Xiaomi đã tiết lộ những gì với robot hình người 66-DoF mới? Tại WRC 2026, công ty đã công khai giới thiệu nguyên mẫu robot hai chân thế hệ tiếp theo được xây dựng dựa trên sự khéo léo của bàn tay lớn hơn và khả năng thực hiện tác vụ công nghiệp, trong khi hoạt động nghiên cứu robot rộng lớn hơn của Xiaomi đang tập trung ngày càng nhiều vào các mô hình nền tảng VLA và thể hiện hóa. Khi trí tuệ nhân tạo thể chất thay đổi cách trí tuệ kỹ thuật số giao tiếp với thế giới vật lý, các nhà phát triển phải đánh giá cách các ngăn xếp phần mềm tiêu chuẩn thích ứng với các môi trường có thể hiện hóa. Robot công nghiệp truyền thống thường dựa vào các môi trường có cấu trúc cao, lập trình chuyên biệt cho từng tác vụ và điều khiển dựa trên mô hình. Ngày nay, vì các hệ thống tiên tiến tích hợp nhận thức đa phương thức trực tiếp vào các vòng điều khiển thời gian thực, các ưu tiên kỹ thuật đang chuyển hướng sang các mô hình nền tảng tầm nhìn-ngôn ngữ-hành động (VLA) có khả năng tổng quát hóa cao.
Tại sao 33 bậc tự do (DoF) của bàn tay lại quan trọng đối với thao tác công nghiệp
Tổng quan nhanh
- Nguyên mẫu robot hai chân thế hệ tiếp theo cao khoảng 1,70 mét, nặng 66 kg và mở rộng khả năng chuyển động của khớp lên 66 bậc tự do.
- Thao tác tinh vi được ưu tiên mạnh mẽ, với 33 bậc tự do tập trung ở phần tay để cho phép xử lý khéo léo các linh kiện công nghiệp linh hoạt và phi tiêu chuẩn.
- Các thử nghiệm trước đó tại nhà máy đạt yêu cầu về chu kỳ sản xuất khoảng 76 giây; sau bốn tháng lặp lại, Xiaomi báo cáo rằng tỷ lệ thành công tại trạm bắt ốc tự ren đã cải thiện từ 90,2% lên 98%.
Sự trỗi dậy của AI thể chất chuyển dịch bài toán phần mềm từ tương tác dựa trên màn hình sang nhận thức, lập kế hoạch và thực thi vật lý. Thay vì kết xuất các tài sản trực quan và quản lý giao diện phẳng, các nhà phát triển giờ đây đang thiết kế các hệ thống có thể suy luận về không gian ba chiều và điều phối các quỹ đạo thao tác bằng hai tay có độ chính xác cao.
Các thử nghiệm tại nhà máy của Xiaomi cho thấy công ty đang ưu tiên các tác vụ sản xuất có thể lặp lại trước khi triển khai rộng rãi hơn. Trước khi triển lãm công cộng, hệ thống robot hai chân đã hoàn thành bốn tháng thực tập nghiêm ngặt trên dây chuyền lắp ráp xe điện của Xiaomi, thực hiện các công việc như lắp ốc tự ren và xử lý hộp vật liệu. Các thử nghiệm trước đó yêu cầu robot vận hành trong chu kỳ làm việc khoảng 76 giây. Sau bốn tháng lặp lại, Xiaomi báo cáo rằng tỷ lệ thành công tại trạm lắp ốc tự ren đã cải thiện từ 90,2% lên 98%. Quá trình chuyển đổi này chứng minh rằng robot hình người đang vượt qua các màn trình diễn đi lại cơ bản để tiến tới các hoạt động có độ khéo léo cao, lặp lại được trong các môi trường vật lý phức tạp.
