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

Sáu robot, bốn lượt đánh giá đạt yêu cầu và 1.730 nhiệm vụ hoàn thành

Sáu robot hình người Agibot Genie G2 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, nhưng chỉ có bốn robot vượt qua các bài đánh giá tại nơi làm việc. Hai robot không đạt gặp khó khăn với việc kiểm tra kệ hàng và dọn dẹp, trong đó một robot vệ sinh đã rời khỏi tuyến đường được giao và đi ra ngoài cửa hàng trong ca đêm.

Thử thách bắt đầu lúc 10 giờ sáng ngày 2 tháng 11 năm 2026 và kết thúc vào ngày 3 tháng 11. Do Agibot tổ chức, đơn vị có tên chính thức là Công ty TNHH Công nghệ Zhiyuan Innovation (Thượng Hải), sự kiện phát trực tiếp thu hút hơn 2 triệu lượt xem trên các nền tảng trực tuyến. Các robot làm việc xuyên suốt giờ cao điểm buổi trưa, thời điểm khách đến vào buổi tối, ca đêm và phục vụ bữa sáng vào sáng hôm sau.

Đằng sau màn trình diễn là một câu hỏi thực tế: liệu robot có thể duy trì hoạt động liên kết của một cửa hàng khi khách hàng, đơn hàng và chướng ngại vật xung quanh thay đổi hay không? Pha pha cà phê thành công chỉ là một phần của bài đánh giá. Khả năng phản hồi kịp thời, ở đúng vị trí được giao và khắc phục khi có sự cố cũng được tính đến.

Ren Guanghui, phó chủ tịch trung tâm nghiên cứu trí tuệ hiện thân của Agibot, thừa nhận máy móc vẫn kém những nhân viên cửa hàng giàu kinh nghiệm về khả năng thích ứng với thay đổi, thực hiện nhanh các động tác đòi hỏi sự khéo léo và xử lý tình huống bất ngờ. Những cải tiến tiếp theo sẽ phụ thuộc vào việc chuyển hồ sơ về các công việc thành công và thất bại thành quy tắc vận hành và kỹ năng chuyển động tốt hơn.

Những công việc robot thực sự hoàn thành

Sáu cỗ máy chia nhau các công việc trong cửa hàng, gồm chào đón khách, xử lý hàng hóa, pha cà phê, phục vụ đồ ăn nóng, kiểm tra kệ hàng và lau bàn. Tổng số nhiệm vụ của chúng bao gồm những hoạt động có mức độ khó và thời lượng rất khác nhau.

• 683 lượt chào đón khách hoặc tương tác tiếp đón.
• 369 nhiệm vụ lấy và giao hàng hóa.
• 147 lần pha cà phê.
• 126 nhiệm vụ phục vụ đồ ăn, được mô tả là phục vụ bữa sáng trong thống kê cuối cùng và phục vụ đồ ăn nóng trong kết quả đánh giá.
• 277 nhiệm vụ kiểm tra và bổ sung hàng lên kệ.
• 128 nhiệm vụ lau bàn.

Tiếp đón khách chiếm khoảng 39,5% trong tổng số 1.730 nhiệm vụ được ghi nhận. Tiếp đón khách và xử lý hàng hóa cộng lại là 1.052 nhiệm vụ, tương đương khoảng 60,8%. Những con số này cho thấy phần lớn hoạt động được ghi nhận liên quan đến việc tương tác với khách và di chuyển sản phẩm, bên cạnh những công việc bắt mắt hơn như pha đồ uống và phục vụ đồ ăn.

Tính chung, cả sáu robot hoàn thành trung bình khoảng 72 nhiệm vụ mỗi giờ. Tuy nhiên, mỗi hạng mục đòi hỏi công việc khác nhau: chào khách và pha cà phê cần các quy trình, thiết bị và thời lượng khác nhau. Bài đánh giá cũng xem xét thời gian trực, phản hồi của khách hàng, tỷ lệ hoàn thành nhiệm vụ, tốc độ phản hồi và khả năng khắc phục sự cố.

