Generalist AI, startup robotika asal San Mateo, California, baru saja merilis GEN-1 — sebuah model foundation untuk kecerdasan fisik robot yang berhasil mencapai tingkat keberhasilan 99% pada berbagai tugas mekanik. Angka ini bukan sekadar pencapaian lab: Generalist mengklaim GEN-1 sudah mencapai titik infleksi ala GPT-3 yang membuatnya layak diterapkan di lingkungan produksi nyata.
GEN-1 mampu melipat kotak kemasan, memasukkan komponen kecil, melipat pakaian, hingga memperbaiki robot vakum — semua dengan kecepatan tiga kali lipat lebih cepat dibanding model terbaik sebelumnya. Dalam satu tes, GEN-1 merakit sebuah kotak hanya dalam 12,1 detik, sementara model kompetitor butuh 34 detik untuk tugas yang sama.
Apa yang membuat GEN-1 berbeda dari robotika konvisional? Jawabannya terletak pada cara model ini dilatih. Alih-alih mengandalkan dataset simulasi atau teleoperasi mahal, tim Generalist menggunakan perangkat wearable berbentap penjepit yang mereka sebut "Data Hands" — alat yang merekam gerakan mikro manusia saat melakukan tugas manual. Dari sana, mereka mengumpulkan lebih dari 500.000 jam data interaksi fisik dalam skala petabyte.
Pendekatan ini terbukti jitu. GEN-1 bisa beradaptasi dengan jenis robot baru — apa pun bentuk dan konfigurasi "tubuhnya" — hanya dalam waktu satu jam. Ini jauh melampaui pendekatan tradisional yang membutuhkan berminggu-minggu kalibrasi khusus untuk setiap tugas dan platform hardware.
Yang paling mengesankan, GEN-1 menunjukkan kemampuan improvisasi yang belum pernah ada di model robotika sebelumnya. Ketika sebuah objek tergelincir atau bahan berubah bentuk — misalnya kaos terbalik saat dilipat — robot tidak langsung gagal atau mengulang pola yang sama berulang kali. Sebaliknya, ia mencoba pendekatan baru dari sudut yang berbeda hingga menemukan solusi yang berhasil.
Felix Wang, insinyur di Generalist, merangkum fenomena ini dengan kalimat yang mengena: "Tidak ada yang memprogram robot untuk membuat kesalahan, jadi tidak ada yang memprogram robot untuk pulih dari kesalahan. Tapi dengan GEN-1, pemulihan itu terjadi secara otomatis." Kemampuan adaptif ini muncul sebagai perilaku emergen — sesuatu yang tidak dirancang secara eksplisit tapi muncul dari skala pelatihan yang masif.
Perilaku emergen lain yang diamati termasuk mengocok kantong plastik agar boneka di dalamnya lebih rapi, melipat ulang baju yang digeser di tengah tugas, hingga koordinasi dua tangan secara simultan untuk memasukkan komponen kecil. Semua ini terjadi tanpa pemrograman khusus.
Dari sisi persaingan, GEN-1 kini menempati posisi unik di lanskap robotika AI. Google memiliki Gemini Robotics yang merespons instruksi manusia secara umum. Physical Intelligence punya pi0 yang dilatih di lingkungan simulasi untuk tugas rumah tangga. Sementara Tesla dengan Optimus-nya masih berkutat pada demo yang ternyata banyak dikendalikan dari jarak jauh — bahkan Elon Musk sendiri mengakui robot mereka belum melakukan "pekerjaan yang berguna."
Bagi industri manufaktur dan logistik, pencapaian ini punya implikasi besar. Tingkat keberhasilan 99% biasanya menjadi ambang psikologis yang harus dilewati sebelum perusahaan mau mengadopsi otomatisasi robotik secara luas. Selama ini, keraguan terhadap reliabilitas robot menjadi penghalang utama — terutama di sektor yang sensitif terhadap kesalahan, seperti perakitan elektronik atau penanganan barang rapuh.
Generalist juga membuktikan bahwa hukum scaling — konsep bahwa performa model meningkat seiring bertambahnya data dan komputasi — berlaku juga di dunia robotika, bukan cuma di large language model. Dari GEN-0 ke GEN-1, setiap peningkatan skala menghasilkan lompatan kemampuan yang dapat diprediksi. Ini sinyal kuat bahwa era robotika umum yang benar-benar siap pakai mungkin lebih dekat dari yang diperkirakan banyak orang.
Sudut Pandang Kami:
Tingkat keberhasilan 99% adalah ambang psikologis yang mengubah robotika dari eksperimen lab menjadi industri siap produksi. Kemampuan GEN-1 untuk recover dari kesalahan secara otomatis adalah jenis kecerdasan adaptif yang sangat dibutuhkan di lingkungan kerja Indonesia yang dinamis dan tidak terstruktur. Robot yang bisa adaptasi — ini game changer.
