Dũng Virgo
Một nhóm nghiên cứu tại Trung Quốc đã giới thiệu MetaEarth3D, mô hình trí tuệ nhân tạo có khả năng tạo ra môi trường ba chiều quy mô lớn chỉ từ một đoạn mô tả bằng văn bản hoặc một bức ảnh vệ tinh. Công nghệ này hướng tới việc giải quyết bài toán thiếu dữ liệu 3D trong quá trình phát triển drone, xe tự hành và robot.
Khác với các công cụ dựng hình thông thường, MetaEarth3D không chỉ tạo ra một khung cảnh để quan sát. Mô hình còn xây dựng không gian có thông tin về độ cao, khoảng cách và cấu trúc địa hình, qua đó cung cấp dữ liệu phù hợp hơn cho các hệ thống cần nhận biết môi trường thực tế.
MetaEarth3D tạo không gian 3D như thế nào?
Theo công trình của nhóm giáo sư Sử Chấn Vị và Trâu Chinh Hạ tại Đại học Hàng không Vũ trụ Bắc Kinh, MetaEarth3D được phát triển như một mô hình nền tảng dành cho việc sinh không gian ba chiều ở quy mô Trái Đất. Nghiên cứu đã xuất hiện trên arXiv và được tạp chí National Science Review tiếp nhận.
Đầu vào của hệ thống có thể là một câu mô tả ngắn, chẳng hạn yêu cầu tạo khu vực đồi núi, sa mạc, bờ biển hoặc đô thị. Một lựa chọn khác là ảnh chụp từ vệ tinh. Từ những dữ liệu này, mô hình tạo nên môi trường 3D liên tục, có thể mở rộng từ cảnh quan tự nhiên lớn đến các khu phố và công trình trong đô thị.
Điểm đáng chú ý nằm ở việc kết quả không dừng ở hình ảnh phối cảnh. Không gian được tạo ra chứa các thông tin hình học như cao độ và khoảng cách vật lý. Đây là yếu tố quan trọng với những hệ thống AI cần lập bản đồ, định vị, tránh chướng ngại vật hoặc lựa chọn đường đi.
Khác biệt giữa MetaEarth3D và Google Earth
MetaEarth3D dễ khiến người dùng liên tưởng đến Google Earth vì cả hai đều mô tả bề mặt Trái Đất trong không gian ba chiều. Tuy nhiên, cách vận hành của hai hệ thống hoàn toàn khác nhau.
Google Earth dựa trên kho dữ liệu được thu thập từ thế giới thực bằng vệ tinh, máy bay và nhiều phương pháp đo đạc khác. Những dữ liệu này sau đó được xử lý, tái dựng rồi lưu trữ dưới dạng mô hình địa hình, lưới tam giác hoặc đám mây điểm. Khi người dùng truy cập, hệ thống hiển thị dữ liệu đã có sẵn.
Trong khi đó, MetaEarth3D là một mô hình sinh. Nó không cần lưu trữ trước mọi khu vực thực tế để hiển thị lại. Thay vào đó, mạng thần kinh học các quy luật thống kê về địa mạo, độ cao và cách phân bổ hình ảnh trên bề mặt Trái Đất, sau đó tạo ra một thế giới mới phù hợp với yêu cầu đầu vào.
Google Earth tái dựng những địa điểm đã được thu thập, còn MetaEarth3D tạo ra các môi trường chưa từng tồn tại nhưng vẫn tuân thủ những đặc điểm không gian giống thế giới thực.
Sự khác biệt này có ý nghĩa lớn trong những tình huống cần số lượng môi trường huấn luyện rất lớn. Nhà phát triển có thể tạo ra nhiều bối cảnh đa dạng mà không phải quét hoặc xây dựng thủ công từng địa điểm.
Bài toán dữ liệu 3D được giải quyết ra sao?
