1,01 triệu ảnh tổng hợp: Xiilab vô địch giải AI của Nvidia

Xiilab (씨이랩) giành ngôi vô địch tại cuộc thi thị giác máy tính toàn cầu do Nvidia(NVDA) tổ chức, sau khi mô hình trí tuệ nhân tạo (AI) được huấn luyện bằng ảnh tổng hợp đạt độ chính xác trung bình (mAP) 99,3020% khi áp dụng vào bộ ảnh thật.

Xiilab cho biết ngày 9 rằng công ty đã được xác nhận là đội vô địch Track 4 tại "AI City Challenge 2026" và nhận giải tại hội nghị thị giác máy tính châu Âu ECCV 2026. Theo kết quả chính thức, đội "Xiilab.AIpex" của công ty đứng đầu Track 4.

Nhiệm vụ của Track 4 là tái nhận diện người dựa trên văn bản. Người dùng nhập mô tả bằng ngôn ngữ tự nhiên, hệ thống sẽ tìm ra nhân vật phù hợp trong kho ảnh thật, trong đó câu truy vấn có thể chứa hành động hoặc trạng thái như chạy hoặc ngã.

Ban tổ chức cung cấp 1.013.605 ảnh tổng hợp để huấn luyện mô hình, sau đó đánh giá hiệu năng trên kho 36.773 ảnh thật. Cấu trúc này nhằm kiểm chứng mức độ hữu ích của dữ liệu tạo trong môi trường ảo khi áp dụng vào phân tích ảnh thực tế.

Trọng tâm của cuộc thi lần này là kiểm chứng khả năng "Sim2Real". Đây là thuật ngữ chỉ việc AI được huấn luyện trong môi trường mô phỏng hoặc ảo vẫn giữ được hiệu năng khi hoạt động trong môi trường thực.

Dữ liệu tổng hợp dễ sử dụng cho huấn luyện quy mô lớn, nhưng khó tái hiện đầy đủ ánh sáng, bối cảnh và chuyển động con người trong không gian thực. Đây cũng là lý do thu hẹp khoảng cách hiệu năng giữa dữ liệu ảo và môi trường thực được xem là bài toán quan trọng trong quá trình thương mại hóa.

AI City Challenge là cuộc thi benchmark dành cho giao thông thông minh, đô thị thông minh và AI vật lý (physical AI). Track năm nay tập trung vào khả năng chuyển giao của mô hình được huấn luyện bằng dữ liệu tổng hợp khi áp dụng vào ảnh thật.

AI vật lý là loại AI có khả năng nhận diện không gian vật lý như nhà máy, trung tâm logistics hay đô thị, đồng thời kết nối với hoạt động của thiết bị thực tế. Robot, xe tự hành và thiết bị tự động hóa công nghiệp là những lĩnh vực ứng dụng tiêu biểu.

Công nghệ này có thể được sử dụng trong hệ thống giám sát và phân tích nhận diện người và hành vi trong video, cũng như trong việc nhận diện môi trường xung quanh của robot và thiết bị tự động hóa. Tuy vậy, kết quả tại cuộc thi chưa đồng nghĩa với hiệu quả triển khai thực tế trong ngành công nghiệp.

Xiilab dự kiến kết nối công nghệ lần này với mảng kinh doanh AI thị giác và digital twin (bản sao số). Công ty đặt mục tiêu dùng không gian ảo được dựng bằng digital twin để tạo dữ liệu huấn luyện cho AI thị giác, đồng thời cung cấp một quy trình liền mạch từ tạo dữ liệu tổng hợp, huấn luyện mô hình đến áp dụng tại hiện trường.

Digital twin là công nghệ dựng lại không gian hoặc thiết bị thực tế trong môi trường ảo. Công nghệ này cho phép tạo dữ liệu ở nhiều điều kiện khác nhau trong không gian ảo, từ đó huấn luyện AI cho những tình huống khó thu thập ngoài thực tế.

Thành quả này cũng nằm trong xu hướng Nvidia mở rộng phạm vi ứng dụng AI vật lý sang robot, ô tô và drone, bên cạnh mảng chip AI cho trung tâm dữ liệu. Kết quả của Xiilab có thể xem là một ví dụ cho thấy công nghệ AI thị giác và dữ liệu tổng hợp đang kết nối trong hệ sinh thái Nvidia.

Song Yoo-jin (송유진), Giám đốc Công nghệ (CTO) của Xiilab, cho biết: "Đây là kết quả xác nhận công nghệ AI của Xiilab có thể áp dụng dữ liệu ảo vào hiện trường thực tế", đồng thời nói thêm công ty "sẽ tiếp tục dẫn đầu việc ứng dụng AI vật lý vào thực tế bằng công nghệ kết hợp dữ liệu ảo và dữ liệu hiện trường". Phát biểu này cho thấy công ty muốn mở rộng từ một giải thưởng đơn thuần thành mô hình kinh doanh kết hợp dữ liệu ảo và dữ liệu thực tế.

Mức độ ảnh hưởng của kết quả này đến việc khách hàng thực tế áp dụng công nghệ và hiệu quả kinh doanh của Xiilab sẽ cần được xác nhận qua các trường hợp ứng dụng tiếp theo. Giữa thành tích tại track của cuộc thi và việc mở rộng triển khai trong ngành công nghiệp vẫn cần thêm kiểm chứng.