Selama ini, pandangan umum terhadap robot seringkali mengarah pada kesan kaku dan kurang adaptif dalam menyelesaikan berbagai pekerjaan. Walaupun bidang robotika telah mencatatkan perkembangan signifikan, sebagian besar robot masih memerlukan instruksi yang sangat detail dan data yang melimpah hanya untuk menunaikan tugas-tugas yang tergolong sederhana. Apabila terjadi sedikit saja kegagalan—misalnya, terjatuhnya perkakas atau ketidakmampuan mengikuti urutan perintah dengan tepat—robot sering kali mengalami kegagalan total.
Namun, gambaran ini berpotensi berubah secara drastis berkat terobosan yang dilakukan oleh para peneliti ilmu komputer di Cornell University. Mereka telah merancang sebuah fondasi kerja baru yang berlandaskan pada kecerdasan buatan (AI), yang dinamakan RHyME (Retrieval for Hybrid Imitation under Mismatched Execution).
Belajar dari Sekadar Tayangan Video
Keunggulan RHyME terletak pada kemampuannya untuk memungkinkan robot mempelajari pelaksanaan tugas-tugas kompleks hanya dengan mengamati sebuah video demonstrasi yang dilakukan oleh manusia—bahkan dalam situasi di mana gerakan manusia dan robot sangat berbeda. Pendekatan ini sangat kontras dengan metode konvensional yang memerlukan sejumlah besar video pelatihan dan gerakan manusia yang sangat akurat.
Kushal Kedia, seorang mahasiswa doktoral di bidang ilmu komputer Cornell dan juga penulis utama dari studi ini, menjelaskan, “Salah satu kendala yang paling sering dihadapi saat bekerja dengan robot adalah kebutuhan untuk mengumpulkan data yang sangat banyak mengenai robot yang menjalankan berbagai tugas. Manusia tidak belajar dengan cara seperti itu. Kita belajar dengan mengamati orang lain dan menjadikannya sebagai inspirasi.”
Temuan inovatif ini akan dipresentasikan dalam acara bergengsi IEEE International Conference on Robotics and Automation yang akan diselenggarakan di Atlanta.
Dari Peniruan yang Kaku Menuju Adaptasi yang Fleksibel
Selama beberapa dekade, pendekatan pembelajaran robot telah dikenal dengan sebutan imitation learning—sebuah metode di mana robot belajar keterampilan baru dengan meniru demonstrasi yang dilakukan oleh manusia. Akan tetapi, efektivitas metode ini sangat bergantung pada demonstrasi yang terkontrol: gerakan haruslah mulus, konsisten, dan presisi. Sedikit saja perbedaan, robot berisiko gagal dalam mengikuti instruksi.
“Pekerjaan yang kami lakukan dapat diibaratkan sebagai menerjemahkan bahasa Prancis ke dalam bahasa Inggris—kami menerjemahkan tugas-tugas yang dilakukan oleh manusia ke dalam bahasa yang dipahami oleh robot,” ujar Sanjiban Choudhury, seorang pengajar di Ann S. Bowers College of Computing and Information Science, Cornell.
Hambatan utama yang selama ini menjadi penghalang adalah fakta bahwa gerakan manusia cenderung kompleks dan tidak seragam. Sementara itu, robot dirancang untuk bergerak dengan pola yang cenderung kaku dan terbatas.
Memori Pintar untuk Mesin Cerdas
RHyME hadir sebagai jawaban atas kesenjangan tersebut. Alih-alih hanya meniru gerakan manusia secara langsung, sistem ini memberikan robot kemampuan untuk memiliki semacam “nalar” yang adaptif. Saat mengamati tugas seperti menempatkan cangkir ke dalam bak cuci, robot dapat mengingat gerakan serupa dari video lain—misalnya, saat meraih benda atau menggerakkan lengan ke arah tertentu—dan menggabungkannya menjadi serangkaian tindakan yang baru.
Dengan kata lain, RHyME memungkinkan robot untuk menyusun perilaku yang baru berdasarkan kombinasi dari pengalaman-pengalaman yang telah diperoleh sebelumnya, meskipun video yang diamati tidak sepenuhnya identik dengan kebutuhan robot.
Hasilnya sangat menggembirakan: dalam serangkaian uji laboratorium, robot yang dilatih menggunakan RHyME menunjukkan peningkatan keberhasilan tugas sebesar lebih dari 50% dibandingkan dengan teknik pelatihan konvensional. Lebih menarik lagi, semua ini dicapai hanya dengan 30 menit data pelatihan yang spesifik untuk robot—jauh lebih efisien dibandingkan dengan metode sebelumnya yang memerlukan ribuan jam pengoperasian manual.
Menuju Impian Robot Asisten Rumah Tangga?
Meskipun gagasan tentang robot asisten rumah tangga yang serba bisa masih menjadi impian di masa depan, RHyME membawa kita semakin dekat ke arah tersebut. Kapasitas robot untuk belajar dengan cepat hanya dari satu tayangan video menjanjikan masa depan di mana robot menjadi lebih praktis, terjangkau, dan dapat diakses oleh masyarakat luas.
“Dengan RHyME, kita mengubah cara kita berpikir tentang pelatihan robot,” ungkap Choudhury. “Selama ini, melatih robot seringkali berarti menghabiskan ribuan jam untuk mengendalikannya secara manual. Pendekatan ini tidak realistis. Sekarang, kita dapat mulai membicarakan tentang pelatihan robot yang lebih terukur dan efisien.”
RHyME juga menawarkan potensi yang besar dalam berbagai sektor—mulai dari perawatan lansia hingga logistik pergudangan—karena kemampuannya untuk membantu robot beradaptasi dalam lingkungan nyata yang dinamis tanpa memerlukan pengawasan intensif dari manusia.
Meskipun masih dalam tahap pengembangan, RHyME membuktikan bahwa kita tidak perlu lagi memaksakan robot untuk meniru manusia secara kaku. Sekarang, kita dapat mengajarkan robot untuk mengambil inspirasi dari kita—seperti halnya manusia belajar satu sama lain. Dan inilah langkah penting menuju masa depan yang lebih cerdas dan kolaboratif antara manusia dan mesin.