Vì sao bốn robot đạt yêu cầu còn hai robot không đạt

Ahao, robot chào đón khách, nhận điểm dịch vụ khách hàng cao nhất nhờ chủ động hỗ trợ khách. Huobao, phụ trách lấy và xử lý hàng hóa, phản hồi nhanh với đơn hàng và tiếp tục làm việc khi nhu cầu tăng hoặc đơn bị hủy.

Kashao, robot pha cà phê, đạt yêu cầu nhờ quy trình pha chế ổn định; cà phê Americano nóng của robot cũng nhận được phản hồi tích cực. Dingjiang, phụ trách đồ ăn nóng và kiêm nhiệm thanh toán, đáp ứng tiêu chuẩn yêu cầu nhờ xử lý công việc ổn định.

Juanwang, robot kiểm tra và bổ sung hàng lên kệ, không theo kịp nhịp vận hành của cửa hàng. Hoạt động kiểm tra và bổ sung hàng bị đánh giá là chưa đủ chủ động. Lengjie, robot vệ sinh, đã rời tuyến đường được chỉ định trong ca đêm và đi ra ngoài, khiến các quy tắc vận hành cần được điều chỉnh.

Bốn trong sáu robot đạt yêu cầu, tương đương tỷ lệ khoảng 66,7% trong số máy tham gia. Agibot không công bố ngưỡng đạt bằng số, bảng điểm đầy đủ hay số liệu tổng hợp về việc con người can thiệp. Vì vậy, kết quả được công bố cho thấy rõ hơn hiệu quả của từng vai trò so với độ tin cậy tổng thể của hệ thống: robot chào khách làm tốt về dịch vụ khách hàng, còn robot vệ sinh cần được kiểm soát chặt hơn về phạm vi hoạt động.

Một ngày làm việc trọn vẹn đem đến nhiều dạng áp lực

Lịch trình 24 giờ khiến robot phải đối mặt với nhu cầu thay đổi trong cùng một không gian nhỏ. Giờ ăn trưa và bữa sáng tạo áp lực phục vụ khách nhanh chóng. Buổi tối lại có thêm một đợt khách, trong khi ca đêm kiểm tra khả năng duy trì nhiệm vụ được giao khi cửa hàng yên ắng hơn.

Thử nghiệm diễn ra theo trình tự sau:

• Ngày 2 tháng 11 năm 2026, lúc 10 giờ sáng: sáu robot Genie G2 bắt đầu làm việc tại cửa hàng tiện lợi ở quận Từ Hối.
• Ngày 2 tháng 11, giờ ăn trưa và buổi tối: bài đánh giá theo dõi các khung giờ phục vụ đông khách, gồm xử lý đơn hàng, hàng hóa và chế biến đồ ăn.
• Đêm ngày 2 sang ngày 3 tháng 11: các robot tiếp tục làm việc qua ca đêm, thời điểm robot vệ sinh rời khỏi tuyến đường được giao.
• Ngày 3 tháng 11, giờ ăn sáng và thời điểm kết thúc: ca phục vụ cuối cùng khép lại đợt đánh giá kéo dài 24 giờ, sau đó bốn robot được công nhận đạt yêu cầu.

Các cỗ máy được đánh giá qua bốn khung giờ phục vụ, chứ không chỉ qua một thao tác được căn thời gian cẩn thận. Việc giao hàng hóa chậm có thể ảnh hưởng đến đơn hàng khác; robot chiếm vị trí trước kệ có thể khiến đồng nghiệp không tiếp cận được. Để duy trì công việc, chúng cần phối hợp bên cạnh sự khéo léo của từng robot.

Khách hàng và chướng ngại vật trở thành một phần của bài kiểm tra

Hai người tham gia được mời là Xiaoyang biubiu và Xiaoxiao Nathan đã đưa ra những thử thách mô phỏng các vấn đề mà nhân viên cửa hàng có thể gặp. Họ yêu cầu robot phân biệt cola thường với cola không đường, xáo trộn kẹo cao su trên kệ và chặn lối đi bằng người cùng một chiếc hộp.

Nhiệm vụ với cola đòi hỏi hệ thống kết nối yêu cầu bằng lời nói với khả năng nhận diện trực quan đúng sản phẩm. Bài thử với kẹo cao su kiểm tra xem máy có thể quan sát hàng hóa thực tế trên kệ và sắp xếp lại đúng vị trí hay không. Các chướng ngại vật kiểm tra khả năng dừng lại và tìm đường khác để tránh người hoặc đồ vật.

Trong đợt thử nghiệm, robot dùng khả năng quan sát để nhận biết hàng hóa bị đặt sai chỗ và đưa chúng về đúng vị trí. Khe trống trên kệ có thể kích hoạt việc bổ sung hàng mà không cần người đưa ra chỉ dẫn mới. Các màn trình diễn vệ sinh cũng bao gồm việc phân biệt hoa văn trên bề mặt với vết đổ hoặc vết bẩn.

Các nhiệm vụ này kết hợp nhận thức và chuyển động. Trước tiên, robot phải nhận diện sản phẩm, vật cản hoặc khu vực bẩn, sau đó chọn hành động và thực hiện. Nhận diện sai có thể khiến giao nhầm sản phẩm, lau dọn không cần thiết hoặc chặn đường của một máy khác.

Vì sao một túi kẹo cũng có thể gây khó khăn

Ren cho biết cửa hàng tiện lợi là môi trường đòi hỏi cao vì có nhiều loại sản phẩm, cần thao tác khéo léo, khách hàng đi lại giữa các máy và nhiều robot cùng chia sẻ không gian hạn chế. Khác với một trạm lấy hàng cố định, cửa hàng có thể thay đổi mỗi khi khách di chuyển món đồ hoặc bước vào lối đi.

Một túi kẹo Skittles treo trên móc cho thấy rõ thách thức này. Robot phải nhận diện sản phẩm, chọn vị trí cầm nắm và dùng lực vừa đủ để lấy xuống mà không làm miệng túi mắc vào móc. Vị trí và lực cầm đều quan trọng.

Một miếng bánh mềm lại đặt ra vấn đề khác. Lực quá nhẹ có thể khiến bánh tuột khỏi tay; lực quá mạnh có thể làm bánh bị nghiền nát. Bao bì và thực phẩm có thể uốn cong hoặc biến dạng khó xử lý ổn định hơn những vật cứng có cạnh dễ dự đoán.

Ren cho biết nhiệm vụ tương đối dễ hơn khi khu vực làm việc được phân định rõ, đồ vật được tiêu chuẩn hóa và kết quả dễ kiểm tra. Vật thể mềm dẻo, các tương tác phức tạp giữa những bề mặt và chuỗi chuyển động dài vẫn là thách thức kỹ thuật. Với cửa hàng, điều này có nghĩa robot có thể thực hiện ổn định một nhiệm vụ được sắp xếp gọn gàng, nhưng vẫn cần cải thiện trước khi có thể xử lý nhiều loại sản phẩm thay đổi với tốc độ ngang nhân viên giàu kinh nghiệm.

Phần mềm điều phối sáu công việc riêng biệt

Agibot trang bị cho sáu robot một số hệ thống kết nối với nhau. GO-3Preview, mô hình nền tảng trí tuệ hiện thân của công ty, cung cấp năng lực thực hiện nhiều nhiệm vụ vật lý khác nhau. Trí tuệ hiện thân là AI hoạt động thông qua một cỗ máy vật lý có thể quan sát môi trường xung quanh và hành động trong đó.

GenieEvolver, hệ thống huấn luyện nâng cao của công ty, kết hợp học tập trên robot thực với mô phỏng và mô hình thế giới. Mô hình thế giới là biểu diễn trên máy tính được dùng để dự đoán đồ vật và môi trường xung quanh có thể phản ứng ra sao trước một hành động. Các phương pháp huấn luyện này nhằm cải thiện cách thực hiện chuyển động.

GenieMaster đảm nhiệm việc phân công nhiệm vụ giữa các robot và đưa kết quả thực hiện trở lại quy trình học tập. Giao thức thực thi hiện thân của hệ thống, gọi tắt là EEP, kết nối các quyết định, hành động vật lý và phản hồi về những gì đã xảy ra.

Trong môi trường cửa hàng, phần mềm điều phối cần biết robot nào có thể làm một công việc và robot đó đang đối mặt với điều kiện nào. Sau đó, hệ thống chuyển động phải thực hiện hành động dựa trên những gì quan sát được tại thời điểm đó. Phản hồi giúp phần mềm điều phối quyết định bước tiếp theo, kể cả khi cần điều chỉnh hành động.

Việc dùng chung không gian khiến sự phối hợp này trở nên cần thiết. Nếu robot bổ sung hàng chiếm vị trí cần thiết để xử lý đơn hàng, hệ thống phải điều phối quyền tiếp cận hoặc thay đổi trình tự công việc. Agibot nêu xung đột về vị trí giữa các robot và độ trễ trong cập nhật trạng thái đơn hàng là những vấn đề có thể giải quyết bằng các quy tắc phân công tốt hơn.

Học từ sai sót cần hai khung thời gian khác nhau

Agibot gọi quy trình sử dụng hồ sơ công việc thành công và thất bại là PhysicalRSI, tức tự cải thiện lặp đi lặp lại trong thế giới vật lý. Ý tưởng cơ bản là xem xét những gì đã xảy ra trong các nhiệm vụ thực tế, điều chỉnh và dùng kết quả hoạt động sau đó để định hướng những cải tiến tiếp theo.

GenieMaster được mô tả là thu thập các chuỗi nhiệm vụ thành công và thất bại, lưu kinh nghiệm hữu ích vào bộ nhớ dài hạn và chuyển những điều chỉnh hiệu quả thành dữ liệu huấn luyện. Việc áp dụng lại một quy tắc vận hành đã ghi nhớ và huấn luyện kỹ năng chuyển động mới đòi hỏi khối lượng công việc khác nhau.

Ren cho biết các bài học về quy trình và lịch phân công nhiệm vụ có thể được xem xét trong ngày hoạt động và áp dụng vào ngày hôm sau. Việc cập nhật chính sách chuyển động đòi hỏi thu thập dữ liệu, kiểm tra chất lượng, huấn luyện và xác thực. Chính sách chuyển động là hệ thống lựa chọn hành động vật lý dựa trên những gì robot quan sát được.

Theo Ren, dữ liệu hữu ích từ buổi phát trực tiếp dự kiến sẽ được đưa vào các bản cập nhật chính sách chuyển động sau một đến hai tuần. Vì vậy, đợt thử nghiệm có hai khung thời gian theo dõi thực tế: điều chỉnh nhanh các quy tắc quy trình làm việc, tiếp đến là thay đổi chậm hơn đối với mô hình điều khiển chuyển động.

Việc robot vệ sinh rời tuyến đường và robot bổ sung hàng phản hồi chậm cũng cho thấy hai dạng công việc khác nhau. Một vấn đề đòi hỏi chú ý đến việc không rời khỏi khu vực hoạt động được giao; vấn đề kia cần cải thiện khả năng căn thời điểm và chủ động duy trì hàng hóa trên kệ. Agibot chưa đưa ra ngày đánh giá công khai tiếp theo dành cho hai máy này.

Điều gì giúp công việc có giá trị thương mại?

Agibot giới thiệu đợt thử nghiệm tại cửa hàng là lần đầu tiên các năng lực AI hiện thân tích hợp mới ra mắt của công ty được ứng dụng vào những hoạt động kinh doanh cụ thể. Công ty đã khởi động chuỗi ra mắt công nghệ AI WAVE vào ngày 22 tháng 10, giới thiệu dữ liệu, mô phỏng, mô hình, phần cứng robot và hệ điều hành trước khi đưa các thành phần này vào cửa hàng.

Động thái thương mại hóa diễn ra cùng thời điểm doanh thu được báo cáo là gần 2 tỷ nhân dân tệ trong nửa đầu năm 2026 và sản lượng lũy kế đạt 20.000 robot AI đa dụng. Bài đánh giá tại cửa hàng tiện lợi tập trung vào khả năng phục vụ trong hoạt động thường ngày của những cỗ máy này.

Yao Maoqing, đồng sáng lập, đồng chủ tịch Agibot kiêm chủ tịch bộ phận kinh doanh trí tuệ hiện thân của công ty, cho biết công việc sản xuất của robot phải đáp ứng các tiêu chuẩn kỹ thuật có thể đo lường, lặp lại và duy trì. Các chỉ số ông nêu gồm tỷ lệ thành công, thời gian hoàn thành nhiệm vụ và thời gian trung bình giữa các lần hỏng hóc, thường gọi là MTBF.

MTBF chỉ thời gian hoạt động trung bình giữa các lần hỏng hóc. Với quản lý cửa hàng, chỉ số này giải đáp mối quan tâm thực tế: máy có thể tiếp tục làm việc bao lâu trước khi sự cố làm gián đoạn dịch vụ. Thời gian thực hiện nhiệm vụ cũng quan trọng vì lý do tương tự. Khách chờ bữa sáng cần được phục vụ nhanh, ngay cả khi robot rốt cuộc vẫn có thể chuẩn bị món ăn chính xác.

Đội ngũ Agibot xác định bốn kết quả cần theo dõi: tăng sản lượng đáp ứng tiêu chuẩn và giảm thời gian mất vào việc thử lại hoặc cần con người tiếp quản; giảm lượng dữ liệu phải thu thập và mức độ điều chỉnh khi sản phẩm, cách bố trí hoặc cửa hàng thay đổi; duy trì các cải tiến qua những đánh giá độc lập trong khi vẫn giữ được các kỹ năng hiện có; và giảm chi phí vận hành khi kinh nghiệm tích lũy qua các ca làm việc và luồng khách khác nhau.

Đợt thử nghiệm ở Thượng Hải đưa ra những ví dụ về cả dịch vụ hữu ích lẫn công việc còn dang dở. Bốn robot đáp ứng tiêu chuẩn được giao, trong khi hai robot bộc lộ điểm yếu về khả năng duy trì tập trung vào nhiệm vụ và kiểm soát chuyển động. Bước tiếp theo về kỹ thuật của công ty là áp dụng những bài học này trong thời gian hoạt động dài hơn và tại các cửa hàng thay đổi, dựa trên những chỉ số hiệu suất đã đề ra.

Điểm chính

• Sáu robot Agibot Genie G2 hoàn thành đợt thử nghiệm kéo dài 24 giờ tại một cửa hàng tiện lợi ở quận Từ Hối, Thượng Hải, vào ngày 3 tháng 11 năm 2026.
• Các robot ghi nhận 1.730 nhiệm vụ hoàn thành, gồm 683 lượt tương tác với khách hàng, 369 nhiệm vụ xử lý hàng hóa và 147 lần pha cà phê.
• Bốn robot đạt yêu cầu. Robot kiểm tra kệ không theo kịp nhịp độ của cửa hàng, còn robot vệ sinh rời tuyến đường được giao trong ca đêm.
• Các bài thử gồm phân biệt các loại cola, sắp xếp lại kệ hàng bị xáo trộn và tìm đường tránh người cùng hộp.
• Agibot cho biết có thể áp dụng thay đổi quy trình vào ngày hôm sau, trong khi các bản cập nhật mô hình chuyển động sử dụng dữ liệu thử nghiệm dự kiến cần một đến hai tuần.
• Các mục tiêu thương mại được công ty nêu gồm cải thiện tỷ lệ thành công, giảm gián đoạn, dễ triển khai tại cửa hàng mới và hạ chi phí vận hành.