Selama ini, robot sering dianggap kaku dan kurang fleksibel dalam menjalankan berbagai tugas. Meski teknologi robotika telah berkembang pesat, sebagian besar robot masih memerlukan instruksi yang sangat rinci serta data dalam jumlah besar hanya untuk menyelesaikan tugas-tugas sederhana. Bahkan, jika terjadi sedikit kesalahan—misalnya menjatuhkan peralatan atau tidak mengikuti prosedur dengan tepat—robot cenderung gagal total. Namun, perkembangan tersebut bisa segera berubah berkat inovasi yang ditemukan oleh para ilmuwan komputer di Cornell University. Mereka telah menciptakan sebuah kerangka kerja baru berbasis kecerdasan buatan (AI) yang diberi nama RHyME (Retrieval for Hybrid Imitation under Mismatched Execution).

Mempelajari Hanya dari Satu Video

Yang membedakan RHyME adalah kemampuannya untuk memungkinkan robot mempelajari tugas-tugas kompleks hanya dengan melihat satu video demonstrasi yang dilakukan manusia—bahkan jika gerakan manusia dan robot sangat berbeda. Pendekatan ini sangat berbeda dibandingkan dengan metode tradisional yang memerlukan banyak video pelatihan dan gerakan yang sangat presisi. Kushal Kedia, mahasiswa doktoral di bidang ilmu komputer Cornell dan penulis utama penelitian ini, menjelaskan, “Salah satu tantangan besar dalam bekerja dengan robot adalah mengumpulkan begitu banyak data untuk berbagai tugas. Manusia tidak belajar dengan cara seperti itu. Kita belajar hanya dengan mengamati orang lain.”

Penemuan ini akan dipresentasikan di konferensi internasional bergengsi IEEE Robotics and Automation Conference di Atlanta.

Dari Meniru dengan Ketat ke Adaptasi yang Lebih Fleksibel

Selama bertahun-tahun, pendekatan dalam pembelajaran robot dikenal dengan istilah imitation learning, di mana robot meniru tindakan manusia untuk mempelajari keterampilan baru. Namun, metode ini seringkali bergantung pada demonstrasi yang sangat terkendali, dengan gerakan yang halus, konsisten, dan presisi. Bahkan perbedaan kecil bisa membuat robot gagal mengikuti dengan benar. “Pekerjaan kami mirip seperti menerjemahkan bahasa manusia ke dalam bahasa robot,” ujar Sanjiban Choudhury, dosen di Ann S. Bowers College of Computing and Information Science, Cornell. Salah satu kendala utama adalah bahwa gerakan manusia seringkali terlalu rumit dan tidak konsisten, sementara robot didesain untuk bergerak dengan cara yang lebih terbatas.

Memori Cerdas untuk Robot yang Adaptif

RHyME hadir untuk menjembatani perbedaan tersebut. Alih-alih meniru gerakan manusia secara langsung, sistem ini memberikan robot kemampuan untuk memiliki “akal sehat” yang lebih adaptif. Ketika melihat video tugas seperti menaruh cangkir ke dalam wastafel, robot dapat mengingat gerakan serupa dari video lainnya—misalnya saat meraih objek atau menggerakkan lengan ke arah tertentu—dan menggabungkannya menjadi tindakan baru. Dengan kata lain, RHyME memungkinkan robot untuk merancang perilaku baru berdasarkan kombinasi pengalaman yang telah dipelajari sebelumnya, meskipun video yang ditonton tidak sepenuhnya sesuai dengan tugas yang harus diselesaikan.

Hasilnya sangat memuaskan: dalam uji coba di laboratorium, robot yang dilatih menggunakan RHyME menunjukkan peningkatan keberhasilan lebih dari 50% dibandingkan dengan teknik pelatihan tradisional. Yang lebih mengesankan lagi, proses ini hanya membutuhkan 30 menit data pelatihan spesifik robot, jauh lebih efisien dibandingkan dengan metode sebelumnya yang menghabiskan ribuan jam pengoperasian manual.

Menuju Robot yang Lebih Berguna dalam Kehidupan Sehari-hari

Meski robot asisten rumah tangga masih tampak seperti impian masa depan, RHyME membawa kita lebih dekat untuk mewujudkannya. Kemampuan robot untuk belajar hanya dengan satu video membuka kemungkinan robot yang lebih praktis, terjangkau, dan mudah diakses oleh masyarakat umum. “Dengan RHyME, kami merubah cara kita berpikir dalam melatih robot,” kata Choudhury. “Melatih robot sebelumnya berarti menghabiskan ribuan jam untuk mengendalikannya secara manual. Itu tidak realistis. Kini, kita mulai bisa berbicara tentang pelatihan robot yang lebih mudah dan terukur.”

RHyME juga menunjukkan potensi besar di berbagai sektor, seperti perawatan lansia hingga logistik gudang, karena dapat membantu robot menyesuaikan diri dengan lingkungan yang dinamis tanpa memerlukan pengawasan manusia yang intensif. Meski masih dalam tahap pengembangan, RHyME menunjukkan bahwa robot tidak lagi harus meniru manusia dengan cara yang kaku. Kini, kita dapat mengajarkan robot untuk belajar dari kita, seperti halnya manusia saling belajar satu sama lain. Ini adalah langkah besar menuju masa depan yang lebih cerdas dan kolaboratif antara manusia dan mesin.