Physical Intelligence Rilis π0.7: Otak Robot yang Bisa Belajar Sendiri

SAN FRANCISCO, (16 April 2026)

Physical Intelligence, startup robotika berbasis di San Francisco yang menjadi salah satu perusahaan AI paling diperhatikan, baru saja mempublikasikan riset terbaru mengenai model π0.7. Mengutip laporan dari TechCrunch, model ini mampu mengarahkan robot untuk melakukan tugas-tugas yang belum pernah dilatih secara eksplisit sebelumnya—sebuah kemampuan yang bahkan mengejutkan para penelitinya sendiri.

Melansir data dari Physical Intelligence, π0.7 merupakan langkah awal yang signifikan menuju ambisi besar menciptakan general-purpose robot brain. Ini adalah sistem AI yang dapat diarahkan ke tugas asing, dibimbing melalui instruksi bahasa sederhana, dan mampu mengeksekusinya dengan sukses. Fenomena ini dianggap sebagai inflection point bagi dunia robotika, serupa dengan apa yang dialami bidang Large Language Model (LLM) beberapa tahun lalu.

Melampaui Rote Memorization

Selama ini, pendekatan standar dalam melatih robot adalah melalui rote memorization atau hafalan mati: mengumpulkan data pada tugas spesifik, melatih model spesialis, dan mengulanginya untuk setiap tugas baru. Namun, π0.7 mematahkan pola tersebut melalui compositional generalization.

"Begitu ia melewati ambang batas di mana ia tidak hanya melakukan persis seperti data yang dikumpulkan, tetapi benar-benar melakukan remixing dengan cara baru, kemampuannya akan meningkat lebih dari linear," ujar Sergey Levine, co-founder Physical Intelligence dan profesor di UC Berkeley yang fokus pada AI untuk robotika.

Dalam salah satu demonstrasi, model ini mampu mengoperasikan air fryer meskipun hampir tidak ada data pelatihan spesifik mengenai perangkat tersebut dalam dataset mereka. Robot tersebut mampu mensintesis fragmen data dari web-based pretraining dan instruksi verbal untuk memahami cara kerja alat tersebut.

Pentingnya Prompt Engineering di Robotika

Menariknya, peneliti mencatat bahwa kegagalan robot sering kali bukan disebabkan oleh modelnya, melainkan kesalahan manusia dalam memberikan instruksi. Ashwin Balakrishna, ilmuwan riset di Physical Intelligence, menjelaskan bahwa eksperimen awal dengan air fryer hanya menghasilkan tingkat keberhasilan 5%. Namun, setelah melakukan optimasi pada Prompt Engineering selama 30 menit, tingkat keberhasilan melonjak menjadi 95%.

Meski belum mampu menjalankan perintah tingkat tinggi yang kompleks seperti "buatkan saya roti panggang" secara mandiri dalam satu langkah, robot ini sangat efektif jika dibimbing langkah demi langkah. Kemampuan coaching ini sangat krusial karena memungkinkan robot untuk dideploy di lingkungan baru dan ditingkatkan secara real-time tanpa pengumpulan data tambahan.

Dampak bagi Indonesia

Terobosan dari Physical Intelligence ini memiliki implikasi besar bagi lanskap teknologi dan industri di Indonesia:

1. Transformasi Logistik dan Manufaktur: Dengan kemampuan robot yang bisa belajar secara fleksibel, perusahaan e-commerce dan manufaktur di Indonesia dapat mengadopsi otomatisasi tanpa biaya integrasi sistem yang mahal. Robot tidak lagi perlu diprogram secara kaku untuk satu jenis barang saja.
2. Nilai Investasi Fantastis: Valuasi Physical Intelligence yang diprediksi mencapai $11 miliar (setara Rp174,3 Triliun) menunjukkan besarnya potensi ekonomi Generative AI di sektor fisik. Ini bisa memicu investor lokal untuk melirik startup Deeptech dalam negeri.
3. Kebutuhan Talenta Baru: Munculnya era robot pintar ini menciptakan kebutuhan akan tenaga kerja yang mahir dalam Prompt Engineering dan pengelolaan sistem AI robotika, melampaui sekadar teknisi perangkat keras tradisional.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.