Robot humanoid mungkin bisa berlari, menari, dan kadang-kadang menendang orang. Tapi untuk menjadi benar-benar seperti manusia, mereka perlu belajar melakukan berbagai pekerjaan kecil di tempat kerja.
Flexion Robotics adalah perusahaan rintisan dari Swiss. Perusahaan ini didirikan oleh mantan peneliti robotika Nvidia. Mereka punya cara untuk melatih robot melakukan tugas yang rumit. Tugas itu termasuk membuka pintu, naik tangga, dan membawa kotak. Kuncinya adalah mengajarkan kemampuan dasar robot di dalam simulasi. Setelah itu, algoritma AI utama akan menentukan cara menggunakan kemampuan tersebut.
Kebanyakan video peragaan menunjukkan robot humanoid yang dilatih untuk satu tugas spesifik, seperti melipat baju atau mengisi rak. Biasanya, ini dilakukan dengan teleoperasi—ada orang di belakang layar yang mengendalikan gerakan robot. Tapi cara ini tidak bekerja dengan baik kalau robot ditempatkan di lingkungan yang baru. Flexion mengatakan sistem mereka berbeda dan lebih efisien karena melatih robot di dalam simulasi dan hanya dengan sedikit instruksi dari manusia.
Video di bawah ini menunjukkan perangkat lunak mereka bekerja. Robot humanoid buatan Unitree yang sudah dimodifikasi bisa bergerak tanpa bantuan setelah menerima perintah ini: “Sebuah paket berisi camilan telah dikirim untuk Flexion. Ambil paket itu dengan menggunakan tangga, lalu naik menggunakan lift. Setelah itu, buka bungkusan dan letakkan barang-barang ke dalam laci kosong di rak area camilan.”
Cara Flexion bekerja dengan menggabungkan sistem AI yang berbeda.
Model AI utama belajar cara melakukan pekerjaan dengan menonton video manusia melakukan berbagai hal. Perangkat lunak kemudian mencocokkan kemampuan yang sudah dipelajari dari simulasi dengan video-video tersebut. Robot lalu melakukan tugas itu di dunia nyata. Contohnya, untuk sampai ke ruang surat di kantor, model mungkin sudah belajar bahwa dia perlu membuka pintu tertentu dan menggunakan lift.
Menurut Nikita Rudin, salah satu pendiri dan CEO Flexion yang juga mantan peneliti robotika di Nvidia, “bahan rahasia” perangkat lunak ini adalah penggunaan pembelajaran penguatan yang mendalam. Cara ini melatih komputer untuk menguasai tugas melalui percobaan dan kesalahan. Setiap lapisan perangkat lunak, dari model AI utama hingga simulasi dan kendali motor, menggunakan pendekatan ini.