Arm Gandeng 80 Mitra Bangun Ekosistem Physical AI

Perkembangan Artificial Intelligence (AI) mulai bergerak melampaui dunia digital dan memasuki lingkungan fisik. Robot, kendaraan otonom, mesin industri, hingga perangkat pintar kini dituntut tidak hanya mampu memproses informasi, tetapi juga memahami kondisi di sekitarnya dan mengambil tindakan secara mandiri.

Melihat perkembangan tersebut, Arm meluncurkan Arm Total Design for Physical AI, bersamaan dengan Robotics Capability Framework, sebuah kerangka kerja yang ditujukan untuk membantu membangun standar bersama dalam pengembangan sistem robotika dan Physical AI.

Langkah ini dilakukan untuk menjawab tantangan yang muncul ketika berbagai teknologi, seperti model AI, sensor, chip komputasi, perangkat lunak, dan aktuator harus bekerja secara terintegrasi dalam satu sistem.

Arm menyebut industri yang bergantung pada aktivitas fisik, mulai dari pertambangan, pertanian, manufaktur hingga transportasi global, memiliki nilai ekonomi mencapai triliunan dolar. Pada dekade 2030-an, sektor-sektor tersebut juga diperkirakan menciptakan peluang kebutuhan komputasi sekitar US$200 miliar per tahun.

Besarnya potensi tersebut membuat kebutuhan terhadap sistem komputasi yang mampu bekerja secara efisien di lingkungan fisik semakin penting.

Arm Gandeng Lebih dari 80 Organisasi

Untuk membangun ekosistem Physical AI yang lebih terbuka dan terintegrasi, Arm menggandeng lebih dari 80 organisasi mitra dari berbagai bidang, termasuk perangkat keras, perangkat lunak, dan AI. Sejumlah perusahaan dan organisasi yang menjadi peserta awal antara lain AWS, ECARX, Hugging Face, Liquid AI, NXP, PlusAI, PSYONIC, QNX, Qwen, Siemens, dan Unitree Robotics.

Kolaborasi tersebut tidak hanya berfokus pada pengembangan chip. Arm ingin mempertemukan berbagai lapisan teknologi yang dibutuhkan agar sebuah mesin dapat beroperasi secara mandiri di dunia nyata.

Dalam konsep Physical AI, sistem harus mampu menerima informasi dari lingkungan melalui sensor. Data tersebut kemudian diproses oleh model AI dan sistem komputasi untuk memahami situasi serta menentukan tindakan. Setelah keputusan dibuat, aktuator menjalankan tindakan tersebut.

Dengan demikian, Physical AI memiliki rangkaian proses yang lebih kompleks dibandingkan AI yang hanya menghasilkan teks, gambar, atau informasi digital.

Arm menilai adanya standar dasar yang sama dapat membantu produsen perangkat keras dan pengembang perangkat lunak mengurangi risiko integrasi. Standar tersebut juga diharapkan membantu mengoptimalkan beban kerja komputasi dan mempercepat transisi dari tahap uji konsep atau proof of concept menuju penerapan dalam skala besar.

Robotika Belum Memiliki Bahasa Teknis yang Seragam

Salah satu masalah yang ingin diatasi Arm adalah belum adanya metode yang benar-benar umum untuk menggambarkan dan membandingkan kemampuan berbagai sistem robotika. Dalam manifesto arsitektur yang diterbitkan Arm, Chief Architect Arm Richard Grisenthwaite menjelaskan bahwa fragmentasi tersebut dapat membuat proses perancangan, integrasi, dan pengembangan robot menjadi lebih rumit.

Robot yang digunakan di pabrik, misalnya, dapat memiliki kebutuhan berbeda dengan robot yang bekerja di area pertambangan atau sistem otonom yang digunakan dalam transportasi. Perbedaan kebutuhan tersebut membuat cara mendefinisikan kemampuan robot juga beragam.

Untuk menjembatani persoalan tersebut, Arm memperkenalkan Robotics Capability Framework.

Kerangka ini dirancang sebagai titik awal untuk membangun kosakata teknis bersama dalam industri robotika. Konsepnya mengambil inspirasi dari SAE Levels, yang digunakan untuk menggambarkan tingkat otomatisasi pada kendaraan.

Melalui kerangka tersebut, kemampuan robot dikategorikan berdasarkan tingkat kecanggihan operasionalnya. Sistem dapat dipetakan mulai dari mesin yang hanya memberikan respons terhadap kondisi tertentu hingga sistem yang mampu memahami konteks, melakukan proses kognitif, dan meningkatkan kemampuannya berdasarkan pengalaman.

Pendekatan ini diharapkan membuat produsen, pengembang, dan pihak lain dalam ekosistem robotika memiliki cara yang lebih konsisten ketika mendeskripsikan kemampuan sebuah sistem.

Kemampuan Robot Dikaitkan dengan Kebutuhan Perangkat Keras

Robotics Capability Framework tidak hanya membahas kemampuan robot dari sisi perilaku. Setiap tingkat kemampuan juga dikaitkan dengan kasus penggunaan di dunia nyata, keluaran sistem, serta kebutuhan perangkat keras.

