Spirit AI Pakai 'Data Kotor' Gerakan Manusia Latih Robot Humanoid
LIPUTANHARIAN.CO.ID — Spirit AI mengandalkan 'data kotor' dari gerakan manusia untuk mempercepat pelatihan robot humanoid. Perusahaan asal China itu menargetkan terobosan setara GPT 3.0 pada 2027. Pendekatan ini berpotensi memangkas waktu dan biaya pelatihan robot dibanding metode konvensional.
Strategi ini diarahkan pada satu target konkret: terobosan setara GPT 3.0 pada 2027. Jika tercapai, lompatan tersebut bisa mengubah cara industri membangun robot humanoid yang selama ini bergantung pada data gerakan terstruktur dan mahal.
Mengapa 'Data Kotor' Jadi Kunci
Data kotor merujuk pada rekaman gerakan manusia yang belum melalui proses kurasi ketat. Alih-alih memakai sampel gerakan yang sudah dibersihkan dan dilabeli rapi, Spirit AI justru menyerap data mentah dalam jumlah besar.
Pendekatan ini meniru cara model bahasa besar belajar dari teks internet yang penuh noise. Hasilnya, robot humanoid bisa belajar lebih cepat karena volume data yang tersedia jauh lebih besar dibanding dataset yang dikurasi manual.
Target Setara GPT 3.0 pada 2027
Spirit AI menyebut target tersebut sebagai tonggak yang ingin dicapai dalam dua tahun ke depan. GPT 3.0 sendiri dikenal sebagai model yang mengubah lanskap AI generatif karena kemampuannya generalisasi dari data berskala masif.
Jika robot humanoid bisa mencapai titik serupa, artinya mesin tidak lagi hanya menghafal gerakan spesifik. Robot dapat menyesuaikan diri dengan situasi baru yang belum pernah ada di data pelatihan.
Implikasi untuk Industri Robot
Pelatihan robot humanoid selama ini menelan biaya besar karena setiap gerakan harus direkam, dibersihkan, dan dilabeli. Pendekatan 'data kotor' berpotensi memangkas tahap-tahap itu secara signifikan.
Yang belum jelas, seberapa besar toleransi sistem terhadap noise tanpa mengorbankan presisi gerakan. Spirit AI belum membeberkan metrik teknis maupun hasil pengujian internalnya ke publik.
Perusahaan juga belum mengungkap mitra manufaktur atau rencana komersialisasi robot humanoidnya. Target 2027 akan menjadi ujian apakah pendekatan data kotor benar-benar menghasilkan lompatan, atau sekadar mempercepat pelatihan di laboratorium.