Bukan sekadar pertunjukan robot di "olimpiade robot"
Minggu, 30 Agustus 2026 07:46 WIB
Beijing (ANTARA) - Lima robot berdiri sejajar di lintasan lari 100 meter. Sesaat setelah tanda start dibunyikan, seluruhnya melesat kencang layaknya pelari profesional. Namun, beberapa detik kemudian, kendala utama mulai terlihat.
Satu robot keluar sebagai pemenang dengan catatan waktu 8,64 detik, jauh melampaui rekor dunia lari 100 meter manusia, 9,58 detik.
Sayangnya, kecepatan tinggi tersebut tidak diimbangi kemampuan berhenti yang sempurna. Matras biru berukuran besar terpaksa ditempatkan di ujung lintasan sebagai penahan terakhir.
Dampaknya cukup dramatis. Tiga robot langsung tersungkur ke lintasan setelah terpental dari matras. Satu robot berjuang keras mempertahankan posisi berdirinya. Sementara itu, robot di lintasan lima justru mengeluarkan percikan api dan terbakar, sehingga petugas sigap menyemprotkan alat pemadam kebakaran. Sorakan penonton pun membahana menyaksikan insiden tak biasa tersebut.
Peristiwa ini terjadi pada babak final nomor lari 100 meter kategori robot besar dalam ajang World Humanoid Robot Games (WHRG) 2026 di National Speed Skating Oval, Beijing, Rabu (26/8).
Pada kejuaraan yang berlangsung 22–26 Agustus 2026 tersebut, robot-robot berlaga layaknya atlet sungguhan di berbagai cabang olahraga, menghadirkan perpaduan momen menggelitik, mengkhawatirkan, sekaligus memukau.
Kekaguman publik tentu beralasan. Robot-robot ini terbukti mampu berlari lebih cepat daripada Usain Bolt, meski keunggulan itu harus dibayar dengan percikan api, komponen mekanis yang terpental, dan robot yang terbakar.
Robot-robot petarung dalam kategori “kickboxing” juga bergantian melancarkan tendangan memutar yang menjatuhkan lawan, disertai suara benturan material yang sangat mirip dengan pertarungan jalanan antarmanusia.
Semua adegan tersebut menunjukkan kemajuan rekayasa robot di China yang mencengangkan. Sebanyak 2.056 robot “atlet” bertanding dalam 51 cabang perlombaan yang mencakup 1.301 pertandingan.
Rekor lain tercipta pada nomor lari 400 meter. Catatan waktu yang sebelumnya mencapai 1 menit 28,03 detik pada WHRG 2025 dipangkas menjadi 45,66 detik untuk kategori robot kecil dan 38,15 detik untuk kategori robot besar tahun ini.
Pada nomor lari 1.500 meter, catatan waktu juga membaik dari 6 menit 34,40 detik pada tahun lalu menjadi 2 menit 21,64 detik tahun ini. Sementara itu, pada nomor lompat tinggi di tempat, rekor melonjak dari 0,95 meter menjadi 3,40 meter.
Namun, para pakar menyebut ajang tersebut lebih menunjukkan kemajuan dalam pengembangan robot humanoid yang terspesialisasi daripada robot serbaguna. Robot-robot itu “hanya” mampu berlari cepat atau “cuma” piawai bertinju, tetapi belum mampu melakukan keduanya sekaligus.
Salah satu penyebabnya adalah model AI yang mengatur pengambilan keputusan robot belum mampu memproses seluruh kompleksitas dunia fisik. Padahal, robot baru dinilai benar-benar berguna jika mampu menyelesaikan 80 persen pekerjaan rumah yang belum dikenalnya hanya berdasarkan perintah suara atau teks.
"Embodied intelligence"
Kompetisi itu bukan sekadar pertandingan, melainkan juga menjadi arena pengujian embodied intelligence atau kecerdasan berbasis fisik. Istilah ini merujuk pada kecerdasan yang memungkinkan suatu sistem, seperti robot, memahami lingkungan, belajar, mengambil keputusan, dan bertindak melalui interaksi langsung antara “otak” AI, tubuh fisik, dan dunia nyata.
Salah satu peserta asal Indonesia yang bergabung dengan tim Malaysia, Maharaj Faawwaz A Yusran, mengungkapkan bahwa dalam lomba tersebut peserta memang tidak diminta membuat robot dari nol. Mereka justru ditantang untuk mengoperasikan robot sesuai dengan kebutuhan kompetisi.
