Hội nghị đỉnh cao có thể tổ chức hàng năm, nhưng không phải phòng thí nghiệm nào cũng có thể xuất hiện trên tạp chí này.
Science Robotics là tạp chí hàng đầu được công nhận trong lĩnh vực robot quốc tế, được xuất bản dưới sự bảo trợ của tạp chí mẹ Science, với chỉ số ảnh hưởng luôn đứng đầu trong ngành robot. Việc công bố thành quả nghiên cứu trên tạp chí này đồng nghĩa với việc nghiên cứu đã trải qua quy trình đánh giá ngang hàng khắt khe nhất trong cùng lĩnh vực, đại diện cho tiến bộ công nghệ tiên phong và đột phá nhất hiện nay.
Tháng 8 năm nay, Science Robotics ra mắt số đặc biệt chuyên đề về robot hình người, tập hợp các nghiên cứu mới nhất trên toàn cầu trong lĩnh vực robot hình người. Số đặc biệt này trên toàn cầu chỉ tuyển chọn nền tảng của ba công ty robot hình người – Jia Su Jin Hua (Accelerated Evolution), Unitree và Boston Dynamics, đại diện cho hàng ngũ nghiên cứu tiên phong nhất về robot hình người toàn cầu.
Trong số đặc biệt này, nhóm nghiên cứu của Giáo sư Triệu Minh Quốc, Khoa Tự động hóa, Đại học Thanh Hoa, phối hợp với ByteDance Seed và Đại học Nông nghiệp Trung Quốc đã công bố một bài báo có tiêu đề "Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots" (Học kỹ năng bóng đá phản ứng điều khiển bằng thị giác cho robot hình người). Bài báo đề xuất một khung học tập kỹ năng bóng đá phản ứng điều khiển bằng thị giác, cho phép robot hình người chỉ dựa vào thị giác tích hợp, trong môi trường động có thể liên tục thực hiện tìm bóng, đuổi bóng, điều chỉnh dáng đi và sút bóng đa hướng. Nền tảng xác minh thực tế hỗ trợ nghiên cứu này là robot hình người của Jia Su Jin Hua.
Liên kết bài báo: https://www.science.org/doi/10.1126/scirobotics.aed1152
Trang chủ dự án: https://humanoid-kick.github.io/
Công việc này không dừng lại ở một động tác hoặc một chỉ số đơn lẻ nào, nó đặt nhận thức thị giác, ước tính trạng thái, vận động hai chân và tiếp xúc vật lý vào nhiệm vụ bóng đá thực tế, và còn bước vào sân đấu RoboCup, trong môi trường thay đổi liên tục và đối kháng thực tế để chịu sự kiểm nghiệm.
Chặng tiếp sức công nghệ hai mươi hai năm
Năm 2004, Triệu Minh Quốc dẫn dắt học sinh thành lập đội bóng đá robot Hỏa Thần của Thanh Hoa. Năm sau, họ mang robot tự chế tham gia RoboCup. Robot thời kỳ đầu chỉ cao khoảng 50 cm, đi lại chậm chạp, khi thi đấu còn cần người bảo vệ để phòng ngã. Trong hơn hai mươi năm sau đó, đội Hỏa Thần hầu như năm nào cũng tham gia, robot dần cao trên một mét, học cách tự đứng dậy, chạy nhanh và sút bóng mạnh.
Sân bóng cũng trở thành bãi thử nghiệm dài hạn để đội ngũ kiểm tra độ tin cậy của thị giác, quyết định, điều khiển vận động và toàn bộ máy. Thị giác nhận diện chậm bao nhiêu mili giây, điểm đặt chân lệch bao nhiêu centimet, robot dễ đá hụt hướng nào, đều có thể hiển thị trực tiếp trong đối kháng thực tế. Đội ngũ lại mang vấn đề về phòng thí nghiệm, sửa đổi thuật toán, trận đấu tiếp tục kiểm nghiệm. Vòng lặp này kéo dài hơn hai mươi năm.
