Đối thoại với đội vô địch hackathon dự án thám hiểm mặt trăng: Thế hệ thứ năm mã nguồn mở bản thể, tự tiến hóa và lộ trình chờ xác minh tại cửa hàng

Tiêu đề gốc: "Cuộc trò chuyện với đội vô địch hackathon dự án Mặt Trăng: Lộ trình mã nguồn mở thế hệ thứ năm, tự tiến hóa và chờ xác nhận từ cửa hàng"
Tác giả gốc: Động Sát Beating

Năm 1961, Unimate được đưa vào hoạt động trên một dây chuyền lắp ráp của General Motors tại Mỹ. Trong những ý tưởng ban đầu, người vận hành có thể dẫn robot bằng tay với kẹp cơ khí, máy ghi nhớ vị trí và sau đó thực hiện theo. Robot công nghiệp đầu tiên học được không phải là giải thích thế giới, mà là lặp lại một hành động đủ độ tin cậy.

Hơn sáu mươi năm sau, tại hackathon robot nhúng dự án Mặt Trăng, đội LoopMaster đã thử đưa điều này vào cửa hàng bán lẻ. Một robot gồm khung gầm bánh xe đa hướng, cơ cấu nâng hạ, hai cánh tay robot và khay phía trước được họ hình dung như một "robot bán hàng" có thể di chuyển giữa kệ hàng và khách hàng. Quản lý cửa hàng hoặc nhân viên trước tiên sử dụng điều khiển từ xa, lệnh thoại và một số hướng dẫn nhỏ để robot nhận biết tủ hàng, kệ hàng và đường đi lấy hàng; sau đó robot sẽ lấy, giao, bổ sung hàng và lưu lại từng tương tác.

Robot này chưa được vận hành lâu dài trong cửa hàng thực tế, đội chỉ thử nghiệm tại hiện trường cuộc thi, để lại vài trăm bản ghi. Hoàn vốn trong hai năm, giảm 40% chi phí bán hàng, triển khai trước, thu thập dữ liệu sau, rồi lặp lại mô hình end-to-end – tất cả vẫn là những lộ trình mà đội đang xây dựng. Chúng còn cách xa một sổ sách cửa hàng thực tế.

Tuy nhiên, đội này có một sự thẳng thắn hiếm thấy. Họ sẽ nói về Agent Loop, nhưng cũng thừa nhận chưa nghĩ rõ về hào phòng thủ; họ sẽ thảo luận về viễn cảnh robot thay thế hoàn toàn con người, nhưng cũng thừa nhận sự đồng hành, ấm áp và khả năng xử lý ngoại lệ giữa người với người, tạm thời chưa thể giao cho máy.

Đội tại hiện trường thuyết trình

Một nhóm người đã quen biết trực tuyến từ lâu, lần đầu gặp mặt trực tiếp để trao đổi ý tưởng

Bốn thành viên cốt lõi của LoopMaster, có người làm nội dung về robot nhúng trên Bilibili, có người đang học tiến sĩ về robot và tương tác người-máy, có người từ thiết kế sản phẩm ô tô chuyển sang thiết kế độc lập.

Họ nói rằng, điều kết nối họ là sự hợp tác trực tuyến trong hai năm qua. Thuật toán, phần cứng, dữ liệu, cánh tay robot chi phí thấp, thiết kế ngoại hình – mỗi người bắt đầu từ một lối vào khác nhau, sau đó dần nhận ra nhau có thể bổ sung những khoảng trống nào. Một số người trong số họ chỉ gặp nhau lần đầu tại hackathon, nhưng đội không phải chỉ mới quen biết trong thời gian ngắn như vậy.

Động Sát Beating: Trước tiên, hãy giới thiệu về bản thân và những gì các bạn đang làm.

Tạ Tuấn: Tôi là Tạ Tuấn, hiện đang học năm thứ hai thạc sĩ tại Đại học Đông Bắc, đồng thời làm nội dung về lĩnh vực trí tuệ nhúng (Embodied Intelligence) trên Bilibili. Hiện tại, tôi chủ yếu tham gia vào quá trình ươm tạo khởi nghiệp của LoopMaster.

Trâu Nghiêm Văn: Tôi là Trâu Nghiêm Văn, hiện là nghiên cứu sinh tiến sĩ hợp tác giữa Đại học Giao thông Thượng Hải và Sáng tạo Trí tuệ. Tôi chủ yếu nghiên cứu về thao tác nhúng (Embodied Manipulation) và tương tác người-máy hướng tới trí tuệ nhúng.

Lý Bằng Đống: Tôi là Lý Bằng Đống, đang học năm thứ hai thạc sĩ tại Đại học Khoa học và Công nghệ Thái Nguyên, cũng làm nội dung về lĩnh vực nhúng trên Bilibili. Cuối năm 2024, tôi là một trong những người đầu tiên tái hiện ALOHA và biến quy trình thành hướng dẫn mã nguồn mở. Sau đó, tôi tiếp tục chế tạo một số robot, cuối cùng tạo ra một robot nâng hạ hai tay và cố gắng biến nó thành dạng mã nguồn mở hoàn toàn, hy vọng những sinh viên có ngân sách hạn chế cũng có thể tái hiện.

Hứa Tân Hào: Tôi là nhà thiết kế của nhóm. Trước đây, tôi làm thiết kế sản phẩm tại một công ty ô tô, sau đó bắt đầu làm Xiaohongshu và thương hiệu riêng, đồng thời nhận một số dịch vụ thiết kế. Hiện tại, tôi là nhà thiết kế độc lập.

Động Sát Beating: Các bạn có phải vì hackathon này mà mới lập nhóm không? Hiện tại đã chuẩn bị chính thức khởi nghiệp cùng nhau, hay vẫn đang cân nhắc công việc riêng của mỗi người?