Dữ liệu ba chiều chất lượng cao thường khó thu thập và tốn kém. Việc quét một khu vực rộng bằng thiết bị chuyên dụng, lidar hoặc các hệ thống đo đạc khác đòi hỏi nhiều thời gian, chi phí và nhân lực. Đây là một trong những rào cản khiến việc huấn luyện AI trong môi trường 3D chưa thể mở rộng dễ dàng.
Nhóm nghiên cứu đã chọn hướng tiếp cận khác. Thay vì phụ thuộc hoàn toàn vào các bộ dữ liệu 3D, họ chuyển cảnh 3D thành những tín hiệu giám sát có thể học được từ ảnh hai chiều. Hệ thống được huấn luyện với khoảng 10 triệu bức ảnh trên toàn cầu, kết hợp cùng một khung chuyển dịch phân phối xác suất tiệm tiến.
Cách làm này cho phép mô hình tận dụng nguồn ảnh viễn thám phong phú để suy ra cấu trúc không gian. Nhờ đó, MetaEarth3D có thể tạo cảnh 3D mà không cần mọi dữ liệu huấn luyện đều phải được thu thập trực tiếp dưới dạng ba chiều.
Khả năng tính toán và tốc độ tạo cảnh
MetaEarth3D sở hữu khoảng 4,6 tỷ tham số. Dù có quy mô lớn, mô hình được mô tả là tương đối hiệu quả khi suy luận. Với một card đồ họa NVIDIA RTX 3090, hệ thống có thể tạo ra khu vực đô thị rộng khoảng 17 km² trong thời gian gần 2 giờ.
Con số này chưa biến việc tạo thế giới 3D thành một tác vụ tức thời, nhưng cho thấy tiềm năng giảm đáng kể chi phí so với quy trình thu thập, dựng và kiểm tra dữ liệu thủ công. Khi phần cứng và thuật toán tiếp tục được cải thiện, thời gian tạo môi trường có thể trở thành yếu tố ít cản trở hơn.
Đầu ra của MetaEarth3D là không gian ba chiều tường minh, có thể tương thích với các phần mềm đồ họa như Unreal Engine hoặc Unity. Theo mô tả của nhóm nghiên cứu, định dạng này cũng tránh được hiện tượng sai lệch khoảng cách ở những khu vực xa, vốn thường xuất hiện trong một số mô hình sinh video.
Đối với người quan tâm đến hạ tầng AI, hiệu năng phần cứng vẫn là một yếu tố đáng chú ý. Các dòng GPU cao cấp đang được sử dụng ngày càng nhiều trong những tác vụ tạo dữ liệu, mô phỏng và huấn luyện mô hình, như trong bài viết về những rủi ro khi mua GPU cao cấp.
Thử nghiệm với AI điều khiển drone
Giá trị thực tế của MetaEarth3D được thể hiện qua thử nghiệm huấn luyện các hệ thống AI điều khiển máy bay không người lái tầm thấp. Khi được bổ sung dữ liệu mô phỏng do mô hình tạo ra, khả năng hiểu không gian của hệ thống tăng trung bình 22,85%.
Trong môi trường bay thấp, drone phải xử lý nhiều yếu tố như độ cao, khoảng cách tới vật thể, địa hình và các tuyến di chuyển có thể thay đổi. Dữ liệu mô phỏng 3D giúp thiết bị tiếp xúc với nhiều bối cảnh hơn mà không cần đưa drone bay thử trong thế giới thực.
Lợi ích lớn hơn nằm ở khả năng tạo ra các tình huống hiếm gặp nhưng nguy hiểm. Đây có thể là những kịch bản khó thu thập đủ trong thực tế, nhưng lại cần thiết để kiểm tra mức độ an toàn của hệ thống tự động. Việc cho AI luyện tập trong môi trường mô phỏng giúp giảm rủi ro hư hỏng thiết bị và hạn chế nguy hiểm đối với con người.
