Peneliti dari Inggris mengembangkan metode baru yang memungkinkan robot menggenggam objek dengan cara mirip manusia—termasuk kemampuan untuk "merasakan" kapan suatu benda mulai tergelincir
Ilustrasi dibuat oleh AI.Ringkasan
- Robot kini bisa memprediksi benda akan tergelincir dan menyesuaikan gerakan secara otomatis.
- Teknologi ini meniru cara manusia menstabilkan benda, tanpa sekadar memperkuat genggaman.
- Potensial diterapkan di industri rumit seperti bedah medis, logistik, dan perakitan produk rapuh.
SELAMA ini, robot masih punya keterbatasan dalam menggenggam objek yang licin, rapuh, atau bentuknya tidak simetris. Solusinya sering kali cuma satu, genggam lebih kuat.
Tapi itu bisa menyebabkan kerusakan pada objek, apalagi jika robot harus menangani alat bedah, gelas kaca, atau barang-barang rapuh lainnya.
Berangkat dari masalah ini, tim peneliti dari University of Surrey, Inggris, mengembangkan metode baru yang disebut trajectory modulation.
Intinya, alih-alih hanya mengandalkan kekuatan genggaman, robot belajar mengubah arah, kecepatan, dan posisi gerakannya secara cerdas, mirip seperti cara manusia menstabilkan benda yang hampir jatuh dari tangan.
“Bayangkan saat Anda membawa piring yang mulai tergelincir. Anda tak langsung mencengkeram lebih keras, kan? Biasanya, gerakan tangan akan melambat, sedikit miring, atau menyesuaikan posisi.
"Nah, itulah yang kami ajarkan pada robot,” kata Dr. Amir Esfahani, dosen robotika dari University of Surrey.
Yang membuat pendekatan ini istimewa adalah kemampuannya memprediksi kapan benda akan tergelincir sebelum benar-benar jatuh.
Hal ini dilakukan melalui model prediktif yang dibangun dari data sentuhan (tactile forward model) dan diproses dengan kontrol gerakan berbasis kecerdasan buatan.
Lebih menarik lagi, sistem ini bisa diterapkan pada objek dan lintasan gerakan yang belum pernah dikenalkan saat pelatihan.
Ini menandakan bahwa sistem cukup fleksibel untuk digunakan dalam kondisi dunia nyata yang dinamis dan tak selalu bisa diprediksi.
Menurut Esfahani, metode ini bisa menjadi pengubah permainan untuk berbagai industri, dari robot rumah tangga, lengan robot di jalur produksi, sampai asisten bedah yang menangani alat-alat super presisi.
“Kami percaya metode ini bisa membuka jalan bagi robot untuk menjadi bagian dari kehidupan sehari-hari,” ujarnya.
Studi ini telah dipublikasikan di jurnal Nature Machine Intelligence. Di dalamnya, tim peneliti membandingkan dua pendekatan: kontrol genggaman konvensional dan modifikasi lintasan gerak.
Hasilnya? Trajectory modulation terbukti lebih unggul di banyak skenario manipulasi objek.
Dengan pendekatan baru ini, robot tak hanya jadi lebih canggih secara teknis, tapi juga lebih adaptif dan 'berempati' dalam menanggapi perubahan.
Mereka tak lagi kaku dan mekanis, melainkan responsif dan penuh pertimbangan—layaknya tangan manusia yang terlatih.
Disdur dari Interesting Engineering
Posting Komentar