Robot chạy nhanh hơn người chưa chắc hữu ích: Bài kiểm tra khó hơn có thể chỉ là… cắm một sợi dây

Một robot hình người chạy 100 mét nhanh hơn kỷ lục thế giới của Usain Bolt tạo ra hình ảnh rất dễ lan truyền. Một robot đứng trước chiếc cổng kết nối, cầm đầu dây và loay hoay tìm cách cắm nó vào đúng vị trí thì ít ngoạn mục hơn nhiều.

Nhưng với ngành robotics, bài thử thứ hai có thể nói nhiều hơn về việc robot đã sẵn sàng bước vào nhà máy, kho hàng và môi trường dịch vụ hay chưa.

Tại World Humanoid Robot Games 2026 ở Bắc Kinh, robot không chỉ thi chạy, nhảy, kéo co hay chơi thể thao. Trong 51 nội dung của sự kiện, 21 bài được thiết kế dưới dạng tình huống thực tế như vận hành công nghiệp, nhà hàng, văn phòng, logistics, sạc xe điện và ứng phó sự cố. Reuters cho biết hơn 40% các nội dung yêu cầu robot hoạt động hoàn toàn tự chủ.

Một trong những bài thi tưởng như đơn giản nhất là kết nối cáp: robot phải nhận biết đầu cắm và cổng, đưa tay tới đúng vị trí, căn chỉnh hình học, kiểm soát lực rồi hoàn tất thao tác mà không làm hỏng linh kiện.

Ngày 17/8, trước khi đại hội chính thức khai mạc, vòng loại nội dung này có 24 đội tham dự và 14 đội hoàn thành yêu cầu để vào chung kết, theo China Media Group. Con số đó cho thấy cắm một sợi dây không phải nhiệm vụ “miễn phí” ngay cả với những robot được chuẩn bị riêng cho cuộc thi.

Điều nghịch lý là cùng thời điểm đó, robot đã có thể tạo ra những màn trình diễn thể chất mà chỉ vài năm trước nghe giống khoa học viễn tưởng. Reuters ghi nhận hai robot chạy 100 mét nhanh hơn mốc 9,58 giây của Bolt; một robot cùng model hoàn thành 400 mét trong 39,7 giây, thấp hơn kỷ lục thế giới 43,03 giây của con người.

Nhưng tốc độ không tự động chuyển thành năng suất. Một robot chạy rất nhanh nhưng không thể cắm dây, cầm một vật hơi lệch vị trí hoặc tự sửa khi thao tác thất bại vẫn khó tạo giá trị trong phần lớn công việc đời thực.

Chạy nhanh và cắm dây đo hai loại năng lực khác nhau

Không nên hiểu rằng cắm USB “khó hơn chạy 100 mét” theo mọi nghĩa kỹ thuật. Chạy hai chân ở tốc độ cao là một thành tựu cơ điện tử rất khó, đòi hỏi actuator mạnh, kết cấu nhẹ, kiểm soát cân bằng, tối ưu gait, quản lý nhiệt và pin.

Hai bài thử đơn giản đang đo hai trục năng lực khác nhau.

Chạy nước rút chủ yếu kiểm tra hiệu năng cơ học và điều khiển động lực học trong một môi trường có cấu trúc rõ: mặt đường tương đối phẳng, mục tiêu là tiến về phía trước, chuyển động có tính chu kỳ cao và toàn bộ hệ thống có thể được tối ưu mạnh cho đúng bài toán đó.

Cắm dây là một nhiệm vụ contact-rich manipulation. Robot phải đi từ nhận thức tới hành động qua nhiều bước: xác định chính xác vật thể, ước lượng pose, chọn cách cầm, đưa đầu cắm đến gần cổng, căn hướng, phát hiện tiếp xúc, điều chỉnh khi lệch và đưa lực vừa đủ để hoàn tất kết nối.

Sai vài centimet khi chạy thẳng có thể không ảnh hưởng kết quả. Sai vài milimet ở đầu connector có thể khiến toàn bộ nhiệm vụ thất bại.

“Thế giới thật” thường thất bại ở vài milimet cuối cùng

Nhiều demo robot trông rất thuyết phục cho đến khi vật thể bị dịch đi một chút.

Một cổng kết nối trong dữ liệu huấn luyện có thể luôn nằm tại cùng vị trí. Trong nhà máy thật, jig có dung sai, sản phẩm có sai lệch sản xuất, camera rung nhẹ, bàn làm việc dịch chuyển, ánh sáng thay đổi và đầu dây có thể rơi theo một hướng khác sau mỗi chu kỳ.

Robot vì thế không chỉ cần “biết vị trí mục tiêu”. Nó phải liên tục cập nhật quan sát trong khi tay đang di chuyển.

Đặc biệt, giai đoạn khó nhất thường xảy ra khi đầu cắm đã rất gần cổng. Chính bàn tay robot che mất một phần camera. Sai số thị giác còn lại có thể lớn hơn khe hở cơ khí cho phép. Lúc này, thông tin về tiếp xúc và lực trở nên quan trọng.

Trong Functional Manipulation Benchmark công bố trên The International Journal of Robotics Research, nhóm nghiên cứu của UC Berkeley và cộng sự cho thấy các bài insertion hình dạng khác nhau đòi hỏi thao tác chính xác ở mức cao. Force/torque được xác định là tín hiệu quan trọng giúp policy nhận biết khi vật thể đã tiếp xúc và thực hiện hành vi tìm kiếm để đưa nó vào đúng khe.

Đây là một khác biệt lớn giữa robot và con người. Con người cắm dây gần như không cần nghĩ về từng bước vì mắt, xúc giác và proprioception đã được kết hợp thành một vòng phản hồi cực kỳ nhanh. Robot phải tái tạo vòng phản hồi đó bằng camera, encoder, cảm biến lực, mô hình toán học và phần mềm.

Dây còn khó hơn vì nó không phải vật thể cứng

Nếu đầu cắm được gắn cố định trên một thanh kim loại, bài toán đã đơn giản hơn. Một sợi dây thực tế lại là deformable object: nó uốn, xoắn, rũ xuống, va vào bàn và thay đổi hình dạng mỗi khi robot cầm ở điểm khác.

Các vật thể biến dạng là một trong những bài toán dai dẳng của robotics vì trạng thái của chúng khó mô tả hơn rất nhiều so với một khối cứng.

Với một cốc, nhà nghiên cứu có thể mô tả gần đúng bằng vị trí và góc quay của vật thể. Với một sợi cáp, hai đầu có thể nằm cùng vị trí nhưng phần dây ở giữa vẫn tạo ra vô số hình dạng khác nhau. Căng quá ít, cáp võng. Căng quá nhiều, robot có thể kéo lệch đầu cắm hoặc tạo lực lên thiết bị.

Một nghiên cứu năm 2025 về connector mating trong lắp đặt wire harness cho ngành ô tô nhấn mạnh rằng công đoạn này vẫn thường phụ thuộc nhiều vào lao động thủ công vì vừa cần độ chính xác, vừa phải xử lý tính mềm dẻo của dây. Nhóm nghiên cứu kết hợp thị giác, xúc giác và force control để cải thiện độ bền vững của thao tác.

Điều này giải thích vì sao một công việc trông tầm thường với người lại là benchmark tốt cho robot.

Con người dùng xúc giác để “tìm lỗ” mà gần như không nhận ra

Thử cắm USB hoặc phích kết nối mà không nhìn trực tiếp. Tay người thường sẽ chạm nhẹ vào mép cổng, dịch chuyển đầu cắm vài milimet, cảm nhận hướng cản và điều chỉnh cho tới khi connector trượt vào đúng rãnh.

Đó là một thuật toán tìm kiếm bằng xúc giác được hệ thần kinh thực hiện gần như vô thức.

Robot cũng cần một phiên bản của cơ chế này. Nếu chỉ dùng position control cứng, cánh tay có thể tiếp tục ép theo trajectory đã định dù đầu cắm đang chạm sai vị trí. Hậu quả có thể là kẹt, biến dạng connector hoặc kích hoạt giới hạn an toàn.

Force control, impedance control và tactile sensing cho phép robot “nhường” một phần khi tiếp xúc, đo phản lực rồi sửa đường đi.

Đây là lý do bài kết nối cáp tại World Humanoid Robot Games được Reuters mô tả như phép thử kết hợp giữa thị giác, căn chỉnh cơ khí và kiểm soát lực. Nó không chỉ là bài toán nhận dạng hình ảnh.

