Danijar Hafner: Pionir AI World Models yang Membawa Robot ke Dunia Nyata
Dari Laboratorium Google ke Startup Stealth Mode di SoMa
Kantor baru Danijar Hafner di distrik SoMa, San Francisco, terlihat hampa. Belum ada nama perusahaan di pintu, furnitur minim, dan hanya ada satu orang lain di sana. Namun, ruang terbuka luas itu dipenuhi rack yang menggantungkan robot humanoid berbagai bentuk dan ukuran seperti marionet. Robot-robot itu diimpor dari China dan menjadi wujud fisik dari visi Hafner: agent AI yang bisa bernavigasi di dunia nyata tanpa pelatihan spesifik untuk setiap skenario.
Hafner, 31 tahun, belum mau banyak mengungkap soal venturenya yang masih dalam stealth mode. Dia hanya menyebutnya sebagai kelanjutan pekerjaan seumur hidupnya: memungkinkan AI menjelajahi lingkungan yang tidak pernah ditemui saat pelatihan. “Jika kamu ingin mengirim robot ke rumah orang, robot itu harus bisa menangani tata ruang dan furnitur yang belum pernah dilihatnya sebelumnya,” ujarnya.
Model-Based Reinforcement Learning: Kunci Adaptasi Tanpa Uji Coba Nyata
Pendekatan Hafner berlandaskan model-based reinforcement learning. Ia membangun world models—model AI yang meniru realitas fisik—dan melatih agent di dalamnya. Agent memperlakukan model tersebut sebagai simulasi dunia nyata, belajar bertindak di sana, lalu menggunakan pengalaman itu untuk memprediksi hasil di masa depan (atau seperti yang Hafner sebut: “bermimpi” atau “membayangkan”).
Berbeda dengan pendekatan robotik tradisional yang mengandalkan trial-and-error di dunia nyata, teknik Hafner memungkinkan agent dan robot yang dikendalinya mengeksekusi tugas kompleks tanpa pelatihan fisik yang mahal dan berisiko. Robot bisa bereaksi terhadap situasi baru—seperti didorong hingga jatuh—tanpa pernah dilatih untuk skenario itu secara spesifik.
Jejak Karier: Dari Pedesaan Jerman ke Puncak Penelitian AI
Hafner tumbuh di kota kecil di Jerman timur laut, anak pasangan musisi klasik. Dia belajar pemrograman dari tetangga, dan di SMA mulai mengikuti kursus online AI yang cepat jadi passion. “Saya selalu terpukau oleh cara berpikir bekerja,” kenangnya. “AI menawarkan cara menirukannya di komputer.”
2015, saat mahasiswa teknik tahun kedua di Hasso Plattner Institute, Potsdam, ia jadi peneliti siswa di Google Brain. Kariernya melonjak: lusinan magang dan posisi di Google Brain dan Google DeepMind (kini digabung) di UK, Kanada, dan AS. Ia bekerja berdampingan dengan legenda seperti Geoffrey Hinton (salah satu “godfather of AI”) dan Ashish Vaswani (co-author paper “Attention Is All You Need” yang melahirkan arsitektur transformer).
“Dia di 0,5% Teratas Para Peneliti di Google”
Timothy Lillicrap, mantan manajer dan co-author Hafner di Google DeepMind, tidak menghemat pujian: “Saya berinteraksi dengan banyak peneliti sangat cerdas di Google, dan dia dengan mudah duduk di 0,5% teratas. Sering kali dia membangun sendirian hal yang butuh tim insinyur penuh untuk dibangun.”
Penilaian itu datang dari rekam jejak teknis yang mengesankan. Hafner mengasah dan membuktikan pendekatannya dengan mempertaruhkan agent yang dilatih di world models-nya ke game video populer:
- PlaNet: model pertama yang memungkinkan agent merencanakan aksi ke depan.
- Dreamer 2: agent pertama yang mencapai performa tingkat manusia bermain Atari 2600 menggunakan world model.
- Dreamer 3: memecahkan Minecraft Diamond challenge—menambang berlian di game secara otonom.
- Dreamer 4: belajar menambang berlian dari offline dataset video gameplay, tanpa pernah berinteraksi langsung dengan game.
DayDreamer: Melangkah dari Virtual ke Fisik
Proyek DayDreamer menandakan transisi Hafner dari dunia virtual ke realitas fisik. Menggunakan algoritma Dreamer, robot diizinkan beroperasi otonom di lingkungan baru dan bereaksi terhadap pengalaman baru (seperti didorong) tanpa pelatihan spesifik. Ini bukti nyata bahwa world models bisa mentransfer pengetahuan dari simulasi ke robot fisik—sim-to-real transfer yang jadi holy grail robotik modern.
Startup Baru: Mimpi Besar yang Akan Mengubah Dunia
Musim gugur 2025, Hafner meninggalkan Google DeepMind untuk mendirikan startup-nya sendiri. Masih rahasia, tapi arahnya jelas: “Saya tertarik memecahkan masalah yang akan mengubah dunia,” goda dia. Dengan humanoid dari China sebagai platform fisik dan world models sebagai otaknya, Hafner mengejar visi robot yang benar-benar bisa hidup di ruang manusia—bukan hanya di pabrik atau gudang yang terkontrol.
Mengapa Ini Penting untuk Masa Depan AI dan Robotika
Pendekatan model-based Hafner menjawab hambatan fundamental robotik: ketidakmampuan generalisasi. Robot tradisional jago di tugas spesifik tapi kacau di situasi baru. World models menjanjikan agent yang “memahami” fisika dunia cukup untuk berimprovisasi—seperti manusia yang bisa berjalan di rumah asing tanpa belajar jalan kaki ulang.
Bagi industri, ini berarti robot yang bisa di-deploy ke rumah, rumah sakit, kantor, atau area bencana tanpa pemrograman ulang per lokasi. Bagi penelitian AI, ini langkah menuju general intelligence yang grounded di realitas fisik, bukan hanya memproses This atau gambar.
Apa yang Bisa Dipelajari Praktisi AI Hari Ini
- World models bukan sekadar teori—Dreamer 2, 3, 4, dan DayDreamer buktikan skalabilitasnya dari game 2D ke 3D ke robot fisik.
- Offline RL berpotensi besar: Dreamer 4 belajar dari video saja, membuka peluang melatih agent dari dataset yang sudah ada tanpa simulasi interaktif mahal.
- Sim-to-real gap mengecil: DayDreamer menunjukkan world models bisa mentransfer perilaku ke hardware nyata dengan zero-shot adaptation.
- Fokus pada perencanaan (planning) bukan sekadar reaksi—PlaNet dan Dreamer series menekankan look-ahead, kunci untuk tugas horizon panjang.
Perjalanan Hafner—dari anak desa Jerman belajar coding dari tetangga, ke laboratorium AI terdepan dunia, kini membangun startup sendiri—mencerminkan trajectori AI modern: dari penelitian murni ke aplikasi fisik yang menyentuh kehidupan sehari-hari. Robot humanoid di rack kosong kantornya mungkin tampak seperti rekayasa awal, tapi di baliknya ada fondasi algoritma yang sudah terbukti di Atari, Minecraft, dan kini dunia nyata. Jika Hafner sukses, robot yang “bisa beradaptasi seperti manusia” akan berhenti jadi fiksi ilmiah dan jadi produk yang bisa dibeli.
