UnifoLM-X2-1.0 của Unitree được cho là giúp robot hình người tự sparring

Unitree Robotics cho biết hệ thống UnifoLM-X2-1.0 cho phép robot hình người đối kháng tự động trong thời gian thực. Trong màn trình diễn của công ty, robot đấm, đá và đáp trả qua lại trong một tình huống biến động mà không có người điều khiển từ xa và không chạy theo chuỗi động tác được sắp đặt trước. Unitree gọi đây là năng lực “chiến đấu” robot hình người hoàn toàn tự chủ đầu tiên được dẫn dắt bởi mô hình thế giới thời gian thực.

Đây là một tuyên bố đầy tham vọng, song nên được hiểu đúng là tuyên bố dựa trên màn trình diễn của công ty, chưa phải bằng chứng cho thấy robot hình người đã sẵn sàng làm việc ổn định trong các môi trường thực tế khó đoán. Những tài liệu công khai hiện chưa có các đánh giá độc lập về độ trễ, tỷ lệ lỗi, độ bền vững, cơ chế an toàn hay hiệu năng ngoài bối cảnh được trình diễn.

UnifoLM-X2-1.0 được nói là làm được gì?

Điểm then chốt không chỉ là robot có thể thực hiện một cú đá hay cú đấm đẹp mắt. Unitree nói hệ thống kết hợp dự đoán và hành động trong một tương tác vật lý thay đổi rất nhanh.

Theo cách diễn giải này, mô hình thế giới là biểu diễn dự đoán nội bộ về robot và môi trường xung quanh. Từ quan sát thị giác cùng diễn biến của hiện trường, hệ thống được cho là có thể ước tính trước các tương tác sắp xảy ra — chẳng hạn vị trí cơ thể hoặc đòn đánh của đối thủ sẽ di chuyển ra sao — rồi lập kế hoạch và phản ứng ngay tại thời điểm đó.

Trong một màn đối kháng, quy trình này có thể được tóm gọn thành bốn bước liên tục:

1. Quan sát: nhận diện cảnh hiện tại, tư thế và chuyển động của robot còn lại.
2. Dự đoán: ước tính trạng thái và tương tác vật lý có khả năng xảy ra ngay sau đó.
3. Ra quyết định: chọn cách đáp trả, như đổi vị trí, chặn đòn, né tránh hoặc tung đòn.
4. Thực thi: biến lựa chọn đó thành chuyển động đủ nhanh để còn hữu ích trong tình huống nhiều va chạm.

Unitree tuyên bố X2-1.0 thực hiện vòng lặp này theo thời gian thực, thay vì chỉ phát lại một bài đối kháng đã biên đạo.

Vì sao dự đoán theo thời gian thực lại đáng chú ý?

Một màn biểu diễn được lập trình sẵn vẫn có thể rất ấn tượng, nhưng nó giả định mọi thứ diễn ra đúng dự kiến. Đối kháng khó hơn vì thời điểm, vị trí, va chạm và thăng bằng đều có thể đổi khác từng khoảnh khắc.

Unitree nói UnifoLM-X2-1.0 đã giải quyết các nút thắt về lập kế hoạch tức thời, ra quyết định và thực thi tương tác động. Nếu đúng như mô tả, robot sẽ cố điều chỉnh hành vi dựa trên điều mà nó dự báo sắp xảy ra, thay vì chỉ phản ứng sau khi va chạm hoặc thay đổi đã diễn ra.

Dù vậy, thông báo này chưa chứng minh hệ thống khái quát hóa tốt đến đâu. Một video hấp dẫn không thể trả lời các câu hỏi cần thiết khi triển khai: robot dự đoán sai với tần suất nào, có phục hồi an toàn khi gặp va chạm bất ngờ hay không, phản ứng thế nào khi cảm biến mắc lỗi, và hiệu quả có được duy trì với nhiều người, không gian và thời lượng hoạt động khác nhau hay không.

Liên hệ với UnifoLM-WMA-0

X2-1.0 xuất hiện sau UnifoLM-WMA-0, khung mô hình thế giới–hành động mã nguồn mở của Unitree dành cho việc học robot đa dụng. Unitree đã phát hành mã huấn luyện, mã suy luận và trọng số mô hình WMA-0 vào tháng 9/2025.

Theo tài liệu dự án, WMA-0 được thiết kế để áp dụng cho nhiều dạng thân robot, tập trung vào mô hình thế giới có thể học các tương tác vật lý giữa robot và môi trường. Unitree nêu hai hướng sử dụng chính:

• Mô phỏng: tạo phản hồi môi trường có tính tương tác và dữ liệu tổng hợp phục vụ việc học của robot.
• Cải thiện chính sách hành động: kết nối mô hình dự đoán với một đầu ra hành động, để dự báo kết quả tương tác hỗ trợ lựa chọn hành động kế tiếp.

