Pada tahun 2026, perkembangan robot melaju pesat dengan peningkatan ketangkasan yang signifikan, sebuah kemajuan yang telah lama dinantikan untuk menciptakan asisten rumah tangga yang benar-benar berguna. Kini, sebuah model AI baru hadir untuk menggerakkan robot dalam berbagai aktivitas, termasuk melipat pakaian, merakit kotak, memperbaiki robot lain, bahkan mengisi dompet dengan uang kertas yang tipis.
Awal bulan ini, perusahaan asal California, Generalist AI, meluncurkan Gen-1, sebuah model AI fisik baru yang membuat robot mampu melakukan semua tugas itu (dan lebih banyak lagi) dengan sukses. Ini merupakan lompatan besar dalam hal robot yang dirancang untuk dunia nyata berdasarkan kecerdasan yang lahir dari dunia nyata, jelas Pete Florence, salah satu pendiri dan CEO Generalist AI, kepada saya.
Dalam sebagian besar video contoh yang diterbitkan perusahaan, Gen-1 terlihat berjalan pada sepasang lengan robotik, tetapi itu bukan satu-satunya tujuan pembuatannya. “Gen-1 dirancang untuk menjadi otak bagi robot apa pun, artinya model yang sama dapat dijalankan pada robot humanoid, lengan industri, atau sistem robotik lainnya,” ujar Florence.
Tahun ini telah terbukti menjadi tahun terobosan untuk robot humanoid serba guna, dengan perusahaan-perusahaan seperti Boston Dynamics dan Honor meluncurkan robot mutakhir yang mampu bergerak mirip manusia secara mencengangkan. Pasar robot diprediksi akan meledak, dengan satu perkiraan dari Morgan Stanley memprediksi pertumbuhan hingga pasar senilai $5 triliun pada 2050. Prediksi melihat robot akan masuk ke industri, ritel, perhotelan, dan lingkungan perawatan sebelum akhirnya hadir di rumah kita. Untuk sampai ke sana, kita perlu melihat kemajuan lebih lanjut dalam AI.
Melatih Robot untuk Hidup Berdampingan dengan Manusia
Selama beberapa tahun terakhir, kita telah menyaksikan model bahasa besar, seperti ChatGPT, Gemini, dan Claude, berevolusi dengan kecepatan cahaya. Hal yang sama belum terjadi pada model AI fisik yang diperlukan untuk menggerakkan robot, sebagian besar karena kurangnya data untuk melatih model-model tersebut. Robot — terutama robot humanoid — harus belajar menavigasi dunia yang dibangun untuk manusia sebagaimana manusia melakukannya.
Seringkali data ini dikumpulkan dari robot yang melakukan tugas sambil dioperasikan dari jarak jauh oleh manusia, tetapi tidak dengan Gen-1. Sebaliknya, kumpulan data yang digunakan untuk melatih model Generalist AI dikumpulkan oleh manusia yang menyelesaikan jutaan tugas berbeda menggunakan teknologi yang dapat dikenakan (*wearable*).
“Kami membuat ‘tangan data’ ringan kami sendiri dan mendistribusikannya secara global untuk mempelajari bagaimana orang benar-benar berinteraksi dengan objek, dengan semua umpan balik gaya yang halus, rasa taktil, selip, koreksi, dan pemulihan yang mendefinisikan ketangkasan manusia di dunia nyata,” kata Florence. “Data semacam itu sangat kritis untuk mengajarkan akal sehat fisik pada robot, pemahaman intuitif dan kemampuan untuk beradaptasi secara real-time alih-alih menjalankan instruksi yang kaku.”
Generalist AI telah merilis serangkaian video yang menunjukkan model ini berjalan pada robot yang melakukan beragam tugas berulang kali, dengan yang paling menarik mungkin adalah robot yang mengambil uang tunai dari dompet sebelum memasukkannya kembali ke kantong yang sama. Ini adalah tugas rumit yang banyak orang pun kesulitan. Jelas ini juga tidak mudah bagi robot, mengingat tipisnya uang kertas dan bahan dompet — dan yet ia menyelesaikan tugas itu.
Video lain menunjukkan robot menyortir kaus kaki berdasarkan warna, melipatnya menjadi tumpukan rapi, dan menghitung jumlah pasangannya menggunakan layar sentuh. Tugas rumit lain yang dapat diselesaikan model ini termasuk membuka ritsleting dan mengisi tas pensil dengan pulpen, menumpuk jeruk dalam piramida rapi, serta memasang kabel Ethernet.
Video-video ini menunjukkan luasnya kemampuan Gen-1, tetapi yang lebih mengesankan adalah tingkat keberhasilan dalam menyelesaikan tugas tertentu. Generalist AI mengukur tingkat keberhasilan (*hit rate*) model ini dibandingkan versi sebelumnya dan menemukan Gen-1 dapat berhasil merawat robot penyedot debu dalam 99% kasus (naik dari 50% untuk Gen-0), melipat kotak dalam 99% kasus (naik dari 81%), dan mengemas ponsel dalam 99% kasus (naik dari 62%).
Robot Berimprovisasi
Sebagian besar robot diprogram untuk menyelesaikan tugas dengan cara spesifik dan teratur. Tetapi apa yang terjadi ketika ada perubahan tak terduga? “Perubahan terkecil di lingkungan dapat menyebabkan kegagalan,” kata Florence.
Keterampilan penting yang dibutuhkan robot, yang secara alami dimiliki manusia, adalah kemampuan berpikir cepat. Inilah mengapa Gen-1 dirancang dengan improvisasi dalam pikiran sehingga ia dapat merancang strategi untuk menyelesaikan tugas. Florence memberi saya contoh robot menggunakan dua tangan untuk mengubah posisi komponen yang letaknya canggung untuk tugas otomotif, padahal ia hanya dilatih menggunakan satu tangan.
“Jenis kreativitas semacam ini sebagian besar tidak ada dalam robotika hingga sekarang,” ujarnya.
Masih diperlukan pekerjaan signifikan untuk meningkatkan kemampuan improvisasi robot, tetapi kemajuan awal menunjukkan sekilas dampak positif pada keandalan dan kecepatan, kata Florence. “Kami mulai melihat kemajuan nyata dan bersemangat untuk mendorong batas-batas kecerdasan yang diwujudkan (*embodied intelligence*).”
Bagaimanapun, mungkin suatu hari nanti Anda akan memerlukan robot di rumah yang dapat memperbaiki semua robot kecil Anda lainnya.