Tạ Tuấn: Chúng tôi quen nhau sớm hơn hackathon này rất nhiều, gần hai năm rồi. Ban đầu có nhiều hợp tác trực tuyến, tất cả đều làm những việc liên quan đến trí tuệ nhúng. Tôi quen Bằng Đống khi lần đầu đăng video lên Bilibili, và cũng luôn theo dõi thiết kế của Tân Hào. Nghiêm Văn khi du học ở Mỹ cũng làm nội dung liên quan.

Không phải ai trong chúng tôi cũng gặp nhau trực tiếp từ sớm. Có người lần đầu gặp mặt tại hackathon, nhưng nhóm này không phải là tập hợp tạm thời. Trước đây, mọi người thường trao đổi về thuật toán, thiết kế bản thể và dữ liệu, cũng từng làm bộ DIY và sản phẩm ban đầu, có một số giao dịch bán hàng. Để xử lý các công việc kinh doanh đơn giản với bên ngoài, chúng tôi cũng đã thành lập vài công ty nhỏ.

Trạng thái trước đây giống như phòng thí nghiệm hoặc xưởng của geek hơn, chưa thể nói là một công ty khởi nghiệp hoàn chỉnh. Hiện tại, tôi, Bằng Đống và Tân Hào dự định tiếp tục hợp tác với Thám Nguyệt, đẩy dự án theo hướng có thể ứng dụng thực tế. Nghiêm Văn vẫn đang đi học, tạm thời chưa ra ngoài làm toàn thời gian cho việc này.

Động Sát Beating: Trước hackathon, các bạn đã có khoảng hai năm nghiên cứu phát triển và một số thử nghiệm thương mại hóa. Khoảng thời gian này các bạn đã phối hợp với nhau như thế nào?

Tạ Tuấn: Khi mới quen, tất cả đều là sinh viên mới nhập học hoặc mới bắt đầu học thạc sĩ. Ban đầu chỉ là một nhóm những người đam mê trí tuệ nhúng, trao đổi về thuật toán, thiết kế bản thể và cách xử lý dữ liệu. Sau đó, khi có bộ DIY và một số sản phẩm ban đầu được bán ra, mới dần hình thành hình thức kinh doanh với bên ngoài và công ty nhỏ.

Vì vậy, trước cuộc thi hackathon, chúng tôi chưa phải là một đội ngũ khởi nghiệp hoàn chỉnh, mà giống một nhóm người luôn làm việc và gặp nhau trực tuyến. Cuộc thi chỉ là lần đầu tiên tập trung tất cả những tích lũy đó tại cùng một địa điểm.

Ảnh chụp chung các thành viên đội đạt giải

Động Sát Beating: Tại sao LoopMaster giành được vị trí đầu tiên trong cuộc thi hackathon trí tuệ nhúng của Dự án Thám Nguyệt? 48 giờ này thực sự thử thách điều gì?

Xie Jun: Trước hết, đó là sự tích lũy trong 2-3 năm qua về trí tuệ nhúng. Phần cứng, điều khiển, thuật toán và dữ liệu của robot không phải bắt đầu từ cuộc thi. Hình thái robot và kịch bản bán lẻ của LoopMaster được chúng tôi đề xuất và thực hiện ngay tại hiện trường, nhưng để hoàn thành nó trong thời gian ngắn, chúng tôi dựa vào kiến thức và công nghệ tích lũy lâu dài trước đó.

Tại hiện trường cuộc thi, chúng tôi kết hợp phần cứng, nhận thức trí tuệ nhúng, kinh nghiệm điều khiển robot và tư duy thuật toán, từ đó mới có sự bùng nổ và va chạm này.

Zou Yanwen: Hackathon thử thách toàn diện. Trong đội phải có sự phân công rõ ràng, mỗi người làm việc chắc chắn. Về mặt kỹ thuật, bạn phải xây dựng một hệ thống vốn chỉ trong đầu trong thời gian rất ngắn. Ngủ ít, cường độ cao, con người sẽ bước vào trạng thái làm việc kỳ diệu. Đây cũng là lý do nhiều người thích hackathon.

Nó không chỉ là kỹ thuật. Cuối cùng, bạn phải đóng gói mọi thứ thành một sản phẩm, tạo ra một bản demo có thể thương mại hóa và triển khai. Bạn cần đánh giá hiệu quả trình bày, cũng như cảm nhận về những gì cần hoàn thành ở mỗi mốc thời gian trong 48 giờ. Lần này, chúng tôi phối hợp tốt trong phân công, nhịp độ dự án và phần thuyết trình cuối cùng.

Động Sát Beating: Sự khác biệt lớn nhất giữa hackathon phần cứng và hackathon phần mềm là gì?

Zou Yanwen: Trong hackathon phần mềm, nhiều người chỉ cần cấu hình môi trường máy tính là có thể bắt đầu làm việc ngay, mọi thứ đều hướng đến sản phẩm cuối cùng. Phần cứng thì khác, tại hiện trường sẽ xuất hiện nhiều sự cố ngoài dự kiến, không liên quan đến dự án nhưng không giải quyết thì không thể tiếp tục.

Ngày đầu tiên, chúng tôi gặp vấn đề kết nối mạng, mất nhiều thời gian để xử lý. Có người có thể làm cháy bo mạch, phải thay tạm một cái mới; cánh tay robot, nền tảng robot tại hiện trường cũng có thể hỏng hóc. Nền tảng của chúng tôi cũng vậy. Xử lý phần cứng trong thế giới thực sẽ liên tục gặp những điều không lường trước. Chúng không nhất thiết liên quan đến vấn đề dự án muốn giải quyết, nhưng lại ngốn thời gian quý giá nhất của bạn.

Năm thế hệ robot và khớp eo bị loại bỏ

LoopMaster tại hiện trường cuộc thi không phải là một cỗ máy được tạo ra từ con số không trong 48 giờ. Li Pengdong cho biết họ đã phát triển loại robot này trong hai năm, và phiên bản mới nhất là thế hệ thứ năm. Các thế hệ trước gặp không ít vấn đề. Tải trọng, độ chính xác, khe hở và tuổi thọ của servo, một sợi dây bị kéo căng, hay một lỗi phát sinh sau khi thêm chức năng mới, đều có thể khiến một cỗ máy trông khéo léo bị đứng yên tại chỗ.