Hiểu về kiến trúc kỹ thuật của hệ sinh thái robot hình người Xiaomi
Bên trong, nền tảng thế hệ tiếp theo thể hiện sự gia tăng đáng kể về thiết kế cơ khí và tích hợp trí tuệ nhân tạo so với nguyên mẫu CyberOne năm 2022. Mặc dù CyberOne thế hệ đầu tiên chỉ có 21 bậc tự do khớp, mô hình mới nâng con số này lên 66 bậc tự do khớp. Sự mở rộng cơ khí này tập trung chủ yếu vào phần tay, phân bổ tổng cộng 33 DoF cho tay để cho phép điều khiển vận động tinh, cầm nắm đối tượng chính xác và thao tác công cụ tinh tế.
Bên cạnh đó, Xiaomi Robotics đã công bố một số mô hình AI thể hiện hóa và các dự án nghiên cứu dưới khuôn khổ hợp nhất của mình. Các dự án mã nguồn mở này bao gồm mô hình thực thi thời gian thực Xiaomi-Robotics-0, mô hình quy mô lớn Xiaomi-Robotics-1 tận dụng hơn 100.000 giờ quỹ đạo thế giới thực, và mô hình tự hồi quy hợp nhất 38B Xiaomi-Robotics-U0. Cùng nhau, các dự án này bao gồm việc tạo hành động cho robot, các chính sách nền tảng và mô hình thế giới thể hiện hóa. Tuy nhiên, các tài liệu công khai không xác nhận rằng nguyên mẫu tại WRC chạy bất kỳ mô hình nào trong số này làm ngăn xếp điều khiển sản xuất của nó.
Một chuỗi điều khiển VLA khái niệm đơn giản có thể được biểu diễn như sau:
[Đầu vào Hình ảnh / Ngôn ngữ]
│
▼
[Chính sách thể hiện hóa hoặc Mô hình VLA]
│
▼
[Hành động của Robot / Lệnh chuyển động]
│
▼
[Bộ điều khiển chuyên biệt cho thể loại robot]
Các định hướng nghiên cứu này minh họa một sự chuyển dịch rộng lớn hơn từ các chính sách chuyên biệt cho từng tác vụ sang các mô hình thể hiện hóa được thiết kế để truyền tải kiến thức qua các tác vụ và cấu hình robot khác nhau. Bằng cách phát triển các mô hình chuyển đổi đầu vào hình ảnh và ngôn ngữ thành các hành động của robot hoặc tín hiệu điều khiển cấp tác vụ, các nhà phát triển có thể khám phá phần mềm có khả năng tổng quát hóa trên một loạt các tác vụ và thể loại robot rộng lớn hơn. Ngăn xếp phần mềm phải điều phối các đầu vào cảm biến đa phương thức với việc ước tính trạng thái chuyên biệt cho từng thể loại, lập kế hoạch chuyển động và điều khiển cấp thấp.
Điều khiển robot truyền thống so với các mô hình nền tảng VLA
Khi các yêu cầu vật lý của việc phát triển robot vượt ra ngoài khả năng điều hướng đơn giản, các nhà phát triển phải chọn cách cấu trúc các lớp điều khiển robot của mình. Xây dựng một vòng điều khiển tùy chỉnh sử dụng các mô hình toán học truyền thống mang lại độ chính xác cao nhưng thiếu tính thích ứng với các môi trường phi tiêu chuẩn. Ngược lại, các chính sách học tập quy mô lớn thường đòi hỏi lượng dữ liệu huấn luyện lớn hơn đáng kể, nhưng có thể mang lại khả năng thích ứng rộng hơn khi độ bao phủ huấn luyện và sự đồng bộ với phần thân robot là đủ. Việc điều khiển hoàn toàn bằng lập trình sẵn trở nên khó mở rộng hơn khi tính biến đổi của tác vụ và sự đa dạng của đối tượng tăng lên.
