Sebuah robot berkaki empat yang terus merangkak bahkan setelah seluruh kakinya dirusak dengan gergaji mesin adalah bahan mimpi buruk bagi kebanyakan orang.
Bagi Deepak Pathak, pendiri dan CEO startup Skild AI, pencapaian adaptasi yang distopis ini merupakan tanda yang menggembirakan dari suatu kecerdasan robotik baru yang lebih umum.
“Ini yang kami sebut sebagai otak ber-omnibodi,” kata Pathak kepada saya. Startup-nya mengembangkan algoritma kecerdasan buatan generalis untuk mengatasi tantangan utama dalam memajukan robotika: “Robot apa pun, tugas apa pun, satu otak. Ini sangatlah umum.”
Banyak peneliti percaya bahwa model AI yang digunakan untuk mengendalikan robot dapat mengalami lompatan besar, mirip dengan yang menghasilkan model bahasa dan chatbot, jika cukup data pelatihan dapat dikumpulkan.
Robot yang dikendalikan AI ini mampu beradaptasi dengan keadaan baru dan ekstrem, seperti kehilangan anggota badan.
Metode yang ada untuk melatih model AI robotik, seperti membuat algoritma belajar mengendalikan sistem tertentu melalui teleoperasi atau dalam simulasi, tidak menghasilkan cukup data, kata Pathak.
Pendekatan Skild adalah dengan membuat satu algoritma belajar mengendalikan sejumlah besar robot fisik yang berbeda dalam berbagai tugas. Seiring waktu, ini menghasilkan model yang disebut perusahaan sebagai Skild Brain, dengan kemampuan yang lebih umum untuk beradaptasi dengan berbagai bentuk fisik—termasuk yang belum pernah dilihatnya sebelumnya. Para peneliti menciptakan versi lebih kecil dari model ini, disebut LocoFormer, untuk sebuah makalah akademis yang menguraikan pendekatannya.
p>Model ini juga dirancang untuk cepat beradaptasi dengan situasi baru, seperti kaki yang hilang atau medan baru yang berbahaya, dengan mencari cara menerapkan apa yang telah dipelajarinya ke dalam kondisi barunya. Pathak membandingkan pendekatan ini dengan cara model bahasa besar dapat menangani masalah yang sangat menantang dengan memecahnya dan memasukkan pertimbangannya kembali ke dalam jendela konteksnya sendiri—sebuah pendekatan yang dikenal sebagai pembelajaran dalam konteks.
Perusahaan lain, termasuk Toyota Research Institute dan sebuah pesaing startup bernama Physical Intelligence, juga berlomba untuk mengembangkan model AI robot yang lebih mampu secara umum. Namun, Skild tidak biasa dalam caranya membangun model yang menggeneralisasi di banyak jenis perangkat keras yang berbeda.
LocoFormer dilatih dengan RL skala besar pada berbagai robot yang dihasilkan secara prosedural dengan randomisasi domain yang agresif.
Courtesy of Skild
Dalam satu eksperimen, tim Skild melatih algoritma mereka untuk mengendalikan banyak robot berjalan dengan bentuk berbeda. Ketika algoritma kemudian dijalankan pada robot berkaki dua dan empat yang nyata—sistem yang tidak termasuk dalam data pelatihan—algoritma tersebut mampu mengendalikan gerakan mereka dan membuatnya berjalan berkeliling.
Pada satu titik, tim menemukan bahwa robot berkaki empat yang menjalankan otak ber-omnibodi perusahaan akan cepat beradaptasi ketika ditempatkan pada kaki belakangnya. Karena merasakan tanah di bawah kaki belakangnya, algoritma mengoperasikan anjing robot seolah-olah itu adalah humanoid, membuatnya berjalan-jalan dengan kaki belakang.
LocoFormer belajar secara terus-menerus melalui pengalaman daring. Kebijakannya dapat belajar dari kegagalan dalam percobaan awal untuk meningkatkan strategi kendali pada percobaan berikutnya.
Courtesy of Skild
Algoritma generalis juga dapat beradaptasi dengan perubahan ekstrem pada bentuk robot—misalnya, ketika kakinya diikat bersama, dipotong, atau dimodifikasi menjadi lebih panjang. Tim juga mencoba menonaktifkan dua motor pada robot berkaki empat yang memiliki roda dan juga kaki. Robot itu mampu beradaptasi dengan menyeimbangkan diri pada dua roda seperti sepeda yang tidak stabil.
Saat menghadapi gangguan besar—seperti perubahan morfologis, kegagalan motor, atau perubahan berat—LocoFormer dapat membangun kembali representasi tersebut untuk mencapai adaptasi daring.
Courtesy of Skild
Skild sedang menguji pendekatan yang sama untuk manipulasi robot. Mereka melatih Skild Brain pada berbagai lengan robot simulasi dan menemukan bahwa model yang dihasilkan dapat mengendalikan perangkat keras yang tidak dikenal dan beradaptasi dengan perubahan mendadak di lingkungannya seperti pengurangan pencahayaan. Startup ini sudah bekerja sama dengan beberapa perusahaan yang menggunakan lengan robot, kata Pathak. Pada tahun 2024 perusahaan tersebut mengumpulkan $300 juta dalam satu putaran yang menilai perusahaan senilai $1,5 miliar.
Pathak mengatakan hasilnya mungkin terlihat menyeramkan bagi sebagian orang, tetapi baginya hal ini menunjukkan percikan semacam kecerdasan super fisik untuk robot. “Ini sangat menarik bagiku secara pribadi, bro,” katanya.
Apa pendapat Anda tentang otak robot multitalenta Skild? Kirim surel ke [email protected] untuk memberi tahu saya.
Ini adalah edisi dari buletin AI Lab milik Will Knight. Baca buletin sebelumnya di sini.