Trong lĩnh vực robotics AI và Physical AI, yếu tố quan trọng nhất là độ tin cậy của phần cứng, theo Giáo sư Hwang Myun-joong thuộc Khoa Kỹ thuật Thông tin Cơ khí, Đại học Thành phố Seoul. Ông đồng thời nhận định nhu cầu ứng dụng công nghệ này sẽ tăng mạnh trước tiên trong lĩnh vực sản xuất.

Trao đổi với phóng viên, Giáo sư Hwang Myun-joong cho biết năng lực cốt lõi của robotics AI xoay quanh hai trụ cột là nhận thức và thao tác. Robot càng nhận diện vật thể nhanh, điều khiển chuyển động chính xác và ổn định thì hiệu năng càng cao. Nhóm nghiên cứu của ông hiện tập trung phần lớn nguồn lực vào hướng này.

“Với robotics AI, độ tin cậy của phần cứng rất quan trọng. Cốt lõi là hệ thống phải vận hành ổn định, không phát sinh lỗi. Việc tạo ra một robot đủ độ tin cậy không hề đơn giản. Hiện nay, các hoạt động kiểm chứng và thử nghiệm đang diễn ra rất sôi động”, ông nói.

Nhóm nghiên cứu của Giáo sư Hwang vừa giành giải nhất tại hạng mục ARM Challenge (Autonomous Robot Manipulation Challenge) thuộc Robocup 2026. Đây là lần thứ ba đội vô địch cuộc thi này, sau các năm 2022 và 2023.

ARM Challenge là cuộc thi đánh giá năng lực thao tác tự hành của robot. Ở mùa giải năm nay, các đội phải giải bài toán phân loại rác tái chế bằng robot. Kết quả được chấm dựa trên độ chính xác và tốc độ gắp vật thể trong thời gian quy định. Trong bài thi, robot phải sử dụng camera và cánh tay máy để phân loại hàng chục lon, hộp và chai trong 30 phút. Hệ thống của nhóm Giáo sư Hwang chỉ phân loại sai một vật thể.

Để chuẩn bị cho cuộc thi, nhóm của ông tiếp cận riêng phần nhận thức và phần thao tác theo hai hướng khác nhau.

Ở phần nhận thức, nhóm tự phát triển hệ thống bằng cách tinh chỉnh một mô hình mã nguồn mở. Trọng tâm là nhận diện vật thể và tạo ra các phương án gắp khả thi.

Với phần thao tác và điều khiển, nhóm sử dụng phần mềm kỹ thuật thương mại MATLAB. Theo Giáo sư Hwang, công cụ này có khả năng tích hợp tốt với các mô hình bên ngoài và đã được ứng dụng trong nhiều trường hợp liên quan đến Physical AI. Bên cạnh các tính năng AI, MATLAB cũng có thế mạnh về tích hợp phần cứng. Do định dạng dữ liệu được chuẩn hóa, ngay cả khi dùng mô hình tự phát triển, hệ thống vẫn có thể kết nối trơn tru nếu bảo đảm đúng chuẩn dữ liệu.

Ông cho rằng các công cụ như MATLAB cũng có ý nghĩa lớn đối với an toàn và độ tin cậy của robot. Muốn nâng mức an toàn, quá trình thử nghiệm phải được thực hiện nhiều lần và mô phỏng là khâu được sử dụng thường xuyên. Việc chuyển kết quả mô phỏng sang vận hành trên robot thật đòi hỏi nhiều kinh nghiệm, và công cụ phù hợp có thể giúp xử lý hiệu quả các vấn đề phát sinh.

Theo Giáo sư Hwang, dữ liệu cũng là thành phần không thể thiếu trong Physical AI. Đặc biệt, dữ liệu về cách robot phải phản ứng trong từng tình huống có ảnh hưởng lớn đến hiệu năng đầu ra. Nhóm của ông thu thập dữ liệu phục vụ kiểm thử và huấn luyện, sau đó triển khai mô hình đã huấn luyện trên laptop trang bị GPU để thực hiện tác vụ nhận thức. Ông cho biết giai đoạn huấn luyện cần tới hạ tầng tính toán hiệu năng cao như điện toán đám mây, trong khi suy luận có thể được xử lý ngay tại chỗ.

Đánh giá về thành tích tại cuộc thi, Giáo sư Hwang cho rằng hệ thống hiện đã đạt mức có thể đưa vào môi trường vận hành thực tế. Theo ông, robot vẫn nhận diện và phân loại chính xác trong môi trường phi cấu trúc, khi đồ vật không được sắp đặt ngay ngắn. Điều kiện ánh sáng tại khu vực thi đấu cũng tương đối khắc nghiệt, tương tự môi trường nhà máy.

Ông nhận định công nghệ này hoàn toàn có thể được ứng dụng trên các dây chuyền sản xuất thực tế. Đồng thời, ông lưu ý số lượng vật thể trong nhà máy có thể ít hơn so với bài thi, nhờ đó hệ thống có thể giảm số phương án gắp cần xem xét để tăng tốc độ xử lý.

Phòng thí nghiệm của Giáo sư Hwang phát triển các công nghệ cần thiết cho nhận thức và điều khiển robot, không giới hạn ở một hình thái robot cụ thể. Các hướng nghiên cứu bao gồm thị giác máy tính, cánh tay robot và robot hình người.

Ở góc độ thương mại hóa, nhóm nghiên cứu hiện tập trung vào các nhà máy sản xuất, do đánh giá đây sẽ là lĩnh vực có nhu cầu tăng mạnh. Giáo sư Hwang cho biết tại Hàn Quốc, Physical AI đang được ứng dụng nhiều trong sản xuất và cũng là nơi tích lũy lượng dữ liệu có giá trị lớn.

Bên cạnh việc nâng hiệu năng của robotics AI, nhóm của ông cũng chú trọng mở rộng số lượng kịch bản ứng dụng thực tế tại hiện trường. Một trong những mối quan tâm đáng chú ý là các chương trình kiểm chứng robot hình người. Theo ông, robot hình người gắn bánh xe, trang bị hai tay, có thể là lựa chọn phù hợp với môi trường nhà máy tại Hàn Quốc.

Giáo sư Hwang cho rằng các nhà máy ở Hàn Quốc thường được tổ chức gọn gàng, vì vậy robot hai tay có thể có lợi thế hơn loại một tay trong một số tác vụ. Tuy nhiên, việc để robot di chuyển bằng hai chân vẫn là gánh nặng lớn. So với đi bộ, robot hình người gắn bánh xe có thể thực tế hơn trong bối cảnh Hàn Quốc, bởi chuyển động hai chân là bài toán khó, tiêu tốn nhiều năng lượng và đi kèm rủi ro ngã cao.