Riset UC Berkeley dan NVIDIA: Agen AI Mampu Program Robot Industri Tanpa Data Latihan
Alat sumber terbuka baru memungkinkan tim agen AI menulis, menguji, dan menyempurnakan kode robot di simulasi sebelum diterapkan ke pabrik nyata.
Foto: The Robot Report (Dokumentasi editorial)
Poin penting
- UC Berkeley dan NVIDIA meluncurkan alat sumber terbuka yang memprogram robot industri via agen AI.
- Sistem GaP memecah tugas kerja menjadi modul terpisah agar agen dapat bekerja secara paralel dan mandiri.
- Kode keluaran berupa skrip Python standar yang kompatibel dengan kontroler robot pabrikan seperti KUKA.
Pemrograman sel kerja robot industri selama ini memakan waktu berminggu-minggu hingga berbulan-bulan. Tim rekayasa perangkat lunak biasanya harus menunggu seluruh mesin fisik terpasang sebelum dapat mulai menulis kode kendali.
Sebagaimana dilaporkan The Robot Report, tim peneliti dari UC Berkeley bersama NVIDIA merilis rangkaian alat sumber terbuka bernama RoboSimStudio. Sistem ini memanfaatkan agen kecerdasan buatan—perangkat lunak otonom pembuat keputusan mandiri—untuk merancang, menyimulasikan, dan memperbaiki program robot industri secara otomatis tanpa perlu mengumpulkan mahadata latihan terlebih dahulu.
Cara Kerja Agen AI dan Kerangka Modular GaP
Pendekatan baru ini dipresentasikan pada konferensi CoRL 2026 di Austin, Texas. Menurut Profesor Ken Goldberg dari UC Berkeley, sistem ini menerapkan kerangka kerja bernama Graph-as-Policy (GaP).
"Alih-alih mengumpulkan data dalam jumlah masif dan menyetel setiap perilaku secara manual, tim agen AI dapat dengan cepat menghasilkan, menguji, dan menyempurnakan program robot yang tetap mudah dipahami oleh insinyur manusia untuk verifikasi."
Kerangka GaP membagi alur kerja robot ke dalam keterampilan terpisah, seperti persepsi sensor, perencanaan genggaman, dan navigasi gerak bebas benturan. Setiap modul ditugaskan ke agen AI berbeda sehingga mereka dapat bekerja bersamaan di lingkungan simulasi Newton Physics dan Isaac Lab-Arena milik NVIDIA.
Hasil akhir pemrograman ini berupa skrip Python terstruktur yang terintegrasi dengan modul pabrikan seperti KUKA. Pendekatan ini tidak menggantikan kontroler perangkat keras bawaan robot, melainkan menerjemahkan instruksi kerja ke dalam sistem operasi robot (ROS 2) yang mudah diverifikasi tim teknis.
Sejumlah korporasi manufaktur mulai menguji coba metode ini. Bosch Research kini mengevaluasi otomasi agen AI untuk skenario pabrik, sementara Ambi Robotics melaporkan peningkatan hasil kerja pada armada robot mereka di Amerika Serikat.
Apa Artinya bagi Pelaku Usaha
Inovasi ini relevan bagi direktur operasional dan pemilik pabrik di Indonesia yang ingin memperluas otomasi lini produksi. Hambatan terbesar adopsi robotika presisi selama ini bukan hanya harga mesin, melainkan tingginya biaya integrasi sistem dan ketergantungan pada tenaga pemrogram khusus.
Dengan kemampuan agen AI merancang kode melalui simulasi, fase komisioning atau pengujian awal fasilitas manufaktur dapat dipangkas signifikan. Manajemen dapat mempersiapkan alur otomatisasi di ruang virtual jauh sebelum perakitan fisik selesai di lantai pabrik.
Langkah mitigasi terbaik bagi pelaku usaha adalah mulai membangun standarisasi data operasional serta melatih insinyur lokal untuk membaca arsitektur kode modular berbasis ROS 2. Pendekatan ini memastikan kontrol keselamatan pabrik tetap berada di tangan profesional manusia.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 11 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- The Robot Report: Can AI agents program industrial robots without training data? Berkeley says yes
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| UC Berkeley dan NVIDIA merilis alat sumber terbuka yang memungkinkan tim agen AI memprogram robot industri. | Didukung | “UC Berkeley and NVIDIA have released open-source tools for a new approach: enabling teams of AI coding agents to write, simulate, and refine readable robot programs.” Disebutkan langsung di awal artikel The Robot Report. |
| Pemrograman, penyetelan, dan perbaikan sel kerja robot industri selama ini memakan waktu berminggu-minggu hingga berbulan-bulan. | Didukung | “programming, tuning, and troubleshooting robotic workcells has taken weeks to months.” Tercantum pada paragraf kedua The Robot Report. |
| Implementasi kode kendali biasanya harus menunggu hingga seluruh mesin fisik, feeder, dan konveyor terpasang di sel kerja. | Didukung | “implementing the code has to wait until the end of the design and fabrication process. The robot needs to be installed in the workcell; all of the feeders, conveyance, and other elements also need to be installed.” Disebutkan dalam penjelasan latar belakang masalah di The Robot Report. |
| RoboSimStudio adalah proyek sumber terbuka yang memfasilitasi pengkodean lingkungan simulasi robot oleh agen AI. | Didukung | “The new RoboSimStudio is an open-source project that enables agentic AI coding of robotic simulation environments.” Dinyatakan dalam takarir gambar pembuka di The Robot Report. |
| Tim UC Berkeley dan NVIDIA mempresentasikan konsep ini di CoRL 2026 di Austin, Texas. | Didukung | “The UC Berkeley and NVIDIA team presented the concept at CoRL 2026 this week in Austin, Texas.” Tercantum di bagian perkenalan GaP dan VABAR di The Robot Report. |
| Ken Goldberg menyatakan bahwa alih-alih mengumpulkan data masif dan menyetel tiap perilaku manual, tim agen dapat menghasilkan, menguji, dan menyempurnakan program robot yang dapat dipahami insinyur manusia. | Didukung | ““Instead of collecting massive amounts of data and hand-tuning every behavior, teams of agents can quickly generate, test, and refine robot programs that allow human engineers to interpret how the programs work” Kutipan langsung dari Ken Goldberg di The Robot Report. |
| Graph-as-Policy (GaP) membagi tugas ke dalam keterampilan terpisah seperti persepsi, perencanaan genggaman, dan gerakan bebas tabrakan. | Didukung | “Graph-as-Policy ( GaP ) is a modular framework that splits a task into skills — perception, grasp planning, collision-free motion — which agents generate, connect and rehearse in simulation.” Disebutkan pada bagian perkenalan GaP di The Robot Report. |
| Struktur graf pada GaP setara dengan graf ROS dan dapat dikonversi ke ROS 2. | Didukung | “The graph turns out to be equivalent to a ROS graph and can be converted to ROS 2.” Tercantum dalam daftar kapabilitas baru di The Robot Report. |
| Keluaran kode berupa skrip Python yang memanggil modul vendor seperti KUKA untuk kontrol penggerak tingkat rendah dan tidak menggantikan kontroler robot. | Didukung | “Python that calls existing vendor modules (such as KUKA ) for low-level drive control. It does not replace robot controllers .” Tercantum dalam daftar kapabilitas output di The Robot Report. |
| Bosch sedang mengevaluasi robotika agen untuk skenario otomasi industri. | Didukung | “Bosch is evaluating agentic robotics for diverse industrial automation scenarios.” Disebutkan menjelang akhir artikel The Robot Report. |
| Ambi Robotics menyatakan robotika agen mengonversi data produksi menjadi pembaruan perilaku robot serta meningkatkan keluaran armada mereka di AS. | Didukung | “Agentic robotics converted production data into robot behavior updates, increasing throughput across our U.S. fleet while keeping engineers in control.” Kutipan dari Jeff Mahler, CTO Ambi Robotics di The Robot Report. |
Video AI terbaru
Local AI 301: Quantization
