Tim peneliti dari Technical University of Munich mengembangkan robot cerdas yang mampu menemukan barang hilang secara mandiri. Teknologi ini menggabungkan pemahaman visual, peta tiga dimensi, serta pengetahuan dari internet untuk memperkirakan lokasi sebuah objek secara lebih akurat.
Robot tersebut dikembangkan oleh Learning Systems and Robotics Lab yang dipimpin oleh Profesor Angela Schoellig. Bentuknya sederhana menyerupai tongkat dengan roda di bagian bawah dan kamera di bagian atas. Meski terlihat minimalis, robot ini membawa kemampuan komputasi dan kecerdasan buatan yang cukup kompleks.
Ketika diminta mencari suatu barang, misalnya kacamata yang tertinggal di dapur, robot akan terlebih dahulu mengamati ruangan di sekitarnya. Kamera menangkap gambar dua dimensi, namun data visual tersebut juga mengandung informasi kedalaman. Dari kombinasi informasi itu, sistem kemudian membangun peta tiga dimensi ruangan dengan tingkat akurasi hingga sentimeter.
Peta tersebut terus diperbarui secara real time ketika robot bergerak. Pada saat yang sama, sistem komputasi yang terhubung dengan laptop menganalisis objek yang terlihat dalam gambar. Algoritma pengenalan gambar menentukan benda apa saja yang ada di ruangan serta bagaimana hubungan benda tersebut dalam konteks penggunaan sehari-hari.
Pendekatan ini membuat robot tidak sekadar mengenali objek, tetapi juga memahami fungsi dan hubungan antar benda. Misalnya, sistem mengetahui bahwa kacamata biasanya diletakkan di atas meja atau di ambang jendela, tetapi hampir tidak mungkin berada di atas kompor atau di dalam wastafel. Pengetahuan semacam ini diperoleh dari model bahasa yang dilatih menggunakan informasi luas dari internet.
Informasi tersebut kemudian diterjemahkan ke dalam sistem navigasi robot. Pada peta tiga dimensi yang dibuat, berbagai area diberi penanda berupa angka yang menunjukkan kemungkinan keberadaan objek yang sedang dicari. Semakin tinggi nilainya, semakin besar kemungkinan barang tersebut berada di lokasi tersebut.
Hasilnya cukup signifikan. Dalam pengujian yang dilakukan oleh tim peneliti, robot mampu menemukan objek sekitar 30 persen lebih efisien dibandingkan metode pencarian acak di seluruh ruangan. Kecerdasan buatan dimanfaatkan dalam dua aspek utama, yaitu pengenalan visual dan penalaran berbasis model bahasa.
Kemampuan lain yang menarik adalah memori visual robot. Sistem dapat menyimpan citra ruangan dari waktu ke waktu dan membandingkannya dengan kondisi terbaru. Jika terdapat perubahan pada lingkungan, misalnya munculnya objek baru di dapur, robot dapat mendeteksinya dengan tingkat kepastian sekitar 95 persen. Area tersebut kemudian ditandai sebagai lokasi yang berpotensi menyimpan barang yang sedang dicari.
Teknologi semacam ini menjadi langkah penting dalam pengembangan robot yang dapat beroperasi secara mandiri di lingkungan yang dinamis. Banyak ruang di dunia nyata selalu berubah, sehingga robot memerlukan kemampuan untuk memahami konteks dan menyesuaikan diri dengan kondisi baru.
Pengembangan ini juga relevan bagi berbagai bidang lain. Robot industri di pabrik, robot layanan di rumah, hingga sistem bantuan bagi lansia membutuhkan kemampuan navigasi dan pemahaman ruang yang serupa. Dengan kemampuan memahami hubungan antara objek dan lingkungan, robot dapat melakukan tugas yang lebih kompleks.
Penelitian mengenai teknologi ini telah dipublikasikan dalam jurnal IEEE Robotics and Automation Letters oleh Benjamin Bogenberger dan tim peneliti dari Technical University of Munich.
Tim peneliti kini tengah menyiapkan tahap pengembangan berikutnya. Target selanjutnya adalah membuat robot mampu mencari barang yang tersembunyi di dalam lemari atau laci. Untuk mencapai hal tersebut, robot perlu berinteraksi secara fisik dengan lingkungannya, misalnya membuka pintu lemari, menarik laci, atau memegang gagang dengan benar.
Pengembangan ini akan membutuhkan tambahan komponen seperti lengan robotik dan sistem manipulasi objek. Jika berhasil, robot tidak hanya mampu mencari barang di ruang terbuka, tetapi juga di tempat tertutup seperti lemari, laci, atau kabinet dapur.