Telset.id – Nvidia mendemonstrasikan teknologi robotika agenik yang mampu belajar sendiri melakukan tugas presisi tinggi di dunia nyata, termasuk memasang GPU ke motherboard. Proyek bernama ENPIRE ini menampilkan delapan robot yang bekerja secara otonom untuk menyelesaikan tugas kompleks tanpa campur tangan manusia.
Dalam video demo yang dirilis, terlihat robot lengan mengambil dan menempatkan kartu grafis ke slot PCIe motherboard. Robot lain terlihat menyortir pin logam dalam wadah serta memotong kabel ties secara akurat. Jim Fan, Director of AI & Distinguished Scientist Nvidia, menyebut demo ini sebagai bukti bahwa para peneliti dapat “mengaktifkan AutoResearch di dunia fisik untuk pertama kalinya!”
Fan menjelaskan bahwa proyek ENPIRE memberikan delapan Codex agents sekumpulan robot, alokasi GPU, dan token budget yang besar. Agen-agen tersebut kemudian diberi tugas untuk diselesaikan secepat mungkin tanpa membuat kesalahan.
“Armada robot mulai hidup: mereka belajar mencari petunjuk visual, mengatur ulang scene, mempraktikkan keterampilan baru, mengutak-atik control stack, membaca paper online, berdebat, merefleksikan, terjebak, dan mencoba lagi langsung di hardware,” ujar ilmuwan yang berbasis di Stanford itu. “Yang kami lakukan hanyalah memberikan Codex API ke dunia atom, dan sisanya adalah emergence.”
ENPIRE merupakan kerangka kerja untuk coding agents yang menginstansiasi rutinitas umpan balik fisik dengan empat modul inti: Environment module (EN) untuk reset dan verifikasi otomatis, Policy Improvement module (PI) yang meluncurkan penyempurnaan kebijakan, Rollout module (R) untuk mengevaluasi kebijakan dengan robot fisik tunggal atau ganda yang beroperasi secara paralel, dan Evolution module (E) di mana coding agents menganalisis log, berkonsultasi dengan literatur, serta meningkatkan infrastruktur pelatihan dan kode algoritma untuk mengatasi mode kegagalan.
## Robot Memasang GPU Secara Mandiri
Bagian yang paling menarik perhatian adalah saat robot “memasang GPU sepenuhnya sendiri.” Dalam rekaman singkat tugas PC DIY ini, satu lengan robot memilih dan mengoper kartu grafis ke lengan lain yang memiliki motherboard di depannya. Lengan kedua kemudian memposisikan slot PCIe kartu secara hati-hati agar sejajar dengan slot motherboard, turun perlahan, dan mendorongnya ke tempatnya. Kartu tersebut sedikit bergoyang saat dimasukkan, namun diperkirakan tetap berfungsi dengan baik.
Proyek AutoResearch lainnya yang diberikan kepada robot meliputi mengorganisir pin-pin halus, serta mengikat dan memotong kabel ties.
Dalam paper penelitian terkait berjudul “ENPIRE: Agentic Robot Policy Self-Improvement in the Real World,” Anda dapat mempelajari lebih lanjut tentang teknik di balik demo ini. Paper tersebut juga menampilkan hasil perbandingan saat menggunakan coding agents yang berbeda, termasuk Codex dengan GPT-5.5, Claude Code dengan Opus 4.7, dan Kimi Code dengan Kimi K2.6.
Para peneliti juga menguji skala armada robot, menyimpulkan bahwa “delapan robot yang menjelajah secara paralel menyelesaikan tugas secara signifikan lebih cepat daripada jumlah yang lebih sedikit.” Fan bercanda bahwa tujuannya adalah melatih robot, lalu semua orang pergi berlibur, “dan Jensen tidak akan menyadarinya ;)”
## Implikasi Teknologi AutoResearch
Kemampuan robot untuk belajar sendiri melakukan tugas fisik tanpa pemrograman eksplisit membuka pintu bagi otomatisasi yang lebih canggih. Teknologi ini memungkinkan robot untuk tidak hanya mengulangi gerakan yang telah diprogram, tetapi juga bereksperimen, belajar dari kesalahan, dan meningkatkan performa secara mandiri.
Dengan pendekatan ENPIRE, Nvidia menunjukkan bahwa persaingan chip ARM dan teknologi AI tidak hanya terbatas pada komputasi digital, tetapi juga merambah ke dunia fisik. Robot-robot ini membuktikan bahwa agen AI dapat mengoperasikan hardware nyata dengan presisi yang sebelumnya hanya bisa dilakukan manusia.
Penelitian ini juga relevan dengan perkembangan chip laptop 2026 yang semakin powerful. Dengan GPU yang lebih canggih, agen AI seperti Codex dapat melakukan simulasi dan pelatihan yang lebih kompleks, mempercepat proses pembelajaran robot di dunia nyata.
Ke depannya, teknologi serupa Siri 2.0 gunakan chip Nvidia Blackwell B200 di WWDC 2026 menunjukkan bagaimana AI agenik semakin terintegrasi dengan hardware canggih. ENPIRE menjadi bukti bahwa robot tidak hanya bisa diajari, tetapi bisa belajar sendiri — sebuah langkah menuju otonomi penuh di dunia fisik.
Komentar
Belum ada komentar.