Seoul, Hàn Quốc, ngày 2 tháng 10 năm 2025: Các nhà nghiên cứu Hàn Quốc đã phát triển một hệ thống robot mới mô phỏng quá trình xử lý trí nhớ của con người để cải thiện hiệu suất của robot di động tự động trong môi trường công nghiệp. Công nghệ này cho phép robot ưu tiên dữ liệu thời gian thực và loại bỏ thông tin lỗi thời, nâng cao hiệu quả điều hướng trong các trung tâm hậu cần và nhà máy thông minh. Nghiên cứu được thực hiện bởi Viện Khoa học và Công nghệ Daegu Gyeongbuk (DGIST) và được công bố trên Tạp chí Tích hợp Thông tin Công nghiệp.
Nghiên cứu giới thiệu mô hình “AI Vật lý” dựa trên khái niệm “lan tỏa và lãng quên”, lấy cảm hứng từ cách các vấn đề xã hội xuất hiện và biến mất theo thời gian. Phương pháp này cho phép robot tự động lọc bỏ dữ liệu lỗi thời, chẳng hạn như các chướng ngại vật đã gặp trước đây nhưng nay không còn tồn tại, từ đó tránh được những sai sót không cần thiết và tối ưu hóa quy trình công việc. Giáo sư Kyung-Joon Park thuộc Trung tâm AI Vật lý của DGIST, dẫn đầu nhóm nghiên cứu, bao gồm Jiyeong Chae và Sanghoon Lee. Nhóm tập trung vào việc cải thiện khả năng điều hướng hợp tác của Robot Di động Tự động (AMR), loại robot thường được sử dụng trong sản xuất, hậu cần và kho bãi.
Các hệ thống định vị thông thường thường khiến robot phải đổi hướng di chuyển, tránh chướng ngại vật trước đó, làm giảm năng suất vận hành ngay cả sau khi chướng ngại vật đã được dọn sạch. Để thử nghiệm hệ thống mới, các nhà nghiên cứu đã sử dụng trình mô phỏng Gazebo để tái tạo môi trường hậu cần. Hiệu suất của mô hình AI vật lý đã được so sánh với khuôn khổ ROS 2 (Hệ điều hành Robot 2) được sử dụng rộng rãi. Mô hình mới cho thấy thời gian lái xe trung bình giảm tới 30,1% và năng suất xử lý tác vụ tăng tới 18%.
Hàn Quốc mở rộng nghiên cứu robot với các liên minh mới
Theo các nhà nghiên cứu , mô hình này cho phép robot chỉ chia sẻ dữ liệu có mức độ ưu tiên cao, chẳng hạn như vị trí của vật cản hiện tại, đồng thời dần quên đi những thông tin không còn liên quan. Việc chia sẻ dữ liệu có chọn lọc này được thiết kế để giảm thiểu tình trạng quá tải giao tiếp trong đội robot và cải thiện khả năng phối hợp tổng thể mà không cần tính toán bên ngoài hoặc xử lý đám mây. Hệ thống hoạt động bằng cảm biến LiDAR 2D, loại bỏ nhu cầu về phần cứng bổ sung đắt tiền.
Nó đã được phát triển như một plugin cho ROS 2, cho phép tích hợp trực tiếp vào các nền tảng robot hiện có. Các nhà nghiên cứu nhấn mạnh rằng phương pháp này được thiết kế để hoạt động theo thời gian thực, không phụ thuộc vào môi trường tĩnh được lập bản đồ sẵn. Bên cạnh khả năng điều hướng được cải thiện, hệ thống còn mang lại những lợi ích tiềm năng trong việc giảm mức tiêu thụ năng lượng và hao mòn cơ học bằng cách tránh việc định tuyến không hiệu quả và dừng lại không cần thiết. Những cải tiến này có thể góp phần giảm chi phí vận hành trong các môi trường có lưu lượng cao, nơi sự chậm trễ và hao mòn thiết bị là những yếu tố đáng kể.
Hiệu suất tác vụ được cải thiện với mô hình bộ nhớ chọn lọc
Công nghệ này được thiết kế để sử dụng ngay trong công nghiệp và tương thích với cơ sở hạ tầng robot hiện tại. Mặc dù các thử nghiệm ban đầu được tiến hành trong môi trường mô phỏng, các nhà nghiên cứu lưu ý rằng plugin này hiện đã có thể ứng dụng trong các hệ thống AMR thương mại. Sự phát triển này diễn ra trong bối cảnh mối quan tâm ngày càng tăng đối với tự động hóa robot tại Hàn Quốc . Đầu năm nay, quốc gia này đã khởi động Liên minh K-Humanoid, một sáng kiến quốc gia nhằm phối hợp nghiên cứu về robot và trí tuệ nhân tạo trong các lĩnh vực học thuật, công nghiệp và chính phủ.
Nghiên cứu của DGIST bổ sung vào danh mục đổi mới ngày càng mở rộng nhằm giúp các hệ thống tự động thích ứng và hiệu quả hơn trong hoạt động thực tế. Mô hình dựa trên AI Vật lý đại diện cho sự thay đổi trong cách robot xử lý và hoạt động trên dữ liệu môi trường, tập trung vào việc ra quyết định theo thời gian thực và độ chính xác vận hành. Nhóm nghiên cứu đã công bố plugin này cho công chúng để tạo điều kiện áp dụng trong nhiều ngành công nghiệp, bao gồm hậu cần, sản xuất và phát triển hệ thống tự động. – Bởi Content Syndication Services.