Framework Baru RGMP Bikin Robot Humanoid Makin Pintar dan Adaptif

Robot humanoid saat ini mampu melakukan berbagai tugas seperti menggunakan alat dan berjalan, tetapi sering gagal ketika menghadapi objek dengan bentuk yang berubah atau kondisi pencahayaan berbeda. Masalah utama adalah kurangnya kemampuan untuk menggeneralisasi dan beradaptasi pada situasi yang belum pernah dipelajari sebelumnya. Peneliti dari Wuhan University mengembangkan framework baru bernama RGMP yang dirancang agar robot lebih memiliki 'akal sehat' tentang bentuk dan ruang. Dengan begitu, robot bisa lebih mudah memilih keterampilan yang tepat untuk menyelesaikan tugas yang dihadapi berdasarkan pengamatan dari kamera mereka. RGMP terdiri dari dua bagian penting: Geometric-Prior Skill Selector (GSS) yang memilih keterampilan sesuai bentuk dan posisi objek, dan Adaptive Recursive Gaussian Network (ARGN) yang membantu robot menjalankan gerakan yang tepat dengan lebih sedikit data pelatihan dibanding metode pembelajaran mesin biasa. Pengujian kerangka kerja ini menunjukkan bahwa robot bisa berhasil menyelesaikan 87% tugas baru yang belum mereka pelajari sebelumnya dan membutuhkan lima kali lebih sedikit data dibanding metode terbaru saat ini. Hal ini menunjukkan bahwa RGMP sangat efisien dan mampu meningkatkan kemampuan robot secara drastis. Para peneliti berencana mengembangkan RGMP lebih lanjut agar robot dapat belajar lebih banyak tugas dengan intervensi manusia minimal, serta mampu menggeneralisasi gerakan khusus untuk objek baru secara otomatis tanpa harus diajarkan satu-persatu.