Sebagai seseorang yang sangat menikmati kegiatan merapikan, saya dengan senang hati mengambil pengki dan sapu untuk membersihkan biji-bijian yang tumpah di atas meja saat mengunjungi Toyota Research Lab di Cambridge, Massachusetts tahun lalu. Tugas tersebut lebih menantang dari biasanya karena saya harus melakukannya menggunakan sepasang lengan robot yang dikendalikan dari jarak jauh dengan jari-jari penggenggam yang hanya terdiri dari dua jari.
Dengan hormat kepada Toyota Research Institute
Saat saya duduk di depan meja, menggunakan sepasang pengontrol seperti pegangan sepeda dengan tombol dan tuas tambahan, saya bisa merasakan sensasi menggenggam benda padat, dan juga merasakan beratnya saat saya mengangkatnya, namun tetap membutuhkan waktu untuk terbiasa.
Setelah beberapa menit membersihkan, saya melanjutkan tur saya di lab dan melupakan pengalaman singkat saya sebagai guru bagi robot. Beberapa hari kemudian, Toyota mengirimkan video kepada saya yang menunjukkan robot yang telah saya operasikan membersihkan tumpahan yang serupa dengan sendirinya, menggunakan apa yang telah dipelajari dari demonstrasi-demonstrasi saya yang dikombinasikan dengan beberapa demonstrasi lainnya dan beberapa jam latihan membersihkan dalam dunia simulasi.
Perilaku penyapuan otonom. Dengan hormat kepada Toyota Research Institute
Sebagian besar robot, terutama yang melakukan pekerjaan berharga di gudang atau pabrik, hanya bisa mengikuti rutinitas yang telah diprogram sebelumnya yang membutuhkan keahlian teknis untuk merencanakannya. Hal ini membuat mereka sangat presisi dan dapat diandalkan, namun tidak cocok untuk menangani pekerjaan yang membutuhkan adaptasi, improvisasi, dan fleksibilitas – seperti penyapuan atau mayoritas pekerjaan di rumah. Mengajarkan robot untuk belajar melakukan hal-hal sendiri terbukti sulit karena kompleksitas dan variasi dunia fisik dan lingkungan manusia, serta kesulitan memperoleh cukup banyak data pelatihan untuk mengajarkan mereka menghadapi semua kemungkinan.
Namun, ada tanda-tanda bahwa hal ini dapat berubah. Kemajuan yang luar biasa yang kita lihat dalam chatbot AI dalam satu tahun terakhir telah membuat banyak ahli robotik bertanya-tanya apakah kemajuan serupa dapat dicapai di bidang mereka. Algoritma yang telah memberikan kita chatbot dan pembuat gambaran yang mengesankan sekarang juga membantu robot belajar dengan lebih efisien.
Robot penyapu yang saya latih menggunakan sistem pembelajaran mesin yang disebut kebijakan difusi, mirip dengan yang digunakan dalam beberapa pembuat gambaran AI, untuk menentukan tindakan yang tepat dilakukan selanjutnya dalam hitungan detik, berdasarkan banyak kemungkinan dan sumber data yang berbeda. Teknik ini dikembangkan oleh Toyota bekerja sama dengan para peneliti yang dipimpin oleh Shuran Song, seorang profesor di Columbia University yang sekarang memimpin laboratorium robot di Stanford.
Toyota mencoba menggabungkan pendekatan tersebut dengan jenis model bahasa yang mendasari ChatGPT dan pesaing-pesaingnya. Tujuannya adalah membuat robot dapat belajar melakukan tugas dengan menonton video, yang berpotensi mengubah sumber daya seperti YouTube menjadi sumber daya pelatihan robot yang kuat. Mungkin mereka akan ditunjukkan potongan video orang melakukan hal-hal yang masuk akal, bukan aksi yang meragukan atau berbahaya yang sering ditemukan di media sosial.
“Jika Anda belum pernah menyentuh sesuatu di dunia nyata, sulit untuk memahami hal tersebut hanya dengan menonton video di YouTube,” kata Russ Tedrake, Wakil Presiden Riset Robotik di Toyota Research Institute dan seorang profesor di MIT. Harapannya, kata Tedrake, adalah pemahaman dasar tentang dunia fisik yang dikombinasikan dengan data yang dihasilkan dalam simulasi, akan memungkinkan robot untuk belajar tindakan fisik dari menonton video YouTube. Pendekatan difusi “dapat menyerap data secara lebih skalabel,” katanya.