Một trong những quyết định thú vị nhất là họ ban đầu tạo ra "eo" cho robot, nhưng lại loại bỏ khớp eo ở thế hệ thứ năm. Khớp eo có thể mở rộng không gian làm việc trên bàn, giúp robot vươn xa hơn. Tuy nhiên, họ cũng muốn sản phẩm đơn giản hơn, ổn định hơn và dễ tái tạo hơn, vì vậy họ chấp nhận sự lùi bước về cấu trúc cơ khí.

Động Sát Beating: Nếu hôm nay có một cửa hàng đặt hàng, họ thực sự nhận được gì? Robot có thể làm gì trong cửa hàng?

Xie Jun: Sản phẩm chúng tôi hình dung là một robot với đế bánh xe đa hướng kết hợp cơ cấu nâng hạ, hai cánh tay robot và khay phía trước. Sau khi cửa hàng mua về, họ có thể thông qua thao tác từ xa tương đối đơn giản hoặc lệnh ngôn ngữ tự nhiên để robot làm quen với vị trí kho hàng, kệ hàng và đồ vật trong cửa hàng.

Trong bối cảnh bán lẻ, robot chủ yếu thực hiện các công việc như lấy hàng, giao hàng sau khi khách đặt, cũng như bổ sung hàng và đặt sản phẩm lên kệ. Khay phía trước có thể chứa trước một phần hàng hóa, và robot cũng có thể sử dụng nó làm trung gian giữa lấy hàng và giao hàng.

Hai năm phát triển năm phiên bản robot (từ phải sang trái)

Động Sát Beating: Robot đã được thử nghiệm vận hành trong cửa hàng thực tế hoặc cửa hàng mô phỏng chưa?

Xie Jun: Chưa. Chúng tôi đã thử nghiệm tại hiện trường cuộc thi và để lại vài trăm bản ghi đơn hàng.

Chủ đề của hackathon lần này là tạo ra một thứ gì đó từ con số không trong 48 giờ. Dựa trên khung gầm bánh xe hai tay hiện có, chúng tôi đã trực tiếp hình dung bối cảnh bán lẻ, phương thức ứng dụng và khung thuật toán tại chỗ. Vì vậy, cách người dùng sử dụng sau này và cách sản phẩm được triển khai vẫn còn rất sơ khai.

Động Sát Beating: Tiếp theo, chỉ số nào sẽ được dùng để đánh giá xem nó có đáp ứng kỳ vọng không?

Xie Jun: Cần phân chia theo giai đoạn. Đầu tiên, ổn định phần cứng, bao gồm động cơ, dây cáp và chức năng tổng thể. Tiếp theo, ổn định khung điều khiển Agent. Xa hơn nữa mới là vấn đề học tập tự tiến hóa. Chỉ khi từng phần đều ổn định, chúng tôi mới bàn đến thương mại hóa chính thức.

Động Sát Beating: Năm thế hệ bản thể này đã được cải tiến như thế nào? Từ ý tưởng ban đầu đến nay, hiểu biết của các bạn về sản phẩm đã thay đổi ra sao?

Lý Bằng Đống: Bốn thế hệ đầu chủ yếu sử dụng động cơ servo, tức là servo. Khả năng điều khiển của nó khá nhạy, cấu trúc và hệ thống truyền động tương đối đơn giản, nhưng khả năng chịu tải có hạn.

Sau đó, chúng tôi đã phát triển một phiên bản khung gầm ba bánh toàn hướng, kết hợp với cột nâng và hai cánh tay. Sau khi hoàn thành, chúng tôi nhận thấy phạm vi hoạt động của nó trên bàn rất nhỏ, chỉ khoảng bằng một chiếc máy tính, xa hơn một chút là không với tới được. Chúng tôi lại tạo ra một phiên bản có phần eo, mở rộng không gian làm việc trên bàn hơn một chút.

Tiếp theo, chúng tôi đã thay đổi cấu trúc vốn phụ thuộc nhiều vào các bộ phận in 3D, chuyển sang sử dụng các bộ phận kim loại tấm làm khung chính, giúp tăng độ ổn định. Nhưng càng nhiều chức năng thì càng nhiều vấn đề. Ví dụ, nếu dây cáp bị kéo nhẹ, toàn bộ máy có thể tạm dừng nhiệm vụ; bản thể nặng hơn, khả năng chịu tải lại giảm. Cuối cùng, thế hệ thứ năm đã chuyển sang sử dụng mô-đun động cơ khớp, nhiều bộ phận kim loại hơn, cấu trúc cũng đơn giản hơn. Những chỗ cần chịu lực thì được gia cố, những phần không cần thiết thì loại bỏ, nhằm tìm kiếm sự cân bằng giữa hiệu suất, chi phí, khả năng sản xuất hàng loạt và khả năng tái tạo.

Tạ Tuấn: Chúng tôi bắt đầu từ cuối năm 2023, sử dụng servo để xây dựng một hệ thống trí tuệ nhúng chi phí thấp, hiệu suất cao. Khi sử dụng thực tế, servo có những hạn chế về độ ổn định, khe hở, độ chính xác và tuổi thọ. Sau khi chuyển sang mô-đun động cơ khớp, nhìn chung chi phí và độ ổn định đều được cải thiện đáng kể.

Động Sát Beating: Trong quá trình cải tiến, có chức năng nào mà các bạn đặc biệt muốn giữ lại nhưng cuối cùng phải loại bỏ không?

Lý Bằng Đống: Khớp eo là ví dụ trực tiếp nhất. Thế hệ thứ tư đã có eo, thế hệ thứ năm ban đầu cũng muốn giữ lại, nhưng để cấu trúc đơn giản hơn, cuối cùng đã loại bỏ nó. Nhìn có vẻ như đã lùi một bước về cấu trúc cơ khí, nhưng thực tế là đã đặt độ tin cậy lên hàng đầu.

