Mirip Manusia, Robot Ini Punya Cara Unik Sortir Paket
Berikut adalah video bagaimana robot menyortir paket.
Perusahaan robotik Figure menarik perhatian dunia. Hanya dalam waktu tiga bulan, robot humanoid andalan mereka, Figure 02, menunjukkan kemajuan signifikan dalam kemampuan menyortir paket di lingkungan logistik. Pembaruan ini menunjukkan seberapa cepat teknologi robotik mendekati tingkat efisiensi manusia di dunia kerja.
Mengutip Futurism, Rabu (18/6), dalam sebuah video demonstrasi awal tahun ini, Figure memamerkan robot Figure 02 yang mampu menyortir berbagai paket dengan bantuan sistem kecerdasan buatan bernama Helix. Robot tersebut terlihat luwes memindahkan paket dengan ukuran dan bentuk berbeda, mengubah orientasinya dengan ketepatan tinggi.
Kini, perusahaan tersebut kembali merilis pembaruan yang menunjukkan kemampuan robot yang jauh lebih canggih. Figure 02 kini dapat menangani jenis paket yang lebih kompleks, seperti kantong plastik yang penyok atau amplop datar. Semua ini dilakukan dengan presisi yang semakin mendekati kecakapan manusia.
Menurut klaim Figure, sistem Helix telah berkembang pesat hanya dalam hitungan bulan. Kecepatan penyortiran kini hanya membutuhkan sekitar 4 detik per paket, lebih cepat satu detik dari versi sebelumnya, tanpa mengorbankan akurasi.
Tak hanya itu, label pengiriman kini dapat diorientasikan dengan benar hingga 95 persen dari waktu pemindaian—peningkatan 25 persen dibanding beberapa bulan lalu. Artinya, robot tak hanya bekerja cepat, tetapi juga memastikan proses logistik berjalan tanpa hambatan.
Belajar dari Demonstrasi Manusia
Keunggulan utama Helix terletak pada pendekatan berbasis pembelajaran mesin menyeluruh (end-to-end learning). Alih-alih mengandalkan kode yang sudah ditentukan sebelumnya, robot belajar langsung dari demonstrasi manusia. Misalnya, saat menangani kantong plastik, robot kini bisa "meratakan" permukaan paket untuk memastikan barcode terlihat jelas di depan pemindai.
“Gerakan meratakan ini tidak diprogram secara eksplisit, melainkan dipelajari langsung dari data,” tulis Figure dalam pembaruannya. “Inilah kekuatan sistem pembelajaran: robot bisa mengadaptasi strategi baru dari dunia nyata yang tak sempurna.”
Figure 02 bahkan kini bisa menggunakan berbagai jenis genggaman—mulai dari menjepit amplop tipis hingga membalik paket lunak secara dinamis—yang semuanya diperoleh melalui proses pembelajaran.
:strip_icc()/kly-media-production/medias/5382314/original/023006700_1760577182-WhatsApp_Image_2025-10-15_at_23.02.34.jpeg)
:strip_icc()/kly-media-production/medias/5476329/original/098209100_1768728369-IMG_4903.jpg)
:strip_icc()/kly-media-production/medias/5469235/original/018631400_1768099529-WhatsApp_Image_2026-01-11_at_09.32.24__1_.jpeg)
:strip_icc()/kly-media-production/medias/5476365/original/034456100_1768732998-WhatsApp_Image_2026-01-17_at_15.59.35.jpeg)
:strip_icc()/kly-media-production/medias/5475865/original/031467900_1768665486-MU.jpg)
:strip_icc()/kly-media-production/medias/5476142/original/031022700_1768713983-WhatsApp_Image_2026-01-18_at_12.09.03.jpeg)