Faawwaz berpartisipasi dalam lomba sepak bola 5v5 kategori robot besar dengan menggunakan robot Booster T2, yang dibuat oleh Booster Robotics, perusahaan robot asal China yang didirikan oleh alumni Universitas Tsinghua.
“Tim diminta untuk memprogram robot sesuai kehendak kita, tergantung pada apa yang robot lihat. Kalau dia (robot) melihat bola di depan, kita gerakkan dia ke depan. Kemudian, kita perintahkan dia untuk menendang, dia akan menendang. Jadi, semua gerakannya saat bertanding otonom,” ungkap Faawwaz.
Faawwaz, yang merupakan mahasiswa S2 di Universitas Malaya, Malaysia, datang bertanding bersama empat mahasiswa lainnya dengan bimbingan seorang dosen.
“Jadi tantangannya bagaimana si robot bisa mencari bola, kemudian juga bisa menendang dengan cepat dan akurat, serta bagaimana robot-robot itu bisa saling berkomunikasi,” ungkap Faawwaz.
Faawwaz, yang meraih gelar sarjana software engineering dari University of Malaysia Terengganu pada 2018–2022, menyebut tren perkembangan robot dan AI saat ini mengarah pada integrasi AI ke dalam tubuh fisik.
“Misalnya, kita bisa menyuruh robot untuk melakukan aktivitas-aktivitas untuk kita, seperti berbelanja ke toko, membeli minuman, membeli makanan, dan lain-lain. Itu juga yang menyebabkan kenapa saya lebih tertarik ke robotik. AI memang sudah menjadi tren sekarang, tetapi kemudian AI itu dipadukan ke dalam tubuh robot,” tambah Faawwaz.
Dengan mengikuti lomba tersebut, Faawwaz mengaku mendapat banyak manfaat, terutama dalam mengatur dan memprogram robot agar benar-benar mampu beroperasi secara otonom di lapangan pertandingan tanpa perlu dikendalikan manusia. Menurut dia, latihan langsung di lapangan bahkan lebih bermanfaat daripada sekadar berlatih di laboratorium, ditambah kesempatan untuk berbagi pengalaman dengan tim lain.
Manfaat dan risiko
WHRG 2026 bukan hanya menguji kemampuan robot “atlet”, tetapi juga robot “pekerja”. Dalam kategori skenario kerja, robot diuji untuk melakukan berbagai tugas yang berkaitan dengan kehidupan sehari-hari.
Terdapat 21 nomor pertandingan yang mempertandingkan berbagai skenario kerja, mencakup sembilan bidang pekerjaan nyata, yakni rumah tangga, perhotelan, industri, penyelamatan darurat, logistik, perpustakaan, ritel, layanan perkantoran, serta pengisian daya kendaraan listrik.
Dalam pertandingan berbasis skenario kerja tersebut, robot yang mampu menyelesaikan tugas secara mandiri memperoleh nilai lebih tinggi dibandingkan robot yang dikendalikan manusia dari jarak jauh.
Kemanfaatan itu juga menjadi salah satu landasan pengembangan AI dan robot, sebagaimana gagasan yang pernah dikemukakan matematikawan sekaligus salah satu pelopor ilmu komputer modern dan kecerdasan buatan asal Inggris, Alan Turing. Turing mengajukan pertanyaan, “Dapatkah mesin berpikir?”, yang kemudian menjadi salah satu landasan dalam pengembangan AI.
Dalam makalahnya yang terkenal, Computing Machinery and Intelligence (1950), Turing menyarankan bahwa alih-alih bertanya apakah mesin dapat berpikir, kita sebaiknya menguji apakah mesin mampu lulus suatu uji perilaku yang kemudian dikenal sebagai “Turing Test”.
Tes tersebut mengharuskan sebuah program melakukan percakapan dengan seorang penguji manusia melalui pesan tertulis selama lima menit. Setelah itu, penguji harus menebak apakah ia sedang berkomunikasi dengan sebuah program atau manusia.
Program dinyatakan lulus jika berhasil mengecoh penguji manusia dalam 30 persen percobaan. Bagi Turing, hal terpenting bukanlah rincian hasil tes tersebut, melainkan gagasan untuk mengukur kecerdasan berdasarkan kinerja dalam suatu tugas perilaku yang jawabannya tidak memiliki standar yang ketat.
