Sau giải đấu robot, Zibianliang xây dựng 'sân tập ảo' cho robot

Tôi đã bị các tin tức về robot làm ngập màn hình cả tuần rồi.

Robot đã phá kỷ lục 100m của con người, 'cất cánh tại chỗ' gần ba mét, dáng chạy 'ngại ngùng' nổi tiếng ra nước ngoài, Trương Tam Phong phiên bản cyber xoay người 540° trên không…

**Giải đấu Robot Hình người Thế giới năm nay còn nhộn nhịp hơn, với 666 đội từ 16 quốc gia trên sáu châu lục, mang theo 2.056 robot đến Bắc Kinh. Các cuộc thi cũng trải dài từ điền kinh, võ thuật cho đến các kịch bản thực tế như gia đình, khách sạn, công nghiệp và cứu hộ khẩn cấp. Tuy nhiên, những pha 'lộn xộn' của robot trên sân thi đấu, mọi người chỉ cười qua là xong. Nhưng khi robot thực sự bước vào gia đình, chúng có thể làm đổ ly nước, va quệt đồ đạc, hoặc kéo quần áo vừa gấp gọn rơi xuống đất, lúc đó sẽ không còn gì để cười. Trong thế giới thực không có đường chạy cố định hay đạo cụ được sắp xếp sẵn. Chỉ cần chiếc ly bị di chuyển một chút, hay trên bàn多了 một miếng vải lau, các hành động đã được huấn luyện sẵn có thể bị vô hiệu hóa. Đưa những quá trình thử sai của robot vào thế giới ảo chính là điều mà các mô hình thế giới hiện nay muốn làm. Nó cố gắng tái tạo một môi trường tuân theo quy luật vật lý, để robot có thể diễn tập trước khi thực sự hành động: tay lệch sang trái một chút có thể chạm hụt không, kẹp đóng sớm có làm đổ ly nước không. Nhưng thực tế, nhiều mô hình thế giới không thể thực hiện 'kiểm thử ảo' đáng tin cậy. Chúng có thể hiểu được hình ảnh nhưng không thực sự tuân theo hành động. Thời gian suy diễn kéo dài, vật thể và vị trí bắt đầu trôi dạt. Chiến lược thể hiện tốt hơn trong thế giới ảo, khi lên máy thật cũng chưa chắc đã hiệu quả. Ngay khi robot bắt đầu chuyển từ đấu trường sang các kịch bản thực tế, công ty robot Zibianliang đã công bố mô hình thế giới tự hồi quy WALL-SS.

' Sân tập ảo' do WALL-SS xây dựng cuối cùng đã vượt qua nút thắt của mô hình thế giới. Liệu hành động có thực sự thay đổi kết quả, liệu có duy trì được tính liên tục trong các tác vụ dài hay không, và liệu thành tích ảo có chịu được kiểm chứng trên máy thật không, tất cả đều đã có giải pháp và câu trả lời mới. Nó có thể suy diễn tác vụ đổ nước và sắp xếp vật thể kéo dài 60 giây, để kiểm tra kết quả của các hành động khác nhau: tùy theo cách cầm ly nước khác nhau, sẽ chạm hụt, làm đổ ly, hay cầm lên thành công? Nhóm nghiên cứu còn đưa nhiều bộ chiến lược robot vào WALL-SS và thế giới thực để kiểm tra riêng biệt. Những chiến lược hành động thực hiện rất tốt trong thế giới ảo, khi chuyển sang thế giới vật lý thường cũng mang lại kết quả tốt. Điều này rất thú vị, những giấc 'mơ' của robot bắt đầu có thể được dùng để luyện tập và sàng lọc các hành động thực tế.**

Trang chủ dự án liên quan: http://x2robot.com/pages/ss Liên kết luận văn: https://github.com/X-Square-Robot/wall-ss/blob/main/wall-ss-paper.pdf Liên kết Github: https://github.com/X-Square-Robot/wall-ss

Cách robot 'mơ' sẽ quyết định việc nó có 'lộn xộn' ở đời thực hay không

Mô hình thế giới hiện là một trong những hướng được quan tâm nhất của trí tuệ cụ thể. Nó có thể được hiểu là hệ thống diễn tập trong não robot. Cho nó hình ảnh hiện tại và một nhóm hành động chuẩn bị thực hiện, nó sẽ dự đoán điều gì sẽ xảy ra tiếp theo. Cánh tay robot di chuyển sang trái 1 cm, ly nước sẽ bị giữ lại hay bị đổ? Ngăn kéo đã mở, bước tiếp theo nên tiếp tục lấy đồ hay điều chỉnh góc cổ tay trước? Robot có thể so sánh nhiều tương lai, rồi quyết định chọn đường hành động nào.

