Các kỹ sư tại Columbia Engineering vừa phát triển một phương pháp mới cho phép robot tự học cử động môi bằng quan sát, tương tự cách con người tập nói, tiến gần tới việc khắc phục rào cản tâm lý lâu nay trong tương tác người-máy.

Khi con người trò chuyện trực diện, gần như mọi sự chú ý của chúng ta tập trung vào chuyển động của đôi môi. Tuy nhiên, với robot, việc tái tạo cử động môi một cách thuyết phục vẫn là thách thức lớn. Ngay cả những robot hình người tiên tiến nhất cũng thường có cử động miệng cứng nhắc, phóng đại, khiến gương mặt trông giống con rối hơn là một người sống.

Con người đặc biệt nhạy cảm với biểu cảm khuôn mặt, nhất là những chuyển động tinh tế của môi. Robot có thể đi đứng vụng về hay cử động tay thiếu tự nhiên mà vẫn được chấp nhận, nhưng chỉ cần một sai lệch nhỏ trên gương mặt cũng đủ tạo cảm giác khó chịu. Hiện tượng này được gọi là “thung lũng kỳ lạ”, trong đó chuyển động môi kém tự nhiên là một nguyên nhân quan trọng.

Ngày 15/1/2026, nhóm nghiên cứu tại Columbia Engineering công bố một bước tiến đáng chú ý trong lĩnh vực robot hình người. Lần đầu tiên, các nhà khoa học chế tạo được một robot có khả năng tự học cử động môi để nói và hát. Kết quả nghiên cứu được công bố trên tạp chí Science Robotics, cho thấy robot có thể tạo khẩu hình khi phát âm nhiều ngôn ngữ, thậm chí trình diễn một ca khúc trong album đầu tay do AI tạo ra mang tên “Hello world”.

Khác với các cách tiếp cận trước đây vốn dựa vào lập trình sẵn, robot này học thông qua quan sát. Trước hết, nó tìm hiểu cách điều khiển chính gương mặt của mình, vốn được vận hành bởi 26 động cơ riêng biệt. Đặt trước một chiếc gương, robot thử nghiệm hàng nghìn biểu cảm ngẫu nhiên và quan sát phản chiếu của chính mình, từ đó dần hiểu được chuyển động nào tạo ra hình dạng môi tương ứng, tương tự cách trẻ nhỏ khám phá khuôn mặt.

Sau khi nắm được khả năng điều khiển gương mặt, robot tiếp tục được cho xem hàng giờ video con người nói chuyện và hát. Hệ thống AI quan sát cách hình dạng miệng thay đổi theo từng âm thanh, rồi liên kết trực tiếp tín hiệu âm thanh với chuyển động của các động cơ. Nhờ kết hợp giữa tự học và bắt chước con người, robot có thể đồng bộ cử động môi với âm thanh, ngay cả khi không hiểu nội dung lời nói.

Các thử nghiệm cho thấy hệ thống hoạt động với nhiều ngôn ngữ và phong cách phát âm khác nhau. Dù vậy, nhóm nghiên cứu thừa nhận robot vẫn gặp khó khăn với một số âm bật như “B” hoặc các âm cần chúm môi như “W”. Theo các nhà khoa học, những hạn chế này có thể được cải thiện khi robot tiếp tục học hỏi và tích lũy dữ liệu.

Theo nhóm nghiên cứu, ý nghĩa của công trình không chỉ nằm ở việc “đồng bộ khẩu hình”. Mục tiêu dài hạn là giúp robot giao tiếp tự nhiên và giàu cảm xúc hơn với con người. Khi khả năng cử động môi được kết hợp với các hệ thống AI hội thoại như ChatGPT, robot có thể thể hiện các cử chỉ khuôn mặt phù hợp hơn với ngữ cảnh, từ đó tạo cảm giác tương tác chân thực hơn.

Các nhà khoa học cho rằng biểu cảm khuôn mặt, đặc biệt là mắt và môi, vẫn là mắt xích còn thiếu trong robot hình người. Trong khi nhiều nghiên cứu tập trung vào chuyển động chân tay như đi lại hay cầm nắm, thì khuôn mặt lại đóng vai trò then chốt trong giao tiếp xã hội.

Trong bối cảnh robot hình người ngày càng được đưa vào các lĩnh vực như giải trí, giáo dục, y tế và chăm sóc người cao tuổi, khả năng thể hiện biểu cảm tự nhiên trên gương mặt sẽ ngày càng quan trọng. Tuy vậy, nhóm nghiên cứu cũng nhấn mạnh rằng những công nghệ này cần được phát triển thận trọng, bởi các cỗ máy có khả năng tạo kết nối cảm xúc mạnh mẽ với con người cũng đặt ra những câu hỏi đạo đức mới.

N.P.A (NASTIS), theo Science daily