AI Fisik: Bagaimana Robot Bergerak Melampaui Gerakan yang Diprogram

Physical AI merujuk pada perangkat lunak cerdas yang memungkinkan robot untuk memahami, mengenali, dan bertindak di dunia fisik, yang berbeda dari faktor bentuk humanoid. Meskipun robot humanoid sering menampilkan demonstrasi yang mengesankan sesuai skrip, mereka kurang mampu beradaptasi terhadap kondisi yang berubah. Industri sedang beralih dari melatih satu model end-to-end yang besar ke pendekatan berbasis agen, di mana beberapa model khusus menangani berbagai modalitas (penglihatan, bahasa, aksi) dan dapat diperbarui secara independen. Pembelajaran tetap menjadi hambatan: tidak ada dataset skala besar seperti yang digunakan untuk LLM, dan metode seperti belajar dari video masih memerlukan anotasi tambahan. Penglihatan adalah saluran sensorik yang paling matang, dengan model Vision-Language-Action (VLA) memanfaatkan encoder visi yang telah dilatih dan menokenkan gambar seperti teks. Bahasa bertindak sebagai antarmuka universal, memungkinkan perintah tingkat tinggi dipecah oleh perencana tingkat tinggi. Sensorik taktil dianggap penting untuk tugas-tugas yang memerlukan manipulasi presisi, karena penglihatan tidak cukup setelah objek digenggam; penelitian mengeksplorasi kulit buatan, tetapi robot saat ini menggunakan sensor gaya. Propriosepsi—mengetahui keadaan tubuh robot itu sendiri—adalah saluran penting lainnya, menggunakan encoder, IMU, dan sensor torsi. Mencapai kecekatan dan kemampuan adaptasi seperti manusia masih menjadi tujuan yang jauh, tetapi arsitektur agen dan perbaikan bertahap dipandang sebagai jalur praktis ke depan.