Perusahaan rintisan robotika Physical Intelligence mengklaim model terbaru mereka mampu membuat robot AI memahami dan menyelesaikan tugas baru tanpa pelatihan ulang. Teknologi ini menjadi langkah penting dalam pengembangan robot AI serbaguna, dengan pendanaan lebih dari US$1 miliar dan valuasi mencapai US$5,6 miliar.
Model bernama π0.7 dirancang untuk mendekati konsep “otak robot universal”. Artinya, robot tidak lagi bergantung pada data pelatihan spesifik, tetapi mampu memahami instruksi sederhana dan menerapkannya pada situasi baru. Pendekatan ini dinilai berbeda dari metode lama yang cenderung mengandalkan pelatihan berulang untuk setiap tugas.
Salah satu kemampuan utama sistem ini adalah generalisasi komposisional, yakni kemampuan menggabungkan berbagai pengetahuan yang sudah dimiliki untuk menghadapi kondisi baru. Menurut salah satu pendiri sekaligus profesor di University of California, Berkeley, Sergey Levine, peningkatan performa model terjadi secara signifikan setelah melewati ambang tertentu, bahkan melampaui jumlah data yang digunakan dalam pelatihan. Fenomena ini disebut mirip dengan perkembangan pada model AI bahasa.
Dalam uji coba yang dilaporkan oleh TechCrunch pada 17 April 2026, robot mampu menggunakan alat air fryer yang hampir tidak pernah muncul dalam data latihnya. Dengan hanya sedikit contoh, sistem berhasil memahami cara kerja perangkat tersebut. Bahkan, dengan panduan langkah demi langkah, robot mampu memasak ubi menggunakan alat tersebut.
Peneliti lain, Lucy Shi, mengungkapkan bahwa proses pembelajaran robot terkadang sulit dijelaskan secara rinci. Namun yang jelas, sistem mampu belajar secara praktis tanpa perlu memulai dari nol. Hal ini membuka peluang penggunaan robot di lingkungan baru tanpa proses pelatihan tambahan yang kompleks.
Tantangan Instruksi dan Batasan Sistem
Meski menjanjikan, teknologi ini belum sepenuhnya sempurna. Robot masih kesulitan menjalankan perintah kompleks hanya dari satu instruksi sederhana. Misalnya, permintaan seperti “buatkan roti panggang” belum tentu langsung dipahami dengan baik tanpa panduan rinci.
Menariknya, tim peneliti menemukan bahwa kegagalan sering kali disebabkan oleh cara manusia memberikan instruksi, bukan kemampuan robot itu sendiri. Setelah memperbaiki metode pemberian perintah, tingkat keberhasilan meningkat drastis dari 5% menjadi 95%.
Selain itu, belum adanya standar pengujian yang baku di bidang robotika membuat hasil ini sulit dibandingkan secara luas. Namun dalam pengujian internal, model π0.7 mampu menyamai kinerja sistem khusus yang sebelumnya dilatih untuk tugas tertentu, seperti meracik kopi, melipat pakaian, hingga merakit kotak.
Salah satu ilmuwan, Ashwin Balakrishna, mengaku terkejut dengan kemampuan sistem ini. Dalam beberapa kasus, robot bahkan mampu memahami mekanisme seperti memutar roda gigi tanpa pernah diajarkan secara langsung.
Meski demikian, tim Physical Intelligence menegaskan bahwa teknologi ini masih dalam tahap awal dan belum siap untuk penggunaan komersial secara luas. Mereka juga belum memberikan kepastian kapan sistem robot AI serbaguna ini akan benar-benar diterapkan di dunia nyata, meski perkembangan saat ini dinilai berlangsung lebih cepat dari perkiraan.
Masih banyak artikel menarik lainnya yang bisa Anda baca. Temukan pilihan topik terbaik kami di roledu.com
