NVIDIA trình làng GR00T 2, Isaac Lab 3.0 cùng bộ công cụ agentic tại CoRL nhằm thúc đẩy ngành robot chính xác cao

Tại Hội nghị về Học máy cho Robot (CoRL) diễn ra ở Austin, Texas, giới nghiên cứu robot đang dịch chuyển trọng tâm từ khả năng di chuyển cơ bản sang các thao tác vật lý phức tạp — chẳng hạn như căn chỉnh bánh răng, cắm cáp nối hay lắp ráp các linh kiện tinh xảo. Để hỗ trợ bước chuyển dịch này, NVIDIA đã công bố một bộ giải pháp công nghệ mở toàn diện, bao gồm mô hình hành động thế giới (world action model), công cụ mô phỏng vật lý, bộ tiêu chuẩn đánh giá (benchmark) và quy trình làm việc agentic (agentic workflow).

Đáng chú ý, hai báo cáo khoa học của NVIDIA đã xuất sắc lọt vào danh sách 6 đề cử chung kết cho Giải thưởng Báo cáo xuất sắc nhất (Best Paper Awards) tại CoRL, vượt qua hàng nghìn bài dự thi khác. Đó là GRAIL (Khởi tạo khả năng di chuyển - thao tác cho robot dạng người từ mô hình thế giới) và RoboTTT: Context Scaling for Robot Policies — công trình giúp mở rộng ngữ cảnh thị giác - vận động (visuomotor) lên tới 1.000 lần (3 cấp độ quy mô) mà không làm tăng độ trễ suy luận.

Kỷ nguyên tự chủ thế hệ mới với GR00T 2

Nhằm giúp robot nhận thức môi trường và thực thi các chuỗi tác vụ đa bước, NVIDIA đã ra mắt GR00T 2 — mô hình hành động thế giới nguồn mở thế hệ mới được xây dựng trên nền tảng NVIDIA Cosmos. Mô hình này được huấn luyện trên các bộ dữ liệu đa dạng từ con người và robot, bao gồm 100.000 giờ dữ liệu góc nhìn thứ nhất (egocentric data) do NVIDIA mở nguồn.

GR00T 2 thể hiện khả năng khái quát hóa cực kỳ ấn tượng ngay khi vừa xuất xưởng (out of the box): hoàn thành 40/50 tác vụ được thử nghiệm ít nhất một lần mà không cần bất kỳ mẫu hướng dẫn nào cho tác vụ đó. Nếu chỉ cần 1 lần làm mẫu cho mỗi tác vụ, tỷ lệ thành công trung bình đạt 71%, và con số này vọt lên 95% khi có 5 lần làm mẫu. Không những vậy, GR00T 2 còn cho phép chuyển giao kỹ năng giữa các hình thái robot (form factor) khác nhau mà không yêu cầu dữ liệu mẫu từ chính robot đích.

Hiện tại, GR00T 2 đã vươn lên top 3 mô hình hàng đầu trong các phân hạng mô hình thị giác - ngôn ngữ - hành động (VLA) và mô hình hành động thế giới trên các bảng xếp hạng RoboCasa365, RoboLab, RoboDojo và MolmoSpaces. Nhiều doanh nghiệp lớn đã bắt đầu ứng dụng sớm:

• Foxconn: Ứng dụng GR00T 2 vào quy trình tự động hóa sản xuất máy chủ.

• Nexuni: Thử nghiệm mô hình để xử lý phân loại quần áo tự động.

• Siemens: Đánh giá trên nhiều kịch bản tự động hóa công nghiệp.

• MicroAGI: Sử dụng mô hình GR00T 2 đã qua tinh chỉnh bằng học tăng cường (reinforcement learning post-training) để thực hiện thao tác cắm và rút cáp mạng Ethernet trên cánh tay robot YAM, kết hợp Isaac Lab 3.0 và Newton để hiệu chuẩn môi trường.

Bên cạnh đó, NVIDIA cũng phát hành công khai quy trình chuyển đổi "Video to Data", giúp biến video ghi lại thao tác của con người thành dữ liệu huấn luyện robot trong môi trường mô phỏng. Song song là mô hình chuyển động 3D EgoHand — hợp tác phát triển cùng Noitom Robotics — đã cán mốc hơn 40.000 lượt tải trên Hugging Face chỉ sau hai tuần ra mắt.

