Lo tau nggak, sekarang ngajarin robot itu udah leveling up ke cara yang gak pernah lo sangka? Yep, bicara soal physical AI — bidang yang ngembangin robot buat berinteraksi sama dunia fisik — para engineer sekarang lagi coba pake gelombang otak manusia buat training model AI robot.
🎮 Main Jenga Tapi buat Masa Depan Robot
Di gudang Encord di San Leandro, California, ada pemandangan yang kelihatannya simpel tapi sebenernya luar biasa futuristik. Andrew Ceja — yang dipanggil "pilot" di sini — lagi main Jenga sambil pakai headset khusus yang merekam apa yang dia lihat lewat kamera, tapi bukan cuma itu. Headset-nya juga ngukur gelombang otaknya sambil dia ngambil balok-balok kayu dari menara yang goyang. Halus? Gak juga, ini sebenernya scientific method yang next level.
Encord lagi jalan bareng Zander Labs, startup neurotech asal Jerman yang pengen mastiin kalau aktivitas otak kita — kayak error detection, intent, atau surprise — bisa jadi data yang lebih bermakna buat ngajarin robot. Ide utamanya simpel: kalau lo bisa tahu kapan otak manusia lagi "bekerja keras" pas ngerjain sesuatu, lo bisa ngerti kapan robot butuh model yang paling akurat dan "effort level"-nya tinggi.
🧠 Brain Wave = Data 'Premium' buat Robot
Vineeth Velmurugan, Head of Robot Learning di Encord, nyebut pendekatan ini sebagai "bleeding edge" — alias技术的 paling mutakhir buat solve bottleneck data di robotics. "The data simply does not exist," tegas Velmurugan yang dulunya veteran dari OpenAI's robot lab dan Berkshire Grey.
Dan ini bukan cuma teori doang — lo bakal paham kalau lo ngeliat langsung prosesnya di fasilitas Encord. Para pilot sana pake rig leader-follower, di mana satu lengan robot dikontrol langsung sama manusia dan satu lagi niru gerakannya. Mereka ngumpulin data buat tugas-tugas kayak tuang kopi dari teko ke cangkir (yang, trust me, bikin kopi pada berantakan), susun chip poker, colokin-cabut ethernet cable dari server, dan berbagai tugas manipulator lainnya.
Yang menarik, mereka juga lagi eksplorasi sensor di lengan bawah buat deteksi sinyal listrik di otot, biar bisa bikin representasi 3D posisi tangan yang lebih akurat — karena rekaman video biasa tuh gak pernah capture seluruh tangan dengan baik.
💸 Harga Data Physical AI = Bukan Kaleng-Kaleng
Nah, ini bagian yang paling hitz: biaya. Lo bisa scrape teks dari internet hampir gratis, tapi generating physical training data? Itu beda cerita. Velmurugan bilang bahwa dense annotation — deskripsi fisik detail tiap frame video kayak "right hand tightens bolt" — itu 100x lebih valuable buat training, tapi biaya produksinya 20x lebih mahal.
Bandinguin sama cara LLM companies bikin model dari data internet yang murah meriah? Well, ini jelas bukan hal yang sama. Mungkin aja lo pernah denger有人说 "data is the new oil" — well, buat physical AI, datanya tuh lebih kayak premium gasoline yang harus di-refine special.
Tapi Velmurugan optimistic — dengan visibility Encord ke berbagai program di industri, dia bisa lihat startup dan frontier labs figure out apa yang work dan apa yang gak buat improve model physical AI. And that's the real value proposition here: jadi hub yang connects berbagai robotics companies dan nentuin tren data mana yang lagi naik.
🎯 Geek Opinion: Robot Masa Depan = 'Borrowed Intelligence'?
Jadi intinya tuh sederhana: lo gak bisa ngajarin robot buat gerakin jari kayak manusia kalau lo gak punya data yang bener-bener detail dan mahal. Dan sekarang, dengan brain wave sensors dan berbagai metode baru lainnya, kita lagi masuk era baru di mana data is king — tapi kali ini, datanya tuh genuine expensive.
Jadi jangan heran kalau nanti lo liat robot yang lebih "human-like" — itu karena ada manusia beneran yang udah "share" otaknya buat training mereka. That's commitment level yang beda, bro. 🚀
Sumber: TechCrunch
