Robot Humanoid China Makin Canggih: Perlombaan Pengembangan Otak AI Embodied

Pergeseran Fokus: Dari Hardware ke Embodied AI

Industri robot humanoid di China sedang mengalami transformasi fundamental. Jika beberapa tahun lalu persaingan berpusat pada siapa yang membuat hardware paling canggih—aktuator paling halus, sensor paling presisi, atau struktur rangka paling ringan—kini fokus utama bergeser ke embodied AI: kecerdasan buatan yang tidak hanya “berpikir” di server, tetapi benar-benar mengerti dan berinteraksi dengan dunia fisik melalui tubuh robot.

Perubahan ini bukan sekadar tren pemasaran. Para pemain besar seperti Unitree Robotics, Fourier Intelligence, UBTECH, dan startup baru seperti Astribot dan Agibot kini menaruh dana penelitian terbesar pada pengembangan model fondasi (foundation models) yang mampu memproses input visual, taktil, dan proprioceptif secara real-time, lalu mengeluarkan perintah gerak yang adaptif.

Apa Itu Embodied AI dan Kenapa Penting?

Embodied AI merujuk pada sistem AI yang belajar dan beroperasi di dalam badan fisik—robot, drone, atau kendaraan otonom. Berbeda dengan LLM konvensional yang hanya memproses teks dan gambar statis, embodied AI harus mengatasi masalah sim-to-real gap: kesenjangan antara simulasi pelatihan dan kekacauan dunia nyata.

Contoh konkret: robot yang belajar menyiram tanaman di simulasi mungkin gagal di dunia nyata karena tanah lebih licin, pot terjatuh, atau cahaya matahari mengaburkan kamera. Embodied AI yang matang mampu menyesuaikan gerak tangan, kekuatan genggaman, dan kecepatan gerak secara instan berdasarkan umpan balik sensor—tanpa perlu diprogram ulang untuk setiap skenario.

Arsitektur Umum Embodied AI Saat Ini

Sebagian besar tim China mengadopsi arsitektur tiga lapis:

• Lapisan Persepsi (Perception): Multimodal encoder yang memfusi data kamera RGB-D, LiDAR, sensor gaya/torsi di sendi, dan IMU.
• Lapisan Kognitif (Cognition): Model fondasi berbasis transformer (sering di-distil dari LLM/VLM besar) yang melakukan perencanaan tugas, pemahaman bahasa alami, dan penalaran ruang-waktu.
• Lapisan Kontrol (Control): Policy jaringan saraf (sering dilatih dengan reinforcement learning atau imitation learning) yang menerjemahkan keputusan kognitif ke sinyal kontrol motor frekuensi tinggi (1–2 kHz).

Pendekatan ini memungkinkan robot menerima instruksi bahasa alami seperti “ambilkan botol biru di meja kiri” lalu mengeksekusinya meski posisi botol bergeser atau ada rintangan tak terduga.

Pemain Utama dan Strategi Mereka

Unitree Robotics: Dari Kuda Robot ke Humanoid

Unitree, dikenal dengan robot quadroped Go1 dan B2, meluncurkan humanoid H1 dan versi ringan G1. Keunggulan mereka terletak pada aktuator proprietari berdaya tinggi dan biaya material (BOM) yang ditekan di bawah USD 16.000 untuk G1—harga yang mengganggu pasar. Di sisi AI, Unitree bekerjasama dengan institusi penelitian seperti Zhejiang University untuk melatih policy locomotion dan manipulasi berbasis RL di skala besar.

Fourier Intelligence: Fokus Rehabilitasi dan Manipulasi Halus

Fourier memanfaatkan latar belakang medis mereka. Robot GR-1 dan GR-2 dirancang dengan derajat kebebasan tangan yang tinggi (12 DoF per tangan) untuk tugas manipulasi presisi. Strategi AI mereka menonjolkan teleoperasi berskala masif: mengumpulkan data demonstrasi manusia via VR/teleop ribuan jam, lalu melatih policy imitation learning (Diffusion Policy, ACT) untuk generalisasi tugas rumah tanggal.

UBTECH: Ekosistem Pendidikan ke Industri

UBTECH memanfaatkan basis instalasi ribuan robot pendidikan Alpha Mini dan Walker X untuk mengumpulkan data interaksi manusia-robot di lingkungan rumah dan sekolah. Data ini menjadi aset unik untuk melatih model fondasi yang memahami norma sosial, ekspresi wajah, dan konteks budaya Asia—keunggulan yang sulit direplikasi pemain Barat.