Mô phỏng hiệu năng cao với Isaac Lab 3.0 và Newton

Việc mô phỏng các tương tác vật lý ở quy mô lớn vẫn là yếu tố then chốt để đảm bảo an toàn và tối ưu hiệu suất trước khi triển khai robot ra thực tế. Nhằm giải bài toán này, NVIDIA đã tung ra Isaac Lab 3.0 — khung làm việc học máy cho robot nguồn mở, đi kèm sự tích hợp sâu hơn với Newton, công cụ mô phỏng vật lý nguồn mở.

Nhờ có Newton, Isaac Lab 3.0 có thể mô phỏng chính xác các vật liệu dễ biến dạng như vải vóc, dây cáp mềm, cũng như các hệ thống khớp nối phức tạp như bàn tay robot nhiều khớp. Trong các bài kiểm thử thao tác khéo léo dựa trên thị giác (vision-based dexterous manipulation), sự kết hợp giữa Isaac Lab 3.0 và Newton mang lại tốc độ huấn luyện cao gấp 2,5 lần so với phiên bản Isaac Lab 2.3 dùng PhysX.

Loạt đối tác lớn cũng đã công bố các tích hợp dựa trên nền tảng mô phỏng này:

• Skild AI: Ra mắt STEEL (Scalable Throughput-optimized Engine for Embodied Learning), bộ giải vật lý vật thể rắn được xây dựng trên Newton nhằm tăng tốc quá trình huấn luyện trong Isaac Lab.

• Flexion: Ứng dụng Newton và Isaac Lab để huấn luyện mô hình thao tác toàn thân Reflect.

• AlphaNIST: Đạt hiệu quả ấn tượng khi huấn luyện thành công một chính sách (policy) duy nhất cho toàn bộ 20 tác vụ trên Bảng tác vụ lắp ráp NIST. Nhờ phương pháp Success-Guided Sampling (SGS) do NVIDIA hợp tác cùng Đại học Washington phát triển, AlphaNIST đã đạt tỷ lệ huấn luyện thành công trên 98% (so với 81% khi dùng các chính sách riêng lẻ), đồng thời giảm thời gian xử lý của GPU xuống khoảng 39 lần.

• Ứng dụng thực tế: Các đơn vị như FieldAI, Dyna Robotics (đang huấn luyện robot dạng người Taku), Walden Robotics, Dexmate (thử nghiệm robot Vega) và Đại học Texas tại Austin đang đưa Isaac Sim và Isaac Lab vào các quy trình kho bãi, sản xuất và nghiên cứu học thuật.

Chuẩn hóa Benchmark công nghiệp và quy trình Agentic

Đánh giá độ tin cậy của robot trong môi trường biến động liên tục là chìa khóa để đưa AI vật lý (Physical AI) rời khỏi phòng thí nghiệm. NVIDIA đã giới thiệu trước phiên bản 0.4 của Isaac Lab-Arena — khung làm việc nguồn mở cho phép chạy các chính sách robot trên hàng nghìn biến thể song song nhằm phát hiện chính xác các trường hợp lỗi xảy ra.

Dựa trên Isaac Lab-Arena và Newton, hai bộ benchmark nguồn mở mới đã được công bố chi tiết:

• DexBench: Do RLWRLD và NVIDIA hợp tác phát triển, dùng để kiểm thử 15 tác vụ thao tác khéo léo trong các kịch bản bán lẻ, kho vận, sản xuất và dịch vụ nhà hàng - khách sạn. Các đối tác như Genesis AI và mimic robotics đang trải nghiệm benchmark này thông qua nền tảng Manifold của Bifrost.

• VABAR: Được phát triển bởi Đại học UC Berkeley và NVIDIA, bộ tiêu chuẩn này đánh giá hiệu suất vật lý của robot qua 6 tác vụ công nghiệp chuẩn hóa với nhiều mức độ khó khác nhau.

Để kết nối các kỹ năng riêng lẻ của robot thành các chương trình đa bước tin cậy, UC Berkeley và NVIDIA đã giới thiệu khung làm việc Graph-as-Policy (GaP). GaP sử dụng các agent AI để xây dựng mã lập trình cho robot (dễ đọc và có thể giải thích được), chạy thử nghiệm trong môi trường mô phỏng Isaac và tự động sửa lỗi qua từng vòng lặp.

"Đối với tôi, robot agentic là bước tiến công nghệ bùng nổ nhất kể từ sự ra đời của Internet vào năm 1995," Ken Goldberg, Giáo sư về Robot tại UC Berkeley kiêm nghiên cứu viên chính của VABAR và GaP, chia sẻ. Hiện các tập đoàn robot công nghiệp hàng đầu như Ambi Robotics, Bosch Research và Siemens đang tích cực nghiên cứu ứng dụng GaP vào triển khai thực tế.