Ngày 16/10/2026, Khoa Kỹ thuật và Công nghệ phối hợp cùng Câu lạc bộ Nhà khoa học, Trường Quốc tế – Đại học Quốc gia Hà Nội (ĐHQGHN), tổ chức seminar khoa học với chủ đề “Robotizing Complex Welding Processes through Imitation Learning and Generative Models from Human Demonstration Data” (Robot hóa các quy trình hàn phức tạp thông qua học mô phỏng và các mô hình sinh từ dữ liệu thực nghiệm con người). Diễn giả của chương trình là TS. Yue Cao – giảng viên tại Đại học Michigan, Hoa Kỳ.

Bài trình bày giới thiệu một khung lý thuyết hệ thống nhằm robot hóa các công đoạn hàn phức tạp – vốn đòi hỏi kinh nghiệm và khả năng kiểm soát thích ứng theo thời gian thực của thợ hàn lành nghề – thông qua việc tích hợp học từ thao tác mẫu của con người, mô hình hóa dựa trên nguyên lý vật lý và trí tuệ nhân tạo.

Mở đầu bài trình bày, TS. Yue Cao nêu bật thách thức cốt lõi của lĩnh vực: các quá trình hàn hồ quang đòi hỏi khả năng kiểm soát thích ứng theo thời gian thực mà các hệ thống robot hiện tại chưa thể tự chủ thực hiện. Để giải quyết bài toán này, diễn giả đã phát triển một khung lý thuyết hệ thống nhằm robot hóa các công đoạn hàn phức tạp, tích hợp ba trụ cột chính: học từ thao tác mẫu của con người, tái tạo dựa trên nguyên lý vật lý và học mô phỏng dựa trên mô hình.

Cụ thể, nghiên cứu thiết lập các hệ thống hợp tác người – robot cho cả phương pháp hàn hồ quang trong môi trường khí bảo vệ bằng điện cực không nóng chảy (GTAW/Hàn TIG) và hàn hồ quang kim loại trong môi trường khí bảo vệ với điện cực kép (DE-GMAW). Các hệ thống này kết hợp giữa điều khiển robot từ xa và giao diện thực tế ảo, cho phép ghi lại các thao tác mẫu chất lượng cao từ thợ hàn lành nghề – từ đó tạo nguồn dữ liệu đầu vào để robot “học” cách thực hiện các thao tác phức tạp.

Một trong những đóng góp nổi bật được TS. Yue Cao giới thiệu là khung mạng thần kinh nhân tạo dựa trên nguyên lý vật lý, có khả năng tái tạo toàn bộ trường dòng chảy của bể hàn nóng chảy từ hình ảnh chụp tốc độ cao. Phương pháp này giúp mở rộng hiểu biết về bản chất quá trình hàn vượt xa những gì cảm biến có thể quan sát trực tiếp.

Bên cạnh đó, nghiên cứu phát triển các mô hình sinh (generative models) nhằm học được các biểu diễn cô đọng và nhất quán theo thời gian của động lực học quá trình hàn. Trong đó, mô hình mã hóa tự động biến thiên ẩn kết hợp (hybrid latent VAE) phục vụ dự báo và trực quan hóa bể hàn, còn mô hình mã hóa tự động biến thiên động tích hợp bộ lọc hạt (dynamic VAE with particle filtering) cho phép ước lượng trạng thái một cách vững chắc. Các mô hình này nâng cao đồng thời hiệu quả điều khiển của con người lẫn khả năng diễn giải trạng thái quá trình của hệ thống máy tính.

TS. Yue Cao cũng trình bày phương pháp học mô phỏng dựa trên mô hình, kết hợp giữa học mô phỏng đối kháng (adversarial imitation) với động lực học phương trình vi phân thường mạng thần kinh (neural ODE). Phương pháp này cho phép trích xuất và tối ưu hóa chuyên môn tích lũy của thợ hàn, phục vụ tự động hóa điều khiển quá trình hàn GTAW.

Ngoài ra, một kiến trúc điều khiển đa tốc độ hai chiều đã được phát triển nhằm mở rộng mô hình sang các nền tảng robot hình người đòi hỏi cân bằng cao, ứng dụng trong chế tạo chính xác. Các đóng góp này thiết lập một quy trình có tính đóng gói và khả năng chuyển giao cao – đi từ khâu ghi nhận thao tác mẫu của con người đến khâu tự chủ thực thi quá trình hàn bằng robot.

Người tham dự chăm chú lắng nghe phần trình bày của diễn giả.

Seminar khoa học với sự tham gia của các diễn giả quốc tế là một trong những hoạt động giao lưu học thuật do các khoa chuyên môn và Câu lạc bộ Nhà khoa học tổ chức. Hoạt động này góp phần tạo cơ hội để giảng viên, nghiên cứu sinh và sinh viên Trường Quốc tế tiếp cận các xu hướng nghiên cứu tiên tiến trên thế giới, đồng thời mở ra triển vọng hợp tác nghiên cứu giữa Nhà trường và các trường đại học quốc tế.