Inti Revolusi: Pelatihan Robot Humanoid Tak Lagi Hanya di Laboratorium
Pelatihan robot humanoid adalah proses mengajarkan robot berbentuk manusia untuk menjalankan tugas fisik dan kognitif secara mandiri, melalui kombinasi simulasi data sintetis di dunia virtual dan pengumpulan data real-world di lingkungan kerja nyata, agar sistem pembelajaran mesin robotika mampu beradaptasi dengan variasi situasi tanpa terus bergantung pada instruksi manusia langsung.
Arah pengembangan robot humanoid sedang bergeser: yang menentukan bukan lagi seberapa canggih hardware, tetapi seberapa cerdas cara kita melatihnya. Startup DexForce memilih jalur simulasi data sintetis untuk pelatihan robot humanoid, menggunakan lingkungan digital 3D yang terus berubah demi menekan biaya dan mempercepat penguasaan keterampilan. Di sisi lain, YYForce mengumpulkan data real-world dari hotel untuk mengajari AI robot tata graha memahami detail pekerjaan layanan kamar. Dua pendekatan ini menunjukkan satu pesan penting: masa depan robot bukan ditentukan oleh satu metode tunggal, melainkan oleh kemampuan menggabungkan dunia virtual dan dunia nyata secara strategis.
DexForce: Simulasi Data Sintetis sebagai “Gym” Murah untuk Otak Robot
DexForce berangkat dari masalah klasik pembelajaran mesin robotika: mengumpulkan data manual untuk setiap kemungkinan tugas itu mahal dan memakan waktu. Alih-alih menghabiskan jam kerja teknisi di laboratorium, mereka membangun dunia virtual tempat robot digital bisa berlatih tanpa batas. Berbasis di Shenzhen, perusahaan ini memanfaatkan simulasi data sintetis yang dihasilkan dari lingkungan digital, di mana robot virtual dilatih melakukan berbagai tugas dengan kondisi yang terus berubah, mulai dari posisi lengan hingga warna meja dan bentuk benda yang ditangani.
Pendekatan ini bukan sekadar trik penghematan biaya; ini strategi untuk membuat model lebih tangguh menghadapi variasi. Keterampilan yang diperoleh selama simulasi kemudian dipindahkan ke robot fisik, dengan harapan robot dapat beradaptasi terhadap variasi lingkungan tanpa harus mengumpulkan seluruh data pelatihan melalui percobaan langsung di dunia nyata. CEO Jia Kui menilai simulasi dapat mempercepat kemajuan menuju physical artificial general intelligence, yaitu kemampuan AI menjalankan beragam tugas fisik di lingkungan yang belum dikenal.
YYForce dan Novotel: Mengubah Kamar Hotel Menjadi Laboratorium Data
Jika DexForce membangun dunia virtual, YYForce membawa pelatihan robot humanoid langsung ke koridor hotel. Perusahaan ini mengumumkan akuisisi 20 sistem pengumpulan data berbasis perangkat wearable untuk mendukung program pengembangan robot humanoid mereka. Sistem tersebut terdiri atas kamera egosentris di kepala dan kamera tersinkronisasi di pergelangan tangan, dirancang untuk merekam aktivitas manusia dari sudut pandang orang pertama dan jarak dekat saat tugas dilakukan.
YYForce berencana menggunakan perangkat ini bersama tim tata graha di Novotel Singapore on Stevens, dengan fokus awal pada aktivitas operasional tertentu di perhotelan, seperti penyiapan tempat tidur dan linen, penataan handuk dan perlengkapan kamar, serta aktivitas pembersihan tertentu. Rekaman demonstrasi akan ditinjau, dianotasi, dan diolah menjadi set data yang mendukung riset pembelajaran robot dan model visi-bahasa-aksi (VLA). Seperti ditegaskan CEO Mike Fu, akses ke lingkungan operasional nyata dan tim layanan berpengalaman adalah bagian penting dari strategi pengembangan robotika perusahaan.
Mengapa Kombinasi Virtual dan Real-World Menjadi Taruhan Paling Masuk Akal
Dari dua contoh ini, terlihat jelas bahwa mengandalkan satu sumber data saja adalah strategi yang lemah. Simulasi data sintetis memberi skala dan variasi yang sulit dicapai di dunia nyata, sementara pengumpulan data real-world memberi konteks, kebiasaan kerja, dan detail prosedural yang tidak mudah dimodelkan dari nol. DexForce mengurangi kebutuhan pengumpulan data manual yang membutuhkan sumber daya besar dengan memindahkan sebagian besar pelatihan ke dunia virtual, sedangkan YYForce memastikan robotnya belajar langsung dari praktik petugas tata graha berpengalaman di hotel.
Secara praktis, proses pengembangan YYForce meliputi pemeriksaan kualitas rekaman, pemberian anotasi, penyiapan set data pelatihan, dan evaluasi apakah demonstrasi manusia benar-benar meningkatkan kinerja robot dalam tugas yang ditentukan. Di sisi lain, DexForce memindahkan keterampilan dari simulasi ke robot fisik agar robot dapat beradaptasi terhadap variasi lingkungan. Kombinasi ini mengarah pada model yang lebih efisien dan lebih dekat dengan physical AGI, bukan karena algoritmenya ajaib, tetapi karena data yang mereka konsumsi jauh lebih kaya dan relevan.
Menuju Masa Depan Tenaga Kerja Campuran Manusia–Robot
Langkah DexForce dan YYForce menunjukkan bahwa masa depan tenaga kerja akan dibentuk oleh perusahaan yang berani bereksperimen dengan cara melatih AI, bukan sekadar membeli robot paling mahal. YYForce sendiri menempatkan inisiatif hotel ini sebagai bagian dari strategi lebih luas untuk menggabungkan keahlian tenaga kerja, pengelolaan fasilitas, dan robotika dalam penyediaan layanan berbasis teknologi.
Namun, penting diingat bahwa program ini masih tahap pengembangan; akuisisi sistem wearable dan pengumpulan rekaman demonstrasi belum membuktikan robot humanoid siap beroperasi otonom atau digunakan secara komersial. Di sisi lain, pendekatan DexForce juga belum menyelesaikan semua tantangan dunia nyata, tetapi memberi arah jelas: pelatihan robot humanoid yang menggabungkan simulasi data sintetis dan pengumpulan data real-world adalah taruhan paling rasional untuk mendekati physical AGI. Pertanyaannya bukan lagi apakah robot akan masuk ke hotel dan fasilitas layanan, melainkan seberapa cepat kita bisa melatih mereka agar benar-benar berguna dan aman.
