Các mẫu robot mới của KAIST-ETRI - Ảnh: HERALD CORP
Một nhóm nghiên cứu của Hàn Quốc vừa đứng đầu cuộc thi quốc tế về khả năng robot hiểu chỉ dẫn của con người và tự di chuyển trong những không gian chưa biết trước.
Theo Viện Nghiên cứu điện tử và Viễn thông Hàn Quốc (ETRI), nhóm của viện phối hợp với Viện Khoa học và Công nghệ tiên tiến Hàn Quốc (KAIST) tham dự VLNVerse Challenge, vừa được tổ chức trong khuôn khổ Hội nghị Thị giác máy tính châu Âu ECCV 2026 tại Malmö, Thụy Điển.
Cuộc thi có 112 đội tham gia. Nhóm ETRI - KAIST đạt tỉ lệ thành công trung bình 90,7% qua hai nhiệm vụ. Kết quả này ngang đội đứng thứ hai, nhưng nhóm Hàn Quốc xếp đầu do nộp kết quả sớm hơn theo quy định của cuộc thi.
Công nghệ được thử sức là điều hướng bằng hình ảnh và ngôn ngữ, gọi tắt là VLN. Robot nhận một yêu cầu bằng ngôn ngữ tự nhiên, dùng camera quan sát môi trường rồi tự quyết định đường đi, không cần con người nhập sẵn từng chặng hoặc chuẩn bị bản đồ chi tiết.
Ở nhiệm vụ thứ nhất, robot có thể nhận yêu cầu kiểu "hãy tìm chiếc sofa màu xanh trong phòng khách" rồi tự xác định đường đến mục tiêu. Nhiệm vụ thứ hai khó hơn, robot phải làm theo chuỗi chỉ dẫn như "rẽ phải ở cuối hành lang, đi qua cửa thứ hai rồi dừng cạnh cửa sổ".
Theo KAIST, nhóm nghiên cứu nhận thấy một nguyên nhân khiến robot thất bại thường nằm ở quyết định dừng. Robot có thể đi qua mục tiêu hoặc nhầm một căn phòng có hình dáng tương tự rồi cho rằng mình đã đến nơi.
Để xử lý lỗi này, nhóm phát triển công nghệ CoRe-VLN. Khi robot cho rằng đã đến đích, nó chưa kết thúc nhiệm vụ ngay, mà quan sát lại bốn hướng xung quanh. Một mô hình AI đa phương thức sẽ kiểm tra địa điểm có đúng với yêu cầu hay không, màu sắc và đặc điểm của vật thể có khớp hay không, đồng thời dùng thông tin khoảng cách để xác định mục tiêu có thực sự ở gần.
Nếu kết quả cho thấy robot dừng sai chỗ, hệ thống tạo một đường tìm kiếm mới và tiếp tục di chuyển đến những vị trí có khả năng là mục tiêu.
ETRI cho biết nhóm đã tinh chỉnh một mô hình thị giác - ngôn ngữ có khoảng 8 tỉ tham số cho nhiệm vụ điều hướng. Quá trình huấn luyện và kiểm tra sử dụng 32 bộ xử lý đồ họa Nvidia H200 được hỗ trợ trong 12 tháng.
Mẫu robot Guide Dog do nhóm nghiên cứu phát triển - Ảnh: MAEIL BUSINESS
Một ứng dụng ETRI đang hướng đến là robot dẫn đường cho người khiếm thị mang tên Guide Dog. Hệ thống đang được phát triển để xử lý những yêu cầu bằng lời nói như "đi thẳng", "đi đường bên trái", "tìm cầu thang" hay "tìm lối vào".
Robot dẫn đường hiện dùng camera và LiDAR để nhận biết lối đi, giao lộ và khoảng cách. ETRI dự kiến kết hợp công nghệ VLN để robot hiểu thêm người dùng muốn đến đâu và địa điểm trước mặt có ý nghĩa gì.
Chẳng hạn với yêu cầu "tìm lối vào", robot cần xác định đúng đâu là cửa vào, di chuyển đến đó rồi kiểm tra lại để tránh nhầm với một khu vực có hình dáng tương tự.
ETRI cũng đang phát triển phiên bản có thể chạy trực tiếp trên chip AI do Hàn Quốc sản xuất. Dự án đặt mục tiêu đến năm 2029 đưa mô hình thị giác - ngôn ngữ lên các bộ xử lý AI trong nước để robot, gồm cả robot hình người, có thể tự di chuyển trong nhà máy và kho hàng mà không cần bản đồ độ chính xác cao.