Các công ty robot cũng có thể đưa các phiên bản chiến lược hành động khác nhau vào mô hình thế giới để kiểm tra. Phiên bản thể hiện tốt hơn sẽ được đưa lên máy thật, tiết kiệm chi phí đắt đỏ khi phải kiểm tra hiệu quả hành động trong thế giới thực. Vấn đề là, nhiều mô hình thế giới nhiều lúc giống như một đạo diễn quá lạc quan. Dữ liệu huấn luyện robot thường chủ yếu là các minh chứng thành công. Nếu mô hình thấy phần lớn các hành động đóng kẹp đều theo sau là vật thể được nhấc lên, nó sẽ dễ dàng đi đường tắt: chỉ cần kẹp đóng lại, vật thể phải được nhấc lên. Ngay cả khi có khoảng trống rõ ràng giữa kẹp và vật thể, vật thể trong hình ảnh được tạo ra cũng có thể chủ động dính vào kẹp. Luận văn gọi hiện tượng này là lỗi 'gắp kiểu nam châm'.

Những sai lệch này trong các chuyển động lớn như chạy, nhảy chưa chắc đã rõ ràng, nhưng trong thao tác tinh tế lại trực tiếp quyết định thành bại. Kẹp và tay cầm ly lệch vài milimet, robot có thể chạm hụt. Góc phích cắm lệch một chút, cũng rất khó cắm trơn tru vào ổ. Robot đi từ 'biết làm' đến 'làm được', thường sẽ mắc kẹt ở vài milimet cuối cùng. Nếu mô hình thế giới trực tiếp xóa nhòa vài milimet này, tương lai được đưa ra càng mượt mà, robot càng dễ đánh giá quá cao độ tin cậy của một hành động. Thời gian suy diễn kéo dài, sẽ xuất hiện thêm rắc rối mới. Sau khi mô hình thế giới tạo xong một đoạn hình ảnh, nó còn phải dùng đoạn đó làm cơ sở cho dự đoán tiếp theo. Một sai số nhỏ ban đầu sẽ tích lũy liên tục sau đó. Vật thể có thể từ từ trôi khỏi vị trí ban đầu, quan hệ tiếp xúc giữa kẹp và ly cũng sẽ thay đổi. Nếu chỉ giữ lại vài khung hình gần nhất, mô hình sẽ quên những gì đã làm trước đó, nhưng nếu giữ lại toàn bộ lịch sử, khối lượng tính toán và bộ nhớ sử dụng sẽ tăng vọt. Video trông chân thực, không có nghĩa là chiến lược mô hình chọn ra thực sự tốt hơn. Nghiên cứu phát triển robot cần biết, người chiến thắng trong kiểm thử ảo, khi lên máy thật có thể tiếp tục dẫn đầu hay không. Mô hình thế giới cần để các hành động khác nhau thực sự dẫn đến kết quả khác nhau, hình ảnh mượt mà chỉ hoàn thành bước bề ngoài nhất.**

Robot di chuyển thế nào, tương lai nên thay đổi như vậy

Khi WALL-SS dự đoán hình ảnh vài giây tiếp theo, nó sẽ dựng trước một phiên bản 'xem trước độ phân giải thấp'.

Trong phiên bản xem trước này, mô hình xác định hướng lớn trước: cánh tay robot đi về đâu, vật thể di chuyển ra sao. Sau đó, nó làm rõ từng lớp cùng một đoạn hình ảnh, bổ sung viền vật thể, mở đóng kẹp và vị trí tiếp xúc.

Luận văn gọi cấp bậc từ đường nét lớn đến chi tiết nhỏ này là 'quy mô'. Hình ảnh đã tạo và các hành động đã xảy ra, sẽ trở thành lịch sử cho đoạn dự đoán tiếp theo, đây chính là 'tự hồi quy quy mô tiếp theo'.

Hình ảnh mỗi lần rõ hơn một chút, hành động cũng sẽ tác động đến tương lai thêm một lần nữa.

Cánh tay sang trái hay sang phải, sẽ thay đổi hướng vận động trong hình ảnh độ phân giải thấp trước. Kẹp đóng lại lúc nào, sẽ tiếp tục ảnh hưởng đến việc có chạm vào ly nước hay không trong hình ảnh rõ nét.

Sau khi một đoạn tương lai ngắn được tạo xong, nó sẽ cùng với các hành động đã xảy ra đi vào bộ nhớ, trở thành cơ sở để mô hình tiếp tục...