Nhóm nghiên cứu tại Carnegie Mellon University (CMU) đã công bố một bài báo trên tạp chí IEEE Transactions on Robotics, giới thiệu kiến trúc Neuro-Symbolic Reasoning (NSR) cho robot thời gian thực. Kiến trúc này kết hợp mạng nơ-ron sâu để nhận dạng và xử lý dữ liệu cảm biến, cùng với hệ thống logic biểu tượng để thực hiện lập kế hoạch và suy luận.
Trong các thí nghiệm, robot được trang bị NSR đã thực hiện thành công các nhiệm vụ phức tạp như sắp xếp đồ vật trong môi trường hỗn loạn, tránh va chạm và đưa ra quyết định nhanh chóng khi môi trường thay đổi đột ngột. Thời gian phản hồi trung bình giảm 35% so với các hệ thống dựa trên chỉ mạng nơ-ron.
Các nhà nghiên cứu nhấn mạnh rằng NSR cho phép robot không chỉ học từ dữ liệu mà còn áp dụng các quy tắc logic đã biết, giúp giảm thiểu lỗi và tăng tính giải thích của hành vi robot. Họ cũng đã công bố mã nguồn và bộ dữ liệu mô phỏng trên GitHub, khuyến khích cộng đồng nghiên cứu tiếp tục phát triển.
Kết quả này hứa hẹn mở ra cơ hội ứng dụng rộng rãi trong các lĩnh vực như logistics tự động, robot y tế và hệ thống hỗ trợ cứu hộ, nơi yêu cầu tốc độ phản hồi và độ tin cậy cao.