Động Sát Beating: Tại sao robot này lại được thiết kế hoàn toàn mã nguồn mở? Chi phí và giá bán hiện tại ở mức nào?

Lý Bằng Đống: Bản thể hoàn toàn mã nguồn mở, bất kỳ ai cũng có thể xem bảng BOM. Theo tính toán sơ bộ của chúng tôi, nếu người dùng tự gia công một số bộ phận, mua các linh kiện tiêu chuẩn, sau đó tự lắp ráp và hiệu chỉnh, chi phí khoảng 30.000 Nhân dân tệ.

Nếu người dùng muốn nhận bán thành phẩm, hoặc trực tiếp nhận robot đã được hiệu chỉnh, vì là mã nguồn mở hoàn toàn, chúng tôi dự kiến giá sẽ dưới 50.000 Nhân dân tệ, khoảng hơn 40.000 Nhân dân tệ. Mức giá này trước hết là dành cho bản thể và mục đích nghiên cứu, phát triển. Chúng tôi muốn những sinh viên và nhà phát triển có ngân sách hạn chế trong cộng đồng cũng có thể tham gia, không bị loại ra ngoài vì bản thể quá đắt.

Động Sát Beating: Sau khi khách hàng mua một máy, liệu có dịch vụ đăng ký hoặc chi phí ẩn nào khác không?

Lý Bằng Đống: Hiện tại chúng tôi chưa coi đăng ký dịch vụ là mô hình kinh doanh rõ ràng. Robot bán hàng tự động được tạo ra trong 48 giờ lần này trước hết chỉ là một bản Demo.

Sau này nếu thực sự bước vào siêu thị không người hoặc các kịch bản bán lẻ cụ thể, chúng tôi sẽ thiết kế phương thức tính phí dựa trên kịch bản tương ứng. Hiện tại vẫn chưa nghĩ xa đến vậy.

Động Sát Beating: Tại sao mã nguồn mở lại trở thành yếu tố giúp các bạn giành giải thưởng lần này?

Tạ Tuấn: Đây có lẽ cũng là một lý do quan trọng khiến chúng tôi giành giải. Sau khi hoàn toàn mã nguồn mở, thư viện cơ bản, mã và driver cơ bản đều được mở, Agent có thể truy cập những nội dung này, quá trình phát triển sẽ thuận lợi hơn. Nó giúp phát triển phần cứng ở một mức độ nào đó gần hơn với phát triển phần mềm thuần túy, cơ bản có thể đọc và gọi, sức cản khi lặp tại chỗ sẽ nhỏ hơn.

Mã nguồn mở đối với chúng tôi không chỉ là lựa chọn kỹ thuật. Chúng tôi hy vọng nhiều sinh viên, người làm trong ngành và những người từ các lĩnh vực khác có thể tham gia vào trí tuệ nhúng (Embodied Intelligence) với chi phí tương đối thấp.

Ít hướng dẫn mẫu, không phải ít huấn luyện

LoopMaster trong cuộc phỏng vấn liên tục nhắc đến "ít hướng dẫn mẫu". Cách ít hướng dẫn mẫu thông thường là lấy quỹ đạo thao tác của con người làm dữ liệu giám sát, đưa vào huấn luyện trong mô hình học bắt chước hoặc mô hình hành động ngôn ngữ thị giác, cuối cùng do mô hình suy luận. Cách mà nhóm đang nói đến hiện tại có chút khác biệt.

Điều họ cần xử lý là một không gian cửa hàng có cấu trúc tương đối. Vị trí của các kệ hàng tương đối cố định, hành động lấy một dãy sản phẩm có sự tương đồng. Đầu tiên ghi lại một quỹ đạo cho robot, khi đế thay đổi vị trí, cánh tay cơ khí có thể tái sử dụng các hành động tương tự. Nó trước tiên đóng gói các nhiệm vụ tương tự thành kỹ năng, giao cho Agent điều phối.

Logic của hướng đi này cũng dễ hiểu. Không có triển khai, thì không có dữ liệu thực; không có dữ liệu thực, thì việc huấn luyện tiếp theo của mô hình end-to-end cũng không thể bắt đầu. Trước tiên hãy để một hệ thống không quá thông minh nhưng có thể hoạt động vào hiện trường, sau đó để dữ liệu từ từ phát triển.

Nhân viên bán hàng Cyber, Demo bổ sung hàng

Động Sát Beating: "Ít hướng dẫn mẫu" mà các bạn nói có gì khác so với ít hướng dẫn mẫu thông thường trong trí tuệ nhúng?

Trâu Nghiêm Văn: Ít hướng dẫn mẫu mà chúng tôi nói là hai chuyện khác nhau so với ít hướng dẫn mẫu dựa trên học tập. Trong học bắt chước truyền thống, con người sẽ lấy một lượng nhỏ quỹ đạo chuyên gia làm tín hiệu giám sát, đưa vào huấn luyện trong các mạng như ACT hoặc VLA, cuối cùng thu được một mạng nơ-ron, rồi dùng nó để suy luận.

Hiện tại chúng tôi đang ghi lại các quỹ đạo, nhưng những quỹ đạo này không được sử dụng trực tiếp để huấn luyện. Ví dụ, các kệ hàng trong siêu thị có cấu trúc tương đối cố định. Sau khi có một quỹ đạo hướng dẫn cho một dãy kệ, khi lấy món hàng đầu tiên trên dãy đó, robot sẽ di chuyển từ vị trí này; khi lấy món hàng thứ hai, phần đế sẽ dịch chuyển nhẹ, và cánh tay máy vẫn có thể hoàn thành thao tác theo quỹ đạo tương tự.

Hiện tại, chúng tôi không theo đuổi sự tổng quát hóa trong không gian liên tục, mà trong không gian rời rạc, tổ chức các vị trí tương đối cố định thành các chương trình có cấu trúc, sau đó đóng gói các hành động tương tự thành các kỹ năng để Agent điều phối.

