Vượt xa con người, chó robot chỉ cần một giờ để học cách đi lại, lăn lộn và vượt qua chướng ngại vật

Chú chó robot trong video được huấn luyện có tên Unitree Robotics A1 có xuất sứ từ Trung Quốc. “Chú chó” này được thiết kế như một cỗ máy tự động với 4 chân để có thể dễ dàng vượt qua được nhiều chướng ngại vật khác nhau trong thế giới thực và dễ dàng đứng thăng bằng. Mặc dù không nhanh nhạy như những chú chó “bằng xương bằng thịt” nhưng có robot của Unitree vẫn có thể đạt tốc độ tối đa 11.9 km/h khi chạy liên tục, chính vì vậy nên nó dư sức khám phá thay con người ở những địa hình nguy hiểm.

Sau hơn 10 phút vật lộn miệt mài thì cuối cùng, chú chó robot đã có thể tự mình lăn về phía trước một cách vụng về. Nửa giờ đồng hồ tiếp theo, nó đã có những bước đi đầu tiên nhưng vẫn chưa vững chãi, cứ ngỡ như là một chú bê con mới sinh và có những bước đi loạng choạng đầu đời. Và chỉ sau một giờ, 'chú chó' này đã có những bước đi đầy tự tin quanh phòng thí nghiệm.

Một số thông số cơ bản của chú chó robot này:

• Kích thước dài x rộng: 620 x 300mm
• Thời gian hoạt động liên tục: 1 – 2.5 giờ
• Cân nặng: 5kg
• Mô-men xoắn động cơ: 33.5 Nm
• Nguồn điện đầu vào: 5V – 12V – 19V – 24V
• Cổng kết nối: 4 USB, 2 HDMI, 2 Ethernet

Để đạt được thành công như vậy, Daniiar Hafner và các đồng nghiệp tại Đại học California đã sử dụng một kỹ thuật AI được gọi với cái tên là Reinforcement Learning. Khác với các kiểu đào tạo robot trước đây thường mô phỏng máy tính trước khi chúng làm bất kì điều gì trong thế giới thật. Haniiar Hafner cho biết con robot bốn chân này được đào tạo bằng một thuật toán mới có tên Dreamer.

Reinforcement Learning - học tăng cường là một trong ba kỹ thuật học máy cơ bản được sử dụng để huấn luyện trí thông minh nhân tạo. Nó bao gồm: học giám sát (Supervised Learning), học không giám sát (Unsupervised Learning) và học tăng cường (Reinforcement Learning). Về cơ bản, học tăng cường là việc tiến hành cho máy tính thử đi thử lại một công việc và rút ra kinh nghiệm dựa trên kết quả đạt được.

Thông thường, robot học tăng cường thông qua một lượng lớn các thử nghiệm và lỗi bên trong một chương trình mô phỏng máy tính. Điều này giúp tăng tốc độ học nhanh hơn rất nhiều so với các mô hình huấn luyện trong thế giới thực và thời gian thực. Sau khi robot trong chương trình mô phỏng hoàn thành nhiệm vụ đứng lên và di chuyển một cách thành thục, hành vi đã được huấn luyện đó sẽ được đưa vào chạy trên một robot vật lý.

Nhưng thế giới thực luôn phức tạp hơn không gian mô phỏng rất nhiều. Do đó, một hành vi hoạt động tốt trong không gian mô phỏng có thể không thể giải quyết được nhiệm vụ tương ứng ngoài đời thật, trên một robot vật lý. Chính vì vậy mà các nhà nghiên cứu đã cố tình cầm một cái cây và quật ngã, đè lên con chó để xem nó phản ứng như thế nào. Tuy nhiên, sức 'chịu đựng' và ngoan cường của con chó robot khiến mọi người ngỡ ngàng, không những không để bị ngã mà nó còn di chuyển vững vàng hơn.

Giải quyết vấn đề này, nhóm quyết định sử dụng thuật toán Dreamer. Dreamer là một thuật toán AI đầy hứa hẹn được phát triển bởi Google có khả năng cho phép máy tính dựa vào những “kinh nghiệm” đã được huấn luyện trong quá khứ để dự đoán kết quả của những vấn đề trong tương lai, từ đó đưa ra hành động phản hồi chính xác.

Theo đó, bằng việc huấn luyện AI trong thế giới mô phỏng để dự đoán kết quả của các sự kiện tiềm năng có thể xảy ra trong đời thực cho phép robot lập kế hoạch trong trí tưởng tượng. Từ đó, giúp giảm thiểu số lần “thử và sai” không cần thiết trong môi trường thực tế. Với mỗi nhiệm vụ muốn robot thực hiện, các nhà thiết kế cần phải lặp lại quy trình huấn luyện này.

Trong phần tóm tắt của nghiên cứu, nhóm cho biết “mặc dù Dreamer cho thấy những kết quả đầy hứa hẹn, nhưng việc huấn luyện robot trên phần cứng trong nhiều giờ sẽ tạo ra những sự hao mòn nhất định cho robot. Và điều này rất có thể sẽ cần đến sự can thiệp sửa chữa của con người.” Nhóm cũng cho biết họ cần phải làm việc nhiều hơn để có thể khám phá các giới hạn của Dreamer và của dự án bằng cách đào tạo robot trong thời gian dài hơn.

Nghiên cứu đã mở ra hướng giải quyết các nhiệm vụ khó khăn hơn trong quá trình huấn luyện AI nói chung và robot nói riêng, bằng cách kết hợp lợi ích của việc học nhanh trong thế giới thực cũng như của quá trình mô phỏng. Đây là hướng nghiên cứu đầy tiềm năng, có khả năng cải thiện hiệu quả trong huấn luyện AI giải quyết những vấn đề phức tạp trong cuộc sống.

Thế giới đang thay đổi từng ngày và trí tuệ nhân tạo đang len lỏi vào trong cuộc sống của chúng ta. Nó đang được hữu hình hóa trong chính những sản phẩm công nghệ khác nhau, giúp ích rất nhiều cho cuộc sống của con người. Với nghiên cứu mới của mình, các nhà khoa học tại đại học California đã chứng minh tính hiệu quả của mô hình huấn luyện AI mới, giúp tăng tốc quá trình học máy và tạo ra những sản phẩm trí tuệ nhân tạo có độ tin cậy cao hơn.

• Xem thêm bài viết chuyên mục Khám phá