AI có thể trở thành một phần đội ngũ kỹ thuật
Hệ thống robot tự cải thiện là quy trình dùng AI để tìm tài liệu, viết và kiểm thử mã, rồi học từ kết quả nhằm giúp robot hình người nâng cao kỹ năng qua nhiều vòng thử nghiệm. Unitree Robotics đang phát triển hướng tiếp cận này để AI đảm nhiệm một phần công việc hiện do kỹ sư thực hiện, thay vì dựa hoàn toàn vào lập trình và gỡ lỗi thủ công. Nhà sáng lập Wang Xingxing giới thiệu ý tưởng về một hệ thống phát triển robot “tự tiến hóa” tại hội nghị AI vật lý của công ty ở Hàng Châu hôm thứ Năm, đồng thời xem đây là ưu tiên của Unitree trong năm nay.
Động lực rất thực tế: dạy robot một kỹ năng mới thường đòi hỏi thu thập dữ liệu, huấn luyện mô hình và điều chỉnh hành vi. Kỹ năng chạy được trong phòng thí nghiệm còn có thể phải làm lại khi môi trường thay đổi. Tự động hóa chu trình này có thể giúp robot tiếp thu năng lực nhanh hơn và trên quy mô lớn hơn. Đó là bước chuyển đáng chú ý: cuộc đua không còn chỉ nằm ở việc robot đi, chạy hay biểu diễn tốt, mà ở khả năng hoàn thành việc hữu ích.
Vòng lặp từ nghiên cứu đến robot thật
Ý tưởng của Unitree không phải để AI viết mã rồi đưa thẳng robot vào làm việc. Hệ thống dự kiến tạo một vòng khép kín: các tác nhân AI tìm bài nghiên cứu, viết mã điều khiển, thử mã và huấn luyện trong môi trường mô phỏng. Những kết quả tốt hơn sau đó được kiểm chứng trước khi đưa lên robot vật lý; một hệ thống đánh giá riêng chấm kết quả để chuyển sang vòng tiếp theo, với con người tham gia khi cần. Dự án được gọi là Unitree Rehearsal.
Mô phỏng giúp sàng lọc phương án trước khi thử trên phần cứng thật, nhưng không thay thế được kiểm chứng ngoài đời. Kỹ sư vẫn cần đánh giá kết quả và đưa phản hồi, ít nhất trong giai đoạn hiện tại. Wang kỳ vọng khi mô hình AI tiến bộ, chúng có thể gánh thêm phần lập kế hoạch và lặp lại thử nghiệm, qua đó giảm nhu cầu can thiệp của con người. Vì vậy, điểm hứa hẹn của AI tự viết mã không chỉ là tạo mã nhanh hơn, mà là rút ngắn cả chu trình thử, sai và sửa.
Trình diễn chưa đồng nghĩa với năng lực ổn định
Tại hội nghị AI vật lý gần đây, video trình diễn cho thấy robot Unitree dùng GPT-6 để lập bản đồ tuyến đường và lên kế hoạch di chuyển mà không cần huấn luyện riêng cho từng nhiệm vụ. Đây là tín hiệu đáng chú ý, nhưng chưa chứng minh robot có thể lặp lại kết quả ổn định trong môi trường mới. Khoảng cách giữa mô phỏng và đời thực vẫn lớn: theo Chỉ số AI năm 2026 của Đại học Stanford, robot chỉ hoàn thành thành công 12% nhiệm vụ gia đình trong các đánh giá ở môi trường thực tế.
Khó khăn còn nằm ở thao tác vật lý. Lập kế hoạch và điều hướng có thể tiến bộ nhờ mô hình lớn, nhưng cầm nắm, lắp ráp chính xác và điều chỉnh lực theo tình huống đòi hỏi sự ăn khớp giữa đầu ra của AI với cơ cấu robot. Đây là giới hạn cốt lõi: mã tốt trong mô phỏng chưa chắc điều khiển được một cánh tay thật với sai số cơ khí và điều kiện khó đoán. Vì thế, tuyên bố về robot tự cải thiện nên được nhìn nhận như một hướng phát triển đầy tiềm năng, chưa phải bằng chứng rằng kỹ sư có thể rút khỏi quy trình.
Giá trị cuối cùng nằm ở việc nhàm chán mà hữu ích
Unitree cho rằng robot hình người có thể bắt đầu dọn phòng theo yêu cầu từ năm 2027, nhưng Wang nhận định năm 2028 là mốc thực tế hơn. Với người dùng, một robot biết tự điều chỉnh để hoàn thành việc nhà đáng giá hơn nhiều màn trình diễn nhào lộn. Tuy nhiên, mốc dự báo chỉ có ý nghĩa nếu robot làm được việc an toàn, đáng tin cậy và lặp lại trong những căn phòng khác nhau.
Nếu vòng lặp AI–mô phỏng–kiểm chứng hoạt động hiệu quả, Unitree có thể giảm khối lượng lập trình thủ công và giúp kỹ sư tập trung vào những vấn đề khó nhất ở thế giới vật lý. Nhưng tự động hóa phát triển không xóa bỏ nhu cầu kiểm chứng; nó khiến việc đánh giá sai sót và chuyển kỹ năng từ mô phỏng sang robot thật càng quan trọng. Kết luận: AI tự viết mã có thể là đòn bẩy để robot học nhanh hơn, song thước đo thành công vẫn là khả năng làm việc ổn định ngoài đời, không phải mã được tạo ra nhanh đến đâu.
