Bài viết tổng hợp đối thoại chuyên sâu với các nhà sáng lập và chuyên gia từ Sudo, Ant Group Lingbo, Independent Robotics và Poke Robotics về những tranh luận và hướng đi tương lai của robot hình thể.
Startup Liangyuan giới thiệu hướng đi mới cho AI vật lý, cho phép mô hình điều hướng zero-shot vận hành linh hoạt trên bốn loại hình robot khác nhau mà không cần huấn luyện lại.
Nhóm nghiên cứu từ ĐH Thanh Hoa đề xuất EMERGE-Policy, khung đa tác nhân cho phép tích hợp nhiều mô hình chuyên biệt thay vì phụ thuộc vào một mô hình đơn lẻ, giúp robot xử lý hiệu quả các nhiệm vụ phức tạp và dài hạn.
Adaptive Bridge là lớp trung gian giúp tách biệt các tiến trình quan trọng khỏi các nút bị suy giảm hiệu năng trong ROS 2, ngăn chặn tình trạng nghẽn mạng DDS ảnh hưởng đến toàn hệ thống bằng cách phân tách luồng dữ liệu.
AI Notes@AYi_AInotesUnitree chính thức mở mã nguồn mô hình UnifoLM-WLA-1.0 (6B tham số), cho phép robot hình người thực hiện từ điều hướng đến thao tác tinh vi với độ trễ chỉ 106ms. Dự án cung cấp toàn diện từ trọng số, dữ liệu huấn luyện đến hướng dẫn triển khai thực tế.
Nhóm nghiên cứu từ ĐH Hàng không Vũ trụ Bắc Kinh và NTU giới thiệu PhyFilter, một module vật lý giúp robot thích nghi với môi trường mới chỉ bằng dữ liệu huấn luyện hạn chế, mở ra hướng đi thay thế cho việc 'cày' dữ liệu quy mô lớn.
Tại hội nghị InnoMatch, Shengshu Technology đã giới thiệu Motus2, mô hình thế giới tự tiến hóa tích hợp chiến lược, mô phỏng và đánh giá hành động, đánh dấu bước tiến quan trọng trong việc phát triển các tác nhân AI tự chủ có khả năng tương tác vật lý.
Cùng sự kiện, bài đại diện «Shengshu Technology ra mắt Motus2: Mô hình thế giới tự tiến hóa cho robot thao tác linh hoạt»Đại học Công nghệ Nanyang, Shanghai AI Lab và Daxia Robotics giới thiệu HSImul3R, khung mô phỏng đột phá cho phép robot học hỏi các kỹ năng phức tạp trực tiếp từ video tương tác giữa con người và môi trường.
Show-Harness cung cấp giao diện hành động ngữ nghĩa rời rạc, giúp các mô hình ngôn ngữ thị giác (VLM) điều khiển robot trực tiếp mà không cần huấn luyện chuyên sâu hay bổ sung mô hình phức tạp.
Nghiên cứu đề xuất phương pháp Action Map Policy, áp dụng cơ chế Cross-Entropy từ mô hình ngôn ngữ lớn vào điều khiển robot, giúp giải quyết bài toán không gian hành động đa chiều phức tạp thông qua phân loại thay vì hồi quy truyền thống.
TANGO là khung điều hướng thị giác-ngôn ngữ đầu tiên cho phép robot hình người di chuyển trong không gian 3D hỗn loạn bằng lệnh thoại. Mô hình đạt hiệu suất SOTA trong mô phỏng và có thể triển khai trực tiếp lên robot Unitree G1 mà không cần dữ liệu thực tế.
CosmoH2G giới thiệu bộ dữ liệu quy mô lớn gồm 6.189 tập thao tác, giúp robot học cách thực hiện các chuyển động không gian phức tạp như xoay hoặc lật vật thể từ dữ liệu tay người, vượt xa các phương pháp phẳng truyền thống.
GE-Act 2.0 là mô hình hành động thế giới (WAM) được huấn luyện từ đầu với kiến trúc tối ưu, giúp robot thao tác chính xác hơn thông qua việc kết hợp lập kế hoạch hình ảnh và động lực học nghịch đảo.
Cùng sự kiện, bài đại diện «OpenWAM: Bước tiến mở và mô-đun hóa trong huấn luyện trước mô hình Thế giới - Hành động»SimpleMemVLA loại bỏ các module bộ nhớ phức tạp, thay vào đó truyền trực tiếp lịch sử video vào backbone để xử lý, giúp mô hình VLA ghi nhớ thông tin dài hạn hiệu quả hơn mà không cần nén dữ liệu.
EmbodiedSkills là khung làm việc mới giúp các tác nhân VLA thực hiện nhiệm vụ phức tạp bằng cách kết hợp kiểm tra điều kiện tiên quyết và xác thực kết quả sau hành động, đảm bảo tính chính xác trong môi trường thực tế.
HiDream.ai vừa công bố HiDream-O1-Embodied, mô hình thế giới tích hợp công nghệ đa phương thức nguyên bản, đánh dấu bước tiến quan trọng trong việc hiện thực hóa trí tuệ nhân tạo cho robot và các hệ thống tự hành.
Nhóm nghiên cứu từ ĐH Chiết Giang và Alibaba DAMO Academy đã phát triển VLA-Corrector, một mô hình nhẹ giúp robot phát hiện và sửa lỗi kịp thời trong các khoảng mù hành động, thay vì mù quáng thực hiện chuỗi lệnh cũ.
RoboTok là hệ thống đột phá giúp trích xuất các video thao tác của con người từ Internet để huấn luyện robot, giải quyết bài toán thiếu hụt dữ liệu thực tế thông qua không gian chuyển động 3D linh hoạt.
Rohan Paul@rohanpaul_aiHangzhou dusk, Unitree G1 robot practice
DịchĐoạn video ghi lại cảnh robot hình người Unitree G1 thực hiện các bài tập vận động linh hoạt tại Hàng Châu trong khung cảnh hoàng hôn, cho thấy bước tiến mới trong khả năng điều khiển của robot.
FoldingAgent là khung tác nhân AI sử dụng mô hình ngôn ngữ thị giác (VLM) để phân tích video và chuyển đổi thành các chương trình gấp giấy tham số hóa, giúp giải quyết sai số trong các thao tác phức tạp.
Nhóm nghiên cứu từ NTU giới thiệu Facet-0, mô hình nền tảng cho phép robot thực hiện các tác vụ lắp ráp phức tạp với độ chính xác cao, khả năng tự phục hồi khi gặp lỗi và thích nghi nhanh với linh kiện mới.
Bài viết phân tích các rào cản kỹ thuật khi đưa AI từ môi trường số ra thế giới thực, đồng thời giới thiệu diễn đàn về trí tuệ nhân tạo hiện thân tại hội nghị Inclusion 2026 nhằm thảo luận về dữ liệu, mô hình và khả năng ứng dụng thực tiễn.
Được đồng sáng lập bởi Fei-Fei Li, Atlas cho phép tái tạo không gian 3D chân thực từ ít ảnh đầu vào, hỗ trợ xuất dữ liệu 3D chuyên sâu và video 1440p có thể điều khiển.
Từ nấu ăn đến cứu hộ khẩn cấp, robot hình người tại Trung Quốc đang dần thoát khỏi các màn trình diễn để ứng dụng vào đời sống và sản xuất thực tế.
ZimaBlue là khung huấn luyện đột phá giúp robot học cách điều khiển thông qua việc quan sát video thực tế thay vì chỉ dựa vào dữ liệu hành động đắt đỏ, giúp tăng khả năng thích nghi trong môi trường đa dạng.
LightNav-0 là mô hình điều hướng robot nhỏ gọn, tận dụng trí tuệ không gian của VLM mà không cần bộ dự đoán chuyên biệt. Nó đạt hiệu suất SOTA trên 10 môi trường mô phỏng và thể hiện khả năng thích nghi linh hoạt trong thế giới thực.
Đột phá mới từ Viện AIR Thanh Hoa cho phép các mô hình robot tự tiến hóa mà không cần thay đổi tham số, giúp nâng cao đáng kể khả năng thích nghi trong môi trường thực tế.
NavMCP là khung làm việc mới kết hợp khả năng suy luận của VLM với mô hình điều hướng (NFM), cho phép robot thực hiện các nhiệm vụ dài hạn mà không cần huấn luyện lại, thông qua sự phối hợp giữa ý định, quan sát và bộ nhớ.
Lucida là phương pháp mới giúp chuyển đổi cảnh nội thất thực tế thành các tài sản 3D có thể chỉnh sửa riêng biệt. Hệ thống sử dụng quy trình ba bước gồm phân tích, tạo tài sản và dùng VLM để tự động hóa việc sắp xếp vật thể trong môi trường mô phỏng.
Nghiên cứu giới thiệu Intention Distillation (INDI), kỹ thuật giúp mô hình VLA hiểu rõ mục tiêu ngữ nghĩa đằng sau các hành động thay vì chỉ bắt chước chuyển động, giúp robot thực thi nhiệm vụ chính xác hơn.
Deedy Das@deedydas5 human records were beaten at the World Humanoid Robot Games in China that ended a few days ago, fu…
DịchTại giải đấu robot hình người thế giới vừa kết thúc, các robot đã tự chủ hoàn toàn và thiết lập 5 kỷ lục mới của nhân loại. Các dòng robot từ Agibot và X-Humanoid đã thống trị các hạng mục thi đấu từ tác vụ phức tạp đến điền kinh.
TacForcing là khung tạo hành động mới giúp robot thích nghi với các thao tác phức tạp bằng cách tích hợp phản hồi xúc giác trực tiếp trong quá trình thực thi, thay vì dựa vào các bộ điều khiển tách biệt.
Bài viết nhìn nhận lại giá trị thực tế của công nghệ thị giác xúc giác (vision-tactile) trong bối cảnh thị trường đang đặt nhiều kỳ vọng nhưng cũng đối mặt với thách thức về tính độc bản.
Zero-WAM là mô hình video-hành động cho phép robot thực hiện các tác vụ chưa từng học thông qua việc quan sát video hướng dẫn từ con người, giúp giải quyết bài toán tổng quát hóa trong điều khiển robot.
MA-VLA là khung làm việc mới giúp điều phối nhiều cánh tay robot thông qua việc phân tách nhiệm vụ thành các hành động nguyên tử, cho phép robot thực hiện các tác vụ phối hợp phức tạp ngay cả với những kịch bản chưa từng gặp.
Rohan Paul@rohanpaul_aiSoftBank is reportedly negotiating control of 1X Technologies at a $6B valuation, pushing deeper int…
DịchSoftBank đang tiến gần đến việc nắm quyền kiểm soát 1X Technologies sau khi startup này gặp khó khăn trong việc huy động vốn với mức định giá kỳ vọng 10 tỷ USD trước đó.
Rohan Paul@rohanpaul_aiBrilliant open-source robotics foundation-model release from @perceptroninc. Isaac 0.5 cuts teleop…
DịchPerceptron giới thiệu Isaac 0.5, mô hình MoE 36B tham số giúp tối ưu hóa khả năng điều khiển robot thông qua video, giảm đáng kể sự phụ thuộc vào thao tác thủ công. Mô hình hỗ trợ đa phương thức, cho phép điều khiển trực tiếp hoặc hỗ trợ nhận diện cho cánh tay robot.
Bài viết tổng hợp 21 tình huống đáng nhớ nhất tại Thế vận hội Robot hình người 2026, từ những pha di chuyển linh hoạt đến các sự cố hài hước, phản ánh bước tiến vượt bậc của công nghệ robot trong đời sống.
Tại Giải vô địch Robot hình người thế giới, đội tuyển Đại học Điện lực Bắc Kinh đã giành huy chương vàng hạng cân 40kg nhờ thuật toán tối ưu, vượt qua chính đội ngũ kỹ thuật của nhà sản xuất Unitree trên cùng một nền tảng phần cứng.
Tại Đại hội Thể thao Robot hình người lần thứ hai, Tiangong Ultra đã phá kỷ lục thế giới của chính mình với thành tích 8,64 giây, nhanh hơn kỷ lục của Usain Bolt gần 1 giây nhờ cải tiến vượt bậc về phần cứng và hệ thống điều khiển.