UnifoLM-X2-1.0 được trình bày như một ứng dụng gần với sản phẩm hơn của hướng đi này: dùng dự đoán về trạng thái tương lai của tương tác vật lý để điều khiển chuyển động thực ngay trong khoảnh khắc. Tuy nhiên, thông tin công khai hiện chưa đủ để đánh giá độc lập X2-1.0 khác WMA-0 ra sao về kiến trúc, hoặc hiệu năng đến từ mô hình, hệ thống điều khiển phần cứng, dữ liệu huấn luyện hay tinh chỉnh riêng cho tác vụ ở mức nào.

Bối cảnh thương mại: nổi bật, nhưng thị trường còn sớm

Màn trình diễn diễn ra khi Unitree đã trở thành một trong những nhà sản xuất robot hình người nổi bật nhất Trung Quốc. Công ty được Vương Hưng Hưng thành lập tại Hàng Châu năm 2016, ban đầu được biết đến nhờ các robot bốn chân giá tương đối thấp trước khi mở rộng sang các robot hình người như H1, G1 và R1. 17

Unitree cho biết tính đến tháng 7/2026, hãng đã sản xuất lũy kế khoảng 18.000 robot hình người hai chân. Đây là số liệu do công ty báo cáo về sản lượng, không đồng nghĩa toàn bộ số robot đó đã được triển khai và kiểm chứng tại nơi sử dụng cuối cùng.

Mẫu G1 góp phần đưa robot hình người đến gần hơn với các đơn vị nghiên cứu, từng ra mắt ở mức khoảng 16.000 USD; các báo cáo sau đó nêu mức chào bán 13.500 USD, cho thấy giá thay đổi theo thời điểm và cấu hình.

Cơ cấu doanh thu cũng cho thấy không nên đánh đồng màn trình diễn với việc triển khai đại trà. Dữ liệu trong bản cáo bạch của Unitree, theo các báo cáo trong ngành, cho thấy 73,6% doanh thu robot hình người trong chín tháng đầu năm 2025 đến từ đại học và viện nghiên cứu; khoảng 9% đến từ ứng dụng công nghiệp. Điều này cho thấy nhu cầu hiện vẫn nghiêng mạnh về nghiên cứu, giáo dục, phát triển và trình diễn, hơn là vận hành quy mô lớn, ổn định trong nhà máy.

IPO gây chú ý không đồng nghĩa robot đã chín muồi

Việc Unitree ra mắt trên sàn STAR Market — thị trường thiên về công nghệ của Thượng Hải — ngày 19/8/2026 phản ánh sự hứng khởi của giới đầu tư đối với robot hình người. Công ty huy động khoảng 6,1 tỷ nhân dân tệ, tương đương khoảng 904 triệu USD, trong đợt IPO; nhu cầu từ nhà đầu tư cá nhân được đưa tin là vượt quá 8.000 lần số cổ phiếu chào bán. 417

Cổ phiếu từng tăng khoảng 629% trong phiên giao dịch đầu tiên trước khi đóng cửa cao hơn 460% so với giá IPO, theo Reuters. 313 Những con số này đo lường sự kỳ vọng của thị trường, chứ không phải kết luận rằng robot hình người tự hành đã có thể hoạt động an toàn và hiệu quả kinh tế ở quy mô lớn.

Bản thân Vương Hưng Hưng cũng đưa ra mốc thời gian thận trọng hơn. Ông cho rằng trong kịch bản lạc quan, AI hiện thân — tức AI hoạt động qua thân xác robot — có thể có “khoảnh khắc ChatGPT” trong hai đến ba năm; theo kịch bản chậm hơn, thời gian có thể là năm đến 10 năm. Ông định nghĩa cột mốc này là khi robot có thể vào một ngôi nhà xa lạ và hoàn thành khoảng 80% công việc chỉ qua lệnh văn bản hoặc giọng nói. 1820

Kết luận

Màn trình diễn UnifoLM-X2-1.0 đáng chú ý vì nó chuyển trọng tâm từ khả năng đi lại hay biểu diễn theo kịch bản sang tương tác dự đoán theo vòng lặp khép kín. Unitree nói robot của họ có thể dùng mô hình thế giới thời gian thực để dự báo tương tác vật lý, quyết định bước tiếp theo và thực hiện quyết định đó khi đối kháng mà không cần điều khiển từ xa.

Tuy nhiên, kết luận mạnh hơn cần chờ bằng chứng ngoài video trình diễn: thử nghiệm có thể tái lập, công bố kỹ thuật chi tiết, chuẩn đánh giá độc lập, dữ liệu an toàn và bằng chứng hệ thống vận hành ổn định trong các tác vụ thực tế đa dạng. Ở thời điểm hiện tại, X2-1.0 nên được xem là một tuyên bố gây ấn tượng của Unitree và là tín hiệu về hướng phát triển của robot dựa trên mô hình thế giới — chưa phải bằng chứng đã được xác nhận về robot hình người tự hành đa dụng.