Startup Baru: Agibot, Astribot, LimX Dynamics

Agibot (didirikan mantan pengembang Tesla Optimus) menargetkan produksi massal 1.000 unit humanoid tahun 2025 dengan arsitektur AI end-to-end. Astribot memfokuskan pada kecepatan inferensi edge: model 7B parameter yang berjalan di Jetson Orin dengan latensi < 50 ms. LimX Dynamics mengandalkan pengalaman robot kaki dua P1 dan CL-1 untuk membangun policy locomotion yang robust di medan tidak terstruktur.

Geloran Investasi dan Kebijakan Pendukung

Data IT Juzi mencatat investasi sektor robot humanoid China mencapai ¥12,8 miliar (≈ USD 1,8 miliar) sepanjang 2024, tumbuh 3,2× dari 2023. Pemerintah pusat melalui MIIT (Kementerian Industri dan Teknologi Informasi) menerbitkan “Panduan Pengembangan Inovasi Robot Humanoid (2024–2027)” yang menetapkan target: 2025 produksi massal skala kecil, 2027 ekosistem matang dengan rantai pasok mandiri.

Pemerintah daerah bersaing menarik HQ: Shanghai (Zhangjiang Robot Valley), Shenzhen (Bao’an Robot Cluster), Beijing (E-Town), dan Hangzhou (Future Sci-Tech City) masing-masing menawarkan subsidi sewa, insentif pajak, dan akses ke skenario pilot pabrik, rumah sakit, dan perumahan publik.

Tantangan Teknis yang Masih Terbuka

Meskipun progres cepat, beberapa hambatan fundamental tetap ada:

• Efisiensi Energi: Humanoid 1,6 m berat 50 kg dengan baterai 2 kWh hanya bertahan 2–3 jam operasi campuran. Dibutuhkan baterai padat energi > 400 Wh/kg atau arsitektur daya terdistribusi.
• Keandalan Aktuator: Siklus hidup gearbox harmoni/planetary di bawah beban dinamis tinggi masih di bawah 5.000 jam—jauh di bawah standar industri manufaktur (20.000+ jam).
• Generalisasi Policy: Model saat ini masih overfit ke lingkungan pelatihan. Transfer ke lingkungan baru (mis. dari lab ke pabrik) butuh fine-tuning berhari-hari.
• Keamanan Fungsional: Standar ISO 13482 / ISO 10218 untuk robot kolaboratif belum sepenuhnya menjawab risiko humanoid bergerak bebas di ruang publik.

Persaingan Global: China vs AS vs Eropa

AS memimpin di riset model fondasi (Google DeepMind RT-2, NVIDIA GR00T, Tesla Optimus FSD stack) dan ekosistem GPU. Eropa unggul di komponen presisi (harmonic drive, sensor gaya) dan standar keamanan. Keunggulan China terletak pada:

1. Rantai pasok hardware lengkap—dari motor frameless, reducer, IMU, hingga PCB—memungkinkan iterasi hardware–software co-design mingguan.
2. Volume data dunia nyata dari skenario pilot massal (pabrik, gudang, perumahan, rumah sakit) yang sulit didapat di negara lain.
3. Biaya BOM terendah global, membuka peluang adopsi mass-market bukan hanya riset.

Implikasi untuk Industri dan Tenaga Kerja Indonesia

Bagi Indonesia, gelombang ini membawa dua peluang sekaligus tantangan:

• Adopsi Cepat di Manufaktur: Sektor otomotif (Karawang, Subang), elektronik (Batam), dan makanan/minuman bisa memanfaatkan humanoid biaya rendah untuk tugas 3D (Dirty, Dangerous, Dear) seperti pengangkutan material, inspeksi visual, dan pengemasan.
• Pengembangan Talenta Lokal: Butuh insinyur robotika yang menguasai ROS 2, RL/IL, dan integrasi sensor–aktuator. Kemitraan kampus (ITB, UI, ITS, Telkom University) dengan integrator sistem lokal dan OEM China bisa mempercepat transfer pengetahuan.
• Kebijakan Impor & Sertifikasi: Kementerian Perindustrian dan BSN perlu menyusun standar keamanan dan prosedur impor humanoid agar tidak menjadi hambatan, sekaligus mendorong perakitan lokal (CKD) dan akhirnya desain indigenous.

Kesimpulan

Perlombaan pengembangan “otak AI” bagi robot humanoid di China menandai transisi dari demo laboratorium ke produk komersial yang siap deploy. Bagi ekosistem teknologi Indonesia—baik startup robotika, integrator otomatisasi, maupun pengguna akhir industri—ini adalah momen tepat untuk mulai bereksperimen dengan platform humanoid terbuka, membangun dataset tugas lokal, dan melatih tenaga yang siap mengelola pasukan robot yang “berpikir dengan tubuh”.