Trong Bản mô tả công việc (JD) của một nhân sự pha chế, việc nhấc một chiếc ly lên và rót đầy chất lỏng có vẻ đơn giản với con người, nhưng lại là một thách thức khổng lồ về mặt động học đối với máy móc. Để phần cứng robot ADAM có thể vận hành trơn tru tại các quầy bar đông đúc mà không cần lập trình cứng (hard-coding) từng milimet chuyển động, RichTech Robotics đã phải giải quyết triệt để bài toán đồng bộ giữa hệ thống thị giác và truyền động cơ khí.
Dưới góc nhìn rã máy kỹ thuật, sức mạnh thực sự của nhân sự tự động này nằm ở các thông số lõi sau đây.
Sức mạnh điện toán biên và Độ trễ hệ thống
Thay vì phụ thuộc vào đám mây (Cloud), vốn luôn đi kèm rủi ro rớt mạng và độ trễ cao, não bộ của ADAM được đặt trực tiếp trên thân máy. Hệ thống sử dụng vi xử lý NVIDIA Jetson AGX Orin, cung cấp băng thông điện toán lên tới 275 TOPS (hàng nghìn tỷ phép tính mỗi giây).
Sức mạnh này sinh ra để phục vụ một mục đích tối thượng: Ép Latency (độ trễ xử lý từ khi mắt nhìn thấy đến khi tay hành động) xuống dưới ngưỡng 40 mili-giây. Đây là khoảng thời gian đủ ngắn để hệ thống Computer Vision (thị giác máy tính) phát hiện bọt bia chuẩn bị trào ra khỏi miệng ly và lập tức ra lệnh cho tay gắp ngừng rót.
Hệ điều hành và Năng lực đồng bộ luồng dữ liệu
Để điều phối lượng dữ liệu khổng lồ từ các camera độ phân giải cao mà không làm quá tải CPU, ứng viên này chạy trên nền tảng hệ điều hành Isaac ROS 2. Điểm đáng chú ý về mặt kỹ thuật là việc hệ thống sử dụng giao thức truyền tải dữ liệu không sao chép (zero-copy data transfer).
Điều này giải quyết một rào cản tích hợp rất phổ biến ở các dòng robot dịch vụ đời cũ: Dữ liệu hình ảnh được đưa thẳng từ bộ phận thu nhận vào lõi xử lý AI mà không cần qua các bước nén/giải nén trung gian. Kết quả là máy có thể liên tục theo dõi sự thay đổi vị trí của các vật thể xung quanh (như việc khách hàng vô tình dời chiếc ly đi chỗ khác) và hiệu chỉnh quỹ đạo tay gắp ngay trong thời gian thực.
Môi trường huấn luyện và Mô phỏng không gian phần cứng robot ADAM
Trước khi chạm vào giọt rượu thực tế đầu tiên, các kỹ năng thao tác của ADAM đã được rèn luyện thông qua Reinforcement Learning (Học tăng cường) trên nền tảng giả lập NVIDIA Isaac Sim.
RichTech đã tạo ra một bản sao kỹ thuật số (Digital Twin) của quầy bar, tuân thủ tuyệt đối các định luật vật lý về trọng lực và động lực học chất lỏng. Quá trình này chạy khoảng 4.096 môi trường song song, cho phép máy hoàn thành 10 triệu bước học thử sai (trial-and-error) chỉ sau một đêm. Việc sử dụng dữ liệu tổng hợp (synthetic data) giúp máy làm quen với các góc khuất, sự phản chiếu ánh sáng từ ly thủy tinh hay vật liệu inox – những “điểm mù vận hành” thường đánh lừa các cảm biến quang học thông thường.
Giới hạn cơ khí và Bài toán năng lượng
Về mặt nền tảng vật lý, hai cánh tay của ADAM được thiết kế với 6 DoF (bậc tự do) cho mỗi bên. Đặt lên bàn cân kỹ thuật, việc chọn cấu trúc 6 bậc thay vì 7 bậc (như cánh tay người) là một bài toán đánh đổi (Trade-off) thực dụng: Giảm thiểu độ phức tạp của thuật toán điều khiển và tối ưu chi phí sản xuất, nhưng vẫn đảm bảo đủ biên độ góc để thực hiện thao tác lắc (shaking) hay nén cà phê.
- Tải trọng tay gắp đạt 5kg/cánh tay, được truyền động bởi các động cơ servo tích hợp hộp số giảm tốc độ chính xác cao.
- Về hao hụt kWh, toàn bộ hệ thống (từ lõi AI, camera đến hệ thống truyền động) tiêu thụ mức công suất AC khoảng 540W. Đây là một con số rất ấn tượng nếu xét trên cường độ tính toán và mức độ vận hành liên tục 24/7 của máy.
Tạm kết từ ROWOR
Ứng viên ADAM không đơn thuần là một cỗ máy gắp – thả được lập trình sẵn. Bản chất kỹ thuật của thiết bị này là một hệ thống AI vật lý (Physical AI) hoàn chỉnh, nơi sức mạnh của phần cứng NVIDIA được ép đến giới hạn để giải quyết các biến số hỗn loạn của ngành dịch vụ.
/ Chuỗi bài robot RichTech ADAM
- Bài 1: Đánh giá Robot Bán hình người: Năng lực thực chiến của RichTech ADAM tại quầy bar
- Đang đọc bài 2: Cấu trúc phần cứng và lõi trí tuệ trên Robot Bán hình người ADAM
- Bài 3: Bài toán hoàn vốn khi triển khai Robot F&B: Phân tích thực tế từ mẫu RichTech ADAM
