Mengapa Robot Humanoid Pintar Seperti Manusia Masih Jauh dari Kenyataan

Model bahasa besar seperti ChatGPT berkembang sangat cepat karena mereka dilatih menggunakan data teks dari internet yang sangat melimpah. Namun, robot humanoid mengalami kesulitan besar untuk menyamai kemampuan manusia dalam melakukan tugas fisik seperti mengambil benda atau memperbaiki sesuatu di rumah. Kami menghadapi kesenjangan data yang sangat besar karena data fisik dan interaksi dunia nyata sangat sulit dikumpulkan dalam jumlah besar. Kegiatan sederhana bagi manusia, seperti memegang gelas anggur atau mengganti bola lampu, ternyata sangat rumit bagi robot karena memerlukan pengindraan yang tepat, kontrol sentuhan, dan umpan balik terus-menerus. Data video 2D dari internet tidak cukup membantu karena tidak menampilkan gerakan 3D dan kekuatan sentuhan yang diperlukan robot untuk melakukan pekerjaan dengan baik. Meskipun simulasi dan teleoperasi (mengendalikan robot dari jauh) membantu sebagian, keduanya memiliki keterbatasan karena simulasi biasanya fokus pada gerakan besar dan teleoperasi memberikan data dalam jumlah kecil dan hanya linear. Karena itu, robotik tidak bisa mengikuti jejak kecerdasan bahasa yang melaju pesat karena kelangkaan data yang relevan. Ada dua pendekatan dalam dunia robotik: satu percaya bahwa data besar akan memecahkan semua masalah, dan lainnya mengandalkan rekayasa tradisional yang menggunakan fisika, matematika, dan model eksplisit untuk membuat robot berfungsi. Pendekatan yang pragmatis adalah menggabungkan keduanya, dengan membuat robot yang cukup dapat diandalkan untuk tugas tertentu agar bisa digunakan dan secara bertahap mengumpulkan data dunia nyata guna perbaikan. Selain data dan algoritma, desain fisik robot juga jadi penghalang. Robot sering kali kaku, boros energi, dan kurang fleksibel dibandingkan makhluk hidup karena kurangnya kecerdasan mekanik. Pengembangan tubuh robot yang lebih adaptif seperti makhluk hidup sangat dibutuhkan agar robot humanoid bisa lebih efisien dan andal di masa depan.