Bagaimana Kecerdasan Buatan Digunakan dalam Robotika?

Robotika AI, yang kadang-kadang disebut AI fisik atau AI berwujud, adalah penerapan kecerdasan buatan untuk membantu mesin beroperasi di dunia fisik. Alih-alih hanya menghasilkan teks atau gambar, sistem tersebut harus mengintegrasikan persepsi, penalaran, dan tindakan.

Sebuah robot dapat menggunakan kamera, sensor kedalaman, sensor gaya, mikrofon, atau sensor posisi untuk memahami lingkungan di sekitarnya. Model kecerdasan buatan (AI) dapat membantu menafsirkan sinyal-sinyal tersebut, mengidentifikasi objek, mengikuti instruksi, merencanakan jalur, memilih cara menggenggam, atau menentukan kapan suatu tindakan tidak aman.

Hal ini tidak berarti setiap robot adalah robot humanoid serba guna. Sebagian besar robot yang berguna saat ini masih bersifat khusus: lengan robot pabrik, robot gudang, sistem inspeksi, alat bedah, drone, kendaraan otonom, robot pengantar, atau mesin layanan. Kecerdasan buatan (AI) memperluas kemampuan mereka dalam mendeteksi dan beradaptasi, namun perangkat keras dan lingkungannya tetap berperan penting.

Bagi sebuah robot, persepsi berarti mengubah data mentah dari sensor menjadi pemahaman yang berguna tentang lingkungan sekitar. Gambar dari kamera itu sendiri hanyalah sekumpulan piksel. Hasil pemindaian lidar hanyalah data jarak. Sensor gaya hanyalah angka-angka. Kecerdasan buatan (AI) membantu mengubah sinyal-sinyal tersebut menjadi objek, permukaan, rintangan, orang, alat, dan status tugas.

Model penglihatan komputer dapat mendeteksi komponen di jalur perakitan, memeriksa cacat, memperkirakan kedalaman, melacak objek yang bergerak, atau mengidentifikasi titik di mana penjepit robot harus mendekati. Model multimodal dapat menggabungkan gambar dengan instruksi bahasa, sedangkan model persepsi khusus dapat dijalankan secara lokal pada perangkat keras robot untuk pengambilan keputusan dengan latensi rendah.

Persepsi juga merupakan titik awal ketidakpastian. Perubahan pencahayaan, pantulan, penghalang, debu, kekacauan, dan benda-benda yang tidak biasa dapat membingungkan sebuah model. Robot yang andal memerlukan pemeriksaan keandalan, perilaku cadangan, dan lapisan keamanan, alih-alih menganggap setiap hasil persepsi selalu benar.

Salah satu bidang yang paling aktif dalam robotika berbasis kecerdasan buatan (AI) adalah menghubungkan bahasa alami dengan tindakan. Seseorang mungkin berkata, "ambil kotak biru itu" atau "pindahkan komponen-komponen ini ke baki pemeriksaan." Robot harus memetakan instruksi tersebut ke objek, koordinat, rencana gerak, dan perintah kendali.

Model visi-bahasa-tindakan dirancang untuk menjembatani hal semacam ini. Model-model tersebut mampu menerima masukan visual dan instruksi bahasa, lalu menghasilkan suatu tindakan atau rangkaian tindakan. Dalam praktiknya, model-model ini biasanya beroperasi bersama pengendali tingkat rendah, batasan keselamatan, dan perangkat lunak khusus robot, alih-alih menggantikan seluruh tumpukan sistem robotika.

Inilah mengapa robotika berbasis AI berbeda dari chatbot. Kalimat yang salah bisa diperbaiki, tetapi gerakan yang salah bisa merusak peralatan atau membahayakan keselamatan orang. Model AI hanyalah salah satu lapisan dalam sistem yang lebih besar yang harus memverifikasi tindakan sebelum dan selama pelaksanaannya.

Robot dapat belajar dari berbagai jenis data: demonstrasi manusia, teleoperasi, catatan sensor, video, adegan sintetis, lingkungan simulasi, dan uji coba di dunia nyata. Tujuannya adalah untuk memaparkan model pada variasi yang cukup sehingga model tersebut dapat menangani tugas-tugas di luar satu skenario yang telah dirancang secara sempurna.

Simulasi sangat penting karena pengumpulan data robot secara fisik memakan waktu, mahal, dan terkadang berisiko. Gudang, meja laboratorium, atau sel pabrik yang disimulasikan dapat menghasilkan banyak contoh, menguji kasus-kasus ekstrem yang jarang terjadi, serta melatih kebijakan sebelum diterapkan pada perangkat keras yang sebenarnya.

Bagian yang sulit adalah proses transfer. Suatu perilaku yang berhasil dalam simulasi mungkin gagal ketika gripper yang sebenarnya tergelincir, suatu objek ternyata lebih berat dari yang diperkirakan, atau kondisi pencahayaan berubah. Inilah sebabnya mengapa tim robotika menggabungkan simulasi dengan data nyata, evaluasi, penyempurnaan, dan penerapan yang hati-hati.

Robot yang didukung kecerdasan buatan (AI) sudah sangat berguna di lingkungan kerja yang melibatkan tugas-tugas berulang, terstruktur, atau yang berkaitan dengan keselamatan. Robot manufaktur dapat memeriksa komponen, membantu proses perakitan, atau menangani bahan baku. Robot gudang dapat bergerak di antara lorong-lorong, memindahkan persediaan, dan mendukung alur kerja pemenuhan pesanan.

Robot juga digunakan di bidang pertanian, pertambangan, logistik, kedokteran, otomatisasi laboratorium, inspeksi infrastruktur, dan keamanan publik. Dalam banyak kasus, sistem yang paling berharga bukanlah robot humanoid, melainkan robot khusus yang dapat melakukan satu tugas secara andal dalam lingkungan yang terbatas.

Robot humanoid menarik perhatian karena mampu beroperasi di ruang-ruang yang dirancang untuk manusia. Namun, robot-robot ini masih sulit diterapkan secara luas. Keseimbangan, ketangkasan, daya tahan baterai, biaya, keandalan, dan keselamatan tetap menjadi kendala utama, meskipun kualitas model dan perangkat kerasnya terus meningkat.

Sistem AI digital dapat beroperasi sepenuhnya di dalam pusat data dan produk perangkat lunak. Bidang robotika harus berurusan dengan dunia fisik: gesekan, berat, gaya, perubahan cahaya, lantai yang tidak rata, benda-benda rapuh, orang yang bergerak, dan perangkat keras yang mengalami keausan.

Latensi juga penting. Sebuah robot mungkin perlu bereaksi dalam hitungan milidetik, bukan detik. Sebagian proses inferensi dapat dilakukan di cloud, tetapi banyak keputusan harus dijalankan langsung di perangkat atau di dekat robot agar sistem tetap responsif meskipun konektivitas terbatas.

Keamanan merupakan perbedaan utama lainnya. Sebuah sistem robotika memerlukan sensor, tombol berhenti darurat, pengendali yang telah tervalidasi, izin, batasan fisik, dan pengawasan manusia. Model AI yang lebih canggih memang dapat membuat robot lebih fleksibel, namun hal itu tidak menghilangkan kebutuhan akan disiplin teknik.

Arahnya sudah jelas: bidang robotika sedang bergerak menuju model-model yang mampu menerapkan pengetahuan secara umum pada lebih banyak tugas, belajar dari lebih sedikit demonstrasi, dan beradaptasi dengan berbagai jenis tubuh robot. Kumpulan data robotika terbuka, alat simulasi, dan model dasar robot semakin memudahkan proses eksperimen.

Kemajuan yang paling mungkin tercapai dalam waktu dekat bukanlah adanya satu jenis robot rumah tangga yang serba guna. Melainkan peningkatan otonomi di gudang, pabrik, laboratorium, rumah sakit, lahan pertanian, alur kerja inspeksi, dan kendaraan, serta platform penelitian yang lebih mumpuni untuk robot humanoid dan manipulator bergerak.

Robotika AI juga akan meningkatkan permintaan akan infrastruktur. Pelatihan model robot mungkin memerlukan simulasi, GPU, penyimpanan data, dan alur kerja evaluasi. Penerapan robot mungkin memerlukan chip inferensi tepi, jaringan, pemantauan, serta pembaruan perangkat lunak yang andal. Oleh karena itu, AI fisik merupakan bagian dari konsep infrastruktur yang sama dengan model, inferensi, GPU, dan pusat data.