Chó robot có thể tự vệ khi bị người tấn công

Chó robot Jueying được các nhà nghiên cứu dạy cách phản ứng trong nhiều tình huống thực tế nhờ ứng dụng AI.

Các nhà nghiên cứu đến từ Đại học Chiết Giang, Trung Quốc, chế tạo chó robot mang tên Jueying. Thông qua chương trình hợp tác với Đại học Edinburgh ở Scotland, họ để con chó robot tự học cách phản ứng khi bị tấn công.

Chó robot Jueying. (Ảnh: Đại học Chiết Giang).

Những chuyên gia về robot sử dụng mạng lưới thần kinh chuyên sâu, thuật toán được thiết kế để mô phỏng não người, nhằm huấn luyện mô hình vi tính của chó robot. Phương pháp này cung cấp cho nó khả năng chạy nước kiệu hoặc đứng dậy nếu bị ngã. Nếu làm gì đó có lợi cho nhiệm vụ, chó robot sẽ được thưởng. Ngược lại, chương trình kỹ thuật số sẽ ghi nhận đó là hành vi tiêu cực. Về cơ bản, các nhà nghiên cứu sử dụng phương pháp "thử và lỗi" để huấn luyện con robot học hỏi.

"Cách tiếp cận bằng trí tuệ nhân tạo rất khác biệt về mặt tích lũy trải nghiệm, trong đó robot phải thử hàng trăm nghìn lần, hoặc thậm chí hàng triệu lần", nhà robot học ở Đại học Edinburgh Zhibin Li, giải thích. "Vì vậy, trong môi trường mô phỏng, tôi có thể tạo ra tất cả tình huống có thể xảy ra. Tôi có thể tạo những môi trường hoặc cấu hình khác nhau. Ví dụ, robot có thể bắt đầu ở một tư thế khác như nằm trên mặt đất, đứng, ngã, vân vân".

8 chuyên gia "ảo" được sử dụng để phát triển nhiều kỹ năng khác nhau cho con robot, bao gồm đi dạo, giữ thăng bằng, chạy. Khi con robot đối mặt với nhiệm vụ khó như nằm sấp trên bề mặt không bằng phẳng, mỗi chuyên gia có thể hướng dẫn cỗ máy biết phải làm gì. Tương tự, khi một người đẩy con robot ngã xuống sàn, nó sẽ biết cách đứng dậy.

Mục tiêu cuối cùng của nghiên cứu là dạy robot học hỏi tương tự như trẻ em, thay vì sử dụng mã hóa cho các hành động và chướng ngại vật. Ví dụ, khi leo cầu thang, robot được lập trình để cử động chân vừa đủ, sau đó trí tuệ nhân tạo sẽ điều chỉnh cử động. Cách học hỏi này rất quan trọng bởi có quá nhiều tình huống nằm ngoài kiểm soát mà các nhà nghiên cứu không thể dự đoán trước để mã hóa cho robot.