Bayangkan sebuah robot yang tidak hanya menjalankan perintah yang sudah diprogram, tetapi bisa belajar dan beradaptasi dengan tugas-tugas baru, bahkan yang belum pernah diajarkan sebelumnya. Inilah janji dari Physical Intelligence, sebuah startup robotika yang tengah menjadi pusat perhatian dunia teknologi. Mereka mengembangkan "otak robot" serbaguna yang berpotensi membawa kecerdasan buatan ke dalam tubuh robotik modern, mengubah cara kita berinteraksi dengan mesin di kehidupan sehari-hari [1][7].

Physical Intelligence: Startup di Balik "Otak Robot" Serbaguna

Didirikan pada tahun 2024, Physical Intelligence langsung menjadi sorotan dengan misi ambisiusnya: menciptakan sistem kecerdasan buatan umum untuk robot [1][6]. Mereka tidak hanya fokus pada satu jenis robot atau satu tugas spesifik, tetapi berupaya membangun sistem kontrol adaptif yang dapat digunakan pada berbagai mesin dan mampu melakukan beragam tugas. Ini adalah lompatan besar dari paradigma robotika tradisional yang selama ini "kaku" dan terbatas [1].

Keyakinan para pendiri, termasuk Sergey Levine dari UC Berkeley, adalah bahwa di bidang AI, menyelesaikan lebih banyak masalah justru membuat segalanya lebih mudah karena menyediakan sumber pengetahuan yang lebih beragam untuk dipelajari [1]. Keyakinan ini menarik perhatian para investor raksasa. Dalam waktu singkat, Physical Intelligence berhasil mengumpulkan dana segar yang fantastis. Pada akhir 2024, mereka mengumpulkan US$400 juta dengan valuasi mencapai US$2,4 miliar [2]. Bahkan, nama-nama besar seperti Jeff Bezos (Amazon) dan OpenAI tercatat sebagai investor dalam pendanaan tersebut [2].

Memahami Kunci Teknologi: VLA dan Model π0.7

Keajaiban di balik "otak robot" Physical Intelligence terletak pada sebuah teknologi yang disebut Vision-Language-Action (VLA) model. Berbeda dengan pendekatan lama yang mengajarkan robot satu keterampilan dalam satu waktu, VLA memanfaatkan pengetahuan luas dari model bahasa besar (LLM). Alih-alih memprediksi kata berikutnya, VLA memprediksi langkah robot selanjutnya yang diperlukan untuk menyelesaikan tugas tertentu berdasarkan instruksi bahasa dan input visual [1].

π0.7: Kemampuan "Belajar Tanpa Diajar"

Puncak dari pendekatan ini adalah model terbaru mereka yang diberi nama π0.7. Model dengan 5 miliar parameter ini menjadi bukti nyata bahwa robot AI sedang menuju "momen ChatGPT"-nya sendiri [6][14]. Keistimewaan utamanya adalah kemampuan "combinatorial generalization" atau generalisasi komposisional. Artinya, π0.7 dapat menggabungkan berbagai keterampilan yang telah dipelajari dalam konteks berbeda untuk memecahkan masalah baru yang belum pernah ditemui [10][11][15].

Contoh paling dramatis adalah kemampuannya menggunakan air fryer—sebuah alat yang hampir tidak pernah "dilihatnya" selama pelatihan. Data pelatihan hanya berisi dua kejadian terkait air fryer, tetapi π0.7 berhasil menyintesis informasi tersebut menjadi pemahaman fungsional. Bahkan dengan instruksi langkah demi langkah, robot ini berhasil memasak ubi menggunakan air fryer tersebut [6][10][15].

