Internet tối ưu việc chuyển dữ liệu: Robot có thể cần một mạng chỉ gửi điều thực sự quan trọng

Một camera trên robot có thể tạo ra hàng triệu giá trị pixel mỗi giây. Nhưng nếu nhiệm vụ ngay lúc đó chỉ là tránh một thùng hàng đang chắn đường, robot có thực sự cần gửi toàn bộ hình ảnh tới máy chủ — từng pixel, từng khung hình — hay chỉ cần truyền thông tin rằng có vật cản ở vị trí này và quỹ đạo hiện tại phải đổi?

Đó là câu hỏi đứng sau semantic communication và một nhánh hẹp hơn gọi là goal-oriented communication. Thay vì coi việc tái tạo dữ liệu ở đầu nhận là mục tiêu cuối cùng, các hệ thống này đo chất lượng mạng bằng kết quả mà dữ liệu giúp tạo ra: robot có tránh va chạm không, digital twin có đủ chính xác không, bản đồ có còn nhận ra các vật thể cần thiết không.

Ý tưởng đang đi từ lý thuyết sang những prototype cụ thể. Một hệ thống robot-edge của Toshiba Research Europe công bố tháng 7/2026 nén mỗi khung RGB 320 × 240 từ 230.400 byte xuống 5.400 byte token — giảm 42,67 lần — rồi dùng phần hình ảnh khôi phục để dựng semantic map. Trong một nghiên cứu khác đã xuất bản trên IEEE Transactions on Wireless Communications, nhóm King's College London và Chalmers mô phỏng UAV tránh vật cản với cùng tỷ lệ hoàn thành nhiệm vụ 100% như cách truyền liên tục, nhưng gửi ít hơn 92,4% tín hiệu sensing và điều khiển.

Những kết quả này chưa có nghĩa Internet sắp ngừng truyền bit. Chúng chỉ ra một thay đổi sâu hơn với mạng dành cho robot và các hệ cyber-physical: network có thể phải hiểu mục đích của dữ liệu đủ để biết khi nào không cần gửi nó.

Internet không thực sự “hiểu” dữ liệu đang mang gì

Cách nói rằng Internet được xây để “truyền mọi bit chính xác” là một phép rút gọn. Thực tế, một số giao thức chấp nhận mất packet, còn reliability có thể được xử lý ở nhiều tầng khác nhau. Nhưng kiến trúc mạng truyền thống có một đặc điểm quan trọng: phần vận chuyển chủ yếu không cần biết payload có nghĩa gì đối với ứng dụng.

Một packet chứa ảnh mèo, tọa độ robot hay tín hiệu cho cánh tay dừng lại về cơ bản vẫn được network xử lý theo các thông số như địa chỉ, kích thước, độ ưu tiên, throughput, latency, packet loss và reliability. Ý nghĩa của dữ liệu thường nằm ở application layer.

Sự tách biệt này có nguồn gốc sâu trong information theory. Trong công trình năm 1948, Claude Shannon chủ ý tách “semantic aspects” khỏi bài toán kỹ thuật của truyền thông. Cách tiếp cận đó cực kỳ hiệu quả: một network không cần hiểu một email để chuyển email chính xác, cũng không cần biết nội dung của file để đảm bảo file tải về đúng.

Nhưng robot tạo ra một tình huống khác. Camera, LiDAR, depth sensor, joint encoder và telemetry có thể phát liên tục, trong khi giá trị của từng mẫu dữ liệu thay đổi theo nhiệm vụ và thời điểm. Một ảnh về bức tường phía sau robot có thể gần như vô dụng khi nó đang gắp một hộp trước mặt; vài mili-giây sau, cùng vùng không gian đó có thể trở nên quan trọng nếu robot quay lại.

“Ý nghĩa” với robot không nhất thiết là câu chữ

Semantic communication dễ khiến người ta hình dung AI đọc dữ liệu rồi chuyển nó thành một câu mô tả. Trong robotics, “semantic” thường cụ thể và kỹ thuật hơn nhiều.