Artinya, semakin kompleks tugas yang harus dilakukan robot, semakin besar pula tuntutan terhadap sistem komputasi yang berada di baliknya. Beberapa parameter yang menjadi perhatian mencakup latensi, lokasi pemrosesan komputasi, alokasi memori, konsumsi daya, determinisme, dan keselamatan.

Latensi menjadi penting karena robot yang berinteraksi dengan manusia atau lingkungan dinamis harus mampu merespons dalam waktu yang tepat. Sementara itu, konsumsi daya menjadi pertimbangan penting bagi robot bergerak yang bergantung pada baterai.

Arm mengembangkan standar awal tersebut berdasarkan masukan dari berbagai pihak dalam industri robotika. Sejumlah organisasi yang ikut berkontribusi antara lain Anaxi Labs, ANYbotics, FMC³ Robotics, Fourier, GALBOT, Gravis Robotics, Lenovo, McKinsey, dan Robotec.ai.

Arm selanjutnya membuka peluang bagi komunitas rekayasa yang lebih luas untuk memberikan kontribusi teknis dalam pengembangan kerangka tersebut.

Pengembangan AI Fisik Bisa Dilakukan Sebelum Chip Tersedia

Selain membangun standar robotika, Arm juga mendorong metode pengembangan yang memungkinkan pengujian sistem dilakukan sebelum perangkat keras fisik tersedia. Melalui Arm Total Design for Physical AI, perusahaan memperluas pendekatan kolaboratif yang sebelumnya digunakan untuk pengembangan infrastruktur AI berbasis cloud.

Program tersebut menggabungkan berbagai komponen, mulai dari model AI, platform virtual, digital twin, sensor, chip komputasi hingga software stack.

Penggunaan platform virtual dan digital twin memungkinkan pengembang melakukan simulasi terhadap sistem sebelum produk fisik selesai dibuat. Dengan begitu, proses pengembangan perangkat lunak dan pengujian dapat dimulai lebih awal.

Pendekatan ini sangat relevan untuk industri otomotif dan robotika. Kedua bidang tersebut membutuhkan kemampuan persepsi sensor, pemrosesan AI, kontrol real-time, keselamatan, dan komputasi yang efisien. Arm sebelumnya telah mendemonstrasikan metode tersebut dalam pengembangan teknologi otomotif bersama AWS, Google, HERE, RemotiveLabs, dan Siemens.

Dalam proyek tersebut, perusahaan yang berpartisipasi mengembangkan solusi referensi untuk kokpit digital terintegrasi. Lingkungan virtual tersebut memungkinkan tim pengembang perangkat lunak mengembangkan, menguji, dan memvalidasi kode otomotif yang kompleks menggunakan Arm Zena CSS, bahkan sebelum chip fisik tersedia.

Dengan demikian, pengembang dapat menemukan dan memperbaiki persoalan pada tahap awal. Ketika perangkat keras fisik akhirnya tersedia, perangkat lunak yang dikembangkan sudah melalui proses pengujian dan validasi sebelumnya.

Physical AI Bawa AI ke Dunia Nyata

Physical AI pada dasarnya merupakan pengembangan AI yang memungkinkan sistem berinteraksi langsung dengan lingkungan fisik.

Jika chatbot menggunakan AI untuk memahami pertanyaan dan menghasilkan jawaban, Physical AI memungkinkan robot menggunakan kamera dan sensor untuk memahami lingkungan, memproses informasi tersebut, mengambil keputusan, kemudian menggerakkan bagian tubuh atau perangkatnya melalui aktuator.

Teknologi ini dapat diterapkan pada berbagai bidang. Dalam manufaktur, misalnya, robot dapat digunakan untuk menangani proses produksi. Di bidang pertanian, AI dapat membantu mesin mengenali kondisi tanaman atau lingkungan. Sementara dalam transportasi, Physical AI menjadi salah satu komponen penting dalam pengembangan kendaraan yang mampu memahami kondisi jalan dan mengambil keputusan secara otomatis.

Namun, penerapan AI pada dunia fisik memiliki tantangan yang lebih besar. Kesalahan dalam menghasilkan teks mungkin hanya menghasilkan jawaban yang keliru, tetapi kesalahan keputusan pada robot atau kendaraan dapat menimbulkan konsekuensi langsung di dunia nyata.

Karena itu, kemampuan komputasi, kecepatan respons, konsumsi energi, keandalan, determinisme, dan keselamatan menjadi bagian penting dalam pengembangan Physical AI. Melalui Total Design for Physical AI dan Robotics Capability Framework, Arm ingin mendorong pendekatan yang lebih terkoordinasi di tengah perkembangan teknologi tersebut.

Jika ekosistem ini berkembang, standar bersama dapat membantu berbagai perusahaan mengembangkan komponen yang lebih mudah diintegrasikan. Pada akhirnya, hal tersebut dapat mempercepat perjalanan Physical AI dari sekadar proyek eksperimental menjadi teknologi yang digunakan secara luas di berbagai industri.