Safeworld gọi vốn 12 triệu USD để kiểm chứng robot an toàn

Công nghệ05 tháng 10, 2026·4 phút đọc

Safeworld, công ty do chuyên gia an toàn AI Ding Zhao sáng lập, vừa ra khỏi chế độ kín tiếng với vòng gọi vốn hạt giống hơn 12 triệu USD. Công ty xây dựng nền tảng mô phỏng để đánh giá robot chạy bằng AI tạo sinh trước khi đưa vào môi trường thực.

Safeworld gọi vốn 12 triệu USD để kiểm chứng robot an toàn

Việc chuyển giao quyền điều khiển robot cho mô hình AI tạo sinh đặt ra một câu hỏi khó: làm sao chắc chắn hệ thống hoạt động an toàn? Kiến trúc này không dự đoán được như thuật toán truyền thống. Safeworld được thành lập để trả lời câu hỏi đó.

Tiến sĩ Ding Zhao, người phụ trách phòng thí nghiệm AI an toàn tại Đại học Carnegie Mellon, đã theo đuổi bài toán này gần như suốt sự nghiệp. Ông cùng Kyle Wong, một lãnh đạo khởi nghiệp kỳ cựu, và kỹ sư học máy Simo Rachidi lập ra Safeworld. Công ty vừa ra khỏi trạng thái kín tiếng với vòng gọi vốn hạt giống hơn 12 triệu USD.

Vòng gọi vốn do Shine Capital và a16z Speedrun dẫn dắt, có thêm Box Group, quỹ Carnegie Mellon University Endowment, Innovation Endeavors và SV Angel.

Theo Zhao, thách thức an toàn gồm hai phần. Một là đánh giá xác suất cho hệ AI tạo sinh: làm sao định lượng rủi ro của một hệ thống vận hành theo xác suất. Hai là niềm tin. Muốn triển khai robot thực tế, cần cả hai.

Mô phỏng thay cho thử nghiệm thực địa

Chuyên môn của Safeworld là đánh giá hệ thống điều khiển robot trong môi trường mô phỏng có các mô hình người thực tế. Cách làm này giống bài toán mà Tesla hay Wayve phải giải với xe tự hành. Nhưng với robot, bài toán khó hơn.

Robot làm việc trong môi trường không có cấu trúc cố định, và mỗi nhà máy lại có tiêu chuẩn an toàn riêng. Ví dụ điển hình là một góc khuất trong xưởng. Cần tốc độ hay khoảng cách dừng bao nhiêu để robot không đâm vào người? Nếu người đó đang bê thùng hàng, robot có nhận ra không?

Để trả lời, Safeworld dựng một bản sao kỹ thuật số của góc khuất đó trong các mô hình mô phỏng như Genesis hay MuJoCo. Sau đó họ đưa vào một robot ảo chạy bằng phần mềm thật của khách hàng, rồi chạy hàng nghìn kịch bản có người mô phỏng va chạm với robot.

Khó ở chỗ con người rất khó đoán. Wong cho biết việc vấp ngã cũng là tình huống được kiểm thử nhiều trong mô phỏng. Nếu không, kỹ sư sẽ phải tự vấp ngã trước robot, điều gần như không thể làm thường xuyên.

Vì sao cần bên thứ ba

Nền tảng của Safeworld có nhiều điểm giống công cụ nội bộ của các hãng chế tạo robot. Nhưng nhóm sáng lập tin rằng các hãng sẽ cần một bên thứ ba đánh giá độc lập. Lý do là để chia sẻ thông tin về hồ sơ an toàn giữa các đối thủ.

Zhao cảnh báo nhiều người đang đánh giá thấp độ khó của các tình huống biên. Ông nói mối lo không phải robot trong phòng thí nghiệm hay đoạn phim trình diễn. Mà là robot triển khai ở quy mô lớn, bên cạnh những người chưa từng vận hành robot.

Vishal Dugar, giám đốc công nghệ của Gritt Robotics, đang phát triển bộ não AI cho robot lắp đặt tấm quang điện tại các trang trại mặt trời quy mô công nghiệp. Công ty này hợp tác với Safeworld để phát triển mô phỏng an toàn.

Theo Dugar, hầu hết hệ thống của ông khó chứng minh an toàn bằng toán học thuần túy. Phải kiểm chứng bằng thực nghiệm. Robot của ông làm việc chung với công nhân, nên cánh tay máy không được va vào họ. Để kiểm chứng, phải tính đến mọi tư thế: quỳ, đứng, ngồi xổm, chạy, thậm chí vấp ngã.

Con người còn khác nhau về ngoại hình: quần áo, kích thước, chiều cao, màu da. Hệ thống phải phản ứng đúng với tất cả biến thể đó.

Safeworld và AI tạo sinh trong robot vẫn ở giai đoạn đầu. Công ty chưa chốt mô hình sản phẩm: nền tảng cho người dùng bên ngoài hay dịch vụ trọn gói. Nhưng nhóm sáng lập tin mình đang giải đúng bài toán.

Zhao nói thẳng: "Có lẽ chúng tôi sẽ là công ty đầu tiên có lãi trong lĩnh vực này. Vì ai muốn triển khai robot cũng phải trả tiền để chúng tôi xử lý tình huống."

Góc nhìn

Với doanh nghiệp Việt Nam đang tính đưa robot vào nhà máy hay kho vận, bài toán an toàn sẽ đến sớm hơn dự kiến. Robot chạy bằng AI tạo sinh khó chứng minh an toàn bằng giấy tờ hay công thức. Cách kiểm chứng thực tế là mô phỏng hàng loạt kịch bản trước khi chạy thật.

Các nhóm kỹ thuật trong nước có thể tận dụng công cụ mã nguồn mở như MuJoCo hay Genesis để dựng mô phỏng riêng. Điều này rẻ hơn nhiều so với thử nghiệm trên dây chuyền thật. Nhưng cần đội ngũ hiểu cả mô phỏng lẫn quy trình vận hành thực tế.

Một điểm đáng lưu ý là tiêu chuẩn an toàn theo từng nhà xưởng. Doanh nghiệp nên xây bộ kịch bản kiểm thử riêng cho từng khu vực làm việc, thay vì dùng chung một bộ cho mọi dây chuyền.

Nguồn: techcrunch.com · Quy trình biên tập

Chia sẻ:FacebookX