Kebangkitan AI Fisik: Mengubah Masa Depan Robotika dan Otomasi Industri

Apa itu Physical AI?

Physical AI merujuk pada integrasi kecerdasan buatan (AI) dengan sistem fisik, yang memungkinkan mesin untuk merasakan, bernalar, dan beradaptasi dengan lingkungan mereka secara waktu nyata. Berbeda dengan otomasi tradisional yang mengikuti instruksi yang telah ditentukan, physical AI menggunakan sistem yang dilengkapi dengan sensor dan aktuator yang memungkinkan mereka menangani tugas yang bervariasi dan tidak dapat diprediksi. Kemajuan ini membawa AI dari model teoretis menjadi solusi nyata yang menangani tantangan dunia nyata di berbagai industri.

Transformasi Industri Melalui Mesin Pintar

Salah satu kemajuan paling menonjol adalah bagaimana robot kini berinteraksi dengan lingkungan di luar lantai pabrik. Mesin dengan kemampuan physical AI sekarang mengemudikan kendaraan otonom, mengelola gedung pintar, dan bekerja berdampingan dengan manusia dalam aplikasi pertanian. Perkembangan ini mendorong efisiensi, meningkatkan keselamatan, dan memungkinkan industri menjadi lebih adaptif terhadap perubahan pasar.

Misalnya, robot bipedal Agility Robotics di Georgia memindahkan barang dengan presisi, dan di BMW, robot mencapai peningkatan kecepatan produksi sebesar 400%, terutama dalam penyisipan lembaran logam. Aplikasi ini mewakili pergeseran dari otomasi tradisional ke sistem yang lebih fleksibel dan otonom yang belajar, beradaptasi, dan mengoptimalkan secara waktu nyata.

Pertumbuhan Investasi dalam Physical AI

Adopsi physical AI didukung oleh investasi besar, menandai titik balik penting. Menurut analisis terbaru, lebih dari $7,5 miliar mengalir ke perusahaan physical AI hanya pada tahun 2024. Perusahaan besar seperti Physical Intelligence yang didukung Jeff Bezos mengumpulkan $400 juta, sementara Figure AI Inc. mengamankan $675 juta. Lonjakan pendanaan ini menandakan kematangan cepat industri, karena adopsi awal menghasilkan peningkatan efisiensi dan pendapatan yang nyata di berbagai sektor.

Venture capitalists mengalihkan sumber daya ke startup yang didorong AI, dengan 93% dari semua pendanaan modal ventura kini difokuskan pada teknologi AI. Momentum ini semakin cepat, dengan perusahaan seperti General Intuition PBC dan Project Prometheus mengumpulkan pendanaan besar untuk model AI yang mampu beroperasi di lingkungan fisik.

Peran Model Dasar dalam Robotika AI

Sebuah terobosan kunci dalam physical AI adalah pengembangan Robotics Foundation Models (RFM). Model AI ini berfungsi sebagai "otak" bagi robot, memungkinkan mereka menganalisis data dalam jumlah besar dan melaksanakan tindakan berdasarkan persepsi dunia nyata. Dibangun di atas model penglihatan-bahasa, RFM memberdayakan robot untuk mengenali objek dan memahami hukum fisika.

Misalnya, Robotics Transformer 2 dari Google DeepMind memperluas kemampuan model AI sebelumnya untuk menciptakan robot yang lebih adaptif dan cerdas. Dengan model penglihatan-bahasa-aksi (VLA), robot dapat dilatih melakukan tugas tanpa pelatihan khusus sebelumnya. Ini memungkinkan mereka menjalankan perintah seperti "ambil sampah dan buang," meskipun mereka belum pernah diajarkan tugas ini secara eksplisit.

Pelatihan Virtual dan Digital Twins: Masa Depan Robotika AI

Pengembangan World Foundation Models (WFM) telah mempercepat kemajuan physical AI. WFM menciptakan digital twins dari lingkungan, memungkinkan robot dilatih di dunia virtual sebelum diterapkan di skenario dunia nyata. Dengan mensimulasikan lingkungan secara akurat, robot dapat belajar dan beradaptasi dengan berbagai kondisi dalam waktu yang jauh lebih singkat dibandingkan mengumpulkan data fisik.

