Với AI hiện thân, nút thắt đầu tiên có thể không nằm ở trí tuệ mà ở khả năng tiếp cận

Một robot có thể nhìn tốt, lập kế hoạch phức tạp và sở hữu mô hình AI mạnh, nhưng vẫn thất bại ở yêu cầu thực tế đầu tiên: đến được nơi cần làm việc. Đây là luận điểm cốt lõi của Direct Drive Tech: trong giai đoạn đầu của AI hiện thân, “quyền tiếp cận vật lý” có thể là giới hạn quan trọng không kém trí thông minh.

Nếu robot không vượt qua được bậc cửa, vỉa hè, đoạn đường hỏng, dốc, cầu thang hoặc nền bùn, nó không thể hoàn thành nhiệm vụ tại đó. Quan trọng hơn, nó cũng không thể thu thập dữ liệu tương tác trong những môi trường mà khả năng di chuyển của mình bị chặn lại. 3437

Điều này không có nghĩa phần mềm trở nên không quan trọng. AI hiện thân cần ba yếu tố hoạt động cùng nhau: cơ thể vật lý, môi trường và trí tuệ. Khả năng của cơ thể sẽ đặt ra giới hạn cho phạm vi mà hệ thống có thể hoạt động. 19 Các phân tích khác cũng chỉ ra hàng loạt trở ngại liên kết với nhau, gồm thiếu dữ liệu thế giới thực, khả năng khái quát còn yếu, phần cứng chưa đủ成熟, chi phí tính toán và độ tin cậy. 41 Điểm khác biệt trong cách đặt vấn đề của Direct Drive nằm ở thứ tự ưu tiên: trước hết phải giúp robot đi vào được nhiều môi trường hơn, sau đó mới mở rộng trí tuệ và phạm vi ứng dụng kinh doanh.

“Nút thắt tiếp cận vật lý” là gì?

Phần lớn robot di động trong nhà được thiết kế cho các bề mặt phẳng và tương đối dễ đoán. Giả định đó nhanh chóng trở nên mong manh khi tuyến đường xuất hiện bậc cửa, vỉa hè, cầu thang, đất rời, mặt đường hư hỏng, dốc gắt hoặc điểm chuyển tiếp giữa trong nhà và ngoài trời.

Một robot dừng lại trước những ranh giới này vẫn có thể hoạt động tốt trong nhà kho hay cơ sở được bố trí chuẩn hóa. Nhưng nó không thể bao phủ toàn bộ nhiệm vụ, cũng không thể học từ những địa hình nơi nó không thể đặt chân tới.

Direct Drive và các bài viết liên quan gọi đây là bài toán phương tiện mang tải. Vấn đề không chỉ là có thêm camera, bộ nhớ hay ngân sách huấn luyện, mà là phải có một nền tảng đủ năng lực đưa robot đến điều kiện khó. Robot chỉ chạy trên sàn phẳng không thể tự tạo ra dữ liệu vận động trên cầu thang hoặc bùn lầy khi vẫn bị giữ trên sàn phẳng. Mô phỏng và video có thể hỗ trợ giai đoạn tiền huấn luyện, nhưng khoảng cách giữa môi trường được kiểm soát với tương tác vật lý động ngoài đời vẫn còn đáng kể. 3445

Từ đó hình thành một triết lý triển khai khác: thay vì bắt môi trường phải “chiều” theo robot bằng đường dốc riêng, dấu mốc thị giác, làn di chuyển giới hạn hoặc các hạng mục cải tạo tốn kém, robot nên thích nghi với không gian do con người xây dựng.

Cách tiếp cận này đặc biệt có ý nghĩa với các nhiệm vụ đi qua nhiều khu vực — chẳng hạn hành lang, sảnh, lối đi, khu dịch vụ và địa hình ngoài trời — thay vì chỉ hoạt động trong một vùng được thiết kế riêng cho máy.

Vì sao kết hợp bánh xe và chân?

Tranh luận “bánh xe hay chân” thường được mô tả như lựa chọn giữa hiệu suất và khả năng thích nghi. Direct Drive không chọn một phía, mà tìm cách kết hợp cả hai trong cùng một hệ thống di chuyển.

• Bánh xe phù hợp với việc di chuyển nhanh và tiết kiệm năng lượng trên sàn phẳng, đường sá hoặc bề mặt nhẵn. Tuy nhiên, chúng bị giới hạn bởi độ cao bậc, khe hở và nền đất lỏng hoặc gồ ghề.
• Chân có thể nâng thân robot, thay đổi tư thế và xử lý những điểm gián đoạn của địa hình. Đổi lại, chuyển động bằng chân thường đòi hỏi nhiều hơn về điều khiển, năng lượng và kỹ thuật khi dùng cho việc di chuyển thường nhật.
• Bánh-chân lấy lăn làm phương thức mặc định, chỉ dùng các khớp chân để nâng, bước, giữ thăng bằng, thay đổi tư thế hoặc điều chỉnh thân robot khi địa hình bắt đầu gây khó khăn.

