优游国际

Selama ini, robot kerap dianggap kaku dan kurang fleksibel dalam menjalankan tugas. Meskipun teknologi robotika telah mengalami kemajuan pesat, kebanyakan robot masih memerlukan instruksi yang sangat rinci dan data dalam jumlah besar hanya untuk menyelesaikan tugas sederhana. Bila terjadi sedikit saja penyimpangan—seperti menjatuhkan alat atau tidak mengikuti skrip dengan tepat—robot biasanya langsung gagal total.

Namun, hal itu bisa segera berubah berkat inovasi dari para ilmuwan komputer di Cornell University. Mereka telah mengembangkan sebuah kerangka kerja baru berbasis kecerdasan buatan (AI) yang dinamakan RHyME (Retrieval for Hybrid Imitation under Mismatched Execution).

Belajar dari Satu Video Saja

Apa yang membuat RHyME menarik adalah kemampuannya membuat robot belajar melakukan tugas-tugas kompleks hanya dengan menonton satu video demonstrasi manusia—bahkan ketika gerakan manusia dan robot sangat berbeda. Ini sangat berbeda dari pendekatan tradisional yang membutuhkan video pelatihan dalam jumlah besar dan gerakan manusia yang sangat presisi.

Kushal Kedia, mahasiswa doktoral di bidang ilmu komputer Cornell sekaligus penulis utama penelitian ini, mengatakan, “Salah satu hal paling merepotkan dalam bekerja dengan robot adalah mengumpulkan begitu banyak data tentang robot yang melakukan berbagai tugas. Manusia tidak belajar seperti itu. Kita belajar dengan melihat orang lain sebagai inspirasi.”

Penemuan ini akan dipresentasikan di ajang bergengsi IEEE International Conference on Robotics and Automation di Atlanta.

Baca juga: Sejarah Robot, Ternyata Bermula dari Naskah Sandiwara

Dari Meniru Secara Kaku ke Adaptasi Praktis

Selama beberapa dekade, pendekatan pembelajaran robot dikenal dengan istilah imitation learning—yaitu metode di mana robot meniru demonstrasi manusia untuk memperoleh keterampilan baru. Namun, metode ini sangat bergantung pada demonstrasi yang terkendali: gerakan harus halus, konsisten, dan tepat. Sedikit saja perbedaan, robot bisa gagal mengikuti.

“Pekerjaan kami ibarat menerjemahkan bahasa Prancis ke Inggris—kami menerjemahkan tugas-tugas manusia ke dalam bahasa robot,” jelas Sanjiban Choudhury, dosen di Ann S. Bowers College of Computing and Information Science, Cornell.

Masalah utama yang selama ini menghambat adalah kenyataan bahwa gerakan manusia terlalu rumit dan tidak konsisten. Sementara itu, robot dibuat untuk bergerak dengan pola yang kaku dan terbatas.

Baca juga:

Memori Cerdas untuk Mesin Cerdas

RHyME hadir sebagai solusi untuk kesenjangan tersebut. Alih-alih meniru gerakan manusia secara langsung, sistem ini memberikan robot kemampuan seperti “akal sehat” yang bersifat adaptif. Saat melihat tugas seperti meletakkan cangkir ke dalam wastafel, robot bisa mengingat gerakan serupa dari video lain—misalnya, saat meraih benda atau menggerakkan lengan ke arah tertentu—dan menyusunnya menjadi rangkaian tindakan baru.

Dengan kata lain, RHyME memungkinkan robot menyusun perilaku baru berdasarkan kombinasi dari pengalaman-pengalaman sebelumnya, meski video yang ditonton tidak identik dengan kebutuhan robot.

Hasilnya mencengangkan: dalam uji laboratorium, robot yang dilatih dengan RHyME menunjukkan peningkatan keberhasilan tugas lebih dari 50% dibandingkan teknik pelatihan tradisional. Dan yang lebih hebat, semua ini dilakukan hanya dengan 30 menit data pelatihan spesifik robot—jauh lebih efisien dibanding metode sebelumnya yang memerlukan ribuan jam pengoperasian manual.

Baca juga: Siap-siap, Robot Anjing Bakal Bantu Manusia Jelajahi Gua Planet Mars

Menuju Robot Asisten Rumah Tangga?

Walaupun kehadiran robot asisten rumah tangga masih menjadi mimpi masa depan, RHyME membawa kita selangkah lebih dekat ke sana. Kemampuan robot untuk belajar dengan cepat hanya dari satu video menjanjikan masa depan di mana robot lebih praktis, terjangkau, dan bisa diakses masyarakat luas.

“Dengan RHyME, kami mengubah cara berpikir dalam melatih robot,” kata Choudhury. “Selama ini, melatih robot berarti menghabiskan ribuan jam mengendalikannya secara manual. Itu tidak realistis. Sekarang kita bisa mulai berbicara tentang pelatihan robot yang lebih terukur.”

RHyME juga memiliki potensi besar dalam berbagai sektor—dari perawatan lansia hingga logistik gudang—karena dapat membantu robot menyesuaikan diri di lingkungan nyata yang dinamis tanpa pengawasan intensif dari manusia.

Meski masih dalam tahap pengembangan, RHyME menunjukkan bahwa kita tidak perlu lagi memaksa robot meniru manusia secara kaku. Kini, kita bisa mengajarkan robot untuk mengambil inspirasi dari kita—seperti halnya manusia belajar satu sama lain. Dan itulah langkah penting menuju masa depan yang lebih cerdas dan kolaboratif antara manusia dan mesin.

Baca juga: