Riset MIT Beri Robot Memori Otot: Reaksi Lebih Cepat dan Hemat Biaya Komputasi
Peneliti MIT dan CMU meluncurkan Workspace Models, metode yang memangkas latensi robot hingga milidetik dengan memindahkan pemrosesan AI berbobot berat ke fase pelatihan.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- Sistem Workspace Models meningkatkan tingkat keberhasilan lengan robot hingga 92 persen pada pengujian.
- Proses komputasi berat dipindahkan ke luar lini operasional, membuat robot bereaksi dalam hitungan milidetik.
- Pendekatan baru ini menekan biaya komputasi langsung di pabrik atau gudang tanpa mengorbankan akurasi.
Robot industri kerap melakukan kesalahan saat menghadapi perubahan mendadak di lini kerja. Masalah utamanya terletak pada jeda komputasi model visual yang lambat memproses rekaman kamera secara langsung.
Sebagaimana dilaporkan TechXplore, tim peneliti dari MIT CSAIL dan Carnegie Mellon University berhasil mengatasi hambatan tersebut. Mereka mengembangkan metode bernama Workspace Models yang memberikan semacam memori otot bagi robot.
Memangkas Waktu Pikir Robot Menjadi Milidetik
Selama ini, robot modern mengandalkan Vision-Language Models (VLM), peranti AI yang menerjemahkan data visual gambar dan bahasa secara bersamaan. Penggunaan agen AI otonom untuk memindai riwayat video visual secara waktu nyata terbukti memicu biaya komputasi tinggi dan memperlambat reaksi fisik.
Workspace Models membalik alur kerja tersebut dengan memindahkan pemikiran rumit ke tahap pelatihan di luar jam kerja (offline). Pada tahap ini, model AI besar mengidentifikasi informasi visual penting, lalu memampatkannya menjadi modul kecil yang sangat ringan.
Hari ini kita melihat lebih banyak orang memakai model frontier untuk menggerakkan robot, tetapi prosesnya butuh waktu lama. Jika ingin robot melampaui kinerja manusia, kita perlu sistem yang lebih ringkas dan ringan.
Kutipan tersebut disampaikan oleh Nitish Dashora, peneliti utama dari MIT CSAIL. Berkat arsitektur anyar ini, lengan robot dapat merencanakan manuver berikutnya hanya dalam hitungan milidetik saat lingkungan sekitarnya bergeser.
Dalam serangkaian pengujian virtual maupun fisik, sistem ini meraih tingkat keberhasilan mengambil dan menata balok hingga 92 persen. Capaian ini sekitar 25 poin persentase lebih tinggi dibanding metode agen konvensional terdahulu.
Apa Artinya bagi Pelaku Usaha
Inovasi ini relevan bagi direktur operasional dan pemilik industri manufaktur atau pergudangan di Indonesia. Selama ini, adopsi robot pintar kerap terbentur tingginya biaya server lokal untuk memproses data kamera secara instan.
Dengan memindahkan beban komputasi berat ke fase pelatihan awal, pengeluaran perangkat keras di lantai pabrik dapat ditekan signifikan. Pelaku usaha dapat menyiapkan integrasi bertahap pada sistem lengan robotik yang sudah ada tanpa perlu merombak seluruh infrastruktur komputasi tepi (edge computing).
Langkah mitigasi yang perlu disiapkan manajemen adalah mengaudit kesiapan data visual alur kerja. Pemisahan antara komputasi analitis di awan dan eksekusi fisik di lini produksi menjadi kunci efisiensi biaya otomasi ke depan.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 7 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- TechXplore: Robots gain 'muscle memory' for planning their next moves in milliseconds
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Peneliti MIT CSAIL dan CMU mengembangkan metode Workspace Models yang memangkas latensi robot hingga milidetik dengan memindahkan pemrosesan AI berbobot berat ke fase pelatihan. | Didukung | “A new approach called " Workspace Models " from researchers at MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) and Carnegie Mellon University's Machine Learning Department (MLD)” TechXplore mencatat kolaborasi MIT CSAIL dan CMU MLD dalam mengembangkan Workspace Models. |
| Vision-Language Models (VLM) menginterpretasikan input visual seperti video dan gambar bersama bahasa alami. | Didukung | “vision-language models (VLMs), which interpret visual inputs such as videos and images along with natural language.” TechXplore menjelaskan fungsi VLM secara eksplisit. |
| Pendekatan berbasis agen AI otonom memicu kesalahan, biaya komputasi tinggi, dan reaktivitas yang buruk. | Didukung | “However, this can lead to errors, high compute costs and poor reactivity.” TechXplore menyebut kelemahan pendekatan agen berbasis VLM terdahulu. |
| Model VLM besar melakukan penalaran secara luring (offline) untuk melatih modul kecil (Workspace Model) agar robot dapat merencanakan gerakan berikutnya dalam hitungan milidetik. | Didukung | “these large VLMs do the reasoning offline. During that process, these models teach the robot how to memorize key details by training a smaller module (also called the Workspace Model), which enables” TechXplore mendeskripsikan cara kerja pelatihan luring Workspace Models. |
| Nitish Dashora menyatakan bahwa model frontier membutuhkan waktu lama untuk dijalankan dan robot membutuhkan sistem yang lebih ringan serta ringkas untuk melampaui kinerja manusia. | Didukung | “Today we're seeing more people use frontier models to power robots, but they take a long time to run," adds Dashora” TechXplore mengutip pernyataan Nitish Dashora mengenai efisiensi sistem baru tersebut. |
| Nitish Dashora adalah peneliti CSAIL dan penulis utama makalah riset tersebut. | Didukung | “Nitish Dashora, a CSAIL researcher and lead author on the paper” TechXplore mengonfirmasi status dan peran Nitish Dashora. |
| Pada pengujian virtual dan dunia nyata pada lengan robot, sistem berhasil mengambil dan meletakkan kubus sekitar 92 persen pengujian, sekitar 25 poin persentase lebih tinggi dari pendekatan terbaik berikutnya. | Didukung | “Across virtual and real-world tests on a robotic arm, the system successfully picked up and put away cubes about 92% of the time, roughly 25 percentage points higher than the next-best approach” TechXplore mencatat angka keberhasilan 92% dan keunggulan 25 poin persentase pada uji lengan robot. |
Video AI terbaru
What Codex Unlocks for Holiday Extras