Động Sát Beating: Như vậy có khiến nó khó thích nghi với các loại cửa hàng offline khác nhau không?

Trâu Nghiêm Văn: Sẽ có giới hạn. Nhưng tôi cho rằng, các mô hình end-to-end hiện tại cũng gặp vấn đề này. Chúng cũng cần thu thập dữ liệu trong các bối cảnh cụ thể, sau đó thực hiện huấn luyện và lặp lại. Khi môi trường ánh sáng thay đổi, hoặc thay đổi một gói khoai tây Lays thành một chai Pepsi, đều sẽ gây ra sự khác biệt.

Điều chúng tôi muốn làm trước tiên là sử dụng khung Agent để vận hành mọi thứ. Nó có vẻ kém linh hoạt hơn, nhưng một khi được triển khai, mỗi lần tương tác giữa người dùng và robot sẽ trở thành dữ liệu cho bối cảnh đó. Những quỹ đạo chuyên gia này sau đó vẫn có thể hỗ trợ quá trình lặp lại của mô hình end-to-end.

Động Sát Beating: Ai sẽ dạy robot? Tại sao nhất thiết phải tạo vòng lặp tự tiến hóa cho Agent?

Trâu Nghiêm Văn: Không thể triển khai kỹ sư đến từng cửa hàng. Chỉ khi quản lý cửa hàng, nhân viên cửa hàng có thể học cách dạy robot làm việc trong môi trường của họ, giống như học cách sử dụng một chiếc quạt điện, thì mới có thể thu thập dữ liệu mới trong bối cảnh thực tế.

Tương tác ngôn ngữ tự nhiên và Vòng lặp Agent được thiết kế cho mục đích này. Ý tưởng của chúng tôi là giảm thiểu phần can thiệp của con người, để Agent tự suy ngẫm, điều chỉnh trong nhiệm vụ và điều phối các kỹ năng khác nhau để hoàn thành công việc. Hiện tại, đây vẫn là một khung đang được hoàn thiện, chứ không phải là một giải pháp đã được xác thực trên quy mô lớn.

Động Sát Beating: Phần giới thiệu có viết "lặp lại hành vi bán hàng dựa trên chỉ số doanh thu". Điều này có nghĩa là robot ngoài lao động chân tay còn phải đảm nhận nhiệm vụ tiếp thị?

Trâu Nghiêm Văn: Chỉ số doanh thu ở đây không có nghĩa là nó phải đi tiếp thị. Trong chuỗi bán lẻ, quản lý chuỗi cung ứng vốn rất quan trọng, và dữ liệu doanh thu cũng có sẵn ở hậu trường. Khi robot tham gia lao động ở tiền sảnh, dữ liệu doanh thu của cửa hàng, lưu lượng khách cao điểm sáng tối, cách bố trí kệ hàng và nhật ký bổ sung hàng sẽ trở thành một phần để nó hiểu về hiện trường.

Những dữ liệu này có thể được gửi về hệ thống hậu trường để tối ưu hóa việc cung ứng và trưng bày, giảm thiểu tình trạng thiếu hàng hoặc tổn thất do hàng sắp hết hạn. Về bản chất, nó vẫn là lao động trực diện, chỉ là những ghi chép được lưu lại trong quá trình lao động, có thể đi vào vòng khép kín của hoạt động cửa hàng.

40% chi phí và những việc còn lại cho con người trong cửa hàng

Khi robot bước vào bối cảnh bán lẻ, điều dễ dàng nhất được đem ra tính toán là tiền lương. LoopMaster từng đưa ra ước tính "giảm 40% chi phí bán hàng", nhưng nhóm cũng thừa nhận rằng con số này dựa trên kỳ vọng rằng một robot đủ ổn định và có thể vận hành lâu dài với ít sự can thiệp bảo trì của con người.

Khó tính toán hơn là yếu tố con người. Hiện tại, họ muốn giao các công việc như lên/xuống hàng, lấy hàng, bổ sung hàng cho máy móc; trong tương lai xa hơn, họ không loại trừ khả năng robot có thể thay thế nhiều lao động chân tay hơn. Nhưng khi vấn đề chạm đến việc xử lý giao tiếp giữa người với người, họ cũng cho rằng đây là điểm mà con người không thể bị máy móc thay thế.

Động Sát Beating: Con số "giảm 40% chi phí bán hàng" được tính ra như thế nào?

Tạ Tuấn: Tính toán của chúng tôi là so sánh chi phí mua một robot, Token vận hành hàng ngày, tiền điện và một ít chi phí bảo trì với tiền lương của hai nhân viên cửa hàng. Dựa trên chu kỳ thu hồi vốn trong hai năm, kết quả thu được là giảm khoảng 40% chi phí nhân lực bán hàng so với các cửa hàng truyền thống.

Động Sát Beating: Máy móc cũng cần kỹ sư bảo trì. Chi phí bảo trì, sửa chữa và can thiệp thủ công cho những vấn đề mà quản lý cửa hàng và nhân viên không giải quyết được đã được tính đến chưa?

Tạ Tuấn: Tiền đề của con số này là sản phẩm cuối cùng đạt được độ ổn định như kỳ vọng. Trước khi thương mại hóa thực sự, chúng tôi phải cố gắng giải quyết các vấn đề như động cơ, dây cáp, tránh chướng ngại vật, kẹt động cơ, v.v., trước tiên đạt được chỉ số vận hành liên tục trong thời gian dài mà không cần sự tham gia của con người, sau đó mới nói đến các tính toán kiểu này.

Việc bảo trì chắc chắn sẽ tồn tại. Khi có sự cố nghiêm trọng, có thể cần kỹ sư đến xử lý tại chỗ hoặc mang về sửa chữa; nếu bản thân robot đủ mô-đun hóa và cấu trúc đủ đơn giản, chúng tôi cũng có thể cung cấp hướng dẫn sửa chữa. Sau này, nếu robot được triển khai đủ nhiều, có thể sẽ xuất hiện các dịch vụ sửa chữa tương tự như sửa điện thoại, máy tính. Chúng tôi hy vọng cũng sẽ giảm thiểu chi phí bảo trì ở mức tối đa.