Hai bàn tay có thể quan trọng hơn một đôi chân chạy nhanh

Ở vòng loại cable connection, ban giám khảo theo dõi cả cách robot sử dụng tay. Theo thông tin của China Media Group, một số robot thao tác bằng một tay, trong khi các hệ thống khác sử dụng hai tay phối hợp.

Với con người, bimanual manipulation là điều rất tự nhiên. Một tay giữ dây hoặc ổn định vật, tay kia xoay và cắm connector. Trong robotics, điều này làm bài toán phức tạp đáng kể vì hai cánh tay phải chia sẻ cùng không gian, tránh va chạm và phối hợp lực.

Humanoid có lợi thế tiềm năng ở đây: cơ thể được thiết kế gần với hình học của môi trường dành cho con người, bao gồm bàn, ổ cắm, tay nắm, dụng cụ và kệ. Nhưng việc có hình dạng giống người chưa đồng nghĩa có độ khéo léo tương đương người.

Bàn tay robot phải cân bằng giữa số bậc tự do, lực nắm, trọng lượng, độ bền, chi phí, độ nhạy cảm biến và khả năng điều khiển. Càng nhiều khớp, không gian hành động càng lớn và việc học càng khó.

Robot chạy nhanh có thể được tối ưu cho một trajectory; công việc thật thì không

Một khác biệt khác nằm ở mức độ bất định.

Trong cuộc chạy, mục tiêu gần như không đổi: giữ thăng bằng và đi càng nhanh càng tốt trên đường thẳng. Kỹ sư có thể lặp lại hàng nghìn lần cùng một kiểu chuyển động để tối ưu controller.

Trong kho hàng, robot không biết trước chính xác chiếc hộp sẽ nằm lệch bao nhiêu, nhãn quay về đâu, pallet có bị móp hay người lao động có đặt một vật cản vào lối đi hay không.

Tại nhà hàng, chiếc đĩa có thể bị đặt sai vị trí. Trong nhà máy, một connector có thể xoay 15 độ. Trong phòng khách, quần áo mềm có thể rơi theo hình dạng hoàn toàn mới.

Giá trị của robot general-purpose vì thế nằm ở khả năng xử lý phân phối dài của những sai lệch nhỏ, chứ không chỉ đạt hiệu năng cực đại trong một kịch bản cố định.

Phần khó nhất là biết mình đã thất bại

Một robot không chỉ cần thử hành động. Nó còn phải xác định hành động có thành công hay chưa.

Sau khi cắm dây, hệ thống cần biết connector đã vào đủ sâu hay mới mắc ở mép. Một camera có thể không nhìn rõ điểm tiếp xúc vì bàn tay che khuất. Force sensor có thể thấy một cú tăng lực nhưng không biết đó là “khớp đúng” hay “đang ép sai”.

Đây là bài toán success detection.

Nếu robot đánh giá sai, chuỗi thao tác tiếp theo có thể tiếp tục từ một trạng thái không đúng. Trong một nhiệm vụ nhiều bước, một lỗi nhỏ ở bước 2 có thể chỉ biểu hiện ở bước 8.

Con người rất giỏi phát hiện những tín hiệu nhỏ như tiếng “click”, thay đổi lực, vị trí cuối của ngón tay hoặc phản ứng của thiết bị. Robot phải học cách hợp nhất nhiều modality để đạt khả năng tương tự.

Recovery quan trọng hơn việc không bao giờ mắc lỗi

Trong demo ngắn, cách dễ nhất để tạo hình ảnh hoàn hảo là reset môi trường mỗi khi thất bại.

Trong deployment thật, reset có thể cần con người bước vào. Nếu cứ 50 chu kỳ robot lại cần kỹ thuật viên gỡ đầu dây bị kẹt, hệ thống khó tạo hiệu quả kinh tế dù 49 chu kỳ còn lại rất đẹp.

Một robot hữu ích cần error recovery: nhận ra đầu cắm lệch, rút ra, điều chỉnh grip, thử lại theo hướng khác hoặc yêu cầu hỗ trợ khi không thể tự xử lý.

Reuters nhấn mạnh chính “những bất toàn nhỏ” của thế giới vật lý — cáp nằm sai góc, vật thể hơi ngoài tầm với, kiện hàng dịch chuyển hoặc bước chân bị lỡ — mới kiểm tra việc robot có thể định vị, kiểm soát lực và tự phục hồi mà không cần người hay không.

