Bốn trong sáu robot Agibot vượt qua thử nghiệm 24 giờ tại cửa hàng tiện lợi ở Thượng Hải

Sáu robot, 1.730 nhiệm vụ và hai nhiệm vụ chưa hoàn thành

Sáu robot hình người Agibot G2 được cho là đã hoàn thành 1.730 nhiệm vụ trong đợt thử nghiệm kéo dài 24 giờ tại một cửa hàng tiện lợi đang hoạt động ở quận Từ Hối, Thượng Hải. Bốn robot vượt qua phần đánh giá, còn hai robot cần được điều chỉnh thêm. Thử nghiệm diễn ra từ 10 giờ sáng ngày 2/11 đến 10 giờ sáng ngày 3/11/2026, bao gồm các ca phục vụ bữa trưa, mua sắm buổi tối, trực đêm và phục vụ bữa sáng.

Agibot cho biết các máy đã thực hiện 683 lượt chào đón hoặc tiếp đón khách hàng, 369 nhiệm vụ lấy và giao hàng hóa, pha 147 ly cà phê, phục vụ 126 suất đồ ăn nóng hoặc bữa sáng, kiểm tra và bổ sung hàng lên kệ 277 lần, đồng thời dọn bàn 128 lần. Buổi phát trực tiếp thu hút hơn 2 triệu lượt xem.

Hai robot không đạt yêu cầu bộc lộ những vấn đề khác nhau. Robot kiểm tra kệ và bổ sung hàng chưa đủ chủ động để theo kịp hoạt động của cửa hàng. Robot vệ sinh gặp thùng rác đã đầy trong ca trực đêm, rời khỏi lộ trình được giao và đi ra ngoài tìm nơi đổ rác.

Sự kiện, có tên tiếng Anh là Robots Never Clock Out, đưa máy móc vào làm việc bên cạnh khách hàng và nhân viên cửa hàng thay vì trong một không gian trình diễn trống. Những phát hiện hữu ích nhất liên quan đến các gián đoạn thường ngày khiến công việc bán lẻ trở nên khó khăn: vật cản bất ngờ, sản phẩm bị di chuyển hoặc nhiệm vụ không thể hoàn thành như dự kiến.

Agibot trình bày kết quả theo cách ví với một đợt đánh giá thử việc của nhân viên. Bốn robot được chấp thuận cho vai trò được giao; hai robot còn lại cần cải thiện thêm. Với các nhà bán lẻ, vấn đề thực tế là liệu máy móc có thể giao đúng đơn, hoạt động trong giới hạn an toàn và xử lý tình huống khi cửa hàng không diễn ra như dự kiến hay không.

Robot nào đạt, robot nào cần đánh giá lại?

Ahao, được giao nhiệm vụ chào đón khách và giải đáp thắc mắc, đạt điểm dịch vụ khách hàng cao nhất. Robot này có thể chủ động chào hỏi thay vì chỉ chờ khách tiến đến. Huobao, phụ trách lấy và giao hàng hóa, phản hồi nhanh với đơn đặt hàng và tiếp tục làm việc khi nhu cầu tăng lên cũng như khi khách hủy yêu cầu.

Kashao, robot pha cà phê, thực hiện quy trình pha chế có trật tự; món Americano nóng của robot nhận được phản hồi tích cực từ khách hàng. Dingjiang, được giao phục vụ đồ ăn nóng và làm nhiệm vụ thanh toán, xử lý công việc ổn định và đạt tiêu chuẩn đánh giá.

Juanwang, phụ trách kiểm tra kệ và bổ sung hàng, chưa được thông qua vì thiếu tính chủ động và khó theo kịp nhịp độ hoạt động của cửa hàng. Lengjie, robot vệ sinh, cần được điều chỉnh quy tắc vận hành sau khi rời khỏi cửa hàng vì thùng rác đã đầy.

Kết quả này cho thấy hai bài toán kỹ thuật khác nhau. Juanwang cần nhận biết khi nào nên bắt đầu công việc mà không phải chờ nhắc thêm. Lengjie cần có cách xử lý rõ ràng khi nhiệm vụ chạm đến giới hạn khu vực hoạt động được phép, chẳng hạn dừng lại và yêu cầu hỗ trợ.

Bốn ca làm việc đặt ra những áp lực khác nhau cho máy móc

Đợt đánh giá bao quát một chu kỳ kinh doanh hoàn chỉnh, thay vì lặp lại cùng một nhiệm vụ trong cùng điều kiện. Trình tự này đặt ra những yêu cầu thay đổi đối với các robot và hệ thống điều phối chúng:

• 10 giờ sáng ngày 2/11: Sáu robot bắt đầu làm việc trong cửa hàng đang hoạt động.
• Giờ ăn trưa: Các đơn đồ ăn và thức uống kiểm tra khả năng pha chế, chuẩn bị và giao hàng trong khung giờ phục vụ đông khách.
• Buổi tối: Hoạt động gia tăng kiểm tra khả năng xử lý đơn hàng và phối hợp trong không gian dùng chung.
• Ban đêm: Lượng khách thưa hơn kiểm tra khả năng tiếp tục làm việc, vệ sinh và ứng phó với tình huống phát sinh.
• Giờ ăn sáng ngày 3/11: Hoạt động phục vụ buổi sáng kiểm tra khả năng thích ứng với một thay đổi khác về khối lượng công việc trước khi thử nghiệm kết thúc lúc 10 giờ sáng.

Những người tham gia được mời cũng chủ động tạo ra các thử thách. Họ yêu cầu máy phân biệt cola thông thường với cola không đường có bao bì tương tự, di chuyển hàng hóa, đứng trong lối đi và lắc hộp đựng đồ ăn nóng để khiến việc gắp thức ăn bên trong khó hơn.

Agibot đánh giá mức độ có mặt, hiệu quả công việc trong bốn giai đoạn và mức độ hài lòng của khách hàng. Ren Guanghui, phó chủ tịch trung tâm nghiên cứu trí tuệ hiện thân của Agibot, cho biết nhóm cũng theo dõi tỷ lệ hoàn thành nhiệm vụ, tỷ lệ thành công ngay lần đầu, thời gian phản hồi, thời gian hoàn thành, chất lượng đầu ra đạt yêu cầu, tần suất con người tiếp quản công việc, thời gian khôi phục và mức độ sẵn sàng của hệ thống.

Vì sao gắp thức ăn có thể khó hơn tìm ra món đó

Một chai nước đóng gói và một miếng thức ăn mềm đòi hỏi cách xử lý khác nhau. Robot có thể nhận diện đúng món hàng nhưng vẫn thất bại khi tiếp xúc: bao bì mềm biến dạng, bề mặt trơn trượt khiến vật di chuyển, còn thức ăn dễ vỡ nếu bị bóp quá mạnh.

Ren mô tả việc dùng kẹp gắp một miếng bánh vàng là một chuỗi thao tác chính xác. Robot phải cầm dụng cụ, điều khiển độ mở, chọn vị trí tiếp xúc với thức ăn và tạo đủ lực để nhấc lên mà không làm nát. Sau đó, robot phải căn chỉnh với túi, thả thức ăn vào, rút kẹp ra và đổi cách cầm để nhấc túi lên.

Một sai sót nhỏ ở bước cuối có thể làm hỏng toàn bộ những thao tác đúng trước đó. Treo các gói kẹo lên móc trên kệ cũng đặt ra một dạng vấn đề tương tự: máy phải căn đúng một lỗ nhỏ mà không làm rách bao bì hoặc xáo trộn các sản phẩm bên cạnh.

Wang Xingxing, nhà sáng lập Unitree, cũng cho rằng khả năng tiếp xúc vật lý chính xác vẫn là nút thắt đối với robot. Đánh giá của ông tập trung vào khoảng cách giữa việc nhận biết thế giới và điều khiển những chuyển động cuối cùng cần thiết để chạm và thao tác với vật thể. Trong cửa hàng, chính những chuyển động cuối cùng này quyết định liệu khách hàng có nhận được thức ăn nguyên vẹn và hàng hóa được đặt đúng vị trí hay không.

Mặt sàn cửa hàng dùng chung cần một kế hoạch chung

Sáu robot làm việc trong một cửa hàng nhỏ tạo ra các bài toán điều phối bên cạnh những khó khăn trong thao tác. Việc bổ sung hàng có thể chiếm chỗ cần thiết để lấy đơn. Công việc vệ sinh có thể chắn lối đi. Sự chậm trễ tại một điểm làm việc có thể khiến nhiều lượt giao hàng sau đó bị đình trệ.

Agibot sử dụng nền tảng Genie Master để điều phối các máy. Công ty cho biết đã phát hành nền tảng này vào ngày 27/10, ngay trước đợt thử nghiệm tại cửa hàng. Nền tảng kết nối việc phân công nhiệm vụ, hướng dẫn thực hiện và phản hồi thông qua giao thức thực thi hiện thân, gọi tắt là EEP.

Nói đơn giản, phần mềm điều phối quyết định robot nào sẽ làm việc gì, kiểm tra kết quả và dùng kết quả đó để xác định bước tiếp theo. Phần mềm cũng xem xét mức độ ưu tiên của đơn hàng, tình trạng robot và không gian làm việc sẵn có. Những công việc cần cùng một vị trí trên kệ có thể được tách riêng, trong khi các nhiệm vụ tương thích có thể được thực hiện đồng thời.

Khách hàng là một yếu tố luôn thay đổi khác. Robot được kỳ vọng sẽ giảm tốc, tạm dừng, tránh sang bên hoặc tính toán lộ trình mới khi có người bước vào không gian làm việc. Ren cho biết mức độ bất định gia tăng cần dẫn đến cách vận hành ít quyết liệt hơn và khi cần thiết, robot phải dừng lại rồi yêu cầu hỗ trợ. Vì vậy, biết chờ an toàn cũng là một phần cần thiết để hoạt động hiệu quả, dù điều đó làm giảm tốc độ.

Agibot cho biết robot học hỏi từ sai sót như thế nào

Agibot mô tả phương pháp học hỏi của mình là Physical RSI, một quy trình trong đó kinh nghiệm từ công việc thực tế góp phần cải tiến về sau. Công ty chia quy trình này thành hai hướng: ghi nhớ kinh nghiệm hữu ích và huấn luyện lại các mô hình điều khiển hành động.

Hướng thứ nhất, gọi là Harness RSI, lưu trữ và tóm tắt các chuỗi thao tác thành công lẫn thất bại. Khi gặp vấn đề tương tự về sau, robot có thể tham khảo hồ sơ này. Hướng thứ hai, Policy RSI, sử dụng các ví dụ được chọn để huấn luyện chính sách hành động, tức mô hình hướng dẫn cách robot di chuyển và xử lý vật thể.

Ren cho biết các vấn đề về quy trình và phối hợp có thể được xem xét ngay trong ngày để tránh lặp lại vào ngày hôm sau. Những thay đổi đối với chính sách hành động thường cần vài ngày cho một chu kỳ phát triển. Dữ liệu từ buổi phát trực tiếp sẽ được chọn lọc, loại bỏ thông tin nhận dạng và kiểm tra chất lượng trước khi đưa vào huấn luyện; các thay đổi thu được thường được đưa vào những phiên bản phần mềm sau trong vòng một đến hai tuần.

Agibot cũng mô tả một giai đoạn thử nghiệm trước đó, trong đó tỷ lệ hoàn thành quy trình đối với các nhiệm vụ như đóng gói thức ăn, lấy hàng hóa và bổ sung hàng tăng từ 28,6% vào ngày đầu tiên lên 85,7% vào ngày thứ năm. Đây là mức tăng 57,1 điểm phần trăm, tương đương khoảng gấp ba lần tỷ lệ ban đầu.

Các số liệu này thuộc giai đoạn thử nghiệm trước đó. Công ty chưa công bố tỷ lệ hoàn thành chi tiết tương đương cho từng nhiệm vụ trong đợt thử nghiệm công khai kéo dài 24 giờ.

Tổng số nhiệm vụ cho người điều hành cửa hàng biết điều gì?

1.730 nhiệm vụ được báo cáo tương đương trung bình khoảng 72 hoạt động hoàn thành mỗi giờ trên sáu robot. Tiếp đón khách hàng và lấy hàng hóa cộng lại chiếm 1.052 nhiệm vụ, khoảng 61% tổng số.

Các phép tính này giúp mô tả khối lượng công việc, nhưng thời lượng và tính chất của từng hoạt động khác nhau đáng kể. Chào khách và chuẩn bị một bữa ăn nóng đòi hỏi lượng thời gian, thao tác vật lý và kiểm tra khác nhau. Người quản lý đánh giá việc triển khai sẽ cần xem xét riêng từng vai trò, bao gồm thời gian chờ và chất lượng dịch vụ hoàn tất.

Tài liệu về sự kiện không cung cấp nhật ký nhiệm vụ được kiểm toán độc lập, số lần can thiệp hoặc tỷ lệ thất bại, cũng như so sánh với sản lượng và chi phí của nhân viên. Khoảng thời gian sạc và thời gian bảo trì cũng không được công bố. Những thiếu hụt này khiến tổng thời gian vận hành tự động và mức độ hỗ trợ của nhân viên vẫn chưa rõ.

Đo lường công việc hữu ích thay vì thời gian xuất hiện trên camera

Agibot đề xuất một thước đo năng suất mang tên Worken, được mô tả là số giờ làm việc thông minh hiệu quả. Phép tính này kết hợp số lượng robot đang hoạt động, thời gian làm việc tự động và tỷ lệ hiệu suất đầu ra.

Ý tưởng này hướng sự chú ý vào sản lượng đạt chuẩn: máy tạo ra được bao nhiêu công việc đạt yêu cầu trong thời gian vận hành tự động. Với một cửa hàng, điều đó có nghĩa là giao đúng sản phẩm, hoàn thành đầy đủ đơn hàng và cung cấp thức ăn hoặc đồ uống sử dụng được trong thời gian chờ chấp nhận được.

Yao Maoqing, đồng sáng lập, đồng chủ tịch Agibot kiêm chủ tịch tập đoàn kinh doanh trí tuệ hiện thân của công ty, đã phân biệt trình diễn với công việc tạo ra năng suất tại Ngày Đổi mới của Agibot. Theo bản dịch phát biểu của ông:

Trình diễn kiểm tra giới hạn trên của một năng lực đơn lẻ, còn năng suất kiểm tra giới hạn dưới của cả hệ thống.

Quan điểm của ông có ý nghĩa cụ thể với hoạt động bán lẻ. Một máy thể hiện xuất sắc với đơn hàng dễ vẫn cần phản ứng đáng tin cậy khi gặp đơn hàng khó. Muốn tính Worken cho đợt thử nghiệm ở Thượng Hải, cần có số liệu về giờ vận hành tự động và hiệu suất đầu ra, vượt ngoài tổng số nhiệm vụ đã công bố.

Cần thay đổi gì trước khi triển khai rộng hơn?

Ren cho biết mức độ sẵn sàng thương mại phụ thuộc vào nhiệm vụ chứ không theo một mốc thời gian cố định. Ông nêu ba tiêu chí thực tế: nhiệm vụ có ranh giới rõ ràng hay không, kết quả có dễ kiểm tra hay không và tình huống ngoại lệ có đủ hiếm để hệ thống tự khắc phục hay không.

Theo ông, sắp xếp hàng hóa thường ngày, bổ sung hàng và hỗ trợ vệ sinh là những vai trò có thể được triển khai sớm hơn trong môi trường ngăn nắp. Các công việc đòi hỏi tương tác phức tạp với khách hàng, xác minh danh tính hoặc xử lý vật thể khó dự đoán cần được kiểm chứng lâu hơn. Ngay cả những vai trò tưởng như phù hợp cũng cần được thiết kế cẩn thận, như trường hợp của robot kiểm tra kệ và robot vệ sinh đã cho thấy.

Mở rộng từ một cửa hàng lên hàng trăm cửa hàng đòi hỏi các công cụ tiêu chuẩn, kết nối với hệ thống kinh doanh bán lẻ, lắp đặt nhanh hơn và bảo trì từ xa hiệu quả. Robot cũng cần chuyển giao kinh nghiệm hữu ích giữa các cửa hàng có cách bố trí và hàng hóa khác nhau, giảm lượng công việc thiết lập lại từ đầu tại mỗi địa điểm.

Ren thừa nhận robot còn thua nhân viên cửa hàng giàu kinh nghiệm ở khả năng thích ứng với thay đổi, hoàn thành nhanh các động tác chính xác và xử lý tình huống ngoại lệ. Các tiêu chí thương mại mà ông đề xuất mang tính thực tế: rút ngắn thời gian triển khai, giảm điều chỉnh thủ công và tăng sản lượng hữu ích. Đợt thử nghiệm ở Thượng Hải đưa ra ví dụ về cả những quy trình hoạt động được lẫn những quy tắc cần sửa đổi; công việc kỹ thuật tiếp theo là khiến các quy trình đó trở nên đáng tin cậy qua nhiều ca làm việc và tại nhiều cửa hàng khác nhau.

Điểm chính

• Sáu robot Agibot G2 tham gia thử nghiệm 24 giờ tại một cửa hàng tiện lợi ở quận Từ Hối, Thượng Hải, trong hai ngày 2–3/11/2026.
• Agibot báo cáo các robot đã hoàn thành 1.730 nhiệm vụ và buổi phát trực tiếp thu hút hơn 2 triệu lượt xem.
• Bốn robot vượt qua đánh giá theo vai trò; robot kiểm tra kệ và robot vệ sinh cần được điều chỉnh thêm.
• Một robot thiếu tính chủ động, còn một robot khác rời khỏi cửa hàng sau khi gặp thùng rác đầy.
• Genie Master điều phối nhiệm vụ, không gian làm việc dùng chung và phản hồi từ các robot.
• Công ty chưa công bố chi tiết về giờ vận hành tự động, số lần can thiệp, tỷ lệ thất bại được kiểm toán và mức so sánh với nhân viên.