Đánh giá kiến trúc: Động học truyền thống so với VLA tạo sinh
Điều khiển dựa trên mô hình có thể mang lại hành vi chính xác và có thể dự đoán được, nhưng việc điều chỉnh nó cho các môi trường có độ biến động cao thường đòi hỏi thêm nhận thức, lập kế hoạch và kỹ thuật chuyên biệt cho từng tác vụ. Phương pháp này có thể cung cấp hành vi có thể dự đoán trong các giới hạn vận hành được xác định rõ ràng. Việc phát triển một bộ điều khiển động học tùy chỉnh nội bộ đòi hỏi nguồn lực kỹ thuật đáng kể để ánh xạ các ràng buộc khớp và giải các phương trình động học ngược trong thời gian thực. Ngược lại, việc triển khai một mô hình nền tảng tầm nhìn-ngôn ngữ-hành động (VLA) được huấn luyện trước có thể mang lại khả năng thích ứng lớn hơn tùy thuộc vào độ bao phủ huấn luyện và sự đồng bộ phần thân, đánh đổi bằng yêu cầu tính toán cục bộ cao hơn.
Bảng dưới đây so sánh các phương pháp tiêu chuẩn để quản lý việc điều khiển robot và thực thi tác vụ:
| Mô hình | Mức độ phụ thuộc dữ liệu điển hình | Khả năng thích ứng | Đặc điểm thời gian chạy | Phù hợp nhất cho |
|---|---|---|---|---|
| Điều khiển dựa trên mô hình / động học | Thấp đến trung bình | Mạnh mẽ trong các ràng buộc được xác định | Có thể dự đoán và thường có độ trễ thấp | Chuyển động công nghiệp tất định trong các môi trường nhà máy có cấu trúc cao |
| Sao chép hành vi | Dữ liệu minh họa | Hạn chế ngoài phân phối huấn luyện | Phụ thuộc vào mô hình | Các tác vụ học tập lặp đi lặp lại trên các trạm làm việc cố định, có cấu trúc |
| Chính sách VLA / Nền tảng | Bộ dữ liệu không đồng nhất lớn | Tiềm năng cao hơn trên các tác vụ và môi trường | Độ phức tạp tính toán và suy luận cao hơn | Thao tác đa năng và các tác vụ theo điều kiện ngôn ngữ trong cài đặt động |
Các quyết định kiến trúc này ảnh hưởng trực tiếp đến khả năng vật lý của robot trên dây chuyền sản xuất. Bằng cách áp dụng các mô hình nền tảng hợp nhất, các hệ thống robot có thể chuyển từ việc thực thi các hành động đơn lẻ, cô lập sang thực hiện các tác vụ đa giai đoạn, cộng tác trong không gian làm việc động. Các nhóm kỹ thuật phải đánh giá các mô hình phần mềm này dựa trên khả năng phần cứng cụ thể, độ phức tạp của tác vụ và các ràng buộc thực thi thời gian thực của họ.
Danh sách kiểm tra tích hợp: Cách các nhóm kỹ thuật chuẩn bị cho việc phát triển phần mềm thể hiện hóa
Để đảm bảo tính ổn định vận hành và thực thi an toàn khi các nền tảng hình người chuyển đổi sang môi trường công nghiệp, các nhóm kỹ thuật và sản phẩm nên thiết lập các quy trình an toàn, xác thực và triển khai.
Danh sách kiểm tra triển khai cho nhà phát triển
- Xác định ranh giới điều khiển bị ràng buộc an toàn: Giữ các giới hạn về khớp, vận tốc, lực và không gian làm việc bên ngoài chính sách đã học để các hành động không an toàn có thể bị loại bỏ trước khi thực thi.
- Xác thực chính sách trong mô phỏng và các thử nghiệm phần cứng có kiểm soát: Đánh giá các hành vi đã học trong mô phỏng và môi trường robot thực tế có dàn dựng trước khi triển khai sản xuất.
- Đo lường độ trễ điều khiển đầu cuối: Đo lường riêng biệt các thành phần nhận thức, suy luận mô hình, lập kế hoạch chuyển động và điều khiển cấp thấp để xác định các điểm nghẽn.
- Kiểm tra hành vi ngoài phân phối: Đánh giá các đối tượng không quen thuộc, điều kiện ánh sáng, bố cục và các biến thể tác vụ thay vì chỉ dựa vào các điểm chuẩn phân phối huấn luyện.