Hướng phát triển này cũng liên quan đến quá trình xây dựng hệ sinh thái robot. Trung Quốc đang đầu tư nhiều vào dữ liệu và môi trường huấn luyện cho máy móc tự động, trong đó có mô hình “trường học” dành cho robot hình người.
Tiềm năng ứng dụng trong tương lai
- Drone: tạo bản đồ và bối cảnh bay để huấn luyện khả năng định vị, tránh vật cản và lựa chọn đường đi.
- Xe tự hành: mô phỏng đường phố, khu dân cư và địa hình phức tạp trước khi triển khai thử nghiệm ngoài đời.
- Robot thông minh: cung cấp môi trường để robot học cách nhận biết vật thể, khoảng cách và cấu trúc không gian.
- Đồ họa thời gian thực: hỗ trợ nhà phát triển tạo các khu vực rộng lớn cho phần mềm mô phỏng hoặc ứng dụng tương tác.
- Đánh giá an toàn: tái tạo các tình huống bất thường, giúp kiểm tra phản ứng của hệ thống tự động trước khi vận hành thực tế.
Đặc biệt, khả năng tạo nhiều kịch bản khác nhau có thể giúp giảm sự phụ thuộc vào dữ liệu thu thập từ một số ít địa điểm. AI sẽ có cơ hội học trong những môi trường đa dạng hơn, thay vì chỉ ghi nhớ các mẫu xuất hiện thường xuyên trong bộ dữ liệu ban đầu.
Những giới hạn còn tồn tại
MetaEarth3D vẫn chưa phải một bản sao hoàn chỉnh của thế giới thực. Mô hình hiện chủ yếu tái hiện khung cảnh tại một thời điểm cố định, chưa mô phỏng đầy đủ sự thay đổi theo thời gian, mùa trong năm hoặc các biến động của môi trường.
Phạm vi dữ liệu hiện tại cũng mới tập trung vào dải ánh sáng quang học nhìn thấy. Các nguồn thông tin như lidar và ảnh hồng ngoại nhiệt chưa được tích hợp. Điều này có thể hạn chế khả năng ứng dụng trong những nhiệm vụ cần nhận biết chiều sâu chính xác, nhiệt độ hoặc điều kiện quan sát không thuận lợi.
Ngoài ra, môi trường được sinh ra dù có tính nhất quán về thống kê vẫn cần được kiểm tra trước khi dùng cho các hệ thống an toàn cao. Một cảnh quan trông hợp lý với con người chưa chắc đã phản ánh đầy đủ những chi tiết mà drone, xe tự hành hoặc robot cần xử lý.
Bước tiến mới của AI tạo sinh
MetaEarth3D cho thấy AI tạo sinh đang mở rộng khỏi phạm vi văn bản, hình ảnh và video. Thay vì chỉ tạo nội dung để con người xem, mô hình có thể tạo ra dữ liệu nền phục vụ huấn luyện máy móc.
Nếu tiếp tục được cải thiện về độ chính xác, thời gian xử lý và khả năng mô phỏng biến đổi theo thời gian, các mô hình như MetaEarth3D có thể trở thành một phần quan trọng trong hạ tầng phát triển robot, drone và phương tiện tự hành. Dẫu vậy, công nghệ này cần đi cùng quy trình kiểm định nghiêm ngặt để bảo đảm dữ liệu mô phỏng thực sự phản ánh những điều kiện mà thiết bị sẽ gặp ngoài đời.
AI tạo hàng trăm kết quả toán học: Con người sẽ kiểm chứng ra sao?
Cảnh báo AI có thể đe dọa nhân loại trước năm 2030
Vì sao tua-bin gió gần như luôn dùng 3 cánh quạt?
AI giúp phát hiện ứng viên hành tinh từ dữ liệu 126.000 ngôi sao
Bill Gates từng nói gì về thuế tài sản và 200 tỷ USD từ thiện?
Nga phát triển hợp kim có thể tự lấp đầy vết nứt
1 in 8 Billion: Khi AI mô phỏng cuộc đời không thể tự chọn
