Intern W0: Mô hình AI vật lý cảm nhận lực và xúc giác cho phòng thí nghiệm robot

Intern Physical World Model W0 của Shanghai AI Laboratory là một hệ thống AI hiện thân (embodied AI) hướng tới các thao tác robot đòi hỏi tiếp xúc trực tiếp với vật thể. Theo các bài đưa tin công bố ngày 13–14/9/2026, W0 kết hợp thị giác với tín hiệu lực, xúc giác và trạng thái của robot để robot có thể cảm nhận, dự đoán, hành động rồi hiệu chỉnh trong lúc thực hiện nhiệm vụ. 3235

W0 được thiết kế để giải quyết điều gì?

Nhiều nhiệm vụ robot thất bại không phải vì camera không nhìn thấy đồ vật, mà vì thông tin then chốt nằm ở tương tác vật lý: một chai lọ có lực cản bất thường, kẹp gắp sắp trượt, dụng cụ vừa chạm bề mặt, hoặc vật liệu phản ứng không đúng dự kiến. W0 được giới thiệu như một lớp mô hình hóa thế giới và điều khiển hành động cho những tình huống như vậy.

Theo thông tin công bố, hệ thống hợp nhất:

• Thị giác để quan sát vật thể, dụng cụ và không gian làm việc;
• Tín hiệu lực và xúc giác để nhận biết tiếp xúc, lực cản;
• Trạng thái cơ thể của robot, như tư thế hoặc trạng thái chuyển động, phục vụ quyết định thao tác;
• Dự đoán diễn biến có thể xảy ra tiếp theo; và
• Hành động, hiệu chỉnh khi nhận thêm phản hồi đa phương thức. 3235

Mục tiêu là tạo một vòng điều khiển chặt hơn: robot không chỉ làm theo kế hoạch cố định dựa trên hình ảnh mà có thể đổi hành động kế tiếp khi điều kiện tiếp xúc thay đổi. Điều này đặc biệt cần thiết với các việc như cầm nắm tinh tế, lắp/đút chi tiết, trộn, thao tác bình chứa hay các quy trình mà camera không thể hiện đầy đủ trạng thái vật lý.

“Lực-xúc giác nguyên sinh” nghĩa là gì?

Thông điệp ra mắt của Shanghai AI Lab gọi cách tiếp cận của W0 là “lực-xúc giác nguyên sinh” (native force-tactile). Có thể hiểu thực tế rằng lực và xúc giác được đưa vào ngay quá trình ra quyết định vận hành, cùng với thị giác và trạng thái robot; chúng không chỉ là một lớp cảnh báo an toàn được gắn thêm sau khi lập kế hoạch. 35

Điều này quan trọng vì robot cần phản ứng trước những dấu hiệu khó suy ra chỉ bằng hình ảnh, chẳng hạn lực cản bất ngờ, lực tiếp xúc thay đổi hoặc kẹp gắp bị trượt. Hướng nghiên cứu rộng hơn này đã được xác lập: các mô hình thế giới–hành động lấy xúc giác làm trung tâm hướng tới việc mô hình hóa đồng thời kết quả thị giác và tiếp xúc trong các thao tác giàu va chạm. 33

Tuy nhiên, các thông tin công khai hiện chưa kèm bài báo kỹ thuật đầy đủ, bộ dữ liệu hay bộ đánh giá có thể tái lập cho W0. Vì vậy, “nguyên sinh” hiện nên được hiểu là mô tả về thiết kế và năng lực mà bên phát triển công bố, chưa phải một tuyên bố đã được kiểm toán độc lập.

Cơ chế “song công bất đồng bộ” hoạt động ra sao?

Tính năng nổi bật còn lại là phối hợp song công (duplex collaboration), được triển khai bằng kiến trúc bất đồng bộ với các tần suất xử lý khác nhau. 35

Cách diễn giải hữu ích nhất là hai chức năng có thể chạy song song:

1. Luồng dự đoán duy trì hoặc cập nhật dự báo về nhiệm vụ và trạng thái vật lý trong ngắn hạn.
2. Luồng điều khiển phản ứng tiếp nhận dữ liệu cảm biến mới, điều chỉnh lệnh vận động mà không cần chờ một chu kỳ lập kế hoạch chậm hơn hoàn tất.

Sự phân chia này có ý nghĩa với robot thao tác có tiếp xúc. Lập kế hoạch cần tầm nhìn dài hơn, trong khi điều khiển tiếp xúc thường phải đáp ứng rất nhanh. Cho hai quá trình chạy trên các thang thời gian khác nhau có thể rút ngắn độ trễ từ lúc môi trường thay đổi đến lúc robot sửa hành động. 35

W0 khác NCP-ArchPreview như thế nào?

Từ “phối hợp” có thể gây nhầm lẫn, bởi Shanghai AI Lab cũng có liên hệ với NCP-ArchPreview, dự án phát triển cùng LUMIA Lab thuộc Đại học Giao thông Thượng Hải. Nhưng hai hệ thống giải quyết hai bài toán khác nhau về bản chất.

Hệ thống	Lĩnh vực chính	Thành phần kết hợp	Đầu ra
Intern W0	Robot trong thế giới vật lý	Thị giác, lực, xúc giác, trạng thái robot, dự đoán và điều khiển	Hành động vật lý và dự báo trạng thái được cập nhật
NCP-ArchPreview	Mô hình ngôn ngữ	Dự báo token tiếp theo và Dự báo Khái niệm Tiếp theo (Next Concept Prediction)	Sinh văn bản qua giao diện dự báo token thông thường

NCP-ArchPreview học một biểu diễn “khái niệm” rời rạc trong không gian tiềm ẩn, bao phủ nhiều token, song song với dự báo token kế tiếp thông thường. Dự báo khái niệm dẫn hướng bộ giải mã token, nhưng mô hình vẫn giữ giao diện sinh văn bản chuẩn của mô hình ngôn ngữ. 1922

Nói ngắn gọn, W0 tập trung vào cảm nhận–hành động trong thế giới vật lý; NCP-ArchPreview tập trung tổ chức và dự báo biểu diễn ngôn ngữ trong không gian tiềm ẩn. Tài liệu hiện có không cho thấy NCP-ArchPreview là bộ điều khiển hoặc thành phần cốt lõi của W0.

Liên hệ với Intern InkStone và Intern-S2

Theo thông tin ra mắt, W0 được kết nối với nền tảng khám phá khoa học Intern InkStone và làm việc cùng mô hình khoa học Intern-S2. 32 Intern-S2 được giới thiệu là dòng mô hình nền tảng tác tử khoa học, hướng đến hiểu, suy luận, tạo sinh đa phương thức và xử lý tác vụ dài hạn trong khoa học. 12

Cách phân vai được báo cáo gợi ra một vòng lặp phòng thí nghiệm khép kín:

• hệ thống khoa học hỗ trợ hình thành giả thuyết, quy trình hoặc lựa chọn thực nghiệm;
• phần cứng phòng thí nghiệm do W0 định hướng thực hiện các bước vật lý và quan sát quá trình chạy; rồi
• kết quả thí nghiệm được đưa vào vòng lặp tiếp theo, thay vì kết thúc ở một lần chạy theo kịch bản cố định. 32

Điểm đáng chú ý là trong nghiên cứu tự động hóa, rào cản khó không chỉ là tạo ra một quy trình bằng AI, mà là thực thi quy trình ấy ổn định trên thiết bị thật, vật liệu thật và với phản hồi thật.

Những ứng dụng phòng thí nghiệm đã được báo cáo

Các bài đưa tin về đợt ra mắt quy cho tổ hợp W0, InkStone và Intern-S2 một số ứng dụng vòng lặp khép kín, gồm:

• tiến hóa định hướng protein chỉnh sửa gene;
• tổng hợp hữu cơ nhiều bước thuốc gây tê mepivacaine; và
• chuẩn bị hạt nano lipid (LNP), trong đó có điều chỉnh động các thông số quy trình khi chuẩn bị. 3235

Đây là các miền ứng dụng hợp lý cho tự động hóa thích ứng. Chẳng hạn, quy trình tạo LNP phụ thuộc vào điều kiện công thức và vận hành; LNP cũng là phương tiện vận chuyển được dùng rộng rãi cho các tải trọng axit nucleic. 19 Dù vậy, các trình diễn liên quan W0 hiện vẫn là tuyên bố từ phía phát triển: các nguồn có sẵn chưa công bố quy trình chi tiết, tỷ lệ lỗi, bộ dữ liệu, so sánh liên phòng thí nghiệm hoặc kết quả tái lập độc lập.

Tiềm năng và điều vẫn chưa được chứng minh

Ý nghĩa tiềm năng của W0 nằm ở vai trò lớp tự động hóa nối suy luận khoa học của AI với việc thực thi thí nghiệm. Nếu một hệ thống như vậy chứng minh được độ tin cậy trên nhiều thiết bị và phòng thí nghiệm, nó có thể giảm khoảng cách giữa một thí nghiệm được lên kế hoạch và những thao tác vật lý cần thiết để chạy thí nghiệm đó. Khi ấy, các chu trình thiết kế–chế tạo–kiểm thử–học hỏi trong hóa học, sinh học và khoa học vật liệu có thể trở nên thích ứng hơn. 32

Giới hạn cốt lõi là khả năng khái quát hóa. Thao tác giàu tiếp xúc rất nhạy với hiệu chuẩn thiết bị, độ trôi cảm biến, khác biệt dụng cụ thí nghiệm, biến thiên vật liệu, kiểm soát nhiễm bẩn và những lỗi hiếm nhưng có hậu quả lớn. Tài liệu công khai hiện chưa chứng minh độ tin cậy của W0 xuyên suốt nhiều phòng thí nghiệm, thiết bị, quy trình dài hạn hay nhóm người dùng độc lập.

Ở thời điểm này, W0 phù hợp nhất để được xem là một ví dụ sớm đáng chú ý của AI vật lý phục vụ khoa học: có câu chuyện tích hợp đầy tham vọng, các ứng dụng phòng thí nghiệm được báo cáo, nhưng vẫn cần được kiểm chứng nghiêm ngặt hơn.