Revolusi Otomatisasi yang Didukung oleh AI dan Enkripsi: "Momen ChatGPT" dari Bot

Kemunculan ChatGPT telah mengubah secara total cara orang memahami dan mengharapkan kecerdasan buatan. Ketika model bahasa besar mulai berinteraksi dengan dunia perangkat lunak eksternal, banyak orang berpikir bahwa agen AI adalah bentuk akhir. Namun, jika kita melihat kembali karya-karya fiksi ilmiah klasik, kita akan menemukan bahwa impian sejati manusia adalah membuat kecerdasan buatan berinteraksi di dunia fisik dalam bentuk robot.

Para ahli industri percaya bahwa "momen ChatGPT" di bidang robotika akan segera tiba. Terobosan kecerdasan buatan dalam beberapa tahun terakhir sedang mengubah lanskap industri, sementara kemajuan dalam teknologi baterai, optimasi latensi, dan pengumpulan data akan semakin membentuk perkembangan di masa depan. Teknologi enkripsi juga akan memainkan peran penting dalam proses ini. Keamanan robot, pendanaan, evaluasi, dan pendidikan adalah bidang vertikal yang perlu diperhatikan.

Elemen Perubahan

terobosan Kecerdasan Buatan

Kemajuan model bahasa besar multimodal memberikan "otak" yang diperlukan bagi Bot untuk melaksanakan tugas kompleks. Bot terutama merasakan lingkungan melalui penglihatan dan pendengaran. Meskipun model penglihatan komputer tradisional unggul dalam deteksi atau klasifikasi objek, mereka kesulitan dalam mengubah informasi visual menjadi instruksi tindakan yang bermakna. Model bahasa besar menunjukkan kinerja yang luar biasa dalam pemahaman dan generasi teks, tetapi kemampuan mereka untuk merasakan dunia fisik terbatas.

Model Visual-Language-Action ( VLA ) memungkinkan Bot untuk mengintegrasikan persepsi visual, pemahaman bahasa, dan tindakan entitas dalam kerangka komputasi yang terintegrasi. Pada Februari 2025, model kontrol Bot humanoid umum yang dirilis oleh suatu perusahaan menetapkan standar baru untuk industri berkat kemampuan generalisasi nol sampel dan arsitektur dual-sistem. Karakteristik generalisasi nol sampel memungkinkan Bot untuk beradaptasi dengan skenario baru, objek baru, dan instruksi baru tanpa perlu pelatihan ulang untuk setiap tugas. Arsitektur dual-sistem memisahkan penalaran tingkat tinggi dan penalaran ringan, mewujudkan Bot humanoid komersial yang memiliki pemikiran mirip manusia dan ketepatan waktu nyata.

Robot ekonomi menjadi kenyataan

Teknologi yang mengubah dunia memiliki potensi untuk diadopsi secara luas. Ketika harga beberapa Bot lebih rendah dari mobil kelas menengah atau pendapatan tahunan terendah di AS, bayangkan dunia di mana pekerjaan fisik dan tugas sehari-hari sebagian besar dilakukan oleh Bot tidak lagi jauh.

dari penyimpanan menuju pasar konsumen

Teknologi Bot sedang berkembang dari solusi pergudangan ke bidang konsumen. Dunia ini dirancang untuk manusia—manusia dapat menyelesaikan semua pekerjaan yang dapat dilakukan oleh Bot profesional, sementara Bot profesional tidak dapat menangani semua pekerjaan manusia. Perusahaan Bot tidak lagi terbatas pada pembuatan Bot khusus untuk pabrik, tetapi beralih ke pengembangan Bot humanoid yang lebih serbaguna. Oleh karena itu, batas depan teknologi Bot tidak hanya ada di gudang, tetapi juga akan meresap ke dalam kehidupan sehari-hari.

Biaya adalah salah satu kendala utama dalam skalabilitas. Indikator yang paling penting adalah biaya komprehensif per jam, yang dihitung dengan cara: biaya oportunitas waktu untuk pelatihan dan pengisian daya, biaya pelaksanaan tugas, dan biaya pengadaan Bot, dibagi dengan total durasi operasi Bot. Biaya ini harus lebih rendah dari tingkat upah rata-rata industri terkait agar kompetitif.

Untuk sepenuhnya meresap ke dalam bidang pergudangan, biaya keseluruhan robot harus di bawah 31,39 dolar AS per jam. Sementara itu, di pasar konsumen terbesar — sektor pendidikan swasta dan layanan kesehatan, biaya ini harus dikendalikan di bawah 35,18 dolar AS. Saat ini, robot sedang berkembang ke arah yang lebih murah, lebih efisien, dan lebih serbaguna.

Langkah Terobosan Selanjutnya dalam Teknologi Bot

optimasi baterai

Teknologi baterai selalu menjadi kendala bagi robot yang ramah pengguna. Mobil listrik awalnya sulit untuk diadopsi karena keterbatasan teknologi baterai yang menyebabkan jarak tempuh yang pendek, biaya tinggi, dan kegunaan yang rendah. Robot menghadapi kendala yang sama. Beberapa robot komersial hanya dapat beroperasi selama 90 menit hingga 2 jam. Pengguna jelas tidak ingin mengisi daya secara manual setiap dua jam, sehingga pengisian daya mandiri dan infrastruktur docking menjadi arah pengembangan utama. Saat ini, ada dua mode pengisian daya robot: penggantian baterai atau pengisian langsung.

Mode penggantian baterai memungkinkan penggantian cepat dari paket baterai yang habis untuk mencapai operasi berkelanjutan, meminimalkan waktu henti, dan cocok untuk skenario lapangan atau pabrik. Proses ini dapat dilakukan secara manual atau otomatis.

Pengisian daya induktif menggunakan metode pasokan daya nirkabel, meskipun pengisian penuh memakan waktu yang lebih lama, tetapi dapat dengan mudah mencapai proses otomatisasi penuh.

optimasi latensi

Operasi latensi rendah dapat dibagi menjadi dua kategori: kesadaran lingkungan dan pengendalian jarak jauh. Kesadaran mengacu pada kemampuan Bot untuk mengenali ruang di lingkungan, sedangkan pengendalian jarak jauh secara khusus mengacu pada kontrol waktu nyata oleh operator manusia.

Penelitian menunjukkan bahwa sistem persepsi Bot dimulai dengan sensor murah, tetapi keunggulan teknologi terletak pada perangkat lunak penggabungan, komputasi daya rendah, dan sirkuit pengendalian presisi dalam milidetik. Setelah Bot menyelesaikan penentuan posisi ruang, jaringan saraf ringan akan menandai elemen seperti rintangan, palet, atau manusia. Setelah label skenario dimasukkan ke dalam sistem perencanaan, instruksi motor yang akan dikirim ke kaki, roda, atau lengan mekanis segera dihasilkan. Keterlambatan persepsi di bawah 50 milidetik setara dengan kecepatan refleks manusia—setiap keterlambatan yang melebihi ambang ini akan menyebabkan Bot bergerak canggung. Oleh karena itu, 90% keputusan harus diselesaikan secara lokal melalui jaringan visual-bahasa-tindakan tunggal.

Robot otonom penuh perlu memastikan bahwa model VLA berkinerja tinggi memiliki latensi di bawah 50 milidetik; sementara robot yang dikendalikan dari jarak jauh memerlukan latensi sinyal antara sisi pengendali dan robot tidak melebihi 50 milidetik. Di sini, pentingnya model VLA semakin menonjol — jika input visual dan teks diproses oleh model yang berbeda sebelum dimasukkan ke dalam model bahasa besar, latensi keseluruhan akan jauh melebihi ambang 50 milidetik.

optimasi pengumpulan data

Pengumpulan data terutama memiliki tiga jalur: data video dunia nyata, data sintetis, dan data kontrol jarak jauh. Kendala inti antara data nyata dan data sintetis terletak pada menjembatani perbedaan antara perilaku fisik robot dan model video/simulasi. Data video nyata kehilangan detail fisik seperti umpan balik kekuatan, kesalahan gerakan sendi, dan deformasi material; sedangkan data simulasi kekurangan variabel tak terduga seperti kerusakan sensor dan koefisien gesekan.

Metode pengumpulan data yang paling potensial adalah pengendalian jarak jauh — di mana operator manusia mengendalikan Bot untuk melaksanakan tugas. Namun, biaya tenaga kerja adalah faktor pembatas utama dalam pengumpulan data melalui pengendalian jarak jauh.

Pengembangan perangkat keras kustom juga sedang menyediakan solusi baru untuk pengumpulan data berkualitas tinggi. Sebuah perusahaan menggabungkan metode arus utama dengan perangkat keras kustom untuk mengumpulkan data gerakan manusia multidimensi, yang setelah diproses diubah menjadi kumpulan data yang cocok untuk pelatihan jaringan saraf Bot, bersama dengan siklus iterasi cepat yang menyediakan data berkualitas tinggi dalam jumlah besar untuk pelatihan AI Bot. Saluran teknologi ini secara bersama-sama memperpendek jalur konversi dari data mentah ke Bot yang dapat diterapkan.

Bidang Penelitian Utama

enkripsi teknologi dan Bot

Teknologi enkripsi dapat mendorong pihak yang tidak mempercayai untuk meningkatkan efisiensi jaringan Bot. Berdasarkan bidang kunci yang disebutkan sebelumnya, teknologi enkripsi dapat meningkatkan efisiensi dalam tiga aspek: integrasi infrastruktur, optimasi latensi, dan pengumpulan data.

Jaringan infrastruktur fisik terdesentralisasi ( DePIN ) diharapkan dapat merevolusi infrastruktur pengisian daya. Ketika robot manusia beroperasi secara global seperti mobil, stasiun pengisian perlu dijangkau dengan mudah seperti pom bensin. Jaringan terpusat memerlukan investasi awal yang besar, sementara DePIN akan membagi biaya kepada operator node, memungkinkan fasilitas pengisian berkembang dengan cepat ke lebih banyak area.

DePIN juga dapat memanfaatkan infrastruktur terdistribusi untuk mengoptimalkan latensi kontrol jarak jauh. Dengan mengagregasi sumber daya komputasi node tepi yang terdistribusi secara geografis, instruksi kontrol jarak jauh dapat diproses oleh node lokal atau node yang tersedia terdekat, meminimalkan jarak transmisi data, dan secara signifikan mengurangi latensi komunikasi. Namun, proyek DePIN saat ini lebih fokus pada penyimpanan terdesentralisasi, distribusi konten, dan berbagi bandwidth, meskipun ada proyek yang menunjukkan keunggulan komputasi tepi dalam streaming media atau Internet of Things, belum meluas ke bidang robotika atau kontrol jarak jauh.

Pengendalian jarak jauh adalah cara pengumpulan data yang paling menjanjikan, tetapi entitas terpusat yang mempekerjakan profesional untuk mengumpulkan data memiliki biaya yang sangat tinggi. DePIN memecahkan masalah ini dengan memberi insentif kepada pihak ketiga melalui token enkripsi untuk menyediakan data pengendalian jarak jauh. Sebuah proyek membangun jaringan operator jarak jauh global, mengubah kontribusi mereka menjadi aset digital yang ter-tokenisasi, membentuk sistem terdesentralisasi tanpa izin—peserta tidak hanya dapat memperoleh keuntungan tetapi juga berpartisipasi dalam tata kelola dan membantu pelatihan robot AGI.

Keamanan selalu menjadi perhatian utama

Tujuan utama teknologi Bot adalah untuk mencapai otonomi penuh, tetapi seperti yang diperingatkan oleh beberapa film fiksi ilmiah, manusia sangat tidak ingin melihat otonomi mengubah Bot menjadi senjata agresif. Masalah keamanan model bahasa besar telah menarik perhatian, dan ketika model-model ini memiliki kemampuan aksi fisik, keamanan Bot menjadi prasyarat kunci untuk penerimaan masyarakat.

Keamanan ekonomi adalah salah satu pilar kemakmuran ekosistem Bot. Sebuah perusahaan di bidang ini sedang membangun lapisan koordinasi mesin terdesentralisasi yang menggunakan enkripsi untuk mewujudkan otentikasi identitas perangkat, verifikasi keberadaan fisik, dan akses sumber daya. Berbeda dengan manajemen pasar tugas yang sederhana, sistem ini memungkinkan Bot untuk membuktikan informasi identitas, lokasi geografis, dan catatan perilaku secara mandiri tanpa bergantung pada perantara terpusat.

Pembatasan perilaku dan otentikasi identitas dilaksanakan melalui mekanisme on-chain, memastikan bahwa siapa pun dapat mengaudit kepatuhan. Bot yang memenuhi standar keamanan, persyaratan kualitas, dan regulasi daerah akan mendapatkan penghargaan, sementara pelanggar akan menghadapi hukuman atau pencabutan kelayakan, sehingga membangun mekanisme akuntabilitas dan kepercayaan dalam jaringan robot otonom.

Jaringan re-staking pihak ketiga juga dapat memberikan jaminan keamanan yang setara. Meskipun sistem parameter hukuman masih perlu disempurnakan, teknologi terkait telah memasuki tahap praktis. Diperkirakan pedoman keamanan industri akan segera terbentuk, dan pada saat itu parameter hukuman akan dimodelkan berdasarkan pedoman ini.

Contoh rencana pelaksanaan:

• Perusahaan Bot bergabung dengan jaringan staking ulang.
• Menetapkan parameter penyitaan yang dapat diverifikasi (seperti "tekanan kontak manusia yang melebihi 2500 Newton");
• Staker menyediakan jaminan untuk memastikan Bot mematuhi parameter;
• Jika terjadi pelanggaran, deposit akan digunakan sebagai kompensasi untuk korban.

Mode ini tidak hanya mendorong perusahaan untuk mengutamakan keamanan, tetapi juga meningkatkan penerimaan konsumen melalui mekanisme asuransi kolam dana yang dipertaruhkan.

Mengisi Kekosongan dalam Tumpukan Teknologi Bot

Berbeda dengan AI, bidang robotika sulit untuk dimasuki ketika dana terbatas. Untuk mewujudkan penyebaran robot, ambang pengembangannya perlu diturunkan hingga tingkat kemudahan yang sama dengan pengembangan aplikasi AI. Terdapat ruang untuk perbaikan di tiga aspek: mekanisme pendanaan, sistem evaluasi, dan ekosistem pendidikan.

Pendanaan adalah titik nyeri di bidang robotika. Mengembangkan program komputer hanya memerlukan satu komputer dan sumber daya komputasi awan, sedangkan membangun robot yang berfungsi penuh harus membeli perangkat keras seperti motor, sensor, baterai, dan lainnya, yang biayanya dengan mudah melebihi 100.000 dolar. Sifat perangkat keras ini membuat pengembangan robot kurang fleksibel dan biaya yang tinggi dibandingkan dengan AI.

Infrastruktur evaluasi robot di dunia nyata masih dalam tahap awal. Di bidang AI, telah dibangun sistem fungsi kerugian yang jelas, dan pengujian dapat sepenuhnya divirtualisasikan. Namun, strategi virtual yang baik tidak dapat langsung diterapkan sebagai solusi yang efektif di dunia nyata. Robot perlu menguji fasilitas evaluasi strategi otonom di lingkungan nyata yang beragam untuk mencapai optimasi iteratif.

Ketika infrastruktur ini matang, talenta akan mengalir dalam jumlah besar, dan robot humanoid akan mengulangi kurva ledakan Web2. Sebuah perusahaan enkripsi robot sedang bergerak ke arah ini—proyek sumber terbuka ( "sistem Android versi robot" ) mengubah perangkat keras asli menjadi agen cerdas yang dapat ditingkatkan dengan kesadaran ekonomi. Modul perencanaan visual, bahasa, dan gerakan dapat dipasang dan digunakan seperti aplikasi ponsel, semua langkah penalaran disajikan dalam bahasa Inggris yang jelas, memungkinkan operator untuk mengaudit atau menyesuaikan perilaku tanpa menyentuh firmware. Kemampuan penalaran bahasa alami ini memungkinkan generasi baru talenta untuk masuk ke bidang robotika tanpa hambatan, mengambil langkah kunci untuk memicu revolusi robotik di platform terbuka, sama seperti peran akselerasi gerakan sumber terbuka terhadap AI.

Kepadatan bakat menentukan jalur industri. Sistem pendidikan inklusif yang terstruktur sangat penting untuk penyediaan bakat di bidang robotik. Perusahaan tersebut melantai di Nasdaq menandai pembukaan era baru di mana mesin cerdas berpartisipasi dalam inovasi keuangan dan pendidikan nyata. Perusahaan tersebut bersama mitra mengumumkan bahwa mereka akan meluncurkan kurikulum pendidikan umum berbasis robot humanoid di sekolah umum K-12 di Amerika Serikat. Desain kurikulum ini bersifat independen platform, dapat disesuaikan dengan berbagai bentuk robot, dan memberikan kesempatan praktis bagi siswa. Sinyal positif ini memperkuat penilaian di industri: dalam beberapa tahun ke depan, sumber daya pendidikan robot akan