AI Crazy
New member
Khi AI đã làm chủ thế giới số, giờ đây nó cần học cách di chuyển và thao tác trong đời thực. Một mạng lưới nhân viên thu thập và chú thích dữ liệu vật lý đang dạy robot cách hành xử như con người.
Tại một thị trấn công nghiệp ở miền nam Ấn Độ, nhiều người lao động được thuê quay video từ góc nhìn thứ nhất khi thực hiện những thao tác lặp đi lặp lại, ví dụ gấp khăn tay với độ chính xác cao. Video được chụp bằng camera gắn trên đầu, rồi được chú thích tỉ mỉ: đánh khung, gắn thẻ vật thể, phân loại chuyển động của cánh tay và các cử chỉ.
Những doanh nghiệp như Objectways chuyên thu nhận và gắn nhãn dữ liệu này cho các đối tác nước ngoài. Một phần lực lượng lao động của họ làm việc với dữ liệu cảm biến cho xe tự hành và robot, phần còn lại phục vụ các dự án liên quan tới AI sinh tạo và dữ liệu thao tác thực tế.
Nvidia ước tính thị trường robot hình người có thể đạt khoảng 38 tỷ USD trong thập kỷ tới. Bên cạnh đó, rất nhiều công ty nhỏ hơn cung cấp phần cứng, phần mềm và dịch vụ dữ liệu để xây dựng nền tảng cho gọi là "physical AI".
Cách khác là thu dữ liệu hành động con người trực tiếp: trả tiền cho người đeo kính thông minh quay lại hoạt động hàng ngày, hoặc thu phim góc nhìn thứ nhất từ bên trong nhà. Một số dự án lớn như Figure AI hợp tác với các đơn vị bất động sản để ghi lại chuyển động trong nhà, còn Scale AI công bố đã thu thập hàng chục nghìn giờ dữ liệu đào tạo cho robotics.
Nhiều ý kiến cũng cho rằng những robot được teleoperate thường ấn tượng khi có người điều khiển nhưng vẫn còn xa mới đạt mức tự chủ hoàn toàn. Đồng thời, dù kết hợp dữ liệu thật và dữ liệu tổng hợp có thể giảm phụ thuộc vào nguồn lao động, việc mô phỏng lực, ma sát và tương tác phức tạp với vật thể vẫn là thách thức lớn.
Trong bối cảnh đó, nhiều công ty vẫn đổ nguồn lực lớn để thu thập dữ liệu về đời sống thực—từ gấp khăn đến nấu ăn—vì chỉ khi hiểu được chuyển động, lực và ngữ cảnh, robot mới thực sự hữu dụng ngoài phòng thí nghiệm.
Nguồn: https://techxplore.com/news/2025-11-ai-robots-human-real-world.html
AI cần học chuyển động đời thực
Bất chấp việc AI đã thành thạo rất nhiều tác vụ trực tuyến, dữ liệu về cách con người di chuyển và tương tác với đồ vật trong không gian vật lý còn rất hiếm. Các công ty và nhóm nghiên cứu đang tìm cách thu thập những biểu diễn thực tế—từ cách nắm khăn, gấp khăn tới lực cần thiết để gấp—để dạy robot làm theo.Tại một thị trấn công nghiệp ở miền nam Ấn Độ, nhiều người lao động được thuê quay video từ góc nhìn thứ nhất khi thực hiện những thao tác lặp đi lặp lại, ví dụ gấp khăn tay với độ chính xác cao. Video được chụp bằng camera gắn trên đầu, rồi được chú thích tỉ mỉ: đánh khung, gắn thẻ vật thể, phân loại chuyển động của cánh tay và các cử chỉ.
Những doanh nghiệp như Objectways chuyên thu nhận và gắn nhãn dữ liệu này cho các đối tác nước ngoài. Một phần lực lượng lao động của họ làm việc với dữ liệu cảm biến cho xe tự hành và robot, phần còn lại phục vụ các dự án liên quan tới AI sinh tạo và dữ liệu thao tác thực tế.
Ai đang đua
Nhiều tên tuổi lớn lẫn các công ty khởi nghiệp đều nhắm tới robot hình người đa năng: Tesla, Boston Dynamics, Nvidia, Google, OpenAI và các startup khác đều đầu tư vào phần cứng, mô hình và dữ liệu để hiện thực hóa robot có thể hoạt động trong nhà và nơi làm việc.Nvidia ước tính thị trường robot hình người có thể đạt khoảng 38 tỷ USD trong thập kỷ tới. Bên cạnh đó, rất nhiều công ty nhỏ hơn cung cấp phần cứng, phần mềm và dịch vụ dữ liệu để xây dựng nền tảng cho gọi là "physical AI".
Thu thập dữ liệu bằng con người và teleoperation
Một cách tiếp cận phổ biến là để con người điều khiển robot từ xa (teleoperation), ghi lại cả lần thành công lẫn thất bại để AI học theo. Các kho vận hành từ xa hay “arm farms” với nhiều operator dùng cần điều khiển được dự báo sẽ xuất hiện ngày càng nhiều, đôi khi phân bố ở các nước khác nhau.Cách khác là thu dữ liệu hành động con người trực tiếp: trả tiền cho người đeo kính thông minh quay lại hoạt động hàng ngày, hoặc thu phim góc nhìn thứ nhất từ bên trong nhà. Một số dự án lớn như Figure AI hợp tác với các đơn vị bất động sản để ghi lại chuyển động trong nhà, còn Scale AI công bố đã thu thập hàng chục nghìn giờ dữ liệu đào tạo cho robotics.
Thách thức và khó khăn thực tế
Việc thu thập dữ liệu vật lý không đơn giản: các khách hàng thường yêu cầu dữ liệu được ghi lại theo định dạng và tiêu chuẩn rất cụ thể. Nhiều nỗ lực tận dụng lao động giá rẻ hoặc mô hình thu thập đơn giản đã thất bại khi không đáp ứng yêu cầu chất lượng và nhất quán.Nhiều ý kiến cũng cho rằng những robot được teleoperate thường ấn tượng khi có người điều khiển nhưng vẫn còn xa mới đạt mức tự chủ hoàn toàn. Đồng thời, dù kết hợp dữ liệu thật và dữ liệu tổng hợp có thể giảm phụ thuộc vào nguồn lao động, việc mô phỏng lực, ma sát và tương tác phức tạp với vật thể vẫn là thách thức lớn.
Hệ lụy và tương lai
Khi robot kết hợp tốt AI và khả năng thao tác vật lý, chúng có thể xuất hiện nhiều hơn tại nhà và nơi làm việc. Điều này đặt ra câu hỏi về việc làm: một số lo sợ mất việc, trong khi số khác hy vọng robot sẽ thay con người làm các công việc nhàm chán, giảm chi phí lao động và cho con người thời gian để làm những việc sáng tạo hơn.Trong bối cảnh đó, nhiều công ty vẫn đổ nguồn lực lớn để thu thập dữ liệu về đời sống thực—từ gấp khăn đến nấu ăn—vì chỉ khi hiểu được chuyển động, lực và ngữ cảnh, robot mới thực sự hữu dụng ngoài phòng thí nghiệm.
Nguồn: https://techxplore.com/news/2025-11-ai-robots-human-real-world.html
Bài viết liên quan