Platform Cosmos dari Nvidia adalah contoh utama, membantu melatih robot dan kendaraan otonom dengan menciptakan lingkungan virtual yang meniru kompleksitas dunia nyata. Kemajuan dalam digital twins ini memungkinkan robot memahami dan menavigasi lingkungan mereka dengan akurasi yang belum pernah terjadi sebelumnya. Bahkan, Waabi Innovation Inc.’s Waabi World telah mencapai 99,7% realisme simulasi, membuktikan bahwa robot dapat dilatih di ruang virtual untuk berperilaku hampir sama seperti di dunia fisik.

Komersialisasi dan Aplikasi Physical AI

Seiring physical AI terus berkembang, aplikasi komersial juga tumbuh pesat. Pada tahun 2024, robot humanoid seperti Digit dari Agility Robotics mulai diterapkan dalam logistik, menandai tonggak penting dalam robotika bertenaga AI. Namun, robot humanoid, meskipun inovatif, masih mewakili sebagian kecil dari pasar secara keseluruhan.

Transformasi nyata terjadi pada robot kolaboratif (cobot), lengan robotik, dan robot mobile otonom (AMR). Misalnya, sistem robotik Amazon merevolusi logistik gudang, dengan robot seperti Vulcan, Cardinal, dan Proteus meningkatkan efisiensi operasional. Armada robot Amazon, yang mencakup lebih dari 750.000 unit, diperkirakan menghemat perusahaan $10 miliar per tahun pada 2030.

Tantangan dan Keterbatasan Dunia Nyata

Meski kemajuan pesat, physical AI masih menghadapi beberapa tantangan. Misalnya, robot humanoid, meskipun mengesankan, sering kesulitan dengan tugas yang membutuhkan penilaian halus dan manipulasi yang rumit. Para ahli seperti Cedric Vincent dari Tria Technologies mengingatkan bahwa meskipun robot dapat memindahkan objek, mereka masih kesulitan dengan tugas kompleks yang melibatkan pengambilan keputusan seperti manusia. Untuk saat ini, lengan robotik dan robot khusus lainnya masih lebih efektif untuk tugas di lingkungan industri.

Selain itu, physical AI masih dalam tahap awal dalam hal kemampuannya untuk menggeneralisasi di berbagai tugas. Seperti yang dikemukakan oleh Igor Pedan dari Amazon Robotics , meskipun robot unggul dalam tugas yang diprogram sebelumnya, mereka belum mampu melakukan penilaian dan adaptasi yang konsisten di berbagai aktivitas.

Masa Depan Kendaraan dan Truk Otonom

Selain robot industri, kendaraan otonom juga mendapat manfaat dari kemajuan dalam physical AI. Startup seperti Waabi berupaya menghadirkan truk tanpa sopir sepenuhnya ke jalan, dengan model AI generasi berikutnya yang mampu menavigasi berbagai kondisi jalan. Pasar trucking otonom diharapkan tumbuh dari $68,09 miliar pada 2024 menjadi $214,32 miliar 

Platform Drive Thor dari Nvidia sudah mendapatkan perhatian dari produsen mobil besar, termasuk Mercedes-Benz, Volvo, dan Jaguar Land Rover, yang semakin mempercepat komersialisasi kendaraan otonom. Dalam bidang trucking, kendaraan otonom dapat menghemat hampir 30% dari total biaya transportasi produsen pada 2040, menurut perkiraan dari McKinsey & Co. dan PricewaterhouseCoopers.

Kolaborasi Manusia-Robot di Masa Depan

Meski ada kekhawatiran tentang penggantian pekerjaan karena AI, masa depan physical AI adalah kolaborasi, bukan penggantian. Para ahli seperti Mat Gilbert dari Capgemini Invent mengusulkan bahwa masa depan akan melihat AI dan manusia bekerja bersama, meningkatkan keahlian manusia daripada menggantikannya. Physical AI akan membantu tugas yang berulang atau berbahaya, sementara manusia akan fokus mengawasi, mengelola, dan beradaptasi dengan teknologi ini.

Seperti yang disoroti oleh CEO Nvidia Jensen Huang , nilai sejati dari physical AI terletak pada kemampuannya untuk bekerja dengan mulus bersama manusia, meningkatkan efisiensi operasional tanpa menghilangkan peran manusia sepenuhnya. Bahkan, sistem bertenaga AI dapat menciptakan 170 juta pekerjaan baru secara global pada 2030, menurut World Economic Forum.