Nó có thể là vị trí và class của một vật thể, một 3D scene graph mô tả quan hệ giữa các vật, contour của những object liên quan đến thao tác, một latent representation từ neural network hoặc đơn giản là quyết định rằng chưa cần gửi update mới vì trạng thái dự đoán vẫn đủ chính xác.

Điểm chung là đầu phát không cố giữ mọi chi tiết như nhau. Nó giữ phần thông tin cần cho downstream task.

Dự án 6G-GOALS do Liên minh châu Âu tài trợ mô tả thay đổi này bằng các metric như semantic fidelity, value of information và task efficiency, thay vì chỉ throughput và latency. CORDIS cho biết dự án đang xây kiến trúc trong đó semantic engine và network controller có thể phối hợp để ưu tiên dữ liệu dựa trên giá trị với nhiệm vụ.

Một cánh tay robot đã thử chỉ gửi trạng thái cần cho digital twin

Một ví dụ thực nghiệm đến từ nhóm của Shutong Chen, Emmanouil Spyrakos-Papastavridis, Yichao Jin và Yansha Deng. Nghiên cứu được xuất bản trong IEEE Journal on Selected Areas in Communications năm 2025 và dùng cánh tay Franka Research 3 ngoài đời thực.

Digital twin thông thường có thể liên tục nhận một message chứa đầy đủ trạng thái của robot để tái dựng chuyển động. Nhóm nghiên cứu thay cách làm đó bằng một thuật toán Wireless Feature Selection. Chuyển động được chia thành nhiều phase, và ở mỗi phase hệ thống chỉ truyền các feature cần cho việc dựng lại robot ở thời điểm đó.

Trong PyBullet simulation, lượng communication giảm 44,1%; ở thử nghiệm với Franka Research 3 thật, mức giảm là 35%. Theo nhóm nghiên cứu, reconstruction error vẫn ở cùng mức so với cách truyền đầy đủ.

Con số 35% không quá ngoạn mục nếu so với một số tuyên bố về semantic compression, nhưng thử nghiệm này thể hiện khá rõ bản chất của goal-oriented networking: dữ liệu không bị bỏ chỉ vì nó “nén được”, mà vì trong phase hiện tại nó không cần thiết cho mục tiêu tái dựng digital twin.

Với UAV, đôi khi gói tin tốt nhất là gói tin không cần gửi

Một nghiên cứu 2026 của Wenjie Liu, Yansha Deng và Henk Wymeersch đi xa hơn: hệ thống quyết định cả khi nào thông tin đáng được truyền.

Bài toán là một UAV tránh vật cản trong hệ thống mà base station vừa sensing môi trường vừa gửi command-and-control. Cách đơn giản là cập nhật vị trí và gửi lệnh ở mọi time slot. Cách này tạo ra một dòng dữ liệu ổn định nhưng cũng chứa nhiều update gần như không thay đổi quyết định của robot.

Framework của nhóm dùng Kalman filter để dự đoán vị trí UAV giữa các lần đo. Sau đó một deep Q-network đánh giá value of information. Với sensing signal, giá trị được đo bằng mức nó làm giảm uncertainty của ước lượng vị trí. Với control signal, giá trị nằm ở mức lệnh mới cải thiện navigation.

Nếu update không làm thay đổi đủ nhiều trạng thái hoặc quyết định, hệ thống có thể không truyền nó.

Trong simulation, phương pháp này đạt task success rate 100%, ngang với baseline truyền sensing và control ở mọi time slot, đồng thời giảm 92,4% số tín hiệu được truyền và 85,5% số time slot có transmission.

Đây là kết quả của simulation, không phải một fleet drone đã bay ngoài thành phố. Nhưng nó cho thấy sự khác biệt về mục tiêu tối ưu: network không còn hỏi “làm sao gửi update này nhanh nhất?” mà hỏi trước “update này có đáng gửi không?”.

