“Practice makes perfect” (tương tự như câu tục ngữ “Có công mài sắt, có ngày nên kim” của Việt Nam) mang ý nghĩa khuyến khích chúng ta không ngừng rèn luyện để ngày càng giỏi hơn trong lĩnh vực của mình. Vì vậy, các nhà khoa học máy tính tại Đại học Leeds đã lấy ý tưởng này như một cách tiếp cận mới để áp dụng cho robot. Nhờ vào trí tuệ nhân tạo (AI), các robot giờ đây đã có thể cải tiến hơn trước sau mỗi lần chúng mắc lỗi, từ đó, dễ dàng hoàn thành các tác vụ trong thời gian ngắn, nhanh gấp 10 lần so với trước.
Ngày nay, thách thức lớn nhất đối với một cánh tay robot chính là không thể tiếp cận trực tiếp vào đối tượng mục tiêu trong một khu vực hạn chế như tại các kệ trong kho hoặc tủ lạnh. Cụ thể, để tìm và di chuyển một vật thể nào đó, robot phải lên kế hoạch cho một chuỗi các động tác khác nhau, chẳng hạn như di chuyển các vật cản xung quanh sang nơi khác để dễ dàng tiếp cận đối tượng mục tiêu. Sức mạnh máy tính cần thiết để lên kế hoạch cho một nhiệm vụ như vậy là rất lớn, robot sẽ thường tạm dừng trong vài phút. Hơn nữa, khi nó thực hiện di chuyển, tỉ lệ thất bại cũng sẽ rất cao. Vì vậy, các nhà khoa học hiện đang sử dụng kỹ thuật trí tuệ nhân tạo (AI) để giúp robot lập kế hoạch tự động và học tăng cường (reinforcement learning).
Đầu tiên là tự động lập kế hoạch. Robot sẽ xác định tình hình xung quanh thông qua một hệ thống tầm nhìn. Sau đó, phần mềm trong hệ điều hành của chúng sẽ mô phỏng trình tự di chuyển có thể thực hiện để tiếp cận đối tượng mục tiêu. Tuy nhiên, thông thường các mô phỏng của robot không có độ chính xác cao, không phản ánh đúng tình hình, gây cản trở quá trình tiếp cận mục tiêu. Vì vậy, các nhà khoa học đã kết hợp với kỹ thuật thứ hai chính là học tăng cường để giải quyết vấn đề này. Robot sẽ trải qua khoảng 10.000 lần thử nghiệm và mắc lỗi. Thông qua đó, nó có thể chọn lọc được hướng đi nào có cơ hội thành công cao. Theo Đại học Leeds, nhờ vào hai kỹ thuật trên của trí tuệ nhân tạo (AI), các robot sẽ có thể phát triển khả năng khái quát hóa, giúp tăng thời gian suy nghĩ của chúng lên gấp 10 lần.
Học tăng cường nói riêng hiện đang là chủ đề được nghiên cứu chuyên sâu. Trong một cuộc phỏng vấn với cổng thông tin kỹ thuật điện và tự động hóa của CHLB Đức – elektrotechnik AUTOMATISIERUNG, ông Manuel Kaspar đến từ nhóm nghiên cứu robot KUKA cho biết, học tăng cường tương tự như một phiên bản đầy hứa hẹn của máy học. Tuy nhiên, một trong những thử thách lớn nhất chính là, trong những quy trình công nghiệp, chúng ta không thể để các hệ thống thất bại thường xuyên như mong muốn cho đến khi các robot có thể nắm bắt được chính xác tình hình.
Để xem các tin bài khác về Hannover Messe 2020, hãy nhấn vào đây.
(Nguồn: David Schahinian/Hannover Messe)
