Yuk Kenalan dengan Skild Brain 

Skild AI barubaru ini meluncurkan Skild Brain, sebuah foundation model robotik yang dirancang agar bisa bekerja pada berbagai jenis robot dan berbagai tugas, bukan hanya robot tertentu saja. Model ini disebut “omni-bodied brain” karena tidak tergantung pada jenis bentuk fisik robot atau tugas spesifik. 

(Skild AI : https://www.skild.ai/blogs/building-the-general-purpose-robotic-brain ) 

 

Apa Itu “OmniBodied Brain” 

Konsep “omni-bodied brain” yang dikembangkan oleh Skild AI berarti: 

  1. Umum untuk Banyak Robot
    Skild Brain bisa dijalankan di robot humanoid, robot berkaki (quadrupeds), lengan robot (robot arms), robot mobile manipulation, robot tabletop, dan berbagai bentuk robot lainnya.   
  2. Tugas Beragam dan Lingkungan Berbeda
    Model ini dilatih dengan data dari simulasi, video manusia di internet, dan data nyata dari robot yang berbedabeda, sehingga mampu menghadapi lingkungan yang berubah, objek asing, dan situasi dengan banyak gangguan (cluttered environment).   
  3. Arsitektur Hierarkis Kontrol Tugas
    Skild Brain menggunakan dua lapisan kontrol, satu kebijakan tingkat tinggi (highlevel policy) untuk manipulasi dan navigasi, dan satu kebijakan tingkat rendah (lowlevel policy) yang mengubah perintah tingkat tinggi menjadi gerakan motorik seperti sudut sendi dan torsi motor.  

(Skild AI : https://www.reuters.com/business/media-telecom/amazon-backed-skild-ai-unveils-general-purpose-ai-model-multi-purpose-robots-2025-07-29 ) 

 

Contoh Penerapan Spesifik 

Beberapa tugas nyata yang diperlihatkan dalam pengujian Skild Brain: 

  • Robot dipaksa melewati tangga, termasuk tangga yang licin, atau medan yang tidak rata.   
  • Robot bisa mempertahankan keseimbangan meski didorong atau ketika ada gangguan fisik.   
  • Robot lengan (manipulator) mengambil objek di lingkungan yang berantakan, atau mengatur objekobjek kecil di meja yang penuh barang.  

 

Keunggulan dan Manfaat 

Model seperti Skild Brain menawarkan beberapa manfaat penting: 

  • Skalabilitas: Satu model bisa digunakan dibanyak robot, memudahkan pengembangan dan pemeliharaan aplikasi robotik diberbagai jenis hardware. 
  • Adaptasi ke Kondisi Nyata: Karena dilatih juga di simulasi dan video manusia, serta dengan data nyata dari robot, model ini lebih tahan terhadap perubahan lingkungan yang tidak diprediksi. 
  • Keselamatan dan Keamanan: Beberapa fitur seperti pembatasan daya/torsi (force limits), serta kemampuan adaptasi terhadap interaksi manusia, dibuat agar robot aman digunakan di lingkungan dengan manusia. 

 

Tantangan yang Perlu Diperhatikan 

Walaupun menjanjikan, ada beberapa hal yang perlu diperhatikan: 

  • Ketersediaan data nyata masih menjadi tantangan besar dalam robotik misalnya data dari simulasi dan video manusia perlu dituruntangankan ke robot agar performanya tetap bagus.   
  • Biaya hardware dan sensor untuk robot yang kompleks bisa tinggi, terutama jika robot tersebut memiliki banyak derajat kebebasan (degree of freedom) atau memerlukan kontrol fisik presisi. 
  • Adaptasi ke kondisi lokal (seperti medan berat, cuaca ekstrem, kondisi iklim, variasi material) biasanya memerlukan tuning dan penyesuaian yang khusus. 

 

Implikasi dan Peluang Lokal 

Untuk kampus dan pengembang di Indonesia: 

  • Topik seperti ini sangat cocok untuk penelitian tugas akhir atau proyek riset: pengujian Skild Brain atau model serupa di lingkungan lokal (jalan tak rata, iklim tropis, debu, lembab). 
  • Dapat dikembangkan kolaborasi antarjurusan (Ilmu Komputer, Teknik Elektro, Robotika) untuk membangun prototipe robot lokal dengan model omnibodied. 
  • Potensi startup: robot asisten kampus, robot inspeksi jalan atau infrastruktur, robot kebun, robot peternakan, atau robot pengantar barang di lingkungan outdoor bisa memakai model yang serbaguna ini. 

 

Kesimpulan 

Skild Brain adalah langkah penting ke arah robotik yang lebih universal dan adaptif. Model ini tidak lagi dikaitkan dengan satu jenis robot atau satu tugas saja, melainkan bisa bekerja secara umum di banyak bentuk dan lingkungan. Untuk pengembang lokal dan mahasiswa, ini tantangan sekaligus peluang besar: belajar bagaimana mengadaptasi model global ke kondisi lokal, melakukan riset nyata, dan mungkin menciptakan solusi robotik yang sangat berguna dalam kehidupan seharihari. 

 

Penulis

Stefanus Benhard S.Kom., M.Kom. (FDP Scholar) 

 

Referensi 

  1. https://www.skild.ai/blogs/building-the-general-purpose-robotic-brain  
  1. https://www.reuters.com/business/media-telecom/amazon-backed-skild-ai-unveils-general-purpose-ai-model-multi-purpose-robots-2025-07-29