Gemini Robotics 2 là gì và vì sao nó đáng chú ý?
Gemini Robotics 2 là bộ mô hình AI cốt lõi mới của Google dành cho robot hình người và robot công nghiệp, cho phép chúng quan sát môi trường, hiểu yêu cầu ngôn ngữ tự nhiên, tự lập kế hoạch chuyển động toàn thân và thực thi nhiều tác vụ liên tiếp với khả năng thích ứng nhanh với cấu hình phần cứng mới. Điều khiến Gemini Robotics 2 đáng được xem như một bước nhảy, hơn là bản nâng cấp thông thường, nằm ở chỗ robot không chỉ "nghe lệnh và làm" mà có thể suy luận hiện thân: tự tính toán chuỗi hành động phù hợp với bối cảnh thay đổi xung quanh. Đây là khác biệt chiến lược với thế hệ robot tự động hóa cũ vốn dựa chủ yếu vào kịch bản cố định. Google giới thiệu hệ thống này ngày 30–31/7 như tín hiệu rõ ràng rằng AI đã rời khỏi màn hình, bước vào thế giới chuyển động của robot hình người.
Ba mô hình AI: cấu trúc "bộ não" cho robot AI thông minh
Điểm mạnh của Gemini Robotics 2 nằm ở thiết kế ba tầng, giống như ba lớp "bộ não" phối hợp với nhau trong từng nhiệm vụ. Tầng đầu tiên là Gemini Robotics 2 – mô hình thị giác-ngôn ngữ-hành động (VLA) điều khiển trực tiếp chuyển động từ chân, thân người đến bàn tay của robot hình người cũng như các robot hai tay. Tầng thứ hai là Gemini Robotics ER 2 – mô hình thị giác-ngôn ngữ đảm nhiệm suy luận hiện thân và vai trò tác tử, tức nhà lập kế hoạch cấp cao: nó chia nhiệm vụ thành nhiều bước, theo dõi tiến độ và điều chỉnh nếu robot thực hiện chưa đúng. Tầng cuối là Gemini Robotics On-Device 2 – phiên bản VLA tối ưu để chạy ngay trên phần cứng robot, giảm phụ thuộc Internet và cho phép tinh chỉnh nhanh cho cấu hình mới chỉ với vài giờ dữ liệu. Cấu trúc này biến robot từ cánh tay máy đơn lẻ thành hệ thống tự động hóa linh hoạt có tư duy tầng bậc.
Từ mô phỏng đến sàn nhà xưởng: khả năng thích ứng có đủ để vào công nghiệp?
Về lý thuyết, khả năng thích ứng với robot mới chỉ trong vài giờ thay vì vài tuần là thay đổi mang tính kinh tế cho ứng dụng robot công nghiệp: doanh nghiệp có thể hoán đổi tay gắp, thân xe hoặc cấu hình robot mà không phải tái lập trình toàn bộ dây chuyền. Trong thực nghiệm, robot dùng Gemini Robotics 2 đã biết đi bộ, ngồi thấp, cúi người, giữ thăng bằng và thao tác trong không gian chật hẹp hoặc lộn xộn, từ việc thu dọn đồ trên kệ đến tháo bóng đèn hay buộc túi rác. Đây là tập hành vi mà các hệ thống robot tự động hóa truyền thống khó đạt được nếu không có kịch bản chi tiết cho từng vị trí. Tuy vậy, chính các thử nghiệm mà Google công bố cho thấy độ ổn định còn hạn chế: khi lắp bóng đèn hay đóng túi khóa kéo, tỉ lệ thành công chỉ khoảng 40% ở một số nhiệm vụ, cho thấy các thao tác tinh với nhiều ngón tay vẫn là điểm yếu.
Gemini Robotics ER 2: "người quản lý ca" cho đội robot công nghiệp và dịch vụ
Nếu Gemini Robotics 2 là người thợ trực tiếp cử động, thì Gemini Robotics ER 2 giống như quản lý ca đứng quan sát toàn bộ quy trình. Nó nhận hình ảnh từ camera, phân rã nhiệm vụ thành các bước, kiểm tra robot đã làm đúng chưa, và cập nhật kế hoạch khi người dùng thay đổi yêu cầu trong lúc robot đang làm việc. Với môi trường công nghiệp và dịch vụ, vai trò này quan trọng hơn nhiều so với vài phần trăm độ chính xác thao tác: hệ thống phải hiểu ngữ cảnh công việc, phân bổ cho từng robot, rồi điều phối để tránh va chạm. ER 2 cũng hỗ trợ nhiều robot phối hợp trong cùng một không gian – một robot di chuyển đồ, robot khác thao tác bằng tay – cùng trao đổi dữ liệu để hoàn thành nhiệm vụ. Nếu được chứng minh ngoài đời thực, đây sẽ là nền tảng để xây dựng "đội" robot AI thông minh, thay vì từng cánh tay máy lẻ hoạt động độc lập.
Tác động với người dùng và những câu hỏi chưa có lời giải
Ở thời điểm này, người dùng phổ thông chưa có lý do kỳ vọng một "robot Gemini" sẽ xuất hiện trong nhà hay văn phòng sớm. Gemini Robotics 2 chưa được thương mại hóa dưới dạng robot tiêu dùng, mà mới là nền tảng AI cho nghiên cứu, phát triển và tích hợp vào sản phẩm của các nhà sản xuất robot. Tuy vậy, việc mô hình On-Device 2 đã được cung cấp cho một số đối tác thử nghiệm cho thấy Google đang chuẩn bị bước chuyển sang các triển khai thực tế. Vấn đề là thế giới ngoài phòng thí nghiệm phức tạp hơn rất nhiều: đồ vật lệch vị trí, nền trơn, ánh sáng thay đổi, con người xuất hiện bất ngờ. Google nói Gemini Robotics ER 2 có thể phát hiện khi có người tiến lại gần và đưa robot về trạng thái dừng an toàn, nhưng đó mới là dữ liệu do chính họ công bố. Trước khi ứng dụng robot công nghiệp dựa trên Gemini Robotics 2 lan rộng, các bài toán tốc độ, độ chính xác, chi phí triển khai và đặc biệt là an toàn phải được kiểm chứng độc lập, không chỉ qua video demo.
