Impian tentang robot yang dapat melipat cucian Anda, mengatur meja Anda, atau bahkan menangani uang kertas yang halus sedang bergerak dari fiksi ilmiah menuju kenyataan. Sementara robot generasi sebelumnya berjuang menghadapi ketidakpastian dunia fisik, sebuah terobosan baru dalam Fisik AI menjembatani kesenjangan antara pemrograman yang kaku dan ketangkasan yang mirip manusia.
Terobosan Gen-1
Generalist AI yang berbasis di California telah meluncurkan Gen-1, model AI fisik baru yang dirancang untuk berfungsi sebagai “otak” universal untuk berbagai sistem robot. Tidak seperti model tradisional yang mungkin hanya berfungsi pada sektor industri tertentu, Gen-1 dibuat dengan platform-agnostik, yang berarti dapat menggerakkan segala sesuatu mulai dari robot humanoid hingga perangkat industri yang tidak bergerak.
Kemampuan model paling baik ditunjukkan melalui kemampuannya menangani tugas-tugas “fiddly”—tindakan yang memerlukan keterampilan motorik halus dan pemahaman tentang tekstur dan gesekan. Demonstrasi baru-baru ini meliputi:
– Menangani mata uang: Berhasil menarik dan memasukkan kembali uang kertas tipis ke dalam dompet.
– Pekerjaan rumah tangga: Menyortir kaus kaki berdasarkan warna dan melipatnya menjadi tumpukan yang rapi.
– Tugas presisi: Membuka ritsleting kotak pensil, menumpuk jeruk dalam piramida, dan mencolokkan kabel Ethernet.
Menyelesaikan Masalah Data: “Tangan Data”
Untuk memahami mengapa hal ini merupakan sebuah lompatan maju, kita harus melihat rintangan utama dalam robotika: kelangkaan data.
Meskipun Model Bahasa Besar (seperti ChatGPT) dilatih di internet yang luas, robot tidak memiliki “internet gerakan fisik” yang serupa. Kebanyakan robot dilatih melalui teleoperasi, di mana manusia mengendalikan robot dari jarak jauh untuk mengajarkan suatu tugas. Hal ini lambat dan sulit untuk diukur.
AI Generalis mengatasi hambatan ini dengan menggunakan pendekatan yang lebih organik. Mereka mendistribusikan teknologi yang dapat dipakai kepada manusia secara global, sehingga memungkinkan mereka melakukan jutaan tugas. Hal ini memberi AI “tangan data”—kumpulan data besar yang menangkap nuansa halus pergerakan manusia, seperti:
* Umpan balik taktil: Berapa banyak tekanan yang harus diterapkan pada suatu objek.
* Slip dan pemulihan: Cara mengatur pegangan ketika suatu benda mulai tergelincir.
* Modulasi gaya: Kemampuan untuk membedakan antara kaus kaki lembut dan smartphone keras.
Data ini memungkinkan robot untuk mengembangkan “akal sehat fisik”, dengan tidak lagi menjalankan instruksi yang kaku dan telah ditentukan sebelumnya, melainkan menuju pemahaman intuitif tentang bagaimana objek berperilaku.
Dari Pemrograman Kaku hingga Improvisasi Robot
Salah satu perubahan paling signifikan yang disoroti oleh Gen-1 adalah gerakan menuju improvisasi.
Secara tradisional, jika robot mengalami sedikit perubahan pada lingkungannya—seperti ada bagian yang ditempatkan agak di luar jangkauan—maka robot tersebut akan gagal. Gen-1 dirancang untuk “berpikir sendiri”. Misalnya, dalam tugas perakitan otomotif, model tersebut mendemonstrasikan kemampuan menggunakan dua tangan untuk mengubah posisi suatu komponen, meskipun hanya dilatih untuk menggunakan satu tangan. Kemampuan untuk beradaptasi dengan “curveballs” sangat penting bagi robot untuk bertransisi dari lantai pabrik yang terkendali ke lingkungan ritel, perhotelan, dan pada akhirnya, rumah kita yang kacau balau.
Cakrawala Ekonomi
Waktu terjadinya kemajuan ini sejalan dengan perubahan besar-besaran dalam perekonomian global. Ketika perusahaan seperti Boston Dynamics dan Honor mendorong batas-batas gerakan humanoid, para analis melihat pasar sedang berkembang. Morgan Stanley memperkirakan pasar robotika bisa mencapai $5 triliun pada tahun 2050.
Agar pasar ini dapat mewujudkan potensinya, robot harus bergerak lebih dari sekadar mengangkat beban berat dan memasuki ranah interaksi sehari-hari yang kompleks. Tingkat keberhasilan yang terlihat pada Gen-1—seperti peningkatan tingkat keberhasilan servis robot vakum dari 50% menjadi 99%—menunjukkan bahwa transisi dari peralatan industri ke pembantu rumah tangga semakin cepat.
“Kami mulai melihat kemajuan nyata dan bersemangat untuk mendorong batas-batas kecerdasan yang ada.” — Pete Florence, Salah Satu Pendiri dan CEO Generalist AI
Kesimpulan
Dengan melatih AI pada nuansa halus sentuhan manusia dan bukan hanya perintah kaku, Generalist AI membawa robotika lebih dekat ke otonomi sebenarnya. Peralihan dari pengulangan terprogram ke improvisasi fisik adalah kunci untuk menghadirkan robot yang berguna dan andal ke dalam rumah dan tempat kerja kita.
