AI tạo không gian 3D ảo giúp robot học hỏi từ sai sót trước khi vào thực tế

Các nhà nghiên cứu tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo MIT cùng Viện Nghiên cứu Toyota đã phát triển hệ thống SceneSmith, một nền tảng AI giúp tạo ra các môi trường trong nhà 3 chiều chi tiết từ các mô tả văn bản đơn giản. Hệ thống này cho phép robot thực hành nhiều nhiệm vụ trong không gian ảo, từ đó nhận diện các kế hoạch hành động chưa hiệu quả trước khi áp dụng vào thế giới thực.

Khác với các mô phỏng trước đây vốn tạo ra các căn phòng thưa thớt, ít đồ đạc, SceneSmith xây dựng những mô hình 3D với nhiều vật dụng và bố trí gần gũi với môi trường sống thật, giúp cải thiện khả năng phản ứng linh hoạt và thực tiễn của robot.

SceneSmith sử dụng ba tác nhân AI dựa trên GPT-5.2 phối hợp để xây dựng không gian 3D theo từng lớp, bắt đầu từ bản thiết kế sàn nhà, đồ nội thất, đến các vật dụng nhỏ có thể cầm nắm hoặc di chuyển. Tác nhân kiểm duyệt đảm bảo sự sắp đặt tự nhiên, chẳng hạn không để bồn tắm xuất hiện trong phòng khách. Nếu cần, tác nhân điều phối có thể yêu cầu chỉnh sửa lại thiết kế.

Hệ thống không chỉ tạo ra cảnh quan chân thực mà còn lập trình vật lý để các vật thể có thể tương tác được, như tủ có cửa mở đóng, đồ vật di chuyển và có trọng lượng, ma sát đúng thực tế. Qua đó, robot có thể luyện tập việc mở tủ, cầm nắm hoặc đẩy đồ vật một cách sống động, thay vì chỉ tương tác với cảnh vật tĩnh.

Nhóm nghiên cứu đã tạo ra hơn 1.300 cảnh quan ảo đa dạng, từ phòng ngủ, khách sạn đến cửa hàng gốm và phòng chơi game lấy cảm hứng từ Minecraft. Các môi trường này chứa lượng đồ vật gấp sáu lần so với các mô hình cũ, giúp robot gặp phải các tình huống nhiều yếu tố gây khó khăn giống đời thật.

Thông qua các bài tập trong mô phỏng, robot có thể thử thực hiện nhiệm vụ như di chuyển lon nước từ kệ xuống bàn hay đặt cốc vào bồn rửa với nhiều bố cục khác nhau, giúp đánh giá kế hoạch hành động trong nhiều bối cảnh thay vì một lần trình diễn duy nhất.

Xác suất đối tượng ở trạng thái ổn định trong mô phỏng lên đến 96%, và chỉ dưới 2% các cặp vật thể bị va chạm không hợp lý. Người tham gia khảo sát cho biết 92% cảm nhận các môi trường do SceneSmith tạo ra có độ chân thực cao hơn đáng kể so với các phương pháp trước đó, cùng với 91% cho rằng chúng bám sát mô tả ban đầu.

Dù vậy, việc xây dựng một cảnh khu vực chi tiết tốn nhiều thời gian, có thể kéo dài vài giờ do các tác nhân AI phải tạo và đánh giá nhiều vật thể. Hơn nữa, SceneSmith còn hạn chế trong mô phỏng vật thể mềm, dễ biến dạng như bọt biển.

Việc robot được luyện tập qua hàng nghìn lần sai sót trong môi trường ảo cho phép kỹ sư phát hiện và chỉnh sửa kế hoạch hành động yếu mà không lo gây tổn thất vật chất hoặc nguy hại đến người thật. Công nghệ này hứa hẹn là bước đệm quan trọng giúp robot phục vụ nhà cửa có thể thích nghi với môi trường sống phức tạp, không cố định, nơi vật dụng và đồ đạc luôn thay đổi vị trí.

Dù vậy, thử nghiệm thực tế vẫn là khâu bắt buộc để đảm bảo robot vận hành an toàn ngoài đời thực, bởi nhà ở luôn chứa những yếu tố bất ngờ mà không thể mô phỏng hoàn toàn bằng kỹ thuật số.

SceneSmith là minh chứng cho cách ứng dụng AI giúp rút ngắn thời gian và tăng hiệu quả đào tạo robot trước khi đưa vào hoạt động thực tiễn, hướng tới các thiết bị nhà thông minh có khả năng làm việc đa dạng như nấu ăn, dọn dẹp, xử lý sự bừa bộn và tình huống bất ngờ trong sinh hoạt hằng ngày.

Bài viết được biên tập với sự hỗ trợ của công cụ trí tuệ nhân tạo (AI), tổng hợp từ các nguồn tin dẫn bên dưới và đã qua kiểm duyệt của toà soạn Quang Minh Việt Nam.