Xu hướng mới trong ngành robot hình người là thuê người ghi hình các công việc nhà hàng ngày để cung cấp dữ liệu huấn luyện, với quy mô toàn cầu và nhiều thách thức về an toàn.
Từ việc nhà đến dữ liệu vàng
Giấc mơ về robot hình người trong mọi ngôi nhà đã tạo ra một nghề mới: người ghi hình công việc nhà. Chỉ cần một chiếc camera đeo đầu, điện thoại thông minh và danh sách công việc như nấu ăn, dọn dẹp, chăm sóc thú cưng. Dữ liệu góc nhìn thứ nhất (egocentric data) này trở thành "dầu xăng" cho AI robot, giúp chúng học cách di chuyển và tương tác trong môi trường phức tạp.
Quy mô toàn cầu
Công ty khởi nghiệp Micro1 (Mỹ) đã tuyển dụng khoảng 4.000 "chuyên gia robot" tại 71 quốc gia, mỗi người gửi về ít nhất 10 giờ video mỗi tuần. Tổng lượng video thu thập hiện tại lên tới hơn 160.000 giờ/tháng, nhưng vẫn xa mới đủ. Theo Phó chủ tịch robotics data tại Micro1, Arian Sadeghi, nhu cầu thực tế có thể lên tới "hàng tỷ giờ" để robot học được các tương tác phức tạp với con người. Các công ty như Objectways (chú trọng gắn nhãn dữ liệu) cũng mở rộng thu thập video toàn cầu, vì sự đa dạng môi trường (ví dụ: bàn chải ở Ấn Độ khác với Mỹ) là yếu tố then chốt.
Thách thức và rủi ro
Tỷ lệ thành công của robot hình người trong các tác vụ phức tạp (gấp áo, sắp xếp bài) hiện chỉ dao động 70-80%, thấp hơn nhiều so với yêu cầu thương mại (trên 99% trong nhà máy). Alexander Verl, Chủ tịch nghiên cứu Liên đoàn Robot Quốc tế, nhấn mạnh: "Tỷ lệ thành công 70-80% là không đủ để các đối tác công nghiệp áp dụng". An toàn là thách thức lớn: robot chưa phân biệt được đồ chơi và trẻ sơ sinh, tiềm ẩn rủi ro pháp lý nghiêm trọng. Ravi Rajalingam, sáng lập Objectways, cảnh báo: "Nếu robot nhầm em bé với đồ chơi và đặt vào thùng rác, đó sẽ là vụ kiện triệu đô".
Tương lai của đào tạo robot
Ngành đang chuyển từ mô phỏng ảo hoặc điều khiển từ xa sang kết hợp dữ liệu thực tế. Nvidia báo cáo việc tích hợp hơn 20.000 giờ video góc nhìn thứ nhất giúp cải thiện tỷ lệ thành công các tác vụ trên 50%. Marco Wang (Phân tích Interact) dự đoán tương lai sẽ là sự kết hợp đa phương pháp: dữ liệu thực, mô phỏng và thử nghiệm. Tuy nhiên, Puneet Jindal (Labellerr AI) lưu ý: ngành vẫn "không biết cần dữ liệu gì trong 12 tháng tới" do tốc độ phát triển AI quá nhanh. Mục tiêu cuối cùng là tạo robot có trực giác như người để đạt được "chặng cuối cùng của tự động hóa" trong các công việc nhà hàng ngày.