Trong vài tuần qua, tôi đã dành một khoảng thời gian đáng kể để nghiên cứu bối cảnh Physical AI. Một điều ngày càng trở nên rõ ràng: ngành công nghiệp này không thiếu các công ty robot xuất sắc, mà thiếu một quy trình làm việc có thể kết nối mọi thứ lại với nhau.

Lấy #NVIDIA Isaac làm ví dụ. Đây đã trở thành một trong những nền tảng mô phỏng robot mạnh mẽ nhất hiện có, cho phép các nhà phát triển huấn luyện các chính sách phức tạp trong môi trường chân thực như ảnh. Tuy nhiên, việc tạo ra những môi trường đó vẫn đòi hỏi nỗ lực kỹ thuật đáng kể, chuyên môn CAD và xây dựng cảnh vật cẩn thận trước khi có thể bắt đầu huấn luyện.

#MuJoCo vẫn là một trong những công cụ vật lý đáng tin cậy nhất trong ngành, được sử dụng rộng rãi trong nghiên cứu robot nhờ độ chính xác và hiệu suất. Nhưng MuJoCo không được thiết kế để tạo môi trường từ ngôn ngữ tự nhiên hay tự động hóa việc xây dựng thế giới robot; nó xuất sắc trong mô phỏng, chứ không phải tạo nội dung.

Các công ty như Figure AI, Boston Dynamics và Agility Robotics đã đạt được những tiến bộ vượt bậc về phần cứng robot, khả năng di chuyển và tính tự chủ trong thế giới thực. Trọng tâm của họ là sản xuất những cỗ máy ngày càng có khả năng hoạt động bên ngoài phòng thí nghiệm.

Sau đó là các tổ chức như Google DeepMind, Skild AI và Physical Intelligence, đang đẩy lùi ranh giới của các mô hình nền tảng robot và trí thông minh đa năng. Nghiên cứu của họ tiếp tục mở rộng những gì robot có thể hiểu và hoàn thành; mỗi tổ chức đang tiến triển một mảnh ghép khác nhau.

Điều thu hút sự chú ý của tôi khi nghiên cứu @StrikeRobot_ai không phải là nỗ lực thay thế những công nghệ đó. Mà là nỗ lực kết nối chúng.

Thay vì coi mô phỏng, suy luận #AI, tạo tài sản, vật lý, huấn luyện robot, triển khai và thu thập dữ liệu như những quy trình làm việc riêng biệt, StrikeRobot đang xây dựng một kiến trúc nơi mỗi thành phần cung cấp đầu vào cho thành phần tiếp theo.

→ Ngôn ngữ tự nhiên trở thành tài sản sẵn sàng cho mô phỏng thông qua Venice AI.
→ Vật lý được xử lý bởi MuJoCo.
→ Huấn luyện tích hợp với NVIDIA Isaac Sim và Isaac Lab.
→ Truy xuất tài sản được tăng tốc thông qua Qdrant.
→ Cơ sở hạ tầng dữ liệu được củng cố với các đối tác như Reppo và Motoniq.
→ Hợp tác robot trong thế giới thực mở rộng thông qua Orboh, trong khi sự phát triển hệ sinh thái được hỗ trợ bởi Eastworld Labs và Virtuals Protocol.

Nhìn riêng lẻ, không có công nghệ nào trong số này là mới, nhưng nhìn như một đường ống phối hợp, chúng giải quyết một trong những thách thức thực tế lớn nhất của robot: giảm thời gian và độ phức tạp cần thiết để chuyển từ một ý tưởng sang một robot có thể được huấn luyện, thử nghiệm và cuối cùng là triển khai.

Liệu StrikeRobot có thành công hay không cuối cùng sẽ phụ thuộc vào việc thực thi, sự chấp nhận và tiến bộ kỹ thuật liên tục. Nhưng tôi nghĩ họ đang đặt ra một câu hỏi quan trọng:

𝙒𝙝𝙖𝙩 𝙞𝙛 𝙩𝙝𝙚 𝙇𝙞𝙢𝙞𝙩𝙖𝙩𝙞𝙤𝙣 𝙞𝙣 𝙋𝙝𝙮𝙨𝙞𝙘𝙖𝙡 𝘼𝙄 𝙞𝙨𝙣'𝙩 𝙧𝙤𝙗𝙤𝙩 𝙞𝙣𝙩𝙚𝙡𝙡𝙞𝙜𝙚𝙣𝙘𝙚 𝙞𝙩𝙨𝙚𝙡𝙛 𝙗𝙪𝙩 𝙩𝙝𝙚 𝙙𝙞𝙨𝙘𝙤𝙣𝙣𝙚𝙘𝙩𝙚𝙙 𝙩𝙤𝙤𝙡𝙞𝙣𝙜 𝙙𝙚𝙫𝙚𝙡𝙤𝙥𝙚𝙧𝙨 𝙝𝙖𝙫𝙚 𝙝𝙖𝙙 𝙩𝙤 𝙬𝙤𝙧𝙠 𝙬𝙞𝙩𝙝 𝙛𝙤𝙧 𝙮𝙚𝙖𝙧𝙨?

Nếu câu hỏi đó dẫn đến một câu trả lời có ý nghĩa, nó có thể đơn giản hóa việc phát triển robot cho các nhà nghiên cứu, doanh nghiệp và nhà phát triển. Và đó là một vấn đề đáng để chú ý.