📑 Daftar Isi

Ilustrasi model vision AI Isaac 0.5 dari Perceptron untuk robot industri di lingkungan gudang

Perceptron Rilis Isaac 0.5 untuk Robot Industri

Penulis:Nur Hamzah
Terbit:
Diperbarui:
⏱️4 menit membaca
Bagikan:
  • Perceptron, startup bentukan mantan peneliti Meta, rilis model vision AI bernama Isaac 0.5
  • Model ini dirancang untuk robot industri agar mampu melihat, bernalar, dan bertindak di lingkungan seperti gudang dan pabrik
  • Isaac 0.5 dirilis sebagai open-weight model, parameter dan materi pelatihan dapat diperiksa publik
  • Didirikan oleh Armen Aghajanyan dan Akshat Shrivastava, eks peneliti Meta FAIR
  • Model dilatih dengan satu juta jam video umum, ego video, dan UMI video
  • Target industri: manufaktur, logistik, pergudangan, keamanan, mobilitas, media dan hiburan
  • Startup telah mengumpulkan USD 16 juta dari Bessemer Venture Partners, The Explorer Fund, dan SmartGateVC

Telset.id – Perceptron, startup yang didirikan oleh dua mantan peneliti Meta, resmi meluncurkan model vision terbaru bernama Isaac 0.5. Model ini dirancang untuk memberikan kemampuan “melihat, bernalar, dan bertindak” bagi robot di lingkungan industri seperti gudang dan pabrik.

Perusahaan yang berdiri pada November 2024 ini fokus mengembangkan model vision frontier yang bertujuan membantu mesin berinteraksi dengan lingkungan fisik secara lebih kompeten. Isaac 0.5 dirilis sebagai model open-weight, sehingga parameter dan materi pelatihannya dapat diperiksa oleh siapa pun.

Software ini mampu membantu robot berpanduan visi menavigasi lingkungan kompleks seperti gudang atau lantai pabrik. Selain itu, perusahaan juga dapat mengekstrak kecerdasan visual dari video yang direkam oleh robot-robot tersebut.

Dibangun oleh Mantan Peneliti Meta

Perceptron didirikan oleh Armen Aghajanyan dan Akshat Shrivastava, yang sebelumnya bekerja di Meta’s Fundamental AI Research (FAIR), divisi riset AI raksasa teknologi tersebut. Keduanya melihat software ini sebagai masa depan penerapan otomasi industri.

“Physical AI hari ini memaksa pilihan yang salah: model foundation generalis yang membutuhkan beberapa GPU cloud khusus untuk setiap instance, atau model sempit yang menangani persepsi atau kontrol, tetapi tidak pernah keduanya,” demikian pernyataan perusahaan.

Aghajanyan dan Shrivastava menyebut alat mereka berbeda dari model yang ada di pasar karena bersifat general-purpose, artinya tidak dibangun untuk satu tugas repetitif tertentu. Model ini dirancang fleksibel tergantung pada lingkungan atau situasi tertentu.

Dalam sebuah wawancara, Shrivastava menggambarkan proses fisik sederhana seperti merapikan kotak. Robot perlu membaca label pada paket, melakukan analisis spasial untuk memahami posisi kotak, memutuskan kotak mana yang diambil, dan merencanakan urutan pengambilan jika ada serangkaian kotak. Perceptron merancang software ini untuk membantu robot melalui setiap langkah proses tersebut.

Industri sebenarnya sudah memiliki software yang dapat membantu mesin melakukan sebagian besar tugas tersebut. Namun, hanya sedikit program yang dirancang untuk melakukannya secara fleksibel. Perceptron mengisi celah ini dengan pendekatan general-purpose.

Data Pelatihan dan Target Pasar

Model seperti Isaac 0.5 mempelajari keterampilan operasional dengan menyerap data video pelatihan dalam jumlah besar. Perceptron menyebut model barunya ini dilatih dengan satu juta jam video umum untuk mengajarkan algoritma mengidentifikasi pengaturan, visual, dan skenario tertentu.

Perusahaan juga mengandalkan ego video, yaitu video yang direkam melalui GoPro atau kamera wearable dari perspektif orang yang menyelesaikan tugas fisik. Selain itu, mereka menggunakan UMI video yang digunakan untuk mengajarkan sistem AI gerakan dengan merekam aksi manusia yang berulang.

Meski tidak mengungkap sumber data pelatihan, Shrivastava mengatakan perusahaan telah “membangun dataset skala petabyte secara internal yang mencakup berbagai modalitas, baik gambar, teks, video, hingga lintasan robotik.”

Perceptron siap memasarkan software ini ke berbagai vendor. Perusahaan menargetkan integrasi lapisan kecerdasan ke berbagai industri, termasuk manufaktur, logistik dan pergudangan, keamanan, mobilitas, serta media dan hiburan.

“Tidak ada yang seperti ini yang benar-benar ada di luar sana,” ujar Aghajanyan. “Kami sangat antusias tentang ini.”

Sebelumnya, Perceptron berhasil mengumpulkan dana sebesar USD 16 juta dari Bessemer Venture Partners, The Explorer Fund, dan SmartGateVC pada 2024, menurut Pitchbook. TechCrunch memahami bahwa startup ini sedang dalam proses menutup putaran pendanaan tambahan.

Kehadiran Isaac 0.5 menandai langkah signifikan dalam upaya membawa kecerdasan buatan dari ranah digital ke dunia fisik. Dengan pendekatan open-weight dan sifat general-purpose, model ini berpotensi mempercepat adopsi robotika cerdas di berbagai sektor industri.

Pengembangan ini juga menarik perhatian karena berasal dari mantan peneliti Meta. Sebelumnya, Meta sendiri kerap menjadi sorotan terkait berbagai kebijakan dan produknya, termasuk keselamatan anak di platformnya. Kini, para mantan penelitinya justru fokus mengembangkan teknologi AI untuk industri.

Perkembangan startup seperti Perceptron juga menjadi bagian dari berita teknologi terbesar yang layak dipantau. Sementara itu, produk Meta seperti kacamata pintar juga terus menjadi perbincangan di berbagai kalangan.

Dengan peluncuran Isaac 0.5, Perceptron menunjukkan ambisinya untuk memimpin gelombang otomasi berbasis AI. Kombinasi model general-purpose, data pelatihan masif, dan dukungan investor menjadikan startup ini salah satu pemain yang patut diperhatikan di ranah physical AI.

Ke depannya, kemampuan robot untuk memahami dan bertindak di lingkungan fisik akan semakin krusial seiring meningkatnya kebutuhan efisiensi operasional di berbagai industri. Model seperti Isaac 0.5 dapat menjadi fondasi bagi generasi robot industri yang lebih adaptif dan cerdas.

Bagi perusahaan yang bergerak di sektor manufaktur, logistik, atau pergudangan, teknologi ini menawarkan potensi peningkatan produktivitas yang signifikan. Kemampuan robot untuk menavigasi lingkungan kompleks secara mandiri dapat mengurangi ketergantungan pada sistem yang kaku dan spesifik tugas.

Namun, adopsi teknologi ini tentu membutuhkan pertimbangan matang, termasuk investasi infrastruktur dan integrasi dengan sistem yang sudah ada. Meski demikian, kehadiran opsi open-weight memberikan fleksibilitas bagi perusahaan untuk mempelajari dan menyesuaikan model sesuai kebutuhan spesifik mereka.

Ikuti Telset.id di Google NewsFollow

Komentar

Belum ada komentar.