực hiện trên AI Data Center GPU Cloud của SoftBank. Nền tảng kết hợp hạ tầng tính toán GPU với bộ phần mềm Infrinia AI Cloud OS, cho phép quản lý tài nguyên và khối lượng công việc AI trong cùng môi trường.

Dữ liệu chuyển động và cảm biến của robot được chuyển lên đám mây. Hệ thống có thể bổ sung dữ liệu tổng hợp, huấn luyện mô hình, theo dõi tiến độ bằng giao diện trực quan và đánh giá hành vi robot trong môi trường mô phỏng trước khi đưa mô hình xuống thiết bị thật.

Mô phỏng giúp giảm thời gian thử trực tiếp trên robot công nghiệp và hạn chế rủi ro. Kỹ sư có thể kiểm tra nhiều tình huống trong không gian số, phát hiện hành vi bất thường rồi điều chỉnh mô hình. Khi đạt yêu cầu, mô hình mới được triển khai trên MOTOMAN NEXT để thực hiện thao tác thực tế.

SoftBank cho biết nền tảng sử dụng công nghệ của NVIDIA, gồm thư viện Omniverse để tạo môi trường mô phỏng và mô hình Cosmos để tạo thêm dữ liệu. Cách làm này nhằm bù đắp lượng dữ liệu khó thu thập bằng robot thật, đồng thời rút ngắn chu trình thử nghiệm.

Đây là điều kiện quan trọng nếu doanh nghiệp muốn đưa robot AI ra ngoài phòng nghiên cứu. Nhà máy thường có nhiều kỹ sư vận hành nhưng không phải đơn vị nào cũng có đội ngũ chuyên gia học máy.

Dù vậy, trình diễn thành công chưa đồng nghĩa hệ thống đã sẵn sàng cho mọi dây chuyền. Khả năng gắp ổn định cần được kiểm chứng với tốc độ sản xuất thực tế, nhiều loại bó dây, ánh sáng thay đổi và môi trường rung động. Doanh nghiệp cũng phải tính chi phí GPU, kết nối, bảo mật dữ liệu và thời gian tích hợp thiết bị hiện hữu.

An toàn cũng phải được đặt lên trước. Robot học từ dữ liệu có thể gặp tình huống chưa xuất hiện trong quá trình huấn luyện. Hệ thống cần giới hạn chuyển động, cơ chế dừng khẩn cấp, vùng làm việc an toàn và quy trình đánh giá độc lập trước khi vận hành cạnh con người.

Cuộc thử nghiệm cho thấy hướng phát triển mới của tự động hóa công nghiệp. Robot không còn chỉ lặp lại động tác trong môi trường sắp xếp chặt chẽ, mà bắt đầu học cách xử lý vật thể thay đổi theo từng lần thao tác. Nếu được thương mại hóa với chi phí phù hợp, công nghệ có thể ứng dụng trong lắp ráp dây điện, phân loại hàng mềm, đóng gói, logistics và một số công đoạn may mặc.

Giá trị lớn nhất của MOTOMAN NEXT không nằm ở một lần gắp thành công. Hệ thống cho thấy robot công nghiệp có thể học từ thao tác con người, huấn luyện trên hạ tầng đám mây và đưa kỹ năng trở lại nhà máy. Khoảng cách từ trình diễn đến sản xuất hàng loạt vẫn còn, nhưng bài toán vật thể mềm đã có thêm lời giải đáng chú ý.