"Once it crosses that threshold where it goes from only doing exactly the stuff that you collect the data for to actually remixing things in new ways, the capabilities are going up more than linearly with the amount of data."
— Sergey Levine, Co-founder Physical Intelligence & Professor UC Berkeley [10]

Dari Teori ke Praktek: Bagaimana Robot "Berpikir" dan "Bertindak"

Bagaimana robot-robot ini belajar? Prosesnya mirip dengan pelatihan model AI lainnya: mengumpulkan data dalam jumlah besar, merancang algoritma yang bisa belajar dari data tersebut, dan melakukan pengujian berulang [4]. Di laboratorium Physical Intelligence, para peneliti dan kolektor data bekerja berdampingan. Robot diajarkan melakukan tugas-tugas sederhana seperti melipat baju, merapikan bantal, atau memotong pita kado. Data ini kemudian diberi label, dicampur, dan digunakan untuk melatih model. Kinerja model dievaluasi pada robot yang sama [1][4].

Lingkungan pelatihan pun dirancang semenarik mungkin. Mereka memiliki gudang yang disulap menjadi supermarket palsu, kamar tidur, dan dapur yang direnovasi setiap minggu untuk mengajarkan robot beradaptasi dengan berbagai situasi. Bahkan, robot-robot mereka sudah diuji coba di rumah-rumah nyata untuk menghadapi "kekacauan" dunia nyata [1].

Arsitektur Otak Robot: Brain-Body-LLM

Konsep "otak robot" ini sejalan dengan temuan riset dari berbagai lembaga. Para peneliti di NYU, misalnya, mengembangkan algoritma BrainBody-LLM yang meniru komunikasi otak-tubuh manusia. Algoritma ini memiliki dua komponen: Brain LLM untuk perencanaan tingkat tinggi dan Body LLM yang menerjemahkan rencana tersebut menjadi perintah gerakan robot. Pendekatan ini meningkatkan tingkat penyelesaian tugas hingga 17% dalam simulasi, menunjukkan betapa pentingnya integrasi antara "pikiran" dan "tubuh" pada robot [3].

Revolusi Robotika: Moravec's Paradox dan Masa Depan

Kemajuan ini sangat signifikan karena selama puluhan tahun robotika terhambat oleh apa yang dikenal sebagai Paradoks Moravec. Pada 1988, ilmuwan Hans Moravec mengamati bahwa "sangat mudah membuat komputer berkinerja setara orang dewasa dalam tes kecerdasan atau catur, tetapi sangat sulit, bahkan tidak mungkin, untuk membuat mereka memiliki keterampilan anak berusia satu tahun dalam persepsi dan tindakan." Dengan kata lain, hal yang mudah bagi manusia (seperti berjalan atau melipat baju) ternyata sangat sulit untuk diprogram ke dalam robot [4].

Physical Intelligence dan startup sejenis berusaha memecahkan paradoks ini dengan menciptakan "kecerdasan fisik" (Physical AI) yang memungkinkan robot memahami dan berinteraksi dengan dunia yang kacau dan tidak terduga. Ini bukan hanya tentang menulis kode, tetapi tentang memberi robot kemampuan untuk belajar dan beradaptasi seperti manusia [5][6].

Kompetisi dan Kolaborasi di Era Robot Cerdas

Physical Intelligence bukanlah satu-satunya pemain di bidang ini. Raksasa teknologi seperti Google DeepMind juga meluncurkan model canggih seperti Gemini Robotics 2 yang mampu mengontrol seluruh tubuh robot humanoid, melakukan tugas-tugas rumit seperti mengikat tali atau menutup kantong ritsleting, dan bahkan memungkinkan kolaborasi antar robot [13].

Di panggung industri, perusahaan seperti Techman Robot memperkenalkan robot humanoid TM Xplore I yang menggunakan model VLA untuk pekerjaan industri, menunjukkan bahwa masa depan otomatisasi pabrik adalah robot yang bisa melihat, berpikir, dan bertindak [9].

Di COMPUTEX 2026, tren ini semakin terlihat. AI Fisik menjadi pusat perhatian dengan berbagai perusahaan memamerkan ekosistem pendukung robot cerdas, mulai dari model VLM (Vision-Language-Model) hingga komponen mekanis presisi. Robot tidak lagi hanya "menjalankan perintah," tetapi "memahami dan menjalankan tugas" [5].