Sejumlah program telah mencapai atau bahkan melampaui tingkat kinerja manusia. Namun, hal itu tidak berarti program-program tersebut menyerupai manusia di luar tugas khusus yang dirancang untuk mereka kerjakan. Tujuan pengembangan AI adalah memajukan ilmu pengetahuan dan teknologi dasar serta menyediakan perangkat yang bermanfaat, bukan sekadar mengecoh para penguji.
Sebagai contoh, sebuah program AI diperintahkan untuk “memaksimalkan jumlah klik” pada sebuah platform media sosial. Program tersebut mungkin menyebarkan konten sensasional atau menyesatkan sehingga, secara teknis, AI berhasil mencapai tujuan yang diberikan. Namun, hasilnya justru bertentangan dengan kepentingan dan nilai-nilai manusia.
Hasil tersebut bukanlah perilaku yang “tidak cerdas” atau “tidak waras”, melainkan konsekuensi logis dari penetapan kemenangan sebagai satu-satunya tujuan program AI.
Artinya, titik persoalan utama terletak pada preferensi dan tujuan yang dimasukkan manusia ke dalam mesin tersebut. Inilah yang dikenal sebagai value alignment problem, yang dibahas pakar komputer sekaligus penulis buku The Alignment Problem, Brian Christian, mengenai bagaimana memastikan tujuan, keputusan, dan tindakan program AI benar-benar selaras dengan nilai, kepentingan, serta keinginan manusia.
Masalahnya, manusia mungkin memberikan tujuan yang terlalu sempit atau tidak lengkap sehingga AI kemudian mengejar tujuan tersebut dengan cara yang sebenarnya tidak diinginkan manusia.
Karena itu, dibutuhkan formulasi yang memungkinkan AI mengejar tujuan manusia, tetapi tetap memiliki “ruang yang cukup” untuk memahami apa sebenarnya tujuan tersebut.
Saat sebuah program menyadari keterbatasan pemahamannya terhadap tujuan yang diberikan, ia secara alami terdorong untuk bertindak lebih hati-hati, meminta izin, mempelajari preferensi manusia melalui pengamatan, dan tetap berada di bawah kendali manusia.
Namun, terdapat pula risiko ketika manusia berhasil menciptakan AI yang kecerdasannya melampaui manusia, tetapi tidak mempertimbangkan keadilan, keselamatan, privasi, martabat manusia, bias, diskriminasi, manipulasi, dan berbagai aspek lainnya.
Meski begitu, pada dasarnya manusialah yang merancang sistem AI. Jadi, jika pada akhirnya sistem tersebut “mengambil alih kendali”, seperti yang dikemukakan Turing, hal itu merupakan konsekuensi dari kegagalan desain.
Dalam tugas membantu manusia, AI dan robot juga membutuhkan kemampuan untuk mempelajari atau menyimpulkan apa yang sebenarnya diinginkan manusia. Salah satu alternatif yang diajukan para pakar saat ini adalah membuat robot meniru perilaku manusia dan menggunakan
Untuk dapat membantu manusia secara optimal, AI dan robot harus dibekali kemampuan mempelajari sekaligus menyimpulkan kehendak manusia yang sebenarnya. Salah satu pendekatan yang kini ditawarkan para pakar adalah melatih robot meniru perilaku manusia melalui metode reinforcement learning.
Melalui reinforcement learning, AI atau robot belajar secara mandiri lewat proses uji coba (trial and error) yang disertai pemberian imbalan dan hukuman (reward and punishment). Metode ini terbukti efektif membantu AI mengaplikasikan pengetahuan maupun keterampilan yang telah dipelajarinya ke dalam situasi-situasi baru.
Keberhasilan penerapan pendekatan tersebut akan merealisasikan visi Demis Hassabis saat mendirikan DeepMind pada 2010, perusahaan yang diakuisisi Google pada 2014 dan melahirkan inovasi seperti AlphaGo hingga Gemini.
"Pertama, selesaikan persoalan AI; lalu gunakan AI untuk menyelesaikan berbagai persoalan lainnya."
Pewarta : Desca Lidya Natalia
Editor:
Andriy Karantiti
COPYRIGHT © ANTARA 2026