Toshiba thử biến camera robot thành một dòng token nhỏ hơn 42 lần

Tháng 7/2026, Peizheng Li, Xinyi Lin, Sajida Gufran và Adnan Aijaz tại Toshiba Research Europe công bố một robot-edge testbed với mục tiêu đưa semantic communication vào hệ thống gần với network stack thực tế hơn.

Robot dùng RGB-D camera, LiDAR và ROS 2; một Jetson Orin ở edge nhận dữ liệu, dựng bản đồ bằng RTAB-Map rồi gắn thêm object label để tạo semantic map. Phần camera được mã hóa bằng VQ-VAE trên robot.

Mỗi frame RGB 320 × 240 ban đầu tương đương 230.400 byte ở input của model. Encoder biến nó thành grid 80 × 60 gồm 4.800 token; với codebook 512 phần tử, payload đóng gói còn 5.400 byte. Đó là mức giảm 42,67 lần so với RGB input.

Ảnh tái dựng đạt PSNR khoảng 21,7–21,9 dB trong offline test. Chất lượng này không nhằm giữ từng texture nhỏ. Paper cho biết hình ảnh còn giữ được layout chính và các vật thể lớn, đủ cho proof-of-concept về coarse scene awareness. Một YOLO detector sau đó nhận diện object trên ảnh tái dựng và gắn chúng vào bản đồ 3D.

Điểm quan trọng là paper tự gọi đây là work in progress. Nhóm chưa thực hiện benchmark đầy đủ về wireless latency trên 5G/Open RAN, energy consumption hay hiệu quả của nhiệm vụ multi-robot. Mức nén 42,67 lần vì thế không đồng nghĩa một robot ngoài nhà máy sẽ dùng ít hơn 42 lần bandwidth tổng thể.

Network bắt đầu phải biết robot đang cố làm gì

Semantic communication thay đổi ranh giới giữa application và network.

Trong kiến trúc truyền thống, application tạo data; network cố vận chuyển data theo yêu cầu QoS. Với goal-oriented communication, application có thể phải nói cho network biết goal, trạng thái nhiệm vụ hoặc loại semantic utility cần giữ. Network sau đó có thể chọn sampling rate, thời điểm gửi, mức compression hoặc độ ưu tiên tương ứng.

Một robot đang đi qua hành lang trống có thể chịu được update thưa. Khi tiến vào khu vực đông người, cùng robot có thể cần semantic update nhanh hơn và reliability cao hơn. Một camera mapping nền có thể chấp nhận mất texture; stream dùng để xác định bàn tay của người lao động gần cánh tay robot có thể không được phép bỏ chi tiết tương tự.

Nói cách khác, “quan trọng” không phải thuộc tính cố định của một byte. Nó phụ thuộc vào nhiệm vụ, thời điểm và hậu quả của sai quyết định.

Chỉ truyền thứ quan trọng tạo ra một câu hỏi khó: ai quyết định thứ gì không quan trọng?

Đây là giới hạn lớn nhất của ý tưởng.

Một codec truyền thống có thể làm ảnh xấu đi nhưng người thiết kế biết tương đối rõ distortion đang được tối ưu. Semantic encoder có thể bỏ một chi tiết vì model cho rằng nó không cần cho task. Nếu môi trường thay đổi hoặc robot gặp tình huống ngoài dữ liệu huấn luyện, chi tiết bị bỏ có thể chính là thứ cần thiết để nhận ra nguy hiểm.

Ví dụ, một hệ thống được huấn luyện coi texture nhỏ là không quan trọng với navigation có thể gặp một dây cáp mảnh nằm trên sàn. Một object detector từng làm tốt trong nhà máy chuẩn hóa có thể bỏ sót một vật thể lạ. Khi network chỉ truyền representation đã được lọc, phía nhận thậm chí có thể không còn raw data để kiểm tra lại.