Kesimpulan: Menuju Dunia dengan Robot di Sekitar Kita

Perjalanan Physical Intelligence dan perkembangan robot AI menunjukkan bahwa kita berada di ambang era baru. "Otak robot" yang serbaguna dan adaptif seperti π0.7 adalah langkah nyata mewujudkan visi robot yang dapat menjadi asisten serba guna dalam kehidupan sehari-hari [11].

Bayangkan sebuah rumah di mana robot tidak hanya bisa menyedot debu, tetapi juga melipat pakaian, menyiapkan kopi, dan membersihkan dapur. Bayangkan pabrik di mana robot dapat dengan cepat diadaptasi untuk tugas baru tanpa perlu diprogram ulang dari awal. Ini bukan lagi fiksi ilmiah, melainkan masa depan yang mulai terbentuk saat ini. Para peneliti sendiri mengakui bahwa kemajuan ini terjadi jauh lebih cepat dari yang mereka perkirakan [1].

Meski masih ada keterbatasan—seperti ketidakmampuan menjalankan tugas kompleks multi-langkah dari satu perintah sederhana—langkah yang telah dicapai sangat menjanjikan. Bahkan, tim peneliti kadang dibuat terkejut oleh kemampuan model mereka sendiri, seperti saat robot tiba-tiba bisa memutar satu set roda gigi yang belum pernah diajarkan [10].

Dengan investasi miliaran dolar yang mengalir ke bidang ini [2][11], dan persaingan sehat antara pemain seperti Physical Intelligence, Google DeepMind, dan perusahaan robotika lainnya, kita dapat berharap untuk melihat robot-robot cerdas yang semakin terintegrasi dalam berbagai aspek kehidupan kita. Sebuah dunia di mana "otak AI" berada di dalam "tubuh robotik" mungkin akan segera menjadi pemandangan umum di sekitar kita.

Referensi

  1. Inside the start-up aiming for a giant leap in robot intelligence | New Scientist - Advertisement
  2. Bos Amazon hingga OpenAI Suntik Modal ke Startup Ini, Apa istimewanya? - Bos Amazon hingga OpenAI Suntik Modal ke Startup Ini, Apa istimewanya?
  3. BrainBody-LLM algorithm helps robots mimic human-like planning and movement
  4. Is It the OpenAI Moment in the Robotics Field? Company Aims to Equip Robots with a "General-Purpose Brain" - Is it the OpenAI moment in the robotics field? This company wants to equip robots with a "general-purpose brain".
  5. COMPUTEX 2026 AI 機器人展區直擊：從零件到整機，Physical AI 正在現場發生 - COMPUTEX 2026 AI 機器人展區直擊：從零件到整機，Physical AI 正在現場發生
  6. 机器人转折点来了？这家美国公司称其新模型能「让机器人执行从未训练过的任务」 - 机器人转折点来了
  7. Robotik: Strategi Transformasi Bisnis Modern di Indonesia - Rimbahouse Blog
  8. Techman’s Humanoid Robot Astonishes GTC 2026 Crowd, Redefining Industrial Robotics - Techman’s Humanoid Robot Astonishes GTC 2026 Crowd, Redefining Industrial Robotics
  9. Physical Intelligence, a hot robotics startup, says its new robot brain can figure out tasks it was never taught | TechCrunch - Physical Intelligence, a hot robotics startup, says its new robot brain can figure out tasks it was never taught
  10. Startup Senilai Rp95 Triliun Ciptakan Robot AI yang Bisa Belajar Tanpa Perlu Dilatih - Breaking News
  11. Gemini Robotics 2 brings whole body intelligence to robots
  12. π0.7 - Physical Intelligence发布的5B参数VLA模型
  13. Otak Robot Baru Physical Intelligence Bisa Pelajari Tugas Tanpa Diajar
Physical IntelligenceRobotics AIrobot cerdasVLA modelotak robot