Courtesy of InterestingEngineering
Teknologi Physical AI Baru Tingkatkan Efisiensi Navigasi Robot Otonom di Industri
Mengembangkan teknologi Physical AI yang meniru proses manusia dalam menyebarkan dan melupakan informasi sosial untuk meningkatkan efisiensi navigasi robot otonom di lingkungan industri.
30 Sep 2025, 20.38 WIB
138 dibaca
Share
Ikhtisar 15 Detik
- Teknologi AI Fisik dapat meningkatkan efisiensi navigasi robot otonom.
- Algoritma baru memungkinkan robot untuk melupakan informasi yang tidak relevan.
- Implementasi teknologi ini mudah dan dapat diterapkan pada berbagai industri.
Daegu, Korea Selatan - Peneliti dari Daegu Gyeongbuk Institute of Science and Technology di Korea Selatan mengembangkan teknologi Physical AI yang dapat membantu robot otonom bernavigasi lebih efisien dalam lingkungan industri seperti pusat logistik dan pabrik pintar. Teknologi ini menggunakan algoritma yang meniru cara manusia menyebarkan dan melupakan informasi sosial.
Masalah utama yang dihadapi robot otonom adalah ketidakmampuan mereka untuk melupakan informasi tentang hambatan yang sudah tidak ada lagi. Hal ini menyebabkan mereka mengambil rute memutar yang tidak diperlukan, menurunkan produktivitas di lingkungan kerja yang padat dan dinamis.
Tim peneliti memodelkan fenomena sosial di mana informasi penting menyebar cepat sementara informasi yang tidak relevan secara bertahap terlupakan. Dengan cara ini, robot bisa berbagi informasi hambatan secara real-time dan membuang informasi lama yang sudah usang.
Pengujian yang dilakukan menggunakan simulator Gazebo menunjukkan hasil yang menjanjikan, dengan waktu jalan rata-rata yang berkurang hingga 30,1% dan peningkatan throughput tugas sebesar 18%. Teknologi ini menggunakan sensor 2D LiDAR saja dan bisa langsung diterapkan pada sistem ROS 2 navigation tanpa biaya tambahan.
Selain fokus pada aplikasi industri, teknologi ini juga berpotensi digunakan dalam manajemen lalu lintas kota pintar serta operasi penyelamatan dan eksplorasi skala besar. Hal ini menandai kemajuan penting dalam evolusi robot menjadi sistem Physical AI yang mengerti prinsip sosial manusia.
Referensi:
[1] https://interestingengineering.com/innovation/human-like-memory-system-helps-robots
[1] https://interestingengineering.com/innovation/human-like-memory-system-helps-robots
Analisis Ahli
Prof. Hiroshi Ishiguro
"Pendekatan biologis dan sosial dalam AI fisik memperkuat konektivitas antara manusia dan robot; hal ini membuka fenomena baru dalam interaksi mesin yang adaptif dan kontekstual."
Dr. Fei-Fei Li
"Menggabungkan model sosial dan proses pelupaan dalam robotik berpotensi membuat sistem AI lebih manusiawi dan efektif dalam situasi dinamis dan berubah cepat."
Analisis Kami
"Pendekatan ini sangat inovatif dengan meniru cara manusia menyaring informasi yang relevan, sebuah lompatan besar dalam evolusi AI fisik yang sebelumnya terpaku pada penghindaran obstacles statis. Jika terus dikembangkan dan diadaptasi secara luas, potensi efisiensi operasional yang dihasilkan dapat mendefinisikan ulang standar robotik otonom industri."
Prediksi Kami
Dalam beberapa tahun ke depan, teknologi Physical AI ini akan mempercepat adopsi robot otonom di industri, meningkatkan produktivitas dan efisiensi secara signifikan di berbagai sektor termasuk logistik, manufaktur, serta pengelolaan kota pintar.
Pertanyaan Terkait
Q
Apa itu teknologi AI Fisik yang dikembangkan oleh DGIST?A
Teknologi AI Fisik adalah teknologi yang memodelkan penyebaran dan pelupaan isu sosial untuk membantu navigasi robot otonom.Q
Bagaimana teknologi ini membantu navigasi robot otonom?A
Teknologi ini memungkinkan robot untuk membedakan antara rintangan penting dan informasi usang, sehingga meningkatkan efisiensi navigasi.Q
Apa keuntungan dari algoritma yang diimplementasikan oleh tim peneliti?A
Keuntungan dari algoritma ini termasuk pengurangan waktu berkendara hingga 30,1% dan peningkatan throughput tugas hingga 18,0%.Q
Apa hasil pengujian yang dilakukan menggunakan simulator Gazebo?A
Hasil pengujian menunjukkan peningkatan kinerja yang signifikan dibandingkan dengan navigasi ROS 2 konvensional.Q
Siapa yang memimpin penelitian ini dan apa perannya?A
Prof. Kyung-Joon Park memimpin penelitian ini dan berperan penting dalam mengembangkan algoritma yang memungkinkan robot beroperasi lebih efisien.