Courtesy of InterestingEngineering

Framework Baru RGMP Bikin Robot Humanoid Makin Pintar dan Adaptif

Mengembangkan kerangka kerja baru bernama RGMP untuk membuat robot humanoid mampu memahami bentuk dan ruang secara lebih baik, memilih keterampilan yang diperlukan secara efektif, serta menjalankan gerakan dengan lebih efisien sehingga robot dapat beradaptasi dan mengerjakan tugas baru tanpa pelatihan berulang yang melelahkan.

29 Nov 2025, 21.09 WIB

31 dibaca

Ikhtisar 15 Detik

Kerangka RGMP dapat meningkatkan kemampuan robot humanoid dalam menyelesaikan berbagai tugas dengan lebih efisien.
Manfaat dari RGMP termasuk efisiensi data yang lebih baik dan kemampuan generalisasi yang lebih tinggi.
Penelitian masa depan akan fokus pada pengembangan kemampuan robot untuk belajar secara mandiri dengan sedikit interaksi manusia.

Wuhan, China - 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.

Referensi:
[1] https://interestingengineering.com/ai-robotics/chinese-model-humanoid-robots-tasks

Analisis Ahli

Rodney Brooks

"Pendekatan yang mengintegrasikan pemahaman geometris dan prediksi spasial seperti RGMP akan merevolusi interaksi robot dengan dunia nyata, terutama dalam mengurangi kebutuhan data besar yang umum digunakan dalam pembelajaran mesin konvensional."

Fei-Fei Li

"Memperkenalkan kerangka kerja yang menggabungkan 'prior knowledge' geometris pada robotik adalah langkah penting, karena ini membawa robot lebih mendekati kemampuan kognitif manusia dalam memahami dan bereaksi terhadap situasi baru."

Analisis Kami

"Pengembangan RGMP adalah lompatan besar dalam robotika yang menjawab masalah lama tentang kemampuan adaptasi robot terhadap lingkungan dan tugas baru. Dengan efisiensi data yang jauh meningkat, teknologi ini membuka jalan bagi penerapan robot humanoid secara lebih praktis dan luas di kehidupan sehari-hari."

Prediksi Kami

Di masa depan, robot dengan framework RGMP akan mampu belajar dan melakukan berbagai tugas baru secara mandiri dengan minimal intervensi manusia, sehingga dapat digunakan secara luas untuk kegiatan rumah tangga, manufaktur, serta layanan di berbagai industri dengan fleksibilitas tinggi.

Pertanyaan Terkait

Apa itu kerangka RGMP yang dikembangkan oleh peneliti Universitas Wuhan?

Kerangka RGMP adalah pendekatan baru yang membantu robot humanoid dalam memanipulasi objek dengan lebih baik dan efisien.

Bagaimana GSS (Geometric-Prior Skill Selector) membantu robot dalam menyelesaikan tugas?

GSS membantu robot menentukan keterampilan dan alat terbaik yang sesuai untuk menyelesaikan suatu tugas berdasarkan informasi tentang bentuk, ukuran, dan orientasi objek.

Apa peran ARGN (Adaptive Recursive Gaussian Network) dalam kerangka RGMP?

ARGN membantu robot melaksanakan tugas dengan memodelkan hubungan spasial antara robot dan objek serta memprediksi gerakan langkah demi langkah.

Mengapa kerangka RGMP dianggap lebih efisien dibandingkan model kebijakan difusi saat ini?

RGMP dianggap sekitar lima kali lebih efisien dalam penggunaan data dibandingkan model kebijakan difusi yang ada, yang memungkinkan robot belajar dengan lebih sedikit contoh pelatihan.

Apa rencana penelitian selanjutnya dari tim peneliti terkait RGMP?

Tim peneliti berencana memperluas RGMP agar robot dapat belajar tugas baru dengan sedikit pengajaran manusia dan menginferensikan pola gerakan spesifik untuk objek baru.