Triệu Minh Quốc lâu nay nghiên cứu tính toán não bộ và điều khiển robot. Ông tham gia nghiên cứu chế tạo chip não bộ "Thiên Cơ" và nghiên cứu xe đạp không người lái từng lên trang bìa tạp chí Nature, và được chọn vào 10 tiến bộ khoa học Trung Quốc năm 2019. Từ tính toán não bộ đến bóng đá robot, điều ông quan tâm luôn là nhận thức, phán đoán và hành động vận hành liên tục như thế nào trong cùng một hệ thống.
Theo dòng thời gian, thành viên đội Hỏa Thần thay đổi qua từng khóa. Người sáng lập Jia Su Jin Hua Trình Hạo từng là đội trưởng đời thứ ba của đội Hỏa Thần, sau khi tốt nghiệp Thanh Hoa trải qua sự rèn luyện của khởi nghiệp internet, cũng như tích lũy kinh nghiệm giữ chức Phó tổng giám đốc sản phẩm Phi Thư tại ByteDance, năm 2023, vị đội trưởng vẫn không nguôi nhớ về robot này chọn lên đường trở lại, sáng lập "Jia Su Jin Hua". Nhiều thành viên từng chiến đấu sát cánh trong đội Hỏa Thần cũng lần lượt gia nhập, với tư cách đội ngũ khởi nghiệp, một lần nữa mở ra một hành trình chung về robot. Tác giả chính của bài báo Vương Dữ Thời, lại đến từ thế hệ mới của đội Hỏa Thần.
Từ năm 2004 thành lập đội Hỏa Thần, đến năm 2026 bài báo lên tạp chí đỉnh quốc tế, đây là một chặng tiếp sức công nghệ xuyên suốt hai mươi hai năm.
Để robot nhìn thấy và phản ứng trong nhiễu loạn
Bài báo này cố gắng giải quyết một vấn đề nhiều năm làm phiền giới học thuật: Trong môi trường thực tế đầy nhiễu, độ trễ và che khuất, robot hình người làm thế nào để đạt được thấy là phản ứng.
Khi con người đá bóng, thị giác và động tác gần như đồng thời xảy ra. Mắt theo dõi trái bóng, não phán đoán khoảng cách và hướng, cơ thể liên tục điều chỉnh trọng tâm và điểm đặt chân. Ngay cả khi bóng tạm thời bị che, con người cũng có thể dự đoán vị trí nó có thể xuất hiện tiếp theo dựa trên quỹ đạo chuyển động trước đó.
Robot cần sử dụng camera, thuật toán và điều khiển khớp để hoàn thành quá trình này, nhưng độ khó lại lớn hơn nhiều. Hình ảnh camera chụp được có thể bị mờ do chuyển động mạnh, phát hiện mục tiêu tồn tại nhiễu và độ trễ, bóng còn có thể chạy ra khỏi tầm nhìn hoặc bị che khuất. Đồng thời, robot hai chân còn phải duy trì cân bằng, và trong vài chục mili giây phải quyết định vị trí đặt chân tiếp theo. Nhận thức, định vị, quyết định, vận động và tiếp xúc vật lý bị nén vào một nhiệm vụ liên tục, bất kỳ khâu nào chậm nửa nhịp, robot đều có thể đá hụt hoặc ngã.
Giải pháp truyền thống thường chia quá trình này thành nhiều mô-đun. Hệ thống thị giác nhận diện bóng và ước tính vị trí, mô-đun quyết định chọn động tác, bộ điều khiển chuyển động sau đó điều khiển robot thực hiện. Phương pháp này thuận tiện cho việc gỡ lỗi, nhưng cũng dễ tạo ra sự truyền dẫn sai số và độ trễ từng cấp, và chiến lược được huấn luyện trong mô phỏng hoàn hảo, khi đến thế giới thực có thể do ánh sáng, nhiễu, che khuất mà xuất hiện suy giảm hiệu năng rõ rệt.
Nhóm của Triệu Minh Quốc đề xuất một khung học tăng cường thống nhất nhận thức - vận động. Tư tưởng cốt lõi là đặt nhận thức thị giác và điều khiển chuyển động dưới cùng một mục tiêu tối ưu hóa để huấn luyện đầu-cuối.
