AgiBot ra mắt Genie Sim 3.0: Nền tảng mô phỏng đột phá cho AI hình thể (Embodied AI)

Theo AgiBot, việc triển khai robot trong thế giới thực hiện nay vẫn gặp nhiều rào cản do chi phí thu thập dữ liệu cao, kịch bản thiếu đa dạng và các tiêu chuẩn đánh giá chưa thống nhất. Genie Sim 3.0 ra đời nhằm giải quyết triệt để ba “nút thắt” này: tạo lập môi trường, mở rộng dữ liệu và chuẩn hóa quy trình đánh giá .

Genie Sim World: Khởi tạo môi trường 3D bằng ngôn ngữ

Một trong những cải tiến đáng chú ý nhất của Genie Sim 3.0 là khả năng xây dựng mô hình thế giới không gian linh hoạt. Người dùng giờ đây có thể tạo ra các môi trường 3D tương tác hoàn chỉnh chỉ từ những câu lệnh văn bản hoặc hình ảnh đơn giản.
Các ưu điểm nổi bật của tính năng này bao gồm:

• Đầu vào đa phương thức: Loại bỏ quy trình mô hình hóa thủ công phức tạp. Chỉ với dữ liệu đầu vào tối thiểu, hệ thống có thể tự động tạo ra các môi trường đa dạng.
• Tốc độ xử lý vượt trội: Nhờ ứng dụng mạng thần kinh, thời gian tạo cảnh được rút ngắn từ hàng giờ xuống còn vài phút.
• Độ chính xác cao: Đầu ra dữ liệu đa phương thức (RGB, độ sâu, lidar...) được đồng bộ hóa hoàn hảo, đảm bảo robot mô phỏng nhận thức sát nhất với môi trường thực tế.

Hệ thống Genie Sim Benchmark: Khuôn khổ đánh giá toàn diện

Để đảm bảo các thuật toán robot hoạt động hiệu quả, AgiBot đã thiết kế một khung đánh giá hệ thống hóa mang tên Genie Sim Benchmark. Khung này tập trung vào 5 khả năng cốt lõi của AI hình thể:

1. GenieSim-Instruction: Đo lường mức độ tuân thủ hướng dẫn bằng ngôn ngữ tự nhiên của robot.
2. GenieSim-Spatial: Đánh giá khả năng hiểu và suy luận về các mối quan hệ không gian, hình học.
3. GenieSim-Manip: Kiểm tra các kỹ năng thao tác cơ bản và khả năng thực hiện các chuỗi nhiệm vụ dài hạn.
4. GenieSim-Robust: Thử thách độ bền bỉ và khả năng thích ứng của robot trong các điều kiện môi trường thay đổi (ánh sáng, nhiễu cảm biến).
5. GenieSim-Sim2Real: Đánh giá khả năng chuyển đổi trực tiếp dữ liệu từ môi trường ảo sang robot thực mà không cần huấn luyện lại (zero-shot transfer).

Đáng chú ý, nền tảng này hỗ trợ tốt cho các dòng mô hình robot phổ biến hiện nay như GO-2, Pi series và GR00T series.

Tích hợp RLinf: Mở rộng quy mô học tăng cường (Reinforcement Learning)

Genie Sim 3.0 đánh dấu sự kết hợp chặt chẽ với khung RLinf, tạo ra một quy trình học tăng cường (RL) hoàn chỉnh. Giải pháp này giúp thu hẹp khoảng cách giữa việc “hiểu biết tổng quát” của mô hình thị giác-ngôn ngữ-hành động (VLA) và việc “điều khiển vi mô chính xác”.

Hệ thống sở hữu các tính năng kỹ thuật ấn tượng:

• Tách biệt công cụ vật lý và kết xuất: Hỗ trợ mô phỏng vật lý tần số cao lên tới 1.000Hz nhưng vẫn giữ được chất lượng hình ảnh sắc nét.
• Mô phỏng song song quy mô lớn: Giúp tăng tốc độ hội tụ mô hình và thông lượng dữ liệu.
• Vòng lặp kín: Các tác nhân AI có thể được huấn luyện và nhận tín hiệu khen thưởng trực tiếp ngay trong môi trường mô phỏng.

Xây dựng cơ sở hạ tầng thống nhất cho hệ sinh thái Robot toàn cầu

Với Genie Sim 3.0, AgiBot đã tạo nên một chuỗi cung ứng công cụ khép kín: Môi trường → Dữ liệu → Đào tạo → Đánh giá. Sự thống nhất này giúp giảm thiểu đáng kể chi phí kỹ thuật, cho phép các đơn vị phát triển robot thực hiện thử nghiệm và lặp lại quy trình nhanh chóng hơn.

Xem thêm: Robot hình người (Humanoid robot): Cách hoạt động, lợi ích, ứng dụng tiềm năng

Việc thu hẹp ranh giới giữa mô phỏng và thực tế, cùng khả năng khởi tạo môi trường thần tốc, chính là nền tảng quan trọng để triển khai AI hình thể trên quy mô công nghiệp. AgiBot tin rằng một cơ sở hạ tầng mở và dùng chung như Genie Sim 3.0 sẽ là động lực thúc đẩy sự phát triển mạnh mẽ của toàn bộ hệ sinh thái robot học toàn cầu trong tương lai gần.