Động Sát Beating: Trong một cửa hàng bán lẻ lý tưởng, con người và máy móc sẽ làm những việc gì?

Trâu Nghiêm Văn: Sẽ thực hiện từng bước một. Bước đầu tiên chắc chắn là lên/xuống hàng. Sau đó có thể mở rộng sang lấy hàng từ kho, giao tiếp một phần với khách hàng, hoặc tích hợp các robot và khả năng AI khác nhau. Xa hơn nữa, dựa trên bối cảnh và các chỉ số bán hàng đã được lưu lại trong cửa hàng, robot có thể hỗ trợ một số công việc quản lý vận hành.

Động Sát Beating: Khi một khách hàng bình thường bước vào một cửa hàng có robot, tâm lý của họ sẽ như thế nào? Họ có tin tưởng vào nó không?

Tạ Tuấn: Ban đầu có thể thấy mới lạ, thú vị, nhưng chưa chắc đã tin tưởng ngay. Nhưng nếu sau này cửa hàng nào cũng có robot, con người sẽ dần quen.

Hiện tại đã có kịch bản robot bán kem. Nó cũng có thể tự xây dựng thương hiệu riêng. Ví dụ, một nhà hàng hoàn toàn dùng robot, đồ uống và điểm tâm đều do robot làm, nếu sản phẩm ngon và không mua được ở nơi khác, khách hàng không nhất thiết chỉ coi nó là công cụ thay thế nhân lực.

Từ góc nhìn của người vận hành, robot còn có thể có lợi thế về vệ sinh, chi phí nhân sự và quản lý tồn kho. Nó có thể giúp cửa hàng giảm thiểu lãng phí thực phẩm hết hạn và hao hụt không cần thiết.

Động Sát Beating: Các bạn có đồng ý rằng "thay thế nhân công" là logic kinh doanh trực tiếp nhất của robot không? Những công việc nào vẫn chỉ có con người mới làm được?

Tạ Tuấn: Giao tiếp giữa người với người, sự đồng hành trôi chảy và cảm giác ấm áp, robot hiện tại khó có thể đáp ứng được.

Nhìn về dài hạn, nếu robot có khả năng điều khiển đủ mềm mại và bộ não đủ thông minh, việc thay thế hoàn toàn nhân công cũng không phải không thể kỳ vọng. Nhưng ở một số kịch bản nhạy cảm, tiến độ sẽ chậm hơn.

Động Sát Beating: Mô hình lớn và phần cứng đều cập nhật rất nhanh. Nếu doanh nghiệp mua robot với kỳ vọng thu hồi vốn trong hai năm, liệu năm thứ hai có phải đối mặt với khấu hao và thay thế phần cứng cũ không?

Tạ Tuấn: Sự lỗi thời của phần cứng chắc chắn sẽ xảy ra, giống như máy tính và điện thoại cũng được cập nhật sau vài năm. Chúng tôi không hứa hẹn một robot có thể hoạt động tốt trong 30 năm, mục tiêu thực tế hơn là 5 đến 10 năm.

Việc cập nhật trong ngắn hạn một hai năm sẽ gây ra khấu hao. Do đó, khi thiết kế sản phẩm, chúng tôi cố gắng tái sử dụng các bộ phận như động cơ khớp, kết cấu cho thế hệ tiếp theo. Chúng tôi hy vọng bộ não cập nhật nhanh hơn phần cứng. Phần mềm có thể nâng cấp trực tuyến, có thể vài tuần một phiên bản, hoặc một tháng có vài phiên bản; phần cứng thì cố gắng duy trì tính phổ dụng trong thời gian dài.

Tạ Tuấn lấy ví dụ về robot G1 của Unitree, cho rằng một dạng phần cứng phổ thông vẫn có thể có giá trị sử dụng sau một hai năm. Đối với LoopMaster, họ hy vọng những robot bán ra đầu tiên không cần phải thay thế toàn bộ mỗi khi thuật toán được cập nhật.

Đưa phần cứng vào cửa hàng trước, rồi mới nói đến hào phòng thủ

Khác với nhiều đội ngũ khởi nghiệp thường nói về "câu chuyện vĩ mô", câu trả lời của LoopMaster khá chân thành. Tạ Tuấn nói thẳng rằng điều họ có thể giải thích rõ ràng hiện tại là phần cứng chi phí thấp, khung tự tiến hóa Agent đang được mài giũa, và hy vọng sớm hơn các giải pháp end-to-end để bước vào kịch bản thực tế và tích lũy dữ liệu.

Các thành viên trong nhóm đều là thế hệ 00, thừa nhận còn thiếu kinh nghiệm về chuỗi cung ứng phức tạp ngoại tuyến và các hoạt động kinh doanh B2B. Một cuộc thi có thể đưa một nguyên mẫu lên sân khấu, nhưng việc triển khai bán lẻ thực tế lại phải đối mặt với thu mua, hậu mãi, quyết định của khách hàng, độ tin cậy, chuỗi cung ứng và vốn. Mọi thứ đều chậm hơn so với thuyết trình.

Động Sát Beating: Đối mặt với các công ty lớn trưởng thành và các nhà sản xuất robot, các bạn cho rằng hào lũy của mình là gì?

Xie Jun: Lợi thế ở giai đoạn hiện tại, trước hết là bản thể chi phí thấp. Thứ hai là khung tự tiến hóa Agent khá mới này. Thứ ba là, nếu có thể tiên phong bước vào các kịch bản thực tế, thì sẽ sớm thu thập được dữ liệu từ vận hành thực tế, tương tác người dùng và quá trình thương mại hóa.

Nhưng về hào lũy thương mại hóa cụ thể, chúng tôi thực sự chưa nghĩ ra hoàn toàn. Chúng tôi hy vọng trước tiên sẽ xây dựng những năng lực này, rồi tìm ra thứ thực sự có giá trị trong quá trình triển khai.

