Startup Norwegia, 1X Technologies, telah membuat kemajuan terobosan dalam mengembangkan model dunia kecerdasan buatan untuk robot. Model yang mereka ciptakan bertindak sebagai tempat pelatihan virtual bagi robot, memungkinkan mereka untuk diuji dan ditingkatkan dengan aman dan efisien tanpa memerlukan pengujian di dunia nyata yang memakan waktu dan mahal, yang sangat penting untuk memecahkan masalah keandalan robotika yang telah lama ada. . Teknologi ini secara signifikan dapat meningkatkan kemampuan adaptasi robot dalam lingkungan dinamis yang kompleks dan memberikan dukungan kuat untuk pengembangan robot serba guna.
Startup Norwegia, 1X Technologies, baru-baru ini mengumumkan bahwa mereka telah membuat kemajuan signifikan dalam mengembangkan model dunia robot berbasis kecerdasan buatan. Sederhananya, model-model ini seperti tempat pembuktian virtual bagi robot, yang memungkinkan mesin diuji dan ditingkatkan dalam berbagai skenario tanpa memerlukan pengujian lapangan nyata.
1X percaya bahwa ini adalah kunci untuk memecahkan “teka-teki robot” – yaitu, bagaimana mengevaluasi robot yang dilatih untuk melakukan banyak tugas secara andal dalam lingkungan yang terus berubah. Ambil contoh robot yang bisa melipat T-shirt. Performanya bervariasi selama 50 hari, dan rasa pencapaiannya sering kali cepat berlalu.
1X mengatakan bahwa model robot yang sama pun dapat mengalami fluktuasi kinerja yang sangat besar ketika lingkungan berubah, sehingga membuat evaluasi yang ketat di dunia nyata menjadi sangat sulit.
Untuk melatih model dunianya, 1X mengumpulkan ribuan jam rekaman video robot humanoid EVE yang melakukan berbagai tugas di rumah dan kantor. Melalui pembelajaran mesin, model kini dapat memprediksi secara wajar bagaimana objek dan lingkungan akan bereaksi terhadap tindakan robot. Model tersebut dapat menghasilkan keluaran visual yang dapat dipercaya bahkan untuk perilaku yang tidak diprogram secara eksplisit, seperti belajar menghindari kontak dengan orang dan benda.
Saat ini, model 1X mampu menangani interaksi fisik yang kompleks, seperti memegang dan mengangkat benda, membuka pintu dan laci, serta menangani bahan yang dapat berubah bentuk seperti pakaian dan bahkan kaos lipat.
Nilai inti dari model dunia mereka adalah untuk mensimulasikan interaksi objek. Misalnya, dalam beberapa generasi mendatang, model akan mendapatkan layar awal yang sama dan tiga rangkaian tindakan berbeda untuk mengambil kotak. Dalam setiap kasus, kotak yang diambil diangkat dan dipindahkan mengikuti gerakan robot, sementara kotak lainnya tetap di tempatnya.
Namun, 1X mengakui beberapa keterbatasan. Misalnya, model terkadang mengalami kesulitan dalam menjaga konsistensi warna dan bentuk objek, atau dalam mensimulasikan fenomena fisik secara akurat. Kemampuan mengenali diri sendiri di cermin juga masih belum bisa diandalkan.
Terlepas dari tantangan yang ada, 1X melihat model dunia ini sebagai tonggak sejarah dalam pengembangan dan pelatihan robot universal. Untuk mempercepat kemajuan, perusahaan juga menawarkan kumpulan data, model terlatih, dan hadiah uang melalui 1X World Model Challenge.
Tujuan jangka panjang 1X adalah menggunakan model dunia secara langsung untuk pelatihan robot, yang akan membawa peningkatan efisiensi yang sangat besar dibandingkan pengujian sebenarnya. Untuk mencapai tujuan tersebut, mereka aktif merekrut ahli di bidang kecerdasan buatan. Awal tahun ini, 1X juga berhasil mengumpulkan dana sebesar $100 juta untuk mempromosikan peluncuran pasar robot humanoid rumahan Neo. Pendanaan ini telah mendapat dukungan dari para pemimpin industri seperti OpenAI, yang sepenuhnya menunjukkan komitmen tingkat tinggi terhadap teknologi 1X.
Selain 1X, Nvidia juga banyak berinvestasi pada robot humanoid. Perusahaan baru-baru ini meluncurkan metode pelatihan menggunakan Vision Pro dari Apple, dan peneliti Nvidia Jim Fan yakin bahwa robotika akan memiliki "momen GPT-3" dalam beberapa tahun ke depan.
Teknologi model dunia 1X Technologies menunjukkan jalan bagi pengembangan robotika di masa depan. Meskipun masih ada tantangan, potensinya sangat besar dan diharapkan dapat merevolusi cara pelatihan dan penerapan robot di masa depan. Teknologi ini tidak hanya akan meningkatkan efisiensi secara signifikan, tetapi juga mendorong kemajuan pesat teknologi robotika dan memberikan lebih banyak kemungkinan bagi masyarakat manusia.