Manusia memiliki keunggulan alami dalam menavigasi dan memahami dunia di sekelilingnya. Kemampuan itulah yang sering kali luput dari mesin. Namun, kini sebuah terobosan baru hadir untuk mempersempit jurang perbedaan tersebut.
Para peneliti di The Ohio State University telah mengembangkan dataset pelatihan revolusioner bernama RoboSpatial, yang dirancang khusus untuk mengasah kemampuan persepsi visual robot dalam memahami ruang tiga dimensi. Dalam riset terbaru, eksperimen menunjukkan bahwa robot yang dilatih menggunakan RoboSpatial secara signifikan mengungguli model-model standar dalam menjalankan tugas robotik yang sama. Ini membuktikan pemahaman yang kompleks tidak hanya terhadap hubungan spasial, tetapi juga manipulasi objek fisik di dunia nyata.
Mengapa Persepsi Spasial Penting?
Bagi manusia, persepsi visual adalah kunci interaksi dengan lingkungan, mulai dari mengenali wajah hingga menyadari posisi tubuh dalam ruang. Meskipun berbagai upaya telah dilakukan untuk membekali robot dengan kemampuan serupa, hasilnya masih jauh dari sempurna. Ini karena sebagian besar robot dilatih dengan data yang minim pemahaman spasial yang canggih.
"Pemahaman spasial yang mendalam sangat esensial untuk interaksi yang intuitif. Jika tantangan penalaran spasial ini tidak teratasi, ia berpotensi menghambat kemampuan sistem AI masa depan untuk memahami instruksi kompleks dan beroperasi di lingkungan yang dinamis," jelas Luke Song, penulis utama studi dan kandidat doktor teknik di The Ohio State University, dikutip dari Tech Xplore.
"Untuk memiliki model dasar tujuan umum yang sejati, robot perlu memahami dunia 3D di sekitarnya. Jadi, pemahaman spasial adalah salah satu kemampuan paling krusial baginya,” terangnya. Penelitian inovatif ini dipresentasikan secara lisan di Conference on Computer Vision and Pattern Recognition (CVPR).
Bagaimana RoboSpatial Bekerja?
Untuk melatih robot agar lebih baik dalam menginterpretasikan perspektif, RoboSpatial mengintegrasikan lebih dari satu juta gambar dunia nyata dari interior dan permukaan meja, ribuan pemindaian 3D yang detail, serta 3 juta label yang kaya informasi spasial relevan untuk robotika. Dengan memanfaatkan sumber daya masif ini, kerangka kerja tersebut memasangkan gambar 2D egosentris (dari sudut pandang robot) dengan pemindaian 3D penuh dari adegan yang sama. Dengan demikian, model dapat belajar mengidentifikasi objek baik melalui pengenalan gambar datar maupun geometri 3D, sebuah proses yang menurut penelitian, secara cermat meniru isyarat visual di dunia nyata.
Sebagai ilustrasi, dataset pelatihan yang ada saat ini barangkali memungkinkan robot untuk secara akurat mendeskripsikan "mangkuk di atas meja". Namun, model tersebut akan kesulitan menentukan lokasi persisnya di meja, yang seharusnya diletakkan agar mudah dijangkau, atau bagaimana posisinya di antara objek lain.
Sebaliknya, RoboSpatial dapat menguji kemampuan penalaran spasial ini secara ketat dalam tugas robotik praktis, mulai dari menata ulang objek hingga menguji kapasitas model untuk menggeneralisasi ke skenario penalaran spasial baru di luar data pelatihan aslinya. "Ini tidak hanya berarti peningkatan pada tindakan individual, seperti mengambil dan meletakkan sesuatu, tetapi juga mengarah pada interaksi robot yang lebih alami dengan manusia," tambah Song.
Salah satu sistem yang diuji coba dengan kerangka kerja ini adalah robot Kinova Jaco. Robot ini berupa lengan bantuan yang dirancang untuk membantu penyandang disabilitas berinteraksi dengan lingkungannya.
