- Amazon meluncurkan platform open source untuk mendukung pengembangan robot dan pelaksanaan tugas fisik.
- Rantai alat tersebut mengintegrasikan berbagai layanan AWS dan NVIDIA, menyederhanakan alur pengembangan.
- Physical AI memungkinkan robot beradaptasi dengan lingkungan yang berubah dan belajar dari pengalaman.
- Keberhasilan platform bergantung pada transisi yang efektif dari simulasi ke operasi fisik.
Amazon Web Services (AWS) meluncurkan platform pengembangan open source untuk membantu perusahaan membangun dan menerapkan robot yang mampu memahami lingkungan sekitar, mengambil keputusan, dan mengeksekusi tugas fisik. Platform yang bernama Physical AI Toolchain on AWS ini menggabungkan infrastruktur AWS dengan ekosistem perangkat lunak physical AI NVIDIA, bertujuan mendukung pengembangan robot industri, robot mobile otonom, serta sistem humanoid. Amazon menyatakan, tujuan rantai alat ini adalah mengurangi upaya rekayasa yang diperlukan untuk memindahkan model AI dari pengembangan ke mesin nyata.
Pergeseran dalam Pengembangan AI
Peluncuran ini mencerminkan pergeseran yang lebih luas dalam pengembangan AI: dari sistem yang menghasilkan teks dan gambar, menuju mesin yang harus berinteraksi dengan lingkungan fisik, di mana kesalahan dalam interaksi tersebut dapat merusak peralatan, mengganggu produksi, atau menimbulkan risiko keselamatan.
Robot industri tradisional biasanya mengeksekusi gerakan yang telah diprogram di lingkungan terkontrol. Physical AI bertujuan membuat mesin lebih adaptif, memungkinkannya menafsirkan data sensor, merespons kondisi yang berubah, dan belajar dari pengalaman. Misalnya, robot yang bekerja di jalur perakitan mungkin perlu menangani komponen yang disajikan dengan sudut berbeda, sementara robot gudang otonom harus bernavigasi di tata letak yang berubah dan menghindari rintangan. Robot humanoid menghadapi tantangan yang lebih luas: mengoperasikan benda tidak familiar dan mengeksekusi tugas di lingkungan yang dirancang untuk manusia. Melatih sistem ini membutuhkan lebih dari sekadar model AI yang kuat; pengembang juga memerlukan volume besar data pelatihan, simulasi yang realistis, sumber daya komputasi, serta metode untuk mentransfer model terlatih ke perangkat keras fisik.
AWS menyatakan, rantai alat baru ini mengintegrasikan elemen-elemen tersebut ke dalam alur kerja pengembangan yang sama, memungkinkan perusahaan memilih solusi lengkap atau komponen individual untuk proyek yang sudah ada.
Arsitektur Rantai Alat
Rantai alat ini disusun di sekitar lima bagian proses pengembangan physical AI. Pembuatan data sintetis: lingkungan yang dihasilkan AI menciptakan skenario pelatihan tambahan tanpa perlu merekam setiap situasi di dunia nyata. Pelatihan model: sistem belajar dari demonstrasi manusia dan latihan simulasi. Simulasi dan validasi: pengembang menguji perilaku robot di lingkungan virtual sebelum menjalankannya di mesin fisik. Penyebaran edge: model AI yang dioptimalkan berjalan di perangkat keras tempat penyebaran, memungkinkan keputusan real-time tanpa koneksi cloud konstan. Peningkatan berkelanjutan: data yang dikumpulkan selama operasi dapat diumpankan kembali ke pelatihan, membantu pengembang menyempurnakan model untuk penyebaran mendatang.
Platform ini menggabungkan layanan AWS, seperti Amazon SageMaker untuk pelatihan model, instance GPU Amazon EC2 untuk simulasi, AWS IoT Greengrass untuk penyebaran edge, serta Amazon Bedrock AgentCore untuk orkestrasi. Ia juga mengintegrasikan alat NVIDIA, termasuk Isaac Sim untuk simulasi robot, Isaac Lab untuk reinforcement learning, Isaac GR00T untuk robot humanoid, dan Cosmos untuk pembuatan lingkungan sintetis.
Tujuannya adalah mengurangi gesekan di antara tahap-tahap tersebut. Tim rekayasa dapat menggunakan arsitektur bersama, bukan merakit dan memelihara setiap bagian saluran pengembangan secara terpisah, serta menyesuaikannya dengan perangkat keras dan aplikasi mereka sendiri.
Amazon menyatakan, rantai alat ini menyerap pengalaman dari operasi robotnya sendiri, dengan perusahaan melaporkan lebih dari satu juta robot di jaringannya. Pengalaman ini mengungkap tantangan praktis dalam mengoperasikan mesin otonom skala besar, mulai dari koordinasi armada hingga pemeliharaan perangkat lunak di perangkat keras tempat penyebaran. Perusahaan menonjolkan beberapa pengembang physical AI. NEURA Robotics mengembangkan robot humanoid kognitif, RLWRLD membangun model dasar untuk manipulasi lincah, sedangkan Config membangun saluran untuk mengumpulkan dan memperluas data pelatihan perilaku robot.
Bagi produsen, potensi aplikasinya mencakup lengan robot yang beradaptasi dengan tugas perakitan baru hingga mesin otonom yang memindahkan material dan memantau produksi. Namun, rantai alat ini adalah platform pengembangan, bukan robot siap pakai, dan ketersediaannya tidak menjamin model yang dilatih di simulasi akan berjalan andal di pabrik atau gudang.
Tantangan Simulasi dan Realita
Satu tantangan inti di robotika adalah transisi dari simulasi ke operasi nyata. Model yang sukses di lingkungan virtual mungkin menghadapi gesekan tak terduga, perubahan pencahayaan, noise sensor, atau variasi penanganan benda saat disebarkan ke perangkat keras fisik. Dengan menggabungkan simulasi, pelatihan, penyebaran, dan umpan balik dalam satu alur kerja, AWS dan NVIDIA bertujuan membuat transisi ini lebih mudah dikelola. Rantai alat ini juga mencakup fungsi manajemen armada yang dirancang membantu perusahaan mengonfigurasi, mengamankan, dan memperbarui mesin seiring bertambahnya penyebaran. Bagi insinyur, artinya bukan hanya model AI baru tunggal, melainkan infrastruktur yang dibutuhkan untuk mengembangkan sistem physical AI secara berulang.
Item Spesifikasi Lingkungan simulasi Pembuatan data sintetis Metode pembelajaran Demonstrasi manusia dan latihan simulasi Metode pengujian Pengujian lingkungan virtual Metode penyebaran Penyebaran edge Umpan balik data Peningkatan berkelanjutan
Tantangan dan Peluang Masa Depan Pengembangan Physical AI
Seiring perkembangan teknologi robotika, semakin banyak perusahaan yang membutuhkan sistem yang mampu berinteraksi dengan lingkungan fisik. Platform pengembangan open source Amazon tidak hanya menyediakan alat yang diperlukan, tetapi juga mengintegrasikan tantangan yang dihadapi robot dalam operasi nyata. Ini termasuk transisi dari simulasi ke operasi fisik, yang merupakan tantangan teknis kunci. Sistem physical AI yang sukses memerlukan volume besar data pelatihan dan lingkungan simulasi yang efektif untuk memastikan keandalan di dunia nyata. Platform pengembangan semacam ini membantu mempercepat kemajuan teknologi robotika, serta mendorong otomatisasi di berbagai industri.