Động Sát Beating: Các bạn đều là thế hệ 00, đối mặt với các cửa hàng ngoại tuyến, chuỗi cung ứng và kịch bản tiêu dùng, liệu có thiếu kinh nghiệm không? Đã gặp phải những hố nào?

Xie Jun: Có. Ở giai đoạn hiện tại, cả nhóm đều là thế hệ 00, thiếu kinh nghiệm thương mại hóa và B2B. Sau này nếu muốn thực sự thương mại hóa, có thể cần thu hút các đối tác thương mại hóa giàu kinh nghiệm, và cũng cần học hỏi từ những người đã làm những việc này trong ngành.

Động Sát Beating: Trong tương lai, ở các kịch bản ngoại tuyến, thứ sẽ nổi lên là robot hình người đa năng, hay robot chuyên dụng được thiết kế cho các nhiệm vụ cụ thể?

Xie Jun: Tôi nghĩ cả hai loại đều sẽ có. Robot hình người đa năng phù hợp với nhiều kịch bản hơn, nhưng mức tiêu thụ năng lượng, độ phức tạp và độ ổn định chưa chắc đã tốt hơn robot chuyên dụng. Hình người sẽ có tính thẩm mỹ cao hơn một chút.

Đối với các kịch bản như cửa hàng không người, một hệ thống bán hình người có khả năng di chuyển và phần thân trên có thể thực hiện thao tác, có lẽ đã đủ dùng. Không cần thiết phải gánh hết mọi độ phức tạp chỉ để giống con người.

Động Sát Beating: Tiếp theo, có kế hoạch thời gian nào cho việc ra mắt sản phẩm, gọi vốn và mở rộng không?

Xie Jun: Sau cuộc thi, chúng tôi đã có trao đổi và hợp tác sâu hơn với Thám Nguyệt. Bản thể như một sản phẩm phòng thí nghiệm và nghiên cứu khoa học, tiến độ sẽ tương đối nhanh. Chúng tôi dự kiến trong khoảng một tháng tới có thể có một số đơn hàng.

Nhưng việc triển khai thực sự hướng đến các kịch bản thương mại cụ thể, chu kỳ tạm thời chưa thể xác định. Nhóm vẫn đang hoàn thiện dự án, cũng đang tìm kiếm tài nguyên, đầu tư và lời khuyên từ ngành, tiếp tục lặp lại lộ trình thương mại hóa.

Đừng biến mọi công ty thành một phòng thí nghiệm mới

Khi được phỏng vấn về bong bóng, Zou Yanwen cho rằng bong bóng của trí tuệ nhúng hiện tại còn nghiêm trọng hơn cả bong bóng của mô hình ngôn ngữ lớn. Anh nói rằng ít nhất đã có người trả phí đăng ký cho mô hình ngôn ngữ lớn, trong khi nhiều robot dựa trên học tập trong lĩnh vực thao tác nhúng vẫn chưa thực sự bước vào các kịch bản triển khai thực tế. Nếu tính theo tỷ lệ giá trị thị trường trên doanh thu, bong bóng thậm chí còn lớn hơn.

Ở giai đoạn hiện tại, nghiên cứu về trí tuệ nhúng rất quan trọng, nhưng anh cho rằng chúng ta thực sự không cần quá nhiều Neo Lab. Một công ty luôn phải trả lời một câu hỏi cơ bản hơn: nó thực sự hoạt động trong kịch bản nào, và kịch bản đó có thể hỗ trợ nó tiến tới khả năng mạnh mẽ hơn hay không.

Cuối cùng, nhóm đã đưa chủ đề trở lại mã nguồn mở. Họ sẵn sàng công khai phần thân robot đã phát triển trong hai năm qua cho sinh viên và nhà phát triển, đồng thời hy vọng có sự tham gia của những người có nền tảng về thiết kế, mỹ thuật và ngôn ngữ và văn học Trung Quốc. Trí tuệ nhúng sẽ không chỉ phát triển từ các bài báo mô hình và tin tức gọi vốn; nó còn cần được lắp đặt, dạy dỗ, sửa chữa và tương tác với những con người cụ thể trong một cửa hàng cụ thể.

Kỹ năng tự tiến hóa

Động sát Beating: Các bạn nghĩ bong bóng nào có khả năng xuất hiện tiếp theo trong trí tuệ nhúng?

Zou Yanwen: Tôi không nghĩ bong bóng của nó nhỏ hơn mô hình ngôn ngữ lớn. Mô hình ngôn ngữ lớn ít nhất đã có người trả phí đăng ký. Trong thao tác nhúng, nhiều robot dựa trên học tập vẫn chưa thực sự bước vào các kịch bản triển khai. Nếu tính theo tỷ lệ giá trị thị trường trên doanh thu, mẫu số rất nhỏ, bong bóng thậm chí có thể lớn hơn.

Trong thời gian tới, mọi người có thể kỳ vọng rằng sau khi tích lũy đủ dữ liệu, các chiến lược end-to-end sẽ xuất hiện với khả năng mạnh mẽ hơn. Nhưng cần cảnh giác với việc biến tất cả các công ty thành Neo Lab. Mỗi đội ngũ khởi nghiệp phải suy nghĩ rõ ràng về kịch bản ứng dụng của mình, và liệu kịch bản đó có thể hỗ trợ họ đạt được khả năng end-to-end cuối cùng hay không.

Động sát Beating: Tại sao các bạn nói rằng sự chú ý của ngành đối với trí tuệ nhúng hiện tại hơi quá nhỏ?

Zou Yanwen: Robot truyền thống vốn đã có các mô-đun phức tạp như nhận thức, ra quyết định và điều khiển, mỗi mô-đun là một hướng nghiên cứu riêng biệt. Ngày nay, khi mọi người tranh luận về mô hình thế giới, VLA hoặc các chiến lược cấp thấp, họ thường chỉ tập trung vào một vài khối trong một tòa tháp xếp hình.