- Thiết kế các chế độ điều khiển dự phòng: Cung cấp khả năng phục hồi tất định hoặc hành vi dừng an toàn khi các chính sách đã học tạo ra các hành động có độ tin cậy thấp hoặc không hợp lệ.
Danh sách kiểm tra sản phẩm & chiến lược
- Xác định các trạm công nghiệp có giá trị cao: Xác định các trạm lắp ráp lặp đi lặp lại, có độ chính xác cao phù hợp nhất để tích hợp robot.
- Thiết lập quy trình xác minh tác vụ: Tận dụng các hệ thống giám sát đa camera để đánh giá tỷ lệ thành công trong tác vụ của robot trong thời gian thực.
- Xây dựng giao diện phần mềm đa thể loại: Đảm bảo hệ điều hành robot có thể giao tiếp với các mạng lưới tự động hóa nhà máy xung quanh.
Bằng cách thiết lập các hướng dẫn có cấu trúc này, các nhóm phát triển có thể chuyển đổi các ứng dụng của họ sang các kiến trúc an toàn hơn, tuân thủ tốt hơn trong khi vẫn duy trì tính liên tục trong vận hành.
Các câu hỏi thường gặp (FAQ)
Sự khác biệt chính về phần cứng giữa CyberOne của Xiaomi và robot thế hệ tiếp theo là gì?
Kết quả chính xác của đợt thực tập tại nhà máy xe điện của robot là gì?
Tại sao sự khéo léo của bàn tay được coi là ngưỡng cửa quan trọng đối với robot hình người công nghiệp?
Những điểm chính dành cho các nhóm kỹ thuật
Nguyên mẫu hình người 66-DoF của Xiaomi cho thấy sự phát triển của robot hình người công nghiệp đang chuyển dịch từ các màn trình diễn khả năng di chuyển sang các tác vụ thao tác có thể lặp lại. Với 33 bậc tự do tập trung ở phần tay và các thử nghiệm tại nhà máy bao gồm việc lắp ốc, xử lý linh kiện linh hoạt và quản lý vật liệu, sự khéo léo và độ tin cậy của tác vụ đang trở thành các số đo kỹ thuật cốt lõi.
Đối với các nhà phát triển, nghiên cứu robot rộng lớn hơn của Xiaomi cũng minh họa vai trò ngày càng tăng của các chính sách VLA và các mô hình thế giới thể hiện hóa bên cạnh các hệ thống điều khiển thông thường. Thử thách thực tế không phải là thay thế hoàn toàn điều khiển tất định, mà là kết hợp các chính sách đã học với mô phỏng, các ràng buộc an toàn, phân tích độ trễ, hành vi dự phòng và các bộ điều khiển chuyên biệt cho từng thể loại trước khi triển khai robot vào môi trường sản xuất.
Tài liệu tham khảo
-
Robot Xiaomi chuẩn bị ra mắt công khai tại Hội nghị Robot Thế giới 2026 vào ngày 19 tháng 8. https://www.gizmochina.com/2026/08/18/xiaomi-robot-set-to-make-public-debut-at-2026-world-robot-conference-on-august-19/
-
Xiaomi-Robotics-0: Mô hình Tầm nhìn-Ngôn ngữ-Hành động Mã nguồn mở với Thực thi Thời gian thực. https://arxiv.org/abs/2602.12684
-
Xiaomi-Robotics-1: Mở rộng Mô hình Tầm nhìn-Ngôn ngữ-Hành động với hơn 100 nghìn Giờ Quỹ đạo Thế giới Thực. https://arxiv.org/abs/2607.15330
-
Xiaomi-Robotics-U0: Tổng hợp Thể hiện hóa Hợp nhất với Mô hình Nền tảng Thế giới. https://arxiv.org/abs/2607.11643
-
Xiaomi cập nhật tiến độ về robot hình người trong nhà máy ô tô, đạt tỷ lệ thành công 98% trong một số tác vụ. https://technode.com/2026/07/15/xiaomi-updates-progress-on-humanoid-robots-in-auto-factory-achieves-98-success-rate-in-some-tasks/
Share this article
