Robot Hình Người Ném Trúng Túi Đậu 7 Lần Liên Tiếp, Chỉ Sau Khi Xem 1 Đoạn Video

Robot Hình Người Ném Trúng Túi Đậu 7 Lần Liên Tiếp, Chỉ Sau Khi Xem 1 Đoạn Video

Bạn cho một đứa trẻ xem video người lớn chơi ném túi đậu vài lần, nó vẫn phải tập đi tập lại mới ném trúng. Robot hình người của Google DeepMind thì làm được điều khó hơn: chỉ xem một đoạn video quay người thật chơi trò này, rồi tự ném trúng liên tiếp 7 lần ở ngoài đời thật. Đứng sau màn này là Gemini 4 Argon, mô hình AI mới nhất của Google.

Chuyện gì đã xảy ra

Trong một thử nghiệm nội bộ, các nhà nghiên cứu robot của Google DeepMind cho Gemini 4 Argon xem một video người thật chơi cornhole, trò chơi ném túi đậu (túi vải nhỏ đựng hạt ngô hoặc đậu) sao cho rơi lọt vào lỗ trên một tấm ván nghiêng, rất phổ biến trong các buổi tiệc ngoài trời ở Mỹ. AI chỉ xem hình ảnh, không có bản vẽ kỹ thuật hay thông số nào khác.

Từ đoạn video đó, Gemini 4 Argon tự dựng lại một bản mô phỏng vật lý trong MuJoCo, một phần mềm chuyên dùng để tính toán chuyển động và va chạm (bạn có thể hình dung nó như một sân chơi ảo, nơi AI thử đi thử lại cú ném hàng ngàn lần mà không làm hỏng robot thật). Trong sân chơi ảo đó, AI tính ra chính xác lực ném, góc tay và cách giữ thăng bằng cả cơ thể cần thiết. Sau đó, những tính toán này được chuyển thẳng sang robot Apollo 2 của Apptronik, một robot hình người, và nó ném trúng lỗ 7 lần liên tiếp ngoài đời thật.

Vì sao đi từ video thẳng tới hành động thật lại quan trọng

Bình thường, để dạy một robot làm một động tác tay mới, kỹ sư phải lập trình thủ công: đo đạc, viết công thức vật lý, chỉnh sửa qua lại nhiều lần, có thể mất vài tuần. Quy trình mà Google DeepMind gọi là "Video đến mô phỏng đến hành động thật" (Video-to-Sim-to-Real) rút ngắn việc này xuống còn vài giờ, vì AI tự lo phần tính toán vật lý khó nhằn thay cho con người.

Điều này cũng giống cách bạn từng thấy Google dùng Gemini để cho robot hình người điều khiển toàn thân chỉ từ một câu lệnh: thay vì lập trình từng khớp tay khớp chân, giờ bạn chỉ cần cho AI xem hoặc nói, và nó tự quy đổi ra chuyển động. Google DeepMind cũng từng cho robot tự học chơi bóng bàn ở trình độ chuyên nghiệp theo hướng tương tự: AI quan sát rồi tự luyện trong mô phỏng trước khi ra sân thật.

Ý nghĩa với bạn

Bạn không cần phải là kỹ sư robot mới thấy điều này đáng chú ý. Nó cho thấy hướng đi mới của AI: biến một đoạn video quay cảnh người làm việc thật (nấu ăn, lắp ráp, dọn dẹp) thành chương trình điều khiển cho máy móc, mà không cần viết tay từng dòng lệnh. Nếu cách làm này được áp dụng rộng hơn, chi phí huấn luyện robot gia đình hoặc robot nhà kho có thể giảm mạnh, vì không phải thuê đội kỹ sư lập trình riêng cho từng động tác nhỏ.

Đây cũng là một ví dụ cụ thể cho câu hỏi AI là gì mà nhiều người vẫn hình dung AI chỉ là chatbot trả lời chữ. Ở đây, AI đóng vai trò là bộ não tính toán vật lý và điều khiển chuyển động cho một cơ thể máy móc thật ngoài đời.

Giới hạn cần biết

Đây vẫn là thử nghiệm nội bộ của Google DeepMind, chưa phải sản phẩm thương mại ai cũng dùng được. Cornhole là một tác vụ khá đơn giản và lặp lại (ném một vật nhẹ theo quỹ đạo quen thuộc), nên chưa thể suy ra rằng robot đã làm được mọi việc tay phức tạp như con người. Kết quả 7 lần liên tiếp cũng là kết quả Google tự công bố, chưa có bên thứ ba kiểm chứng độc lập.

Kết luận

Từ một đoạn video xem được, Gemini 4 Argon đã tự tính ra cách để một robot hình người ném trúng túi đậu 7 lần liên tiếp, nhờ mô phỏng vật lý trong MuJoCo trước khi chuyển sang hành động thật. Đây là một mảnh ghép nhỏ nhưng cụ thể trong cuộc đua đưa AI từ màn hình ra thế giới vật lý, điều mà Google DeepMind đang theo đuổi song song với các bản demo robot khác gần đây.

#AI #Robot #GeminiArgon #GoogleDeepMind #TinTucAI