Trí tuệ thể xác (Embodied AI) lại có thêm một con đường mới để thu thập dữ liệu.
Trước khi giới thiệu chính thức, chúng ta hãy làm một tương tác nhỏ: Không xét đến AI, không tra cứu tài liệu, trong 5 giây bạn có thể kể ra các phương pháp thu thập dữ liệu thể xác hiện có nào?
Thu thập từ xa bằng máy móc (Teleoperation), Thu thập không mang thiết bị cồng kềnh (UMI/Ego), Dữ liệu tổng hợp mô phỏng (Simulation), Chưng cất từ video internet là bốn phương thức chủ đạo nhất.
(Không phân hạng, tôi liệt kê ngẫu nhiên)
Nếu phân loại chi tiết hơn, có thể liệt kê ra một danh sách dài.
Ít nhất thì câu trả lời từ AI là như thế này, mọi người có thể cảm nhận một chút——
Gần đây, một hướng đi mới bắt đầu xuất hiện và dần trở nên nóng, phương thức này đưa tầm nhìn thu thập dữ liệu từ động tác bên ngoài, tiến thêm một bước hướng đến phía đầu ra vận động của cơ thể người.
Đây chính là phương án điện cơ bề mặt (sEMG, Surface Electromyography) đang được quan tâm hiện nay.
OriginFlow (Uyên Triệt Thái Sơ) là công ty khởi nghiệp nóng nhất, được săn đón nhất trên con đường này.
Người sáng lập kiêm CEO Tần Thâm Thao, sinh năm 2001, hiện đang là nghiên cứu sinh tiến sĩ tại Học viện Ô tô và Vận tải, Đại học Tsinghua.
Tháng 8 năm ngoái, anh thành lập OriginFlow tại Bắc Kinh; tính đến tháng 5 năm nay, công ty đã công bố hoàn thành liên tiếp vòng gọi vốn Thiên sứ, vòng Chiến lược và vòng Pre-A1, tổng số tiền vượt quá 500 triệu Nhân dân tệ, các nhà đầu tư bao gồm Lan Chi, Lục Châu, Monolith, v.v.
Tần Thâm Thao nói với chúng tôi:
Giữa các tình huống thực tế trong ngành công nghiệp và mô hình thiếu một tầng năng lực có thể trừu tượng hóa thông tin tương tác vật lý phi cấu trúc, độ chính xác cao, chi tiết phức tạp thành các biểu thị có thể huấn luyện được.
Vì vậy, anh tự mình khởi nghiệp xây dựng cơ sở hạ tầng cho AGI Vật lý, muốn sử dụng điện cơ thần kinh làm một trong những cửa vào thu thập dữ liệu thể xác.
Tần Thâm Thao nói, về ngắn hạn, đối với các phương án UMI và phương án thị giác ngôi thứ nhất Ego, NeuroScale mang tính chất bổ sung nhiều hơn; nhưng thu thập dữ liệu không cảm giác chắc chắn là xu hướng quan trọng trong tương lai.
Khi một sự thay đổi mới xuất hiện, chiến lược phù hợp hơn là cùng phát triển đồng bộ với các công nghệ hiện có.
Thu thập dữ liệu thể xác bằng "Giao diện thần kinh"
Trước tiên hãy cảm nhận những việc OriginFlow đang làm ở giai đoạn hiện tại một cách gần gũi với cuộc sống.
Khi con người siết chặt một con ốc, bưng vững một bát canh, nắm chặt một vật thể mềm, cơ thể sẽ liên tục đưa ra những phản hồi nhỏ dựa trên tình huống thực tế.
Ngón tay bắt đầu siết chặt khi nào? Lực đạo thay đổi thế nào? ...... Thực ra con người không suy nghĩ cẩn thận từng vấn đề này, thường trong thời gian cực ngắn, cơ thể đã có thể hoàn thành và thực hiện một loạt các phán đoán về tiếp xúc, ma sát, trọng lượng và tính ổn định.
OriginFlow hy vọng ghi lại lớp phản ứng liên quan này, để làm một phần của dữ liệu trí tuệ thể xác.
Lý do đặt cược vào hướng đi này, phải bắt đầu từ thời kỳ đại học của Tần Thâm Thao.
Thời kỳ đại học, Tần Thâm Thao dẫn dắt đội giành được hầu hết các chức vô địch cuộc thi robot có thể đoạt; cũng trong thời kỳ đại học, anh có suy nghĩ sâu hơn:
Bàn phím, chuột, giọng nói đều không phải là cách giao tiếp trực tiếp nhất giữa người và máy móc. Đôi tay của con người là công cụ linh hoạt nhất, nếu máy móc hiểu được ý định thực sự đằng sau các động tác của bàn tay, giao tiếp người-máy sẽ lên một tầm cao mới.
Vì vậy, giao diện thần kinh bước vào tầm nhìn của Tần Thâm Thao, người "có ám ảnh" với sự hòa nhập giữa người và máy.
Giao diện thần kinh thu thập tín hiệu điện trên bề mặt cơ thể liên quan đến dây thần kinh vận động ngoại vi (tức tín hiệu điện cơ thần kinh), tránh được các vấn đề xâm lấn cao, số lượng kênh cao và tương ứng vùng não trong giao diện não-máy.
Từ khi chính thức ra đời, điện cơ thần kinh trong thời gian dài bị giới hạn trong phòng thí nghiệm của các trường đại học.
Sau này, cùng với sự lặp lại của cảm biến không dây, điện cực khô và thuật toán AI, điện cơ thần kinh bắt đầu được sử dụng làm cửa vào cảm nhận ý định vận động của con người, ứng dụng rộng rãi trong huấn luyện phản hồi sinh học y học phục hồi chức năng, phân tích động tác thể thao thi đấu, đánh giá tổn thương lao động công thái học và điều khiển động tác rời rạc cho chi giả điện cơ.
△
Lấy một ví dụ điển hình~
Năm 2019, bộ phận nghiên cứu và phát triển cốt lõi Meta - Reality Labs đã mua lại một công ty giao diện thần kinh không xâm lấn CTRL-Labs.
Trước khi được mua lại, CTRL-Labs đã phát hành bộ công cụ dành cho nhà phát triển, bao gồm một thiết bị chính cỡ bằng đồng hồ đeo tay và một thành phần có gắn điện cực.
Nó thông qua cảm biến điện cơ đồ 16 kênh, giám sát tín hiệu điện cơ truyền từ tế bào thần kinh vận động đến ngón tay tại vị trí cổ tay, và sử dụng thuật toán AI để giải mã các tín hiệu này, chuyển đổi chúng thành chỉ lệnh số (như nhấp, vuốt, cử chỉ, v.v.).
Hai năm sau, Meta lần đầu công khai trình diễn nguyên mẫu vòng đeo tay giao diện thần kinh Meta Neural Band dựa trên công nghệ của CTRL-Labs, cho thấy tiềm năng điều khiển giao diện AR thông qua việc bắt tín hiệu thần kinh cực nhỏ, ví dụ như gõ chữ từ xa, chọn menu, v.v.
Mark Zuckerberg lúc đó cho biết, vì nó có thể cảm nhận chính xác ý định hành động thậm chí chưa được thực hiện của người dùng, nên cách thức tương tác này là "điều khiển gần như vô hạn".
Năm ngoái, thế hệ kính thông minh thứ ba của Meta đã giới thiệu vòng đeo tay nhập liệu thần kinh, người dùng có thể thông qua động tác bàn tay (tưởng tượng vuốt, nhấp) trực tiếp điều khiển giao diện trên kính.
(Một thông tin bên lề: Cử chỉ "nhúm" trên Apple Watch để xác nhận, đóng cửa sổ, v.v., chủ yếu dựa trên cảm biến quang học)
Khác với Meta, quan tâm không phải là làm thế nào để con người thuận tiện hơn khi nhấp, vuốt hoặc nhập văn bản, suy nghĩ của Tần Thâm Thao rơi vào điều kiện mà AGI Vật lý còn thiếu.
Theo anh, trước hết, dữ liệu tương tác vật lý chất lượng cao cực kỳ thiếu hiện nay, đã trở thành chìa khóa hạn chế sự tiến bộ của robot trí tuệ thể xác.
Các phương pháp thu thập dữ liệu thể xác hiện tại đều có nhược điểm riêng, có thể sử dụng điện cơ thần kinh làm điểm đột phá để bổ sung thêm không?
Hơn nữa, lựa chọn thu thập điện cơ thần kinh có thể vượt qua sự khác biệt về vật liệu và cảm biến của bề mặt tiếp xúc cụ thể, từ phía động lực riêng của người và máy, tìm ra một tập hợp biểu thị động tác chia sẻ có thể kết nối kích hoạt cơ, phát lực gân và chuyển động khớp.
Thu thập, bắt đầu từ một chiếc vòng đeo tay
Năm 2025, Tần Thâm Thao đang học tiến sĩ chính thức khởi nghiệp, đăng ký thành lập OriginFlow, tầm nhìn là xây dựng "nền tảng động tác" ngoài văn bản, video cho Physical AGI.
Không lâu sau, đội ngũ đề xuất hệ thống kỹ thuật NeuroScale.
NeuroScale không phải đơn giản là thêm một chiếc vòng đeo tay điện cơ vào thiết bị thu thập dữ liệu thể xác hiện có.
Nó là một hệ thống dữ liệu và mô hình từ thu thập tín hiệu, tái tạo đại lượng vật lý, biểu thị động tác đến chuyển giao xuyên bản thể.
Hệ thống này lấy giao diện thần kinh vận động không xâm lấn làm cửa vào tín hiệu, kết hợp thông tin đa phương thức như điện cơ thần kinh, thị giác góc nhìn thứ nhất và IMU, thông qua mô hình nền tảng PULSE tái tạo tư thế, lực tiếp xúc và lực động lực trong thao tác của con người, và sắp xếp một thao tác thực tế thành Human Tokens mà máy có thể học.
NeuroScale quan tâm lâu dài đến hai vấn đề cốt lõi.
Thứ nhất, Làm thế nào để thực hiện Human Data Scale Up?
Tức là trong điều kiện càng ít làm phiền nhận thức tự nhiên và vận động của con người càng tốt, liên tục ghi lại thao tác thực tế, sản xuất nhiều dữ liệu tương tác vật lý chất lượng cao hơn.
Thứ hai, Làm thế nào để thực hiện Cross-Embodiment Transfer giữa Human và Robot, để kinh nghiệm động tác của người sau khi biểu thị và thích ứng, đi vào robot có cấu trúc khác nhau.
Dưới hai vấn đề này, còn tương ứng với một vấn đề kỹ thuật cơ bản hơn: Động tác của con người rốt cuộc nên đi vào mô hình cơ sở dưới hình thức gì?
Văn bản đã hình thành biểu thị Token tương đối trưởng thành, thị giác cũng dần hội tụ về biểu thị Patch hoặc Latent, nhưng phương thức động tác cho đến nay vẫn thiếu biểu thị tiêu chuẩn được công nhận.
OriginFlow chia một thao tác vật lý thành ba không gian có liên quan lẫn nhau:
MotionSpace mô tả tư thế bàn tay và quỹ đạo chuyển động
TactileSpace mô tả lực pháp tuyến, lực tiếp tuyến và phản hồi tiếp xúc
TendonSpace mô tả lực động lực của cơ, gân và mô-men xoắn khớp
Lực động lực tạo ra chuyển động, chuyển động mang lại tiếp xúc, tiếp xúc cuối cùng hình thành lực tác dụng, ba yếu tố cùng cấu thành một chuỗi nhân quả vật lý.
Human Tokens mà OriginFlow nói đến, chính là biểu thị động tác được xây dựng trên ba loại đại lượng vật lý này.
"Về hình thức, con người có thể được coi là một trường hợp đặc biệt trong không gian cấu hình bản thể (embodiment). Vì vậy, việc chuyển giao từ 'người sang robot', về bản chất là một vấn đề con của 'chuyển giao xuyên bản thể'." Tần Thâm Thao nói.
Cụ thể, Human Data quy mô lớn chịu trách nhiệm bao phủ phân bố động tác và kỹ năng của con người càng rộng càng tốt; Cross-Embodiment Data có quy mô tương đối nhỏ hơn, nhưng cấu hình robot đủ đa dạng, thì cung cấp điểm neo căn chỉnh giữa người và các bản thể robot khác nhau.
Hai loại dữ liệu kết hợp, mô hình có cơ hội học được một tập hợp biểu thị động tác chia sẻ tương đối tách rời với bản thể cụ thể, sau đó chuyển hướng lại cùng một đoạn động tác và thông tin phát lực của con người, đến các bản thể robot có bậc tự do khác nhau, phương thức dẫn động khác nhau.
Vì vậy, OriginFlow không hy vọng sao chép dữ liệu thao tác của người trực tiếp cho robot, mà trước tiên tìm kiếm động tác, lực động lực và quan hệ tiếp xúc có thể chia sẻ giữa các bản thể khác nhau, sau đó hoàn thành thích ứng và ánh xạ.
Áp vào thế giới thực, NeuroScale thì bắt đầu từ một chiếc vòng đeo tay.
Vòng đeo tay được đặt tên là OriginKitGen 1.0, thiết kế rộng hơn một chút so với dây đeo của Apple Watch, nhưng tổng thể thể tích nhỏ hơn, trọng lượng nhẹ hơn.
Vòng đeo tay chịu trách nhiệm thu thập tín hiệu điện cơ bề mặt microvolt do người đeo phát ra, hệ thống sử dụng thu thập 16 kênh, luồng thông tin khoảng 96KB mỗi giây, và mô hình hóa liên tục chuyển động của bàn tay.
Tuy nhiên, việc triển khai NeuroScale không chỉ dựa vào vòng đeo tay.
Chỉ dựa vào vòng đeo tay, hệ thống chỉ có thể biết sự thay đổi hoạt động cơ của cẳng tay, nhưng rất khó phán đoán điều này có nghĩa là ngón tay cụ thể đang làm gì.
Tín hiệu thu được từ OriginKitGen 1.0, sẽ cùng với thông tin thị giác góc nhìn thứ nhất, IMU, v.v. đi vào đường dẫn dữ liệu của NeuroScale.
Sóng nguyên thủy sau khi căn chỉnh, hiệu chuẩn và xử lý, sau đó được mô hình nền tảng tự nghiên cứu PULSE của đội ngũ trích xuất các manh mối liên quan đến tư thế bàn tay, quỹ đạo chuyển động, lực tiếp xúc và phát lực gân trong đó – tương ứng với ba loại đại lượng vật lý cốt lõi Motion Space (không gian chuyển động), Tactile Space (không gian xúc giác) và Tendon Space (không gian gân) – phần cứng thực hiện lọc, vi phân, ức chế nhiễu chuyển động, phần mô hình thực hiện mã hóa tín hiệu thần kinh và học tập có giám sát mạnh – dần dần sắp xếp thành biểu thị động tác mà máy có thể học.
Đây chính là Human Tokens mà đội ngũ nói đến.
Trong thời gian WAIC, Tần Thâm Thao cùng đội ngũ đã trình diễn kết quả hiện tại, demo phiên bản PULSE 0.2:
Vòng đeo tay chịu trách nhiệm thu thập tín hiệu điện cơ bề mặt 16 kênh, PULSE lấy các tín hiệu này làm đầu vào, mô hình hóa liên tục chuyển động của bàn tay, và quan sát sự thay đổi phát lực trong động tác đối chỉ (chạm đầu ngón tay).
Khác với nhận dạng cử chỉ rời rạc, PULSE tập trung vào theo dõi liên tục bàn tay và biểu thị lực đầu ngón tay.
Khi người dùng thực hiện động tác đối chỉ, hệ thống có thể quan sát sự thay đổi phát lực theo thời gian thực.
Tuy nhiên, việc tái tạo động tác từ một đoạn tín hiệu thần kinh, không có nghĩa là đã có được dữ liệu có thể sử dụng trực tiếp để huấn luyện robot.
Dữ liệu thô còn cần trải qua đồng bộ hóa đồng hồ đa thiết bị, hiệu chuẩn cá nhân, xử lý nhiễu chuyển động, cắt phân đoạn nhiệm vụ, gán nhãn động tác và lực, sàng lọc chất lượng và ánh xạ xuyên bản thể.
Vì vậy, OriginFlow còn xây dựng một Data Infra bao phủ sản xuất, gia công, đánh giá và huấn luyện dữ liệu.
Trong đó, ORACLE sử dụng mô hình đa phương thức hoàn thành tự động gán nhãn phân đoạn động tác, lực, ngữ nghĩa và nhiệm vụ; mô hình nền tảng thống nhất toàn phương thức CHORD chịu trách nhiệm căn chỉnh thời gian và biểu thị giữa điện cơ thần kinh, thị giác, IMU, ngôn ngữ và trạng thái robot.
Dữ liệu còn lần lượt trải qua các khâu chất lượng về hiệu lực vật lý, hiệu lực nhiệm vụ, hiệu lực gán nhãn, giá trị mô hình và đánh giá trên máy thật. Chỉ những dữ liệu có thể tạo ra giá trị thực tế trong huấn luyện mô hình hoặc nhiệm vụ robot, mới đi vào tập dữ liệu giao hàng cuối cùng.
Nói cách khác, không chỉ phải thu thập dữ liệu xuống, mà còn phải có thể với chi phí biên đủ thấp, gia công lượng tín hiệu thô khổng lồ thành tài sản dữ liệu có thể huấn luyện, có thể đánh giá và có thể tái sử dụng.
Từ Human Data hướng đến Enhance Human
PULSE 0.2 trình diễn chỉ là một phần nhỏ công việc của công ty, bản thân mô hình cũng chỉ là sản phẩm giai đoạn.
PULSE 0.3 đang trong quá trình nghiên cứu và phát triển, đang tiếp tục khám phá mối quan hệ giữa phát lực gân và động học tiến (forward kinematics) của bàn tay.
Vòng đeo tay được nhắc đến trước đó, cũng chỉ là thiết bị đầu cuối thu thập hiện tại chứ không phải hình thái sản phẩm cuối cùng.
Đối với một con đường phụ thuộc vào thu thập lâu dài, quy mô lớn, thiết bị có thể được con người chấp nhận một cách tự nhiên hay không, quyết định dữ liệu có thể được sản sinh liên tục hay không.
Tần Thâm Thao nói, phải khiến người ta sẵn sàng đeo thiết bị trước, còn phải sẵn sàng đeo đủ lâu.
Xét về bản chất, OriginFlow hy vọng trong điều kiện càng ít thay đổi cách thức nhận thức và vận động nguyên thủy của con người càng tốt, liên tục ghi lại đầu ra động tác của con người trong thế giới thực, và gia công chúng thành Physical Tokens.
Chỉ có như vậy, việc thu thập dữ liệu mới có thể rời khỏi nhà máy thu thập số và vị trí làm việc được xây dựng chuyên biệt, đi vào cuộc sống hàng ngày và quy trình sản xuất thực tế.
Đến lúc đó, "dữ liệu nghìn tỷ giờ" hiện nay vượt tầm với trong lĩnh vực trí tuệ thể xác, chỉ cần ghi lại hành vi của toàn nhân loại khoảng mười ngày.
Tần Thâm Thao mô tả quá trình này là sự phóng đại liên tục của Scaling dữ liệu.
Hướng đến tương lai, chúng tôi sẽ thúc đẩy quy mô Human Data toàn phương thức, từ mười triệu giờ, hàng trăm triệu giờ, dần dần hướng đến nghìn tỷ giờ.
Và cửa vào vật lý thế hệ tiếp theo trong dự kiến của đội ngũ, sẽ dần hướng đến hình thái nhẹ hơn, tự nhiên hơn, cũng gần với hình thái sản phẩm tiêu dùng hơn.
Trong tưởng tượng của họ, tương lai, mọi người chỉ cần đeo kính, đồng hồ có thuộc tính tiêu dùng, hoặc vòng tay nhẹ hơn, có thể trong cuộc sống hàng ngày liên tục mô hình hóa bản thân, và nhận được sự thuận tiện từ mô hình cá nhân.
△
Tổng thể mà nói, những việc công ty OriginFlow đang làm ở giai đoạn hiện tại, vẫn đang ở giai đoạn phát triển đầu tiên theo kế hoạch của chính mình.
Họ tự lập kế hoạch phát triển ba giai đoạn – Giai đoạn 1, From Human, trước tiên cố gắng thu thập con người vận động như thế nào, hệ thống hóa chưng cất, chuyển hóa kinh nghiệm thao tác của con người trong thế giới vật lý thành dữ liệu và biểu thị mà máy có thể học.
OriginFlow hy vọng trong điều kiện không can thiệp vào quá trình nhận thức tự nhiên và vận động của con người, hoàn chỉnh khôi phục đầu ra động tác của con người.
Toàn bộ phương án thu thập tuân thủ nguyên tắc không xâm lấn, đảm bảo con người duy trì trạng thái nguyên thủy, đồng thời động tác có thể được hệ thống quan sát chính xác và phục hồi.
Giai đoạn 2, With Human.
Giai đoạn này sẽ xây dựng phần cứng AI thế hệ mới bao gồm robot, với hình thái Always-on hòa nhập vào công việc và cuộc sống hàng ngày, để nhiều người hơn được hưởng giá trị mà giao diện người-máy thế hệ tiếp theo (Interface) mang lại.
Giai đoạn 3 là Enhance Human hướng đến tương lai 10 đến 30 năm.
Tất nhiên, từ một lần trình diễn đối chỉ của PULSE 0.2, đến quy mô nghìn tỷ giờ của Human Data toàn phương thức, giữa đó còn cách một khoảng xác minh kỹ thuật dài dằng dặc.
One More Thing
Được biết, các công ty khởi nghiệp trong nước còn có Cường Não Khoa Kỹ, Chương Ngư Động Lực, SnowOrigin, Niệm Tượng Khoa Kỹ, Vô Giới Mạch Lạc, Thủ Ức Khoa Kỹ, v.v. cũng đang sử dụng điện cơ thần kinh để thu thập dữ liệu trí tuệ thể xác.
Bài viết này từ tài khoản công chúng WeChat "Lượng Tử Vị" (ID: QbitAI), tác giả: Hành Vũ
