Robot biasanya tidak fleksibel: ribuan pengulangan untuk satu gerakan, dan perubahan kecil pada pencahayaan atau bentuk objek saja sudah bisa merusak keterampilan tersebut. Startup Generalist AI dari Cambridge, Massachusetts, mencoba membalik logika ini. Alih-alih pelatihan panjang dengan contoh, mesin cukup melihat satu video pendek — dan ia sudah siap bertindak dalam kondisi yang serupa, tetapi tidak identik. Ini agak mengingatkan pada cara anak meniru perilaku orang dewasa, bahkan tanpa menyadari bahwa ia sedang belajar.
Video sebagai instruksi: apa yang dipelajari robot "dalam satu kali lihat"
Penulis yang mengunjungi laboratorium perusahaan menjadi saksi pemandangan yang tidak biasa. Lengan robotik tanpa persiapan sebelumnya diatur untuk operasi tertentu: mereka membereskan cangkir, menumpuknya, memindahkan balok dari satu mangkuk ke mangkuk lain. Yang dibutuhkan hanyalah video pendek yang mendemonstrasikan tindakan tersebut, setelah itu robot mulai bekerja dengan objek-objek baru.
Beberapa episode terlihat hampir seperti keajaiban kecil rekayasa. Misalnya, robot diberi tugas untuk memasukkan balok ke dalam mangkuk, dengan bantuan sikat dan pengki. Saat sikatnya diambil, mesin tidak berhenti, melainkan menyesuaikan pengki untuk tujuan itu — ia mengambilnya dengan gripper dan menggunakannya seperti sikat, berhasil menyelesaikan tugasnya. Kasus lain terjadi pada lengan robotik dua tangan. Ia menonton video seseorang membuka dompet dan mengeluarkan uang kertas darinya. Robot berhasil menangani dompet lain dengan baik, dan ketika tangan kanan tidak bisa mengambil uang kertas, ia beralih ke tangan kiri, mengubah sudut, dan akhirnya berhasil mengambil uang tersebut.
Mengapa ini berhasil: taruhan pada "imajinasi fisik"
CEO sekaligus salah satu pendiri Generalist AI, Pete Florence, membandingkan perilaku robotnya dengan GPT-3. Model bahasa cukup diberi tugas baru untuk menemukan solusi tanpa pelatihan khusus. Kurang lebih hal yang sama terjadi pada robot, tetapi dengan penyesuaian pada dunia fisik: mereka tidak hanya perlu menghasilkan kata-kata, melainkan mengoordinasikan gerakan dengan mempertimbangkan fisika objek. Pengki bisa menggantikan sikat, dompet bisa terbuka dengan cara berbeda, dan pisang bisa menjadi alat untuk menyapu.
Kasus terakhir memang benar terjadi: sebuah pisang diletakkan di depan robot, dan tanpa ragu ia mulai menyapu komponen dari meja menggunakan pisang tersebut. Itu terlihat lucu, tetapi di baliknya ada ide penting — sistem belajar bukan gerakan spesifik, melainkan naluri fisika yang dimiliki manusia sejak lahir. Inilah yang menjadi taruhan tim pendiri: Pete Florence, Andrew Barry, dan Andy Zeng sebelumnya bekerja di Google DeepMind dan Boston Dynamics, dan kini mereka membangun model yang mampu memahami "perilaku" benda di ruang.
Rahasia pemahaman ini adalah data berkualitas dalam jumlah besar tentang interaksi fisik. Untuk mengumpulkannya seefisien mungkin, Generalist AI menciptakan sarung tangan khusus yang menyerupai capit robot. Sarung tangan ini dilengkapi kamera dan dirancang untuk manusia: operator di seluruh dunia, termasuk di Meksiko, melakukan operasi rumah tangga atau produksi biasa, dan sistem mengubah rekaman tersebut menjadi materi pelatihan. Penulis bahkan diperlihatkan sebuah kotak berisi ratusan sarung tangan semacam itu, siap dikirim ke para pengumpul data. Sementara itu, perusahaan membangun jaringan sarafnya dari nol, dengan sengaja menolak model bahasa terbuka yang sudah jadi.
Keandalan, skeptisisme, dan prospek untuk industri
Para pendiri tidak menyembunyikan kelemahannya. Saat ini robot berhasil menyelesaikan tugas yang diperlihatkan rata-rata dalam 59% kasus. Ini masih jauh dari standar industri yang membutuhkan keandalan di atas 99%. Belum jelas sejauh mana keterampilan akan terbawa ke skenario yang sepenuhnya asing, dan bagaimana model akan berperilaku saat kondisi berubah drastis. Namun pekerjaan yang telah dilakukan sudah mengesankan para ahli eksternal.
Danfei Xu, ahli robotika dari Georgia Tech, mengatakan bahwa Generalist AI-lah yang paling dekat dengan aplikasi komersial nyata di antara perusahaan yang mengembangkan model robotik universal. Menurutnya, tim tersebut membawa ide mereka hingga batas ekstrem dan mewujudkannya dengan kualitas, mengumpulkan volume data bagus yang luar biasa. Karen Liu dari Stanford menambahkan bahwa pendekatan perusahaan menarik karena data dikumpulkan dalam skala massal dan tidak terikat pada satu desain robot tertentu. Ini membuat pelatihan tampak seperti platform terbuka, bukan trik sekali pakai.
Manfaat potensial untuk manufaktur sangat besar. Bayangkan lini produksi yang bisa langsung dialihkan dari pengemasan botol ke perakitan komponen — cukup tunjukkan video pendek ke robot. Tanpa penyetelan ulang yang lama, tanpa pemrograman manipulasi.
Mungkin episode yang paling gamblang direkam larut malam di kantor startup tersebut. Seorang insinyur secara manual menata cangkir-cangkir kecil di depan robot dua tangan. Tiba-tiba, lengan robotik tanpa menunggu perintah mulai mengambil cangkir dan menumpuknya dengan rapi mengikuti manusia. Tindakan spontan ini — meski sederhana dan singkat — menunjukkan bahwa mesin melampaui sekadar pelaksana instruksi tanpa jiwa. Dan mungkin "inisiatif" semacam inilah yang akan menjadi terobosan yang membawa robot keluar dari kandang pabrik menuju dunia nyata.