Đây là tiêu chí gần với giá trị thương mại hơn tốc độ tối đa.

99% thành công vẫn có thể quá thấp trong nhà máy

Một demo đạt 9/10 lần thường được xem là ấn tượng trong nghiên cứu. Trong môi trường công nghiệp, 90% có thể là không sử dụng được.

Ngay cả 99% cũng cần đặt trong bối cảnh. Nếu một thao tác được lặp 10.000 lần, tỷ lệ lỗi 1% tương ứng khoảng 100 lần cần xử lý sự cố. Nếu mỗi lỗi làm dừng một workstation hoặc cần người can thiệp, chi phí vận hành có thể nhanh chóng xóa lợi ích của automation.

Đó là lý do ngành sản xuất quan tâm tới reliability over long horizons, không chỉ success rate trong vài chục trial.

Robot phải làm đúng khi pin yếu hơn, động cơ nóng hơn, camera dính bụi, vật liệu từ nhà cung cấp khác đi một chút và thiết bị đã hoạt động hàng nghìn giờ.

Những điều kiện đó hiếm khi xuất hiện trong video demo dài một phút.

World Humanoid Robot Games đang đổi từ “show” sang benchmark ứng dụng

World Humanoid Robot Games năm 2026 diễn ra từ ngày 22 đến 26/8 tại National Speed Skating Oval ở Bắc Kinh, với 2.056 robot từ 666 đội thuộc 16 quốc gia, theo ban tổ chức được China Daily dẫn lại.

Quy mô tăng mạnh so với năm trước, nhưng thay đổi đáng chú ý hơn là cấu trúc nội dung.

Ngoài 30 môn thi mang tính thể thao, có 21 thử thách theo kịch bản đời thực. Các môi trường mô phỏng gồm công nghiệp, logistics, gia đình, khách sạn, bán lẻ, văn phòng và xử lý khẩn cấp.

Hạng mục “dexterous hand” không chỉ có kết nối cáp mà còn kiểm tra lắp dụng cụ, xếp khối, mở chai, mở hộp và thao tác bằng nhíp. Những bài thử này ít thu hút hơn robot chạy nước rút, nhưng lại trực tiếp nhắm vào các động tác mà automation hiện vẫn khó mở rộng.

Reuters dẫn lãnh đạo Lumos Robotics nhận định giá trị dài hạn của robot sẽ phụ thuộc vào việc chúng giải quyết được vấn đề ở các kịch bản cuối cùng của người dùng, chứ đơn thuần chạy và nhảy không làm tăng hiệu suất sản xuất.

Vì sao industry vẫn cần những bài “nhàm chán”?

Nhà máy không trả tiền cho robot vì robot trông giống người. Doanh nghiệp trả tiền nếu robot giảm thời gian chu kỳ, giảm lao động cho công việc nguy hiểm hoặc lặp lại, giảm lỗi và có tổng chi phí sở hữu hợp lý.

Điều này làm thay đổi benchmark.

Một robot warehouse không cần chạy nhanh hơn vận động viên. Nó cần tới đúng kệ hàng hàng chục nghìn lần mà không va người. Một humanoid trong dây chuyền không cần nhào lộn. Nó cần cầm đúng linh kiện, lắp đúng chiều và tiếp tục làm việc sau một sai lệch nhỏ.

Trong nhiều ứng dụng, tốc độ tối đa chỉ là một biến số. Độ tin cậy, thời gian hoạt động, khả năng phục hồi và mức can thiệp của con người mới quyết định ROI.

Cắm dây còn là benchmark cho “Physical AI”

Xu hướng foundation model và Vision-Language-Action đang khiến robotics ngày càng dùng thuật ngữ Physical AI: AI không chỉ hiểu hình ảnh và ngôn ngữ mà còn phải biến hiểu biết đó thành hành động trong thế giới vật lý.

Cắm dây là một ví dụ nhỏ nhưng đầy đủ của vòng lặp này.

Robot cần hiểu mục tiêu: cắm đúng đầu vào đúng cổng. Nó cần perception để xác định vật thể. Nó cần planning để chọn pose và quỹ đạo. Nó cần manipulation để thực hiện. Nó cần tactile hoặc force feedback để xử lý tiếp xúc. Và nó cần reasoning hoặc policy recovery nếu lần đầu thất bại.

