[비즈한국] Trọng tâm cạnh tranh của robot hình người đang chuyển dịch sang việc 'cầm nắm và xử lý tinh vi đến mức nào'. Bởi lẽ, để tạo ra giá trị kinh tế thực tế tại các công trường sản xuất và hậu cần thay vì chỉ dùng để trình diễn, năng lực của 'bàn tay' trong việc nhận diện vật thể và điều khiển lực là yếu tố then chốt. Tại triển lãm 'Humanoide Summit Seoul 2026' diễn ra trong hai ngày kể từ ngày 22 tại Coex, Seoul, các thiết bị như bàn tay robot, cảm biến xúc giác và thiết bị thu thập dữ liệu chuyển động tay đã thu hút sự chú ý của khách tham quan không kém gì các mẫu robot hoàn thiện.
Năng lực 'Nhận diện' và 'Điều khiển' là cốt lõi
Trên sân khấu toàn cầu, trọng tâm cũng đang dần chuyển dịch sang đôi tay. Tại Hội nghị Robot Thế giới (WRC 2026) tổ chức ở Bắc Kinh tháng trước, đã có đánh giá cho rằng bàn tay robot – thứ vốn từng bị coi là 'phụ kiện' của robot – nay đã đứng vào vị trí trung tâm. Elon Musk, CEO của Tesla, ước tính rằng đôi tay chiếm khoảng 60% nhiệm vụ phát triển robot hình người 'Optimus'.
Xu Yongkui, Giám đốc công nghệ (CTO) của MRDVS, diễn giả trong buổi thuyết trình của các startup vào chiều ngày khai mạc, cho biết: "Một robot hình người không có khả năng thị giác (vision) giống như một 'cơ thể mù lòa'". Ông chẩn đoán thêm: "Ngay cả khi robot không còn bị hạn chế về khả năng di chuyển, cuối cùng nó vẫn sẽ va phải giới hạn trong khoảng cách giữa năng lực đi lại và khả năng nhận thức thế giới vật lý". Điều này có nghĩa là khác với các robot hậu cần đi theo lộ trình cố định, robot hình người phải nhận diện và xử lý các vật thể trong môi trường không định hình.
Doanh nghiệp AI vật lý trong nước Robotis đã giới thiệu dòng sản phẩm bàn tay từ 2 đến 5 ngón dựa trên bộ truyền động (actuator) mô-đun của riêng mình. Một đại diện của Robotis giải thích: "Bàn tay 5 ngón có lợi cho việc học dữ liệu vì giống tay người, nhưng bàn tay 4 ngón hoặc 3 ngón có giá thành rẻ hơn đáng kể và có thể thu nhỏ bằng kích thước tay người dù độ tự do thấp hơn. Người dùng chỉ cần lựa chọn tùy theo mục đích sử dụng".
Công nghệ được Robotis nhấn mạnh là 'tính nghịch đảo' (back-drivability). Ngoài lực nắm của động cơ, bàn tay còn tiếp nhận lực tác động từ bên ngoài, giúp các ngón tay tự nhiên ôm sát vào hình dạng vật thể. Theo giải thích, điều này giúp giữ vật thể ổn định và hỗ trợ mô hình AI nhận diện xem đã nắm đúng hay chưa.
Doanh nghiệp mô hình nền tảng robot RealWorld đã công bố nguyên mẫu điều khiển bàn tay robot 5 ngón. Một đại diện của RealWorld cho biết: "Bàn tay 5 ngón có đặc điểm là có thể áp dụng trực tiếp các công việc của con người mà không cần thiết kế lại. Nó phù hợp để đảm bảo phạm vi làm việc rộng vì thường thì vai trò của ngón áp út hoặc ngón út là rất quan trọng tùy theo tác vụ". Điều này cho thấy các bộ gắp dạng kẹp hiện có có giới hạn đối với công việc đòi hỏi độ chính xác cao.
Nút thắt cổ chai là 'Dữ liệu của bàn tay'
Trăn trở chung của ngành cuối cùng vẫn là dữ liệu. Các nhân sự tại hiện trường đồng loạt chỉ ra dữ liệu là nút thắt cổ chai ở thời điểm hiện tại. Đại diện của Robotis nhấn mạnh: "Trớ trêu thay, nút thắt của AI vật lý lại nằm ở phía phần mềm AI và thu thập dữ liệu". Không giống như các mô hình ngôn ngữ lớn (LLM) vốn tràn ngập dữ liệu được tổng hợp bằng văn bản, dữ liệu về việc robot cầm nắm vật thể nào bằng bao nhiêu lực vẫn còn thiếu hụt trầm trọng.
Đây là lý do các doanh nghiệp hàng đầu nước ngoài đang dồn toàn lực vào việc đảm bảo dữ liệu. Đại diện của WhatsLab cho biết: "Ngay cả những doanh nghiệp được đánh giá cao về sản xuất robot hình người như Figure cũng đang thu thập và mua dữ liệu đời sống thường nhật của người bình thường thông qua ứng dụng di động. Trong lĩnh vực robotics, hiện vẫn chưa xác định được dữ liệu nào là chuẩn mực nên vẫn đang trong giai đoạn tìm kiếm".
Khi cuộc cạnh tranh giành dữ liệu nổ ra, thị trường 'công cụ' thu thập chúng cũng đang mở rộng. Start-up WhatsLab, đơn vị đang hợp tác chiến lược với Robotis, đã tung ra bộ điều khiển dạng găng tay để thu thập dữ liệu chuyển động tay. Theo cách này, khi con người đeo găng tay và cử động, các chuyển động tay sẽ được trích xuất thành số liệu, sau đó được sử dụng để điều khiển robot từ xa hoặc huấn luyện AI.
Shim Dong-hyun, CEO của WhatsLab, khẳng định: "Cách thức của Manus (Hà Lan), doanh nghiệp đi đầu, chịu ảnh hưởng nhiều từ từ trường xung quanh nên thường tạo ra nhiễu ngay cả gần động cơ hoặc điện thoại di động". Ông cũng cho biết: "Việc theo dõi bàn tay dựa trên camera sẽ bị giảm độ chính xác đáng kể nếu tay bị che khuất hoặc chồng lấp". WhatsLab cho biết họ đã vượt qua hạn chế này bằng cảm biến thiết bị đo quán tính (IMU). Họ cũng đã phát triển một thuật toán tự động áp dụng dữ liệu mà không cần thực hiện công việc chuyển đổi dữ liệu (retargeting) mỗi khi hình dạng bàn tay robot thay đổi.
Nhịp độ của thị trường cũng đã trở nên nhanh hơn dự kiến. Ngành công nghiệp ban đầu dự đoán găng tay xúc giác sẽ tung ra thị trường ồ ạt vào cuối năm nay. Tuy nhiên, khi các doanh nghiệp lớn đồng loạt trưng bày các loại găng tay thu thập dữ liệu giúp nắm bắt chuyển động tay và phản hồi xúc giác của con người để chuyển sang bàn tay robot tại WRC tháng trước, giới quan sát đánh giá rằng thời điểm bùng nổ của thị trường đã được đẩy nhanh hơn.
Đã có 'xúc giác' nhưng... việc kết nối với AI vẫn còn sơ khai
Tuy nhiên, vẫn tồn tại khoảng cách giữa công nghệ mà các doanh nghiệp quảng bá và trình độ hiện thực hóa thực tế. Wang Xingxing, CEO của Unitree, dự đoán rằng dù ngành công nghiệp robot đang tiến gần đến 'khoảnh khắc ChatGPT', nhưng có thể mất từ 2 đến 10 năm để phần mềm robot có thể xử lý tốt môi trường thực tế xa lạ. Điều này có nghĩa là để robot hình người có thể 'đi làm' tại các nhà máy, trước tiên cần phải lấp đầy các công nghệ ở đầu ngón tay và dữ liệu hỗ trợ chúng.
Cả Robotis và WhatsLab đều đã hoặc thông báo sẽ trang bị cảm biến xúc giác để cảm nhận áp lực ở đầu ngón tay, nhưng giai đoạn để AI sử dụng thông tin này vào việc ra quyết định thì chỉ mới bắt đầu.
Đại diện của RealWorld giải thích: "Bản thân cảm biến xúc giác đang được phát triển rất nhiều nhưng nghiên cứu sử dụng trực tiếp chúng vào các mô hình VLA (thị giác - ngôn ngữ - hành động) vẫn đang trong quá trình tiến hành. Chúng tôi đang tập trung vào việc áp dụng thông tin xúc giác vào các mô hình VLA một cách hiệu quả".
Vấn đề cũng nằm ở phương thức thu thập dữ liệu. Hiện nay, cấu trúc đang là con người phải trực tiếp điều khiển robot để tích lũy dữ liệu nên hiệu quả công việc bị thấp. Đại diện của WhatsLab cho biết: "Mục tiêu là để robot hình người có thể học tập từ chính dữ liệu phát sinh khi con người làm việc một cách tự nhiên".
Chính phủ cũng có kế hoạch bắt tay vào tháo gỡ nút thắt dữ liệu. Tại sự kiện lần này, Bộ Khoa học và Công nghệ Thông tin truyền thông đã công bố kế hoạch xây dựng 'Thư viện dữ liệu AI vật lý', nơi các mô hình AI, robot và doanh nghiệp có nhu cầu thực tế cùng nhau tích lũy dữ liệu và sử dụng chúng để nâng cấp mô hình.