NVIDIA mô tả TITA theo hướng tương tự: robot kết hợp tốc độ, sự linh hoạt của chuyển động bánh xe với khả năng thích nghi của chân, thông qua các khớp truyền động trực tiếp và công nghệ mô-tơ đặt tại moay-ơ bánh. 1

Nói cách khác, mục tiêu không phải là bắt robot đi bộ trên mọi tuyến đường. Robot có thể lăn nhanh trong hành lang, dùng khớp chân để vượt bậc cửa, điều chỉnh tư thế khi lên dốc rồi quay lại chế độ bánh xe khi ra ngoài trời. Thiết kế này nhằm giảm số tình huống mà nhiệm vụ phải dừng lại hoặc địa điểm phải được cải tạo.

Truyền động trực tiếp đóng vai trò gì?

Ý tưởng bánh-chân chỉ thực sự hữu ích nếu robot có thể thay đổi tư thế và lực tác động một cách nhanh, chính xác. Mô-tơ moay-ơ truyền động trực tiếp tạo lực đẩy ngay tại bánh xe, trong khi các khớp truyền động trực tiếp hoặc gần-trực-tiếp cung cấp mô-men xoắn cho việc nâng thân, điều chỉnh tư thế và vượt chướng ngại. TITA được mô tả là sử dụng đồng thời khớp truyền động trực tiếp và mô-tơ moay-ơ. 17

Việc giảm phụ thuộc vào hệ thống truyền động cơ khí truyền thống có thể giúp điều khiển mô-men xoắn trực tiếp hơn và phản hồi chuyển động nhanh hơn. Tuy vậy, truyền động trực tiếp không loại bỏ các bài toán kỹ thuật. Mô-tơ, kết cấu, hệ thống tản nhiệt và phần mềm điều khiển vẫn phải chịu tải lớn cùng những va chạm lặp đi lặp lại.

Vì thế, truyền động trực tiếp không phải giải pháp thay thế cho trí tuệ. Nó là lớp vật lý quyết định liệu một hành động đã được lập kế hoạch có thể được thực hiện ổn định trên nền đất không bằng phẳng hay không.

TITA cho thấy cách các lớp này được tích hợp. Thông số do Direct Drive công bố gồm 8 bậc tự do, mô-men xoắn cực đại 120 N·m, tải động 10 kg, pin có thể thay nóng, bộ xử lý Jetson Orin NX 16 GB và hiệu năng AI được dẫn ở mức 100 TOPS. Nền tảng cũng hỗ trợ ROS 2 cùng các giao diện phần cứng và phần mềm phục vụ phát triển. 91132

Hệ thống cảm biến của TITA gồm camera hai mắt, cảm biến siêu âm và cảm biến SPAD, giúp robot nhận biết chướng ngại và phản ứng với môi trường. 9 Giá trị quan trọng không nằm ở một thông số riêng lẻ, mà ở mối liên kết giữa cảm nhận, ra quyết định và một cơ thể có thể tự thay đổi vị trí khi tuyến đường không còn phẳng.

Từ Xingtian đến TITA và D1

Lộ trình sản phẩm của Direct Drive cho thấy sự chuyển dịch từ việc chứng minh ý tưởng robot bánh-chân sang xây dựng các nền tảng linh hoạt hơn.

Xingtian: bước chứng minh thương mại ban đầu

Direct Drive giới thiệu Xingtian là một trong những robot hai bánh-hai chân truyền động trực tiếp thương mại hóa sớm. Các tài liệu sau đó mô tả mẫu robot này kết hợp tốc độ của bánh xe với khả năng vượt chướng ngại của chân, đồng thời hỗ trợ phát triển thông qua SDK mở. 21

Vai trò của Xingtian trong câu chuyện sản phẩm là chứng minh một thân robot bánh-chân nhỏ gọn có thể hướng tới những địa hình gây khó cho khung gầm thuần bánh xe, mà không cần biến mọi tuyến đường thành địa hình dành cho robot đi bộ.

TITA: nền tảng cho nhà phát triển

TITA mở rộng ý tưởng thành nền tảng robot hai chân có bánh với 8 bậc tự do. Mẫu này bổ sung hệ thống truyền động và cảm biến mạnh hơn, các thanh gá mô-đun cùng giao diện dành cho nghiên cứu và phát triển ứng dụng.

