Bagaimana WUWENAI Mengubah Data Robot yang Terbatas Menjadi Jutaan Jam Pengalaman

Data menjadi hambatan utama embodied AI

Robot yang benar-benar mampu bekerja di dunia nyata membutuhