Mungkin, salah satu tugas tersulit bagi robot adalah memahami bahwa manusia membutuhkan bantuan, dan tidak mengganggu ketika semuanya berjalan normal. Tolok ukur baru di persimpangan Theory-of-Mind dan AI yang diwujudkan (embodied AI) mengusulkan untuk menguji hal ini: agen harus memilih sendiri momen untuk campur tangan, bukan sekadar menunjukkan pemahaman 'teoretis' tentang keadaan orang lain.
Dari Pertanyaan ke Tindakan
Tolok ukur ToM yang ada untuk agen yang diwujudkan biasanya dibangun dengan satu pola: agen diperlihatkan sebuah adegan, lalu diberikan pertanyaan tentang keyakinan dan niat manusia, atau diminta untuk memprediksi tindakan berikutnya di tingkat skenario. Tes semacam itu lebih menilai penalaran setelah kejadian (post-hoc) daripada kemampuan untuk berinteraksi dengan lingkungan yang berubah secara real-time. Padahal, persepsi berkelanjutan dan reaksi tepat waktu itulah yang membedakan asisten yang berguna dari algoritma yang 'menjawab dengan benar saat ujian'.
Lingkaran Tertutup Intervensi yang Tepat
Tantangan baru MindHelper menerjemahkan tugas ini ke dalam lingkaran tertutup. Agen harus terus-menerus mengamati lingkungan, memelihara keyakinan terpisah tentang setiap orang dalam adegan, memahami kapan seseorang benar-benar mengalami kesulitan, dan hanya pada saat itulah melakukan tindakan konkret. Sisi sebaliknya juga sama pentingnya: jika intervensi tidak diperlukan, agen wajib diam dan tidak melakukan apa pun.
Dasar yang digunakan adalah pendekatan robot-sentris sebelumnya, MindPower, yang penalarannya berjalan dengan prinsip 'dari persepsi ke tindakan'. Namun, dalam skenario baru ini hal tersebut tidak cukup: agen tidak hanya perlu memutuskan dengan benar apa yang harus dilakukan, tetapi juga perlu memutuskan dengan benar, apakah tindakan itu layak dilakukan sama sekali. Desain seperti ini mendekatkan tolok ukur pada interaksi nyata, di mana bantuan yang berlebihan bisa mengganggu sama seperti tidak adanya bantuan.
Bagaimana MindClaw Bekerja
Untuk memecahkan tantangan semacam itu, para penulis mengusulkan kerangka kerja MindClaw, yang menggabungkan tiga komponen:
- Tabel keyakinan aktor — struktur tempat asumsi tentang tujuan dan pengetahuan orang tertentu pada saat ini disimpan.
- Keterampilan kognitif yang diwujudkan — serangkaian kemampuan yang memungkinkan agen tidak hanya bernalar, tetapi juga melakukan tindakan fisik di lingkungan.
- Dispatcher kognitif berbasis pemicu — mekanisme yang menjawab pertanyaan kunci: apakah alasan untuk campur tangan telah terpenuhi. Dispatcher tersebut akan memicu tindakan, atau membiarkan agen tetap dalam mode observasi.
Arsitekturnya mengingatkan pada 'cakar kognitif': ia menangkap informasi, menahannya dalam bentuk keyakinan, dan melepaskannya hanya ketika ada tugas nyata di dekat robot.
Apa yang Ditunjukkan oleh Eksperimen
Hasilnya terlihat signifikan. Kerangka kerja MindClaw mencapai 36,63 % intervensi tepat dan 14,36 % akurasi penyelesaian tugas. Sebagai perbandingan, baseline VLM langsung yang tidak menggunakan arsitektur yang diusulkan hanya menunjukkan 12,05 % dan 3,80 % masing-masing. Dengan kata lain, kesenjangannya hampir tiga kali lipat dalam kualitas intervensi dan hampir empat kali lipat dalam keberhasilan tugas.
Ini menegaskan bahwa memiliki model keyakinan yang eksplisit dan pemicu terpisah untuk tindakan memberikan keuntungan nyata bagi agen dibandingkan penggunaan model visi-bahasa secara 'mentah'. Yang paling berharga, keberhasilan diukur bukan dari akurasi jawaban, melainkan dari perilaku yang benar dalam lingkaran tertutup: robot harus sama benarnya baik saat membantu maupun saat tetap berada di samping.
Status Pekerjaan
Pracetak (preprint) dengan deskripsi tolok ukur baru telah dipublikasikan di arXiv dengan pengidentifikasi 2606.01063. Menurut para penulis, artikel ini adalah versi perluasan dari karya sebelumnya, MindPower, yang dipresentasikan di CVPR 2026, dan dilengkapi dengan serangkaian eksperimen tambahan. Versi saat ini, yang ditandai sebagai v3, diperbarui pada 24 Agustus 2026, dan proyek itu sendiri masih dalam proses pengembangan. Jadi, kemungkinan besar, dalam waktu dekat kita dapat menantikan klarifikasi dan hasil baru di bidang ini.