Tổng quan hệ thống điều khiển robot Jia Su Jin Hua điều khiển bằng thị giác.
Nhóm nghiên cứu trước tiên xây dựng một bộ hệ thống nhận thức ảo.
Họ để robot thực quan sát bóng ở các khoảng cách và góc nhìn khác nhau, tích lũy thu thập khoảng một giờ dữ liệu, sau đó đối chiếu với vị trí thực được ghi lại bởi hệ thống động học, từ đó thu được các đặc điểm nhận thức như nhiễu vị trí, tỷ lệ thành công phát hiện, tần suất cập nhật và độ trễ.
Những đặc điểm này sau đó được đưa vào mô phỏng. Bóng càng xa, nhiễu vị trí càng lớn; tầm nhìn camera sẽ thay đổi theo tư thế đầu robot. Ngay cả khi bóng xuất hiện trong tầm nhìn, cũng có thể do mờ chuyển động v.v. mà phát hiện thất bại. Hệ thống thị giác cập nhật với tần suất khoảng 25Hz, độ trễ trung bình khoảng 116 mili giây.
Sau khi thị giác gián đoạn ngắn, bộ điều khiển còn cần dựa trên thông tin trước đó tiếp tục phán đoán vị trí và xu hướng chuyển động của bóng. Vì vậy, bài báo thiết kế kiến trúc mã hóa - giải mã.
Chiến lược sẽ đọc 50 khung hình quan sát lịch sử trước đó, khoảng một giây, sau đó nén những thông tin này thành trạng thái ẩn 64 chiều. Giai đoạn huấn luyện, bộ giải mã sẽ cố gắng khôi phục vị trí thực của bóng và tham số động lực học robot từ trạng thái ẩn. Nhiệm vụ hỗ trợ này giúp chiến lược hoàn thành khử nhiễu thị giác, cũng cho phép nó tiếp tục ước tính vị trí mục tiêu sau khi bóng biến mất tạm thời.
Actor chịu trách nhiệm xuất ra động tác chỉ có thể sử dụng một phần quan sát mà robot thực có thể thu được, Critic ở giai đoạn huấn luyện có thể truy cập trạng thái hoàn chỉnh trong môi trường mô phỏng, cung cấp thông tin bổ sung cho tối ưu hóa chiến lược. Bộ giải mã và Critic sau khi triển khai lên máy thực đều sẽ bị loại bỏ.
Để làm cho động tác tự nhiên hơn, nhóm còn giới thiệu tiên nghiệm chuyển động đối kháng AMP. Dữ liệu huấn luyện bao gồm khoảng 76 giây dữ liệu động tác đi bộ toàn hướng của con người và 30 giây dữ liệu động tác sút bóng bằng mu trong. Bộ phân biệt chịu trách nhiệm đánh giá mức độ gần gũi giữa động tác robot và động tác mẫu của con người, chiến lược học tăng cường tiếp tục tối ưu hóa xoay quanh đuổi bóng và ghi bàn.
Ràng buộc đối xứng gương giúp robot nắm vững sút bóng bằng chân trái và phải, tránh hội tụ về đá một bên. Cuối cùng, tìm bóng, đuổi bóng, điều chỉnh điểm đặt chân và sút bóng được đặt vào cùng một chiến lược, bộ điều khiển xuất lệnh vị trí khớp với tần suất 50Hz.
Năm loại mẫu động tác hình thành từ chiến lược, bao gồm sút bóng chân trái phải, đi thẳng và rẽ trái phải. Quỹ đạo màu là động tác do chiến lược tạo ra, điểm xám là động tác tham chiếu của con người.
Trong quá trình huấn luyện còn xuất hiện không ít hành vi tự chủ.
Khi bóng tiến gần rìa tầm nhìn, robot sẽ chủ động quay đầu và xoay người, đưa bóng trở lại tầm nhìn. Ở rìa sân không tìm thấy bóng, nó thường hướng về trung tâm sân trước, sau đó mở rộng phạm vi tìm kiếm.