Tất nhiên những vấn đề này rất quan trọng, nhưng nếu muốn robot thực sự được triển khai, cả phần thân và thuật toán đều cần tiếp tục cải tiến, linh kiện sản xuất hàng loạt phải được chọn lọc, Agent Loop phải được xây dựng, và cả phương pháp dựa trên học tập lẫn không dựa trên học tập đều phải thực hiện. Các chiến lược cấp thấp sau này có thể ngày càng lớn, thậm chí nuốt chửng các mô-đun khác, nhưng điều cấp bách hơn hiện tại là xây dựng toàn bộ tòa nhà trước.

Động Sát Beating: Tại sao các bạn kiên trì với mã nguồn mở, và hy vọng những người như thế nào bước vào ngành này?

Xie Jun: Bành Đống và tôi đã dành hai năm để xây dựng Ontology, nhưng vẫn sẵn lòng công khai mã nguồn, vì chúng tôi muốn thu hút thêm nhiều sinh viên, người làm trong ngành và những người từ các lĩnh vực khác tham gia. Nhờ AI và lập trình Agent, những người không có nền tảng kỹ thuật sâu cũng có thể nhanh chóng sử dụng robot và tham gia khám phá.

Hiện nay, nhiều bản demo về trí tuệ nhúng có phần đồng nhất. Ngành công nghiệp cần những ý tưởng mới. Những người làm nghệ thuật, ngôn ngữ và văn học Trung Quốc có thể mang đến những hiểu biết khác biệt so với nền tảng kỹ thuật thuần túy. Chúng tôi đã từng nói trong buổi roadshow hackathon rằng, hy vọng những ông chủ nhỏ không biết kỹ thuật cũng có thể sử dụng robot với chi phí thấp, để nó đảm nhận một phần công việc của nhân viên bán hàng. Đó là tâm niệm ban đầu của chúng tôi khi làm mã nguồn mở và hạ thấp rào cản.

Cũng cảm ơn Thám Nguyệt đã cho nhóm cơ hội trình diễn và hợp tác. Chúng tôi hy vọng dự án có thể tiếp tục tiến lên, và cũng hy vọng toàn ngành sẽ xuất hiện nhiều quan điểm mới, mô hình mới và các tình huống thực sự giải quyết vấn đề.

Động Sát Beating: Bạn nghĩ thế nào về việc VC ngày nay vào trường đại học, khuyến khích sinh viên và giáo sư ra ngoài khởi nghiệp, cũng như xu hướng Neo Lab?

Zou Yanwen: Tôi không chắc có thể đơn giản nói đó là điều tốt hay xấu. Một thực tế là hệ thống trường đại học khó có thể thu hút được lượng vốn và sức mạnh tính toán lớn mà nghiên cứu học sâu cần. Đối với một số giáo sư, ra ngoài khởi nghiệp, hợp tác với công ty, hoặc thành lập các tổ chức như Neo Lab, có thể là một cách để có được nguồn lực.

Nhưng nó cũng sẽ mang lại các vấn đề như định giá chênh lệch giữa thị trường sơ cấp và thứ cấp, huy động số tiền lớn ngay từ vòng đầu tiên. Có lẽ một số nghiên cứu thực sự cần nhiều tiền, nhưng không nhất thiết cần nhiều người. Cách tổ chức nghiên cứu có được nguồn lực và cách một công ty được thị trường định giá, cuối cùng không phải là cùng một bài toán.

Trước tiên hãy vẽ ra sàn nhà

Bộ phim năm 2016 "The Founder" kể về cách McDonald's từ một nhà hàng trở thành một chuỗi công ty. Đầu phim, người bán máy lắc sữa Ray Kroc gặp anh em nhà McDonald tại San Bernardino, California. Hai anh em giải thích cho ông về "Hệ thống phục vụ nhanh" của họ, sau đó trên một khu đất trống, dùng phấn vẽ ra vị trí bếp, quầy lấy hàng, nồi chiên và chỗ xoay người của nhân viên, để nhân viên lặp đi lặp lại mô phỏng nhận đơn, đóng gói, giao hàng. Cho đến khi dây chuyền này ngày càng trôi chảy.

Khung hình tĩnh từ phim "The Founder"

Trước đây, có người nhớ trong một cửa hàng, ai luôn đi đường vòng, ai sẽ va vào ai khi lấy đồ ăn, thao tác nào khiến khách hàng phải chờ thêm nửa phút. Sau đó mới có bản vẽ, nén kinh nghiệm của nhiều người thành những thao tác mà người đến sau cũng có thể làm theo.

Trong "The Founder", câu chuyện sau đó lại khác. Sau khi biến một quy trình thành một công việc kinh doanh có thể nhân bản, ai sở hữu tiêu chuẩn, ai sở hữu mặt bằng, ai lại sở hữu thương hiệu đó, mọi thứ không còn chỉ xoay quanh căn bếp nữa.

LoopMaster dĩ nhiên còn rất xa bước này. Nó vẫn chưa hoàn thành triển khai tại cửa hàng thực tế, và hào thương mại hóa cũng cần được kiểm chứng. Nhưng chính điều này lại khiến những câu trả lời chưa hoàn hảo trong cuộc phỏng vấn trở nên có trọng lượng. Dữ liệu tích lũy thế nào, lỗi do ai tiếp quản, chỉ số bán hàng làm sao không bị lừa bởi khuyến mãi và lượng khách, cửa hàng đầu tiên sẵn sàng dành bao nhiêu thời gian để học hỏi – tất cả những điều này không phải là vấn đề nhỏ tự biến mất sau khi đưa máy móc vào cửa hàng.

LoopMaster hiện có vài trăm bản ghi thử nghiệm từ hiện trường thi đấu, một bảng BOM công khai, khớp eo bị loại bỏ trên thế hệ thứ năm, và một vòng lặp Agent đang chờ kiểm chứng. Nó còn thiếu một tấm sàn để đến được cửa hàng thực tế. Ai đó phải vẽ đường ở đó trước.

Liên kết gốc

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia