Sejarah Robotika Modern: Transformasi dari Aturan Kaku ke Foundation Models

CAMBRIDGE, (17 APRIL 2026)

Mengutip laporan dari MIT Technology Review, para ahli robotika dulunya memiliki mimpi besar namun membangun dalam skala kecil. Selama bertahun-tahun, ambisi untuk menciptakan robot sekompleks tubuh manusia sering kali berakhir hanya sebagai lengan robotik statis di pabrik otomotif atau penyedot debu otomatis seperti Roomba.

Melansir data industri terbaru, paradigma ini telah berubah total. Meski mesin-mesin canggih yang diimpikan belum sepenuhnya terbangun, arus modal sudah mengalir deras. Perusahaan dan investor menggelontorkan dana sebesar $6,1 miliar ke sektor robot humanoid pada tahun 2025 saja, angka yang empat kali lipat lebih besar dibandingkan investasi tahun 2024. Lonjakan ini dipicu oleh revolusi cara mesin belajar berinteraksi dengan lingkungan sekitarnya.

Evolusi Cara Belajar Mesin

Pada awalnya, melatih robot dilakukan dengan menulis ribuan aturan manual. Jika Anda ingin robot melipat pakaian, Anda harus mengodekan setiap gerakan: identifikasi kerah, posisi gripper, hingga toleransi elastisitas kain. Metode ini sangat rumit karena jumlah aturan yang dibutuhkan meledak secara eksponensial seiring bertambahnya variasi tugas.

Sekitar tahun 2015, teknologi mulai beralih ke simulasi digital. Robot dilatih dalam lingkungan virtual menggunakan sinyal reward (imbalan) jika berhasil dan hukuman jika gagal. Metode Machine Learning ini memungkinkan robot mencoba jutaan iterasi melalui trial and error, mirip dengan cara AI mempelajari permainan strategi.

Kehadiran ChatGPT pada tahun 2022 menjadi katalis utama. Large Language Models (LLM) yang dilatih pada data teks dalam jumlah besar ternyata bisa diadaptasi untuk robotika. Model serupa kini mampu menyerap gambar, sensor, dan posisi sendi robot untuk memprediksi tindakan motorik selanjutnya dalam hitungan milidetik.

Dari Jibo hingga Humanoid Digit

Sejarah mencatat beberapa tonggak penting dalam perjalanan ini:

1. Jibo (2014): Robot sosial yang awalnya diprediksi menjadi asisten keluarga. Meski menarik, Jibo gagal karena keterbatasan kemampuan bahasa yang saat itu masih berbasis skrip kaku. Biaya pre-order yang mencapai $749 (sekitar Rp12 juta saat itu) tidak sebanding dengan fungsinya yang repetitif.
2. OpenAI Dactyl (2018): OpenAI mencoba melatih tangan robotik dalam simulasi. Mereka memelopori domain randomization, di mana robot dilatih dalam jutaan dunia virtual dengan parameter fisik yang sedikit berbeda agar bisa beradaptasi dengan ketidakpastian dunia nyata.
3. Google DeepMind RT-2 (2023): Google melangkah lebih jauh dengan melatih robot menggunakan data gambar dari internet. Ini memungkinkan robot memahami konsep abstrak, seperti menempatkan kaleng soda di dekat foto selebriti tertentu tanpa perlu instruksi koordinat yang spesifik.
4. Agility Robotics Digit: Saat ini, robot humanoid bernama Digit sudah mulai bekerja di gudang-gudang Amazon dan GXO. Fokusnya bukan lagi sekadar estetika fiksi ilmiah, melainkan fungsionalitas untuk memindahkan kontainer barang secara efisien.

Dampak bagi Indonesia

Revolusi robotika berbasis AI Agent dan Foundation Models ini membawa dampak signifikan bagi peta industri di Indonesia:

• Sektor Logistik dan E-commerce: Dengan populasi yang besar dan pertumbuhan e-commerce yang pesat, adopsi robot seperti Digit atau lengan robotik dari Covariant di gudang-gudang logistik (seperti di kawasan industri Cikarang atau Marunda) dapat meningkatkan efisiensi operasional secara drastis. Biaya investasi awal mungkin tinggi, namun penurunan biaya operasional jangka panjang menjadi daya tarik utama.
• Investasi dan Nilai Tukar: Investasi global sebesar $6,1 miliar atau setara Rp97,6 triliun menunjukkan skala ekonomi yang masif. Perusahaan manufaktur lokal perlu mulai mempertimbangkan integrasi Cloud Computing dan infrastruktur Data Center yang kuat untuk mendukung operasional robot berbasis AI ini.
• Transformasi Tenaga Kerja: Muncul tantangan regulasi terkait perlindungan tenaga kerja manusia di sektor manufaktur. Namun, di sisi lain, hal ini membuka peluang bagi talenta lokal di bidang Prompt Engineering dan pemeliharaan sistem robotik berbasis Neural Networks.

---

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