Một model rất giỏi nhận diện “đây là cáp USB” nhưng không thể đưa connector vào cổng vẫn chưa hoàn tất nhiệm vụ.

Đây chính là khoảng cách giữa nhận thức số và năng lực vật lý.

Foundation model chưa xóa được bài toán cơ khí

Sự phát triển của VLA model dễ tạo cảm giác phần mềm sẽ sớm giải quyết phần lớn robotics. Thực tế, thao tác chính xác vẫn phụ thuộc sâu vào phần cứng.

Backlash trong khớp làm sai vị trí. Bàn tay quá mềm không tạo đủ lực. Cảm biến lực có noise. Camera bị che. Động cơ nóng làm đặc tính thay đổi. Kết cấu rung tạo sai số ở đầu công tác.

AI có thể học cách bù một phần những sai lệch này, nhưng không thể biến phần cứng thiếu độ cứng hoặc cảm biến thiếu thông tin thành hệ thống hoàn hảo bằng phần mềm.

Đó là lý do các cuộc thi vừa đo “brain” vừa vô tình đo chất lượng actuator, reducer, hand, sensor và thermal management.

Cuộc đua kế tiếp có thể là ai ít cần con người cứu hơn

Trong vài năm tới, headline có thể tiếp tục thuộc về robot chạy nhanh hơn, nhảy cao hơn hoặc thi đấu thể thao đẹp mắt hơn.

Nhưng benchmark có ý nghĩa thương mại có thể chuyển sang những chỉ số ít hấp dẫn hơn:

• bao nhiêu giờ vận hành trước khi cần người can thiệp;
• tỷ lệ thành công sau hàng nghìn chu kỳ;
• mất bao lâu để phục hồi từ một lỗi;
• robot có xử lý được vật thể chưa từng gặp không;
• khi môi trường thay đổi vài centimet, policy còn hoạt động không;
• có thể học nhiệm vụ mới với bao nhiêu demonstration;
• chi phí cho mỗi thao tác thành công là bao nhiêu.

Những chỉ số này mới quyết định một humanoid là thiết bị trình diễn hay một worker thực sự hữu ích.

“Cắm dây” là biểu tượng cho khoảng cách cuối cùng của robotics

Điều thú vị nhất của World Humanoid Robot Games 2026 có thể không phải việc robot vượt kỷ lục chạy của con người. Nó là sự đối lập giữa những năng lực mà máy đã tối ưu rất xa và những hành động đời thường vẫn còn khó.

Con người có thể chạy 100 mét rất chậm so với một cỗ máy chuyên dụng nhưng lại cắm một sợi dây gần như không cần suy nghĩ. Robot có thể đạt vận tốc ngoạn mục nhưng phải huy động camera, motion planner, force controller và mô hình học máy cho cùng thao tác đó.

Đây không phải thất bại của robotics. Nó là lời nhắc rằng “trí thông minh vật lý” không được đo bằng một chỉ số duy nhất.

Chạy nhanh chứng minh phần cứng và điều khiển động lực học đã tiến rất xa. Cắm dây kiểm tra một tập năng lực khác: độ khéo léo, cảm nhận tiếp xúc, thích nghi với sai số và khả năng hoàn tất công việc trong một thế giới không bao giờ được căn chỉnh hoàn hảo.

Khi robot bước ra khỏi sân thi đấu và vào nhà máy, nhà hàng hay nhà riêng, bài kiểm tra quan trọng nhất có lẽ sẽ ngày càng giống những việc con người thấy quá bình thường để gọi là thành tích.

Và đôi khi, ranh giới giữa một robot gây kinh ngạc và một robot thực sự hữu ích có thể chỉ rộng bằng khe của một cổng kết nối.

Nguồn tham khảo

• Reuters: Robots can outrun humans, but can they plug in a cable?
• CMG/CGTN: Vòng loại nội dung kết nối cáp tại World Humanoid Robot Games 2026
• China Daily: World Humanoid Robot Games draws 2,056 entries to Beijing
• The International Journal of Robotics Research: FMB — A functional manipulation benchmark for generalizable robotic learning
• AI-based Framework for Robust Model-Based Connector Mating in Robotic Wire Harness Installation