Gym, Tarian & Parkour Robot Humanoid

Rhoda AI memperkenalkan sistem FutureVision yang dapat meramalkan perubahan fisik dan mengubahnya menjadi tindakan robot secara real-time. Sistem ini dilatih pada ratusan juta video internet dan disempurnakan dengan data robot spesifik. Teknologi ini memungkinkan robot bekerja secara adaptif dalam kondisi yang beragam dan sulit diprediksi. Sistem FutureVision menggunakan model Direct Video Action yang memperbarui aksi robot dalam loop tertutup setiap beberapa ratus milidetik berdasarkan pengamatan lingkungan. Pendekatan ini mengurangi kebutuhan data pelatihan robot secara drastis, sehingga tugas baru bisa dipelajari hanya dengan sekitar sepuluh jam data teleoperasi. Tehnologi ini sudah diuji di lingkungan produksi nyata dengan hasil yang melebihi target pelanggan. Dengan pendanaan Seri A sebesar 450 juta dolar, Rhoda AI berencana mengembangkan teknologi, memperluas uji coba industri, dan memperbesar tim robotiknya. FutureVision juga akan dikembangkan sebagai model dasar yang dapat dilisensikan ke mitra pembuat perangkat keras dan perangkat lunak robot. Hal ini membuka peluang automasi di area yang selama ini sulit diotomasi.

TUM RoboGym adalah fasilitas pelatihan robotik terbesar di dunia yang dikembangkan oleh Technical University of Munich bersama NEURA Robotics. Fasilitas ini berfokus pada pelatihan robot humanoid agar mampu melakukan tugas sehari-hari dengan data pelatihan dari interaksi manusia nyata. Investasi sebesar 19,8 juta USD telah dialokasikan untuk pembangunan dan pengadaan robot yang digunakan sebagai platform pembelajaran. Fasilitas seluas 2.300 meter persegi ini akan jadi tempat riset dan pelatihan luas mencakup ratusan robot dan juga melibatkan mahasiswa serta insinyur. Tujuan utama RoboGym adalah menyediakan data fisik yang berkualitas tinggi untuk mengatasi kelemahan pada AI berwujud yang belum bisa mengandalkan data online atau simulasi. Hal ini diperkirakan akan mempercepat kemajuan robot humanoid dan memperkuat posisi Eropa dalam persaingan teknologi robotik global.

Beijing Institute for General Artificial Intelligence memperkenalkan kerangka kerja OmniXtreme yang memungkinkan robot humanoid melakukan gerakan ekstrem seperti backflips, breakdance, dan tendangan bela diri. Robot Unitree G1 digunakan untuk menguji kerangka kerja ini dan menunjukkan kemampuan melakukan berbagai gerakan kompleks secara dinamis. OmniXtreme menggunakan metode pembelajaran dua tahap yang menggabungkan pre-training dengan DAgger-based Flow Matching dan post-training di bawah kendala motor dan keselamatan. Sistem ini mencapai keberhasilan lebih dari 90% dalam melakukan gerakan high-dynamic dan menjalankan berbagai skil dengan tingkat stabilitas tinggi. Pendekatan ini mengatasi kesulitan tradisional dalam menyatukan berbagai gerakan ekstrem menjadi satu kebijakan pengendalian terpadu. Penelitian ini membuka potensi untuk robot humanoid yang bisa dilatih melakukan gerakan lebih kompleks, memberikan kontribusi signifikan dalam robotika masa depan.

Beijing Institute for General Artificial Intelligence (BIGAI) meluncurkan framework baru bernama OmniXtreme yang memungkinkan robot humanoid melakukan gerakan ekstrem seperti backflip, breakdance, dan tendangan seni bela diri dengan tingkat keberhasilan tinggi. Framework ini diuji menggunakan robot Unitree G1 yang mampu menampilkan beragam gerakan rumit dengan performa tinggi. OmniXtreme menggunakan metode pelatihan dua tahap, yakni pre-training dengan penggabungan berbagai pakar gerak menggunakan DAgger-based Flow Matching, dan post-training dengan pelatihan kebijakan residual untuk mengatasi kesenjangan antara simulasi dan dunia nyata. Framework ini berhasil mencapai tingkat keberhasilan lebih dari 90 persen pada tugas gerakan ekstrem dan dinamis. Keberhasilan OmniXtreme membuka peluang bagi pelatihan robot humanoid generasi berikutnya untuk menguasai berbagai keterampilan fisik kompleks secara efisien dan stabil. Teknologi ini dapat mempercepat pengembangan robot multi-fungsi yang mampu beradaptasi dalam aplikasi industri, hiburan, dan tugas berisiko tinggi.

Robot humanoid Figure 03 dari Figure AI berhasil melakukan demo merapikan ruang tamu secara otonom dengan kemampuan yang menyerupai manusia. Robot mampu melakukan manipulasi kompleks dua tangan, navigasi di ruang sempit, dan mengambil keputusan secara real-time berdasarkan kondisi lingkungan yang tidak terstruktur. Demo ini didukung oleh sistem Helix 02 yang memiliki tiga lapisan pengendalian: System 0 untuk keseimbangan dan koordinasi tubuh, System 1 untuk pemrosesan gerak cepat, dan System 2 untuk penalaran tingkat tinggi. Robot mengerjakan tugas-tugas seperti membersihkan, mengatur benda, serta mengelola banyak alat dengan tangan dan tubuh secara efisien. Keberhasilan demo ini menandai langkah besar menuju humanoid yang bisa belajar dan beradaptasi dalam dunia nyata dengan satu sistem terpadu. CEO Figure AI memperkirakan humanoid seperti ini bisa bekerja secara mandiri penuh pada tahun 2026, yang dapat merevolusi penggunaan robot di dalam rumah dan tugas-tugas kompleks lainnya.

Tim peneliti Amazon FAR dan UC Berkeley memperkenalkan framework PHP yang memungkinkan robot humanoid melakukan gerakan parkour manusiawi seperti berlari, melompat, dan memanjat di berbagai lingkungan. Framework ini dibangun berdasarkan data video gerakan parkour yang dipecah menjadi gerakan kecil yang dapat dirangkai secara halus. Kontrol robot dilatih menggunakan reinforcement learning dari data gerakan dinamis tersebut dan digabung menjadi satu controller yang memakai sensor kedalaman dan perintah kecepatan untuk memilih dan melaksanakan aksi sesuai rintangan. Robot Unitree G1 diuji di dunia nyata untuk menguji kemampuan ini. PHP menunjukkan hasil mengesankan dengan robot yang mampu menaklukkan rintangan hingga 1,25 meter dan menyesuaikan gerakan secara real-time terhadap perubahan medan. Framework ini berpotensi mempercepat pengembangan humanoid yang tangguh dan adaptif dan akan segera di-open source.