Meskipun ada kemajuan pesat dalam bidang robotika dan kecerdasan buatan, robot humanoid yang benar-benar serbaguna masih terbatas pada laboratorium penelitian dan lingkungan industri khusus. Visi tentang android yang dapat berintegrasi dengan mulus ke dalam kehidupan sehari-hari – menuangkan minuman, melakukan pekerjaan rumah, atau bahkan sekadar berjalan-jalan tanpa terjatuh – masih sulit dijangkau. Masalah intinya bukanlah membuat mesin itu sendiri; itu membuat mereka berfungsi dengan andal di dunia nyata yang berantakan dan tidak dapat diprediksi.
Kesenjangan Realitas: Melampaui Lantai Pabrik
Jutaan robot telah melakukan tugas berulang di pabrik, menyedot debu, dan memotong rumput. Tapi ini adalah alat khusus. Jenis robot humanoid serba guna yang terlihat dalam fiksi ilmiah – seperti C-3PO atau Dolores Abernathy – memerlukan tingkat kemampuan beradaptasi yang jauh lebih dalam. Robot dapat dengan sempurna melakukan tarian rutin di permukaan datar, tetapi jika terjadi trotoar yang tidak rata, tangga yang licin, atau perilaku manusia yang tidak dapat diprediksi, maka sistem tersebut akan rusak. Bayangkan menjelajahi kamar tidur yang berantakan dalam kegelapan sambil membawa semangkuk penuh sup: setiap langkah memerlukan kalibrasi ulang dan penilaian yang konstan.
AI Bukanlah Jawabannya… Namun
Model bahasa besar (LLM) seperti ChatGPT tidak menyelesaikan masalah ini. Mereka unggul dalam memproses informasi tetapi tidak memiliki pengetahuan yang terkandung di dalamnya. LLM dapat menggambarkan pelayaran dengan sempurna, namun mereka tidak pernah merasakan angin atau memegang layar. Seperti yang ditunjukkan oleh kepala ilmuwan AI Meta, Yann LeCun, seorang anak berusia empat tahun telah memproses data visual 50 kali lebih banyak daripada yang dilatih oleh LLM terbesar. Anak-anak belajar dari pengalaman fisik selama bertahun-tahun; kumpulan data AI saat ini relatif kecil dan fokus pada jenis informasi yang salah. Jutaan puisi tidak akan mengajarkan robot cara melipat cucian.
Dua Pendekatan, Keduanya Cacat
Para ahli robotik menerapkan dua strategi utama untuk menjembatani kesenjangan ini. Yang pertama adalah demonstrasi, di mana manusia melakukan teleoperasi dengan robot (seringkali melalui realitas virtual) untuk membuat kumpulan data pelatihan. Yang kedua adalah simulasi, yang memungkinkan sistem AI mempraktikkan tugas ribuan kali lebih cepat daripada manusia. Namun, kedua metode tersebut menemui “kesenjangan realitas”. Tugas yang disimulasikan mungkin gagal total di dunia nyata karena banyaknya detail yang terabaikan: gesekan, permukaan yang tidak rata, pencahayaan yang tidak dapat diprediksi.
Kompleksitas Tugas Sehari-hari yang Tanpa Tanda Jasa
Bahkan tugas yang tampaknya sederhana pun ternyata sangat sulit bagi robot. Pertimbangkan untuk merogoh tas olahraga yang penuh sesak untuk menemukan kemeja tertentu. Tangan manusia secara instan mendeteksi tekstur, bentuk, dan hambatan, memungkinkan kita mengidentifikasi objek dengan sentuhan tanpa mengeluarkan semuanya. Inilah sebabnya mengapa Game Robot Humanoid Dunia yang pertama, yang menampilkan robot sepak bola dan tinju, gagal mencapai sasaran. Yang sebenarnya diinginkan manusia bukanlah robot atletik; mereka menginginkan mesin yang dapat melipat cucian, membersihkan kotoran anjing, atau menyeka selai kacang dari tangan mereka sendiri.
Mobil Self-Driving Paralel
Tantangannya serupa dengan yang dihadapi mobil self-driving. Tesla dan perusahaan lain mengumpulkan sejumlah besar data mengemudi untuk melatih AI mereka. Namun, kondisi rumah, lokasi konstruksi, dan ruang luar jauh lebih kacau dibandingkan jalan raya, sehingga menjadikan permasalahan ini jauh lebih sulit.
Masa Depan Masih Belum Pasti
Robot saat ini dirancang untuk lingkungan yang terkendali—gudang, rumah sakit, atau trotoar yang jelas—dan diberi satu pekerjaan tertentu. Digit Agility Robotics membawa tas gudang; Robot Figure AI bekerja di jalur perakitan. Mesin-mesin ini berguna, tetapi jauh dari alat bantu untuk keperluan umum. Para ahli tidak sepakat mengenai kapan (atau apakah) kesenjangan ini akan teratasi. CEO Nvidia Jensen Huang memperkirakan sebuah terobosan akan terjadi “dalam beberapa tahun”, sementara ahli robotik Rodney Brooks memperingatkan bahwa penerapan yang menguntungkan akan terjadi “lebih dari sepuluh tahun lagi”, dengan alasan masalah keamanan. Sarannya? Jaga jarak setidaknya tiga meter dari robot berjalan berukuran penuh.
Pada akhirnya, mimpi tentang robot humanoid yang ada di mana-mana hanya tinggal sebatas mimpi. Keterbatasan mendasar dari teknologi saat ini menunjukkan bahwa keserbagunaan sebenarnya masih belum tercapai, sehingga memerlukan terobosan dalam perangkat keras dan AI yang belum dapat dicapai.