Dáng đi cũng thay đổi theo khoảng cách bóng. Khi khoảng cách xa, robot sử dụng tần số bước chậm hơn, mỗi chu kỳ dáng đi khoảng 0.7 đến 0.8 giây, để duy trì quan sát ổn định; khi tiến gần bóng, chu kỳ rút ngắn xuống 0.3 đến 0.4 giây, thông qua bước ngắn hơn, nhanh hơn để điều chỉnh tinh điểm đặt chân.
Khi khung thành ở phía sau, chiến lược thậm chí tạo ra một động tác sút xoay móc, robot lấy chân trụ làm trục xoay người, chân còn lại từ bên móc bóng về phía khung thành, tiết kiệm thời gian tái định vị.
Những thay đổi này cuối cùng cũng phản ánh trên dữ liệu thực nghiệm.
Trong một giây trước khi sút, sai số vị trí bóng trong quan sát thị giác thô là 0.344 mét, sau khi ước tính trạng thái nội bộ của chiến lược, sai số giảm xuống 0.186 mét, mức giảm khoảng 46%. Trong mô phỏng, khi phát hiện thị giác bị gián đoạn ngắn 0.3 giây, tỷ lệ thành công chạm bóng của robot vẫn vượt quá 90%, tỷ lệ ghi bàn vượt quá 50%. Đối mặt với bóng đứng yên, chiến lược học từ khi khởi động đến chạm bóng thường chỉ mất khoảng 1.5 giây, hệ thống quy tắc truyền thống cần khoảng 2 đến 5 giây, mức giảm thời gian tiêu hao cao nhất đạt 64%.
So sánh chiến lược học với chiến lược quy tắc tiên tiến hiện tại của RoboCup. (A, B) Thời gian robot cần từ khi khởi động đến chạm bóng ở các góc tiếp cận khác nhau, và tốc độ góc lớn nhất trong quá trình này. Robot ban đầu ở trạng thái tĩnh, cách bóng 1.5 mét. Vùng bóng mờ biểu thị độ lệch chuẩn, mỗi hướng kiểm tra 5 lần. (C, D) Động tác điển hình khi chiến lược quy tắc điều khiển robot sút bóng về phía trước (0°) và phía sau (180°). (E, F) Chiến lược học có thể kết nối tiếp cận bóng và sút bóng thành một động tác liên tục.
Trong thử nghiệm máy thực, tỷ lệ thành công của robot ở vị trí tiền đạo đạt 80% đến 90%, hậu vệ đạt 60% đến 70%, trong quá trình thử nghiệm không bị ngã. Đối mặt với bóng lăn, khi tốc độ bóng dưới 0.5 mét/giây, chiến lược vẫn có thể duy trì tỷ lệ thành công trên 50%, thí nghiệm máy thực cũng thể hiện xu hướng tương tự.
Chú thích hình: Sút bóng phản ứng đối mặt với bóng lăn.
(A) Khi bóng lăn ngang, robot di chuyển nhanh sang bên và hoàn thành sút bóng. Trong đó, (i) thể hiện quỹ đạo chuyển động của robot và bóng cùng mẫu tiếp đất hai chân tương ứng, (ii) thể hiện động tác liên tục của robot.
(B) Khi bóng lăn về phía sau robot, robot xoay người nhanh và sút bóng. (i) và (ii) thể hiện nội dung giống (A).
(C) Tỷ lệ thành công sút bóng, tỷ lệ ghi bàn và thời gian chạm bóng ở các tốc độ bóng khác nhau. Kết quả mô phỏng biểu thị bằng biểu đồ cột, mỗi tốc độ bóng kiểm tra 8192 lần; kết quả máy thực đánh dấu bằng hình tam giác, mỗi tốc độ bóng kiểm tra 10 lần. Thanh lỗi biểu thị độ lệch chuẩn kết quả kiểm tra mô phỏng.
