Robot Sekarang Bisa 'Pindah' Hardware Tanpa Belajar Ulang, Berkat Software Baru Ini

Pernah pindah smartphone? Prosesnya gampang banget. Login akun, sinkronisasi data, dan semua aplikasi serta preferensi langsung muncul di HP baru.

Sayangnya, dunia robotika nggak seberuntung itu. Kalau kamu ganti lengan robot lama dengan model terbaru, harus mulai dari nol lagi. Semua skill yang sudah diajarkan? Hilang.

Tim peneliti dari École Polytechnique Fédérale de Lausanne (EPFL), Swiss, punya solusinya. Mereka mengembangkan Kinematic Intelligence, framework yang bikin pindah robot jadi semudah pindah smartphone.

Penelitian ini baru dipublikasikan di jurnal Science Robotics. Hasilnya menjanjikan buat industri yang bergantung pada automation.

Selama ini, roboticist pakai metode learning from demonstration. Caranya: kendalikan robot dari jarak jauh atau bimbing secara fisik untuk mengajari tugas tertentu.

Contohnya? Membersihkan meja, menumpuk kotak, atau mengelas komponen mobil. Robot meniru gerakan manusia tanpa perlu coding baris demi baris.

Masalahnya, skill yang diajarkan itu terkunci pada robot spesifik yang digunakan saat training. Ganti hardware, skill-nya nggak ikut pindah.

Bayangin punya tim robot di pabrik. Satu robot sudah mahir welding, yang lain masih bodoh. Kalau robot pertama rusak, skill welding-nya nggak bisa dipindah ke robot kedua.

Kinematic Intelligence mengubah pendekatan ini. Framework ini memisahkan skill dari spesifikasi hardware robot.

Cara kerjanya mirip dengan abstraction layer di software engineering. Skill disimpan dalam format universal yang bisa dipahami berbagai jenis robot.

Hasilnya? Robot dengan ukuran, bentuk, dan joint configuration berbeda bisa saling berbagi pengetahuan. Satu robot belajar, semua robot di jaringan ikut pintar.

Ini beda dengan transfer learning tradisional yang biasanya butuh training data dalam jumlah besar. Kinematic Intelligence lebih fleksibel dan efisien.

Dampaknya besar buat manufacturing dan automation. Perusahaan nggak perlu khawatir vendor lock-in atau ketergantungan pada satu merek robot.

Upgrade hardware jadi lebih mudah dan murah. Skill yang sudah dibangun selama bertahun-tahun tetap bisa dipakai, meski robot fisiknya sudah berganti.

Untuk praktisi di bidang ini, takeaway-nya jelas: mulai pertimbangkan interoperability saat merancang sistem robotika.

Pilih platform yang mendukung standardisasi skill transfer. Investasi di training hari ini akan tetap bernilai meski teknologi hardware berkembang cepat.

Kinematic Intelligence juga membuka peluang kolaborasi antar-institusi. Robot di universitas berbeda bisa berbagi dataset skill tanpa kompatibilitas issue.

Ini mengurangi duplikasi effort dalam riset robotika. Tim kecil bisa manfaatkan skill yang sudah dikembangkan tim besar, asalkan pakai framework yang sama.

Ke depan, kita mungkin lihat open-source repository untuk robot skills. Mirip GitHub tapi khusus untuk kinematic data dan motion primitives.

EPFL sudah tunjukkan konsepnya works. Tinggal industri yang mengadopsi dan mengembangkan ekosistem di sekitar teknologi ini.

Robotika akhirnya mulai mengejar kemudahan yang selama ini dinikmati pengguna smartphone. Pindah device tanpa kehilangan data? Sekarang robot juga bisa.