Các nhà nghiên cứu vừa công bố một khung phát triển mã nguồn mở trên MATLAB nhằm thiết kế các mô hình học sâu cực nhẹ cho đồ chơi trị liệu mềm mại. Công trình này giới thiệu một mạng nơ-ron tích chập một chiều (1D CNN) siêu nhỏ gọn, cho phép robot sinh học mô phỏng thú bông nhận biết và phân loại các loại va chạm mang tính cảm xúc từ người dùng. Đây được xem là bước đi quan trọng hướng tới việc cá nhân hóa các thiết bị hỗ trợ xã hội mà không cần truyền dữ liệu lên đám mây, giúp bảo vệ tối đa quyền riêng tư.
Bối cảnh & Nguyên nhân
Việc phát triển các robot hỗ trợ xã hội dạng mềm (soft companions) đang ngày càng phổ biến trong các liệu pháp tâm lý và chăm sóc sức khỏe. Tuy nhiên, khả năng co giãn và biến dạng của vật liệu mềm kèm theo các cảm biến xúc giác đa kênh khiến việc phân tích chính xác ý định của con người trở nên vô cùng phức tạp. Thêm vào đó, hầu hết các hệ thống hiện tại đều dựa trên các thuật toán heuristic (quy tắc định sẵn) cứng nhắc, dễ bỏ sót các tương tác nhẹ nhàng hoặc nhầm lẫn giữa các cử chỉ vuốt ve, ôm ấp thân thiện. Để giải quyết thách thức này, nhóm nghiên cứu đã xây dựng một bộ dữ liệu chuẩn hóa gồm 1.326 chuỗi cử chỉ được dán nhãn từ 25 người tham gia ở nhiều độ tuổi khác nhau. Bộ dữ liệu này được công bố công khai theo chuẩn FAIR, tạo tiền đề để cộng đồng học thuật cùng tối ưu hóa các mô hình nhận diện xúc giác trong tương lai.
Phân tích kỹ thuật & Công nghệ
Điểm nhấn của nghiên cứu là việc thử nghiệm hệ thống qua 468 kiến trúc CNN khác nhau để tìm ra mô hình tối ưu nhất. Các tác giả đã lựa chọn mạng 1D CNN giãn nở (dilated 1D CNN) với kích thước cực kỳ khiêm tốn chỉ 13,2 nghìn (13.2k) tham số. Mô hình siêu nhẹ này đạt độ chính xác kiểm thử 75% và độ chính xác kiểm định chéo "leave-one-subject-out" đạt tới 85%. Về mặt phần cứng, quá trình suy luận lượng tử hóa (quantized inference) chỉ yêu cầu sức mạnh tính toán 3,2 MMAC (triệu phép tính nhân-tích lũy) cho mỗi khung cửa sổ dữ liệu. Điều này cho phép thuật toán vận hành mượt mà ở tần số 20 Hz theo thời gian thực ngay trên các vi điều khiển giá rẻ thường thấy trên đồ chơi thông minh.
Ý kiến chuyên gia & Nhận định
Thay vì phụ thuộc hoàn toàn vào AI vốn có thể gặp sai số, nhóm nghiên cứu đề xuất một kiến trúc lai (hybrid pipeline) rất thực tế. Hệ thống sẽ kết hợp bộ lọc heuristic tức thời để phát hiện nhanh các tác động vật lý mạnh hoặc mang tính tiêu cực (như ném, đập mạnh), sau đó mới chuyển các cử chỉ tinh tế hơn cho mô hình 1D CNN xử lý. Theo đánh giá từ báo cáo nghiên cứu trên arXiv, giải pháp này giúp khắc phục triệt để điểm yếu của các thuật toán heuristic truyền thống vốn thường bỏ qua các cử chỉ vuốt ve nhẹ nhàng. Việc xử lý cục bộ ngay trên thiết bị (on-device) cũng nhận được phản hồi tích cực nhờ khả năng bảo mật thông tin tối đa cho người dùng trong môi trường trị liệu nhạy cảm.
Tác động & Tương lai
Mở rộng nghiên cứu, thành công của mô hình 1D CNN siêu nhẹ mở ra cơ hội thương mại hóa các robot trị liệu giá mềm với khả năng tương tác cảm xúc sâu sắc. Người dùng, đặc biệt là trẻ em và người cao tuổi, sẽ có được những người bạn đồng hành thông minh, thấu hiểu cảm xúc qua từng cái chạm mà không lo bị rò rỉ dữ liệu cá nhân. Mặc dù nhóm nghiên cứu cho biết việc tích hợp phần cứng hoàn chỉnh sẽ được trình bày trong một công bố tiếp theo, nhưng khung phần mềm mã nguồn mở hiện tại đã là một đóng góp giá trị cho cộng đồng Robotics thế giới.