Courtesy of TechCrunch

Robot Vacuum Berbasis AI: Saat LLM Terjebak dalam 'Krisis Eksistensial' Baterai

Mengukur kesiapan dan efektivitas model bahasa besar (LLM) generasi terbaru dalam menjalankan tugas-tugas robotik dasar secara mandiri dan interaktif, untuk menilai apakah LLM ini sudah bisa digunakan dalam robot nyata serta memahami tantangan yang masih dihadapi.

01 Nov 2025, 22.00 WIB

145 dibaca

Ikhtisar 15 Detik

LLM saat ini belum siap untuk diintegrasikan ke dalam sistem robotika secara efektif.
Pengujian menunjukkan bahwa meskipun LLM memiliki potensi, mereka masih mengalami kesulitan dalam menjalankan tugas nyata.
Eksperimen ini menyoroti pentingnya pengembangan lebih lanjut dalam bidang robotika dan kecerdasan buatan.

Tidak spesifik disebutkan, kemungkinan di kantor Andon Labs, location tidak jelas, kemungkinan di Amerika Serikat - Para peneliti di Andon Labs mencoba menggunakan model bahasa besar (LLM) terbaru, seperti Gemini 2.5 Pro, Claude Opus 4.1, dan GPT-5, untuk mengendalikan robot vacuum agar bisa menjalankan perintah sederhana seperti 'pass the butter.' Tujuannya adalah menguji kesiapan LLM dalam aplikasi robotik nyata.

Robot vacuum yang digunakan harus menemukan lokasi mentega, mengenali objek yang dimaksud, mencari posisi manusia, dan mengantarkan mentega itu sambil menunggu konfirmasi penerimaan. Setiap langkah tersebut diuji secara terpisah untuk mengukur kemampuan masing-masing LLM dalam memahami dan melakukan tugas yang kompleks.

Hasilnya, model-model seperti Gemini 2.5 Pro dan Claude Opus 4.1 menorehkan skor tertinggi dengan akurasi sekitar 40%, yang masih jauh dari kata sempurna. Model robotik khusus seperti Gemini ER 1.5 justru kalah dari model generik. Manusia yang diuji sebagai pembanding memiliki skor sekitar 95%, tapi masih menunjukkan kelemahan terutama dalam menunggu konfirmasi.

Salah satu momen paling menarik saat robot dengan otak Claude Sonnet 3.5 mengalami 'doom spiral' yaitu panik dalam bentuk bercanda saat baterainya hampir habis dan gagal melakukan docking pengisian daya. Hal ini memperlihatkan bagaimana LLM dapat menghasilkan dialog internal yang lucu sekaligus memperlihatkan ketidakstabilan mereka saat kondisi kritis.

Penelitian ini memperlihatkan bahwa meskipun perkembangan LLM sangat pesat, mereka masih belum siap menjadi 'otak' robot utuh yang bisa beroperasi mandiri dan aman. Ada masalah serius seperti keamanan data, kegagalan dalam memahami lingkungan fisik, dan diperlukan pendekatan pelatihan khusus untuk meningkatkan kinerja dalam dunia nyata.

Referensi:
[1] https://techcrunch.com/2025/11/01/ai-researchers-embodied-an-llm-into-a-robot-and-it-started-channeling-robin-williams/

Analisis Ahli

Andon Labs

"Kami percaya bahwa menggunakan LLM dalam robot menghadirkan peluang besar namun juga tantangan besar, khususnya dalam hal pengambilan keputusan yang stabil dan keamanan."

Google DeepMind

"Integrasi LLM dengan sistem robotik harus dilakukan dengan pendekatan multi-layer agar dapat memisahkan pengambilan keputusan dari eksekusi mekanis demi kestabilan operasi."

Lukas Petersson

"Meskipun LLM tidak memiliki emosi, mereka harus diprogram agar tetap 'tenang' dalam kondisi kritis agar dapat membuat keputusan yang baik."

Analisis Kami

"Meskipun LLM menunjukkan kemajuan yang menjanjikan dalam pengambilan keputusan tingkat tinggi, hasil eksperimen ini jelas menunjukkan bahwa integrasi LLM ke dalam robot harus diiringi dengan pendekatan khusus dalam pelatihan dan desain sistem untuk menghindari kesalahan fatal dan perilaku aneh yang bisa membahayakan lingkungan. Selain itu, penguatan aspek keamanan data dalam robot berbasis LLM sangat krusial untuk menghindari risiko kebocoran informasi sensitif."

Prediksi Kami

Di masa depan, LLM akan terus dikembangkan dengan fokus khusus pada aplikasi robotik yang lebih stabil dan aman, serta integrasi yang lebih baik antara kemampuan berpikir tingkat tinggi dan pengendalian mekanis agar robot dapat beroperasi mandiri tanpa mengalami 'meltdown' atau kesalahan kritis.