Semantic mismatch cũng là vấn đề. Sender và receiver phải dùng model, codebook hoặc knowledge base tương thích. Nếu hai đầu hiểu token khác nhau, packet có thể đến hoàn hảo ở cấp bit nhưng “ý nghĩa” lại sai.

Gửi ít bit hơn chưa chắc dùng ít năng lượng hơn

Một paper khác của Xinyi Lin, Peizheng Li và Adnan Aijaz công bố trên arXiv tháng 7/2026 đặt câu hỏi khá trực diện: meaning có giá bao nhiêu?

Semantic communication cần nhiều thứ ngoài payload đã nén: metadata về task và model, feedback, control signaling, đồng bộ model hoặc knowledge base, cùng computation để chạy neural encoder và decoder. Những phần này có thể ăn mất lợi ích từ việc gửi ít dữ liệu hơn.

Phân tích của nhóm cho thấy SemCom chỉ có lợi về spectrum khi payload đủ lớn để phần tiết kiệm bù được fixed overhead. Điều kiện về energy còn khó hơn vì phải tính cả inference, memory access và model synchronization. Với short packet hoặc model thay đổi thường xuyên, semantic communication có thể tốn hơn cách truyền thông thường.

Đây là cảnh báo quan trọng với robot chạy pin: giảm 90% số message không tự động đồng nghĩa giảm 90% năng lượng nếu mỗi quyết định “message này có quan trọng không?” đòi một model nặng chạy liên tục.

Đây có lẽ sẽ là một lớp bổ sung, không phải Internet thay thế Internet

Các nghiên cứu hiện tại chưa cho thấy lý do để thay mạng bit-oriented cho email, file transfer hay phần lớn web traffic. Khi mục tiêu đơn giản là gửi một file chính xác, semantic interpretation không tạo ra lợi ích đủ rõ để biện minh cho độ phức tạp mới.

Robot, xe tự hành và industrial cyber-physical systems là trường hợp khác vì communication nằm ngay trong vòng sensing–decision–control. Ở đây, một gói tin tới muộn có thể vô dụng, một update hoàn toàn chính xác có thể không thay đổi hành động, còn một chi tiết rất nhỏ đôi khi quyết định an toàn.

Vì vậy, hướng khả thi hơn là semantic networking cùng tồn tại với mạng truyền thống. Các bit đã được chọn để gửi vẫn cần radio, error control, routing và security. Thứ mới nằm phía trên hoặc xuyên qua các lớp đó: một cơ chế quyết định thông tin nào đáng dùng tài nguyên mạng ngay lúc này.

6G-GOALS đang thử đưa chính khái niệm này vào kiến trúc 6G với semantic engine, semantic-aware controller và metric gắn với task. Toshiba đã dựng một robot-edge testbed; King's College London và các cộng tác viên đã thử nó ở digital twin và obstacle avoidance. Nhưng quy mô hiện tại vẫn là research prototype, simulation và lab experiment.

Bước khó tiếp theo không chỉ là nén mạnh hơn. Các hệ thống này phải chứng minh rằng chúng biết lúc nào không được phép bỏ thông tin — đặc biệt khi robot hoạt động cạnh con người. Nếu làm được, mạng cho robot trong tương lai có thể được đánh giá bằng một câu hỏi rất khác Internet ngày nay: không phải có bao nhiêu bit đã tới đích, mà những bit tới đích có đủ để robot làm đúng việc hay không.

Nguồn: When Robots Exchange Meaning: A Demo of Goal-Oriented Semantic Communications for Collaborative Robotics; King's College London — Goal-oriented Semantic Communication for Robotic Arm Reconstruction in Digital Twin; IEEE Transactions on Wireless Communications / Chalmers — Goal-Oriented Semantic Communication for ISAC-Enabled Robotic Obstacle Avoidance; The Price of Meaning: Quantifying Semantic Communication Overheads in Practice; European Commission CORDIS — 6G-GOALS.