Thông số được công bố gồm hỗ trợ ROS 2, pin thay nóng, khả năng chủ động tránh chướng ngại, độ cao nhảy tối đa 20 cm và tốc độ tối đa 3 m/s; tốc độ cao hơn cần được mở qua API. 91132

Direct Drive định vị TITA cho các nhiệm vụ kiểm tra, giao hàng, logistics, nông nghiệp và nghiên cứu. Đây là các tuyên bố về định vị sản phẩm hoặc mục tiêu ứng dụng, không đồng nghĩa mọi bài toán thương mại trong những lĩnh vực này đã được giải quyết. Dù vậy, chúng cho thấy hướng đi của công ty: dùng một nền tảng di chuyển cho các nhiệm vụ trải dài từ cơ sở có cấu trúc đến tuyến đường ngoài trời khó đoán hơn. 321

D1: thay đổi cấu hình theo nhiệm vụ

D1, còn được gọi là D-Infinite trong một số tài liệu, đẩy ý tưởng này vượt ra ngoài một thân robot bánh-chân cố định. Nền tảng có thể hoạt động như một đơn vị hai bánh-hai chân ở tư thế đứng, hoặc ghép các mô-đun thành cấu hình thấp hơn để bò bằng bốn bánh-chân. 26

Các thông số được dẫn cho D1 nêu khả năng vượt chướng ngại cao tối đa 70 cm và mang tới 100 kg ở chế độ bò; một cấu hình đứng khác được công bố có tải đứng 80 kg. 24

Điểm đáng chú ý không chỉ là tải trọng. Cấu hình đứng có thể phù hợp hơn khi robot cần thân hẹp và khả năng tiếp cận trong khu vực đô thị, vỉa hè hoặc cầu thang. Cấu hình thấp, ghép nối lại tạo nền tảng ổn định hơn cho tải nặng và địa hình gồ ghề.

Ý tưởng nền tảng ở đây là khả năng đa dụng có thể không đến từ một hình thái hoàn hảo duy nhất, mà từ một robot có thể thay đổi cách sắp xếp vật lý khi nhiệm vụ thay đổi.

Chiến lược này chứng minh được điều gì — và chưa chứng minh được điều gì?

Kiến trúc của Direct Drive giải quyết một hạn chế có thật: robot không đến được địa điểm thì không thể làm việc hoặc thu thập dữ liệu tương tác tại đó. Cách tiếp cận bánh-chân tạo ra một điểm cân bằng hợp lý giữa hiệu suất của bánh xe và khả năng thích nghi địa hình của chân, trong khi cơ cấu truyền động trực tiếp kết nối kế hoạch chuyển động cấp cao với điều khiển vật lý có độ phản hồi cao. 143

Nhưng “đến được nơi” mới chỉ là cánh cửa đầu tiên. Robot vẫn cần nhận thức đáng tin cậy, định vị và điều hướng, thao tác, cơ chế an toàn, quản lý năng lượng, chi phí bảo trì hợp lý và các mô hình có thể khái quát trước điều kiện thay đổi.

Các phân tích của cơ quan quản lý và ngành cũng nhấn mạnh tình trạng thiếu dữ liệu vật lý chất lượng cao, khả năng tái sử dụng dữ liệu thấp, khoảng cách giữa phòng thí nghiệm với môi trường thật và độ tin cậy của phần cứng khi triển khai ở quy mô lớn. 41

Bằng chứng thương mại cũng cần được đọc thận trọng. Trang sản phẩm và tài liệu doanh nghiệp mô tả năng lực, ứng dụng và hiệu suất trong những cấu hình nhất định; đó chưa phải bằng chứng độc lập cho khả năng tự chủ đa dụng hoặc triển khai quy mô lớn. Một số báo cáo độc lập về mảng robot của công ty nhận định hoạt động thương mại hóa vẫn còn hạn chế, dù các dòng sản phẩm liên quan đang tăng trưởng. 36

Bài học lớn hơn cho AI hiện thân

Thứ tự ưu tiên mà Direct Drive đề xuất khá rõ ràng:

1. Xây dựng một cơ thể có thể đi vào nhiều môi trường nơi công việc thực sự diễn ra.
2. Dùng khả năng tiếp cận đó để thực hiện nhiệm vụ và thu thập dữ liệu tương tác phong phú hơn.
3. Cải thiện nhận thức, điều khiển và khả năng khái quát thông qua triển khai lặp lại trong thế giới thật.
4. Mở rộng từ các ứng dụng cụ thể sang phạm vi kinh doanh rộng hơn.

Vì vậy, robot bánh-chân của Direct Drive không chỉ là một lựa chọn khung gầm khác. Chúng đại diện cho một quan điểm về nơi hệ thống AI hiện thân nên bắt đầu.

Trước khi robot có thể trở nên thực sự đa dụng, nó phải có đủ tự do vật lý để gặp gỡ thế giới mà nó được kỳ vọng sẽ hiểu. Với cách đặt vấn đề này, câu hỏi đầu tiên không phải là robot “thông minh đến đâu”, mà là: nó có đến được nơi cần làm hay chưa?