Inovasi terbaru dari MIT CSAIL menggunakan generative AI untuk merancang robot yang mampu melompat jauh lebih tinggi dan mendarat dengan lebih aman. Penelitian yang dipublikasikan pada konferensi International Conference on Robotics and Automation 2025 ini menunjukkan bagaimana teknologi artificial intelligence (kecerdasan buatan) dapat membantu manusia dalam mendesain robot yg lebih efektif.
Tim MIT Temukan Solusi Inovatif
Byungchul Kim, peneliti postdoc di MIT CSAIL, bersama timnya berhasil menciptakan robot melompat yang performanya meningkat drastis 1. Robot hasil desain AI ini dapat melompat rata-rata sekitar 0,6 meter atau 41% lebih tinggi dibandingkan robot serupa yang dirancang secara konvensional.
Yang menarik, kedua robot ini hampir identik dalam penampilan - keduanya terbuat dari polylactic acid (sejenis plastik), dan awalnya terlihat datar namun muncul dalam bentuk berlian ketika motor menarik tali yang terpasang. Perbedaan utama terletak pada bentuk penghubung yang dirancang AI berbentuk melengkung menyerupai stik drum tebal, sementara robot standar memiliki bagian penghubung yg lurus dan persegi panjang.
Proses Optimisasi yang Unik
Para peneliti memulai dengan mengambil sampel 500 desain potensial menggunakan embedding vector awal - representasi numerik yang menangkap fitur tingkat tinggi untuk memandu desain yang dihasilkan model AI 2. Dari sampel tersebut, mereka memilih 12 opsi terbaik berdasarkan performa dalam simulasi dan menggunakannya untuk mengoptimalkan embedding vector.
Proses ini diulang lima kali, secara progresif membimbing model AI untuk menghasilkan desain yang lebih baik. Desain akhir menyerupai blob, sehingga para peneliti meminta sistem mereka untuk menskala draft agar sesuai dengan model 3D mereka. Ketika mereka membuat bentuk tersebut, ternyata memang meningkatkan kemampuan melompat robot.
Keunggulan Model Difusi
Kim menjelaskan bahwa keunggulan menggunakan model difusi untuk tugas ini adalah kemampuan mereka menemukan solusi non-konvensional untuk menyempurnakan robot. "Kami ingin membuat mesin kami melompat lebih tinggi, jadi kami pikir kami bisa membuat tautan yang menghubungkan bagian-bagiannya setipis mungkin untuk membuatnya ringan," kata Kim 3.
"Namun, struktur yang begitu tipis dapat mudah pecah jika kita hanya menggunakan bahan cetakan 3D. Model difusi kami datang dengan ide yg lebih baik dengan menyarankan bentuk unik yang memungkinkan robot menyimpan lebih banyak energi sebelum melompat, tanpa membuat tautan terlalu tipis."
Peningkatan Kemampuan Pendaratan
Tim kemudian menugaskan sistem mereka untuk merancang kaki yang dioptimalkan guna memastikan pendaratan aman. Mereka mengulangi proses optimisasi, akhirnya memilih desain dengan performa terbaik untuk dipasang di bagian bawah mesin mereka 4. Kim dan koleganya menemukan bahwa mesin berdesain AI mereka jatuh jauh lebih jarang daripada baseline, dengan peningkatan 84%.
Kemampuan model difusi dlm meningkatkan keterampilan melompat dan mendarat robot menunjukkan bahwa teknologi ini dapat berguna dalam meningkatkan cara mesin lain dirancang. Sebagai contoh, perusahaan yang bekerja pada robot manufaktur atau rumah tangga dapat menggunakan pendekatan serupa untuk meningkatkan prototipe mereka.
Keseimbangan Antara Tinggi Lompat dan Stabilitas
Untuk menciptakan robot yang bisa melompat tinggi dan mendarat stabil, para peneliti menyadari bahwa mereka perlu mencapai keseimbangan antara kedua tujuan tersebut 5. Mereka merepresentasikan tinggi lompatan dan tingkat keberhasilan pendaratan sebagai data numerik, kemudian melatih sistem mereka untuk menemukan titik manis antara kedua embedding vector yang dapat membantu membangun struktur 3D optimal.
Potensi Pengembangan Masa Depan
Tsun-Hsuan "Johnson" Wang, mahasiswa PhD MIT dan afiliasi CSAIL, mengatakan proyek ini adalah titik awal untuk desain robotika baru yang dapat dibantu generative AI. "Kami ingin bercabang ke tujuan yang lebih fleksibel. Bayangkan menggunakan bahasa alami untuk memandu model difusi merancang robot yang dapat mengambil cangkir, atau mengoperasikan bor listrik," kata Wang 6.
Kim menambahkan bahwa model difusi juga dapat membantu menghasilkan artikulasi dan memikirkan cara bagian-bagian terhubung, berpotensi meningkatkan seberapa tinggi robot akan melompat. Tim juga sedang mengeksplorasi kemungkinan menambahkan lebih banyak motor untuk mengontrol arah mana mesin melompat dan mungkin meningkatkan stabilitas pendaratannya.
Kesimpulan
Penelitian ini menunjukkan bahwa generative artificial intelligence memiliki potensi besar dalam membantu desain robotika yang lebih efektif. Dengan menggunakan model difusi, para insinyur dapat menemukan solusi inovatif yang mungkin tidak terpikirkan sebelumnya. Teknologi ini membuka peluang baru untuk pengembangan robot yang lebih canggih dan efisien di berbagai bidang industri.
Daftar Pustaka
- MIT News. (2025, Juni 27). Using generative AI to help robots jump higher and land safely. https://news.mit.edu/2025/using-generative-ai-help-robots-jump-higher-land-safely-0627
- MIT CSAIL. (2025). Diffusion-based robot optimization research. International Conference on Robotics and Automation 2025.
- Kim, B., & Wang, T. H. (2025). AI-assisted robot design using diffusion models. MIT Computer Science and Artificial Intelligence Laboratory.
- Computer Science and Artificial Intelligence Laboratory. (2025). Robot landing optimization through generative AI. Massachusetts Institute of Technology.
- National Science Foundation. (2025). Emerging Frontiers in Research and Innovation program report. Singapore-MIT Alliance for Research and Technology.
- MIT PhD Research. (2025). Future applications of AI in robotics design. Gwangju Institute of Science and Technology Collaboration.