Bộ chiến lược này còn được đưa vào hệ thống thi đấu hoàn chỉnh của đội Hỏa Thần Thanh Hoa như một mô-đun kỹ năng vận động. Năm 2025, đội Hỏa Thần giành chức vô địch giải người lớn Humanoid League và Humanoid Robot Sports Games của RoboCup, hai sự kiện tích lũy ghi được 76 bàn, chỉ thủng lưới 11 bàn. Năm 2026, đội ngũ lại bảo vệ thành công chức vô địch tại RoboCup Large Size.
Tiến tới nền tảng vật lý thế hệ tiếp theo
Chiến lược học có thể triển khai trực tiếp từ mô phỏng lên máy thực, thuật toán chỉ là một mắt xích. Phản hồi khớp có nhất quán không, chu kỳ điều khiển có ổn định không, cảm biến và đơn vị tính toán có xuất kết quả đúng hạn không, đều sẽ ảnh hưởng đến biểu hiện cuối cùng. Bất kỳ sai số tầng đáy nào, đều có thể bị khuếch đại trong chuyển động tốc độ cao.
Thí nghiệm máy thực trong bài báo sử dụng nền tảng robot hình người của Jia Su Jin Hua. Thí nghiệm không cải tạo đặc biệt bản thể, thông tin bóng đến từ camera tích hợp trên đầu, nhận thức và điều khiển đều chạy trên đơn vị tính toán tích hợp bo mạch. Điều này chứng tỏ, robot hình người sản xuất trong nước đã có thể gánh vác nghiên cứu trí tuệ vật lý tiên phong thế giới, nhà nghiên cứu có thể dồn tâm sức chính vào thuật toán, sau đó triển khai kết quả huấn luyện lên phần cứng thực.
Mối quan hệ giữa Jia Su Jin Hua và đội Hỏa Thần, cũng từ đó kéo dài từ truyền thừa nhân tài đến nền tảng công nghệ.
Tháng 7 năm nay, Jia Su Jin Hua ra mắt nền tảng hàng đầu thế hệ mới Booster T2, phiên bản chuyên nghiệp tích hợp chip NVIDIA Thor, sức mạnh tính toán đầu cuối đạt 2070 TFLOPS, là nền tảng có sức mạnh tính toán dẫn đầu hiện tại trong lĩnh vực robot hình người hai chân. Booster Studio đi kèm tích hợp huấn luyện mô phỏng, phát triển thuật toán và triển khai máy thực vào cùng một môi trường phát triển.
Ngày 19 tháng 8, Booster T2 chính thức ra mắt tại Đại hội Robot Thế giới, trình diễn màn ra mắt động tác bùng nổ cao. Ba ngày sau, 80 chiếc Booster T2 tại lễ khai mạc Hội thao Robot hoàn thành phối hợp tự chủ không trung tâm, trên mặt đất viết chữ BEIJING, biểu tượng hội thao và biểu tượng ba hạng mục thi đấu, không điều khiển từ xa, không khẩu lệnh, 80 "não bộ" ra quyết định độc lập cùng đạt được phối hợp trong cùng một thời khắc. Tổng sức mạnh tính toán của 80 robot khoảng 170 nghìn TFLOPS, cấu thành một cụm tính toán đang bước đi.
Vòng lặp nhận thức đơn máy, biến trận phối hợp đa máy, đằng sau phụ thuộc vào cùng một bộ năng lực tầng đáy: bản thể ổn định, tính toán thời gian thực đầu cuối, điều khiển chuyển động chính xác. Ranh giới năng lực, theo sự lặp lại của nền tảng đang mở rộng liên tục.
Từ robot thời kỳ đầu cao 50 cm, cần người đỡ mới đứng vững, đến Booster T2 ngày nay tự chủ đá bóng trên sân nghìn mét vuông, dàn trận viết chữ tại lễ khai mạc, tích lũy hai mươi hai năm, đang thể hiện với quy mô ngày càng lớn, robot hình người cũng từ "biết động" từng bước tiến tới "có thể dùng", từ hành động đơn máy đến hợp tác nhóm.
Liên kết tham khảo: https://www.science.org/journal/scirobotics
Bài viết này đến từ tài khoản công chúng WeChat "Cơ Chi Chi Tâm" (ID:almosthuman2014), biên tập: Dương Văn
