TLDR
Robotika di Tiongkok menunjukkan kemajuan signifikan dalam kontrol dan keseimbangan meskipun mengalami kegagalan saat beroperasi. Pengumpulan data berkualitas tinggi adalah tantangan utama dalam pengembangan AI terwujud, dengan biaya yang signifikan dan kebutuhan untuk pengumpulan yang berkelanjutan. Strategi hibrid dalam pengumpulan data, menggabungkan berbagai sumber, menjadi pendekatan yang semakin populer untuk meningkatkan performa robot. Lomba half-marathon robot di Beijing 2026 menunjukkan kegagalan teknis robot seperti tersandung dan terhenti, yang sebenarnya lebih terkait masalah rekayasa daripada AI secara fundamental. Unitree dan perusahaan robotik Cina lainnya telah menunjukkan kemampuan bergerak yang kompetitif secara global, sehingga masalah utama bukanlah pada gerakan tetapi pada pemahaman robot terhadap lingkungan.Pengumpulan data untuk embodied AI menjadi hambatan utama karena harus mengandalkan interaksi nyata atau simulasi. Empat metode utama pengumpulan data adalah teleoperasi yang berkualitas tinggi namun mahal, simulasi yang skalabel tapi memiliki gap realitas, UMI sebagai alternatif yang lebih murah dan portabel, serta pembelajaran dari video manusia dengan biaya hampir nol namun kekurangan sinyal fisik penting.Industri robotik kini lebih mengandalkan strategi hybrid menggabungkan berbagai sumber data demi efisiensi dan performa. Sistem seperti Nvidia Sonic mempermudah pengintegrasian data multi-modal dan memperbesar nilai data murah. Tantangan berikutnya adalah melampaui kemampuan gerak menuju level pemahaman robot yang mendalam, yang menjadi fase pengembangan embodied AI berikutnya.
