World Labs Dùng Mô Phỏng Để Biến Một Nhiệm Vụ Robot Thành Hàng Nghìn Biến Thể

R2S2R của World Labs chuyển các nhiệm vụ robot thực tế thành các mô phỏng tương tác nhằm huấn luyện và đánh giá model điều khiển, giảm thiểu thử nghiệm tốn kém trên phần cứng thật. Công nghệ này đến từ SceniX, startup mà World Labs mua lại vào tháng 7.

Hệ thống tái tạo robot, cảm biến, môi trường và ví dụ nhiệm vụ rồi xây dựng lại chúng thành thế giới ảo không chỉ giống về hình thức mà còn hành xử tương tự về mặt vật lý. Từ một nhiệm vụ thực tế, R2S2R sinh hàng nghìn biến thể bằng cách thay đổi ánh sáng, vị trí và số lượng vật thể, môi trường xung quanh, tính chất vật lý như ma sát, và góc camera.

Để kiểm tra độ chính xác, World Labs chạy cùng một chuỗi hành động song song trong mô phỏng và ở thực tế, rồi so sánh quan sát, chuyển động vật thể và kết quả. Các ví dụ bao gồm các vật thể cứng, có thể di động và dễ biến dạng, như đi dây cáp, luồn đầu dây đàn hồi vào lỗ, và đóng gói hộp bằng cả hai tay.

Các model điều khiển được huấn luyện trong mô phỏng rồi chuyển sang robot thực. Một nền tảng thử nghiệm là ALOHA, thiết kế hai tay mã nguồn mở từ Stanford, vận hành qua điều khiển bù tay với hai cánh tay điều khiển nhỏ hơn. Bộ thiết lập này có chi phí chỉ một phần so với hệ thống thương mại và toàn bộ bản vẽ đều công khai.

World Labs báo cáo rằng các model từng chạy một giờ trên bốn nền tảng robot bổ sung mà không cần can thiệp của con người. Nhiệm vụ thử nghiệm gồm quấn dây quanh tủ lạnh bằng cả hai tay, điều chỉnh chính xác ống nghiệm, và tách các vật mỏng như bút từ đám hỗn độn.

Công ty cho biết hệ thống không ràng buộc vào model điều khiển hay loại robot cụ thể; một thế giới đã được tái tạo có thể tái sử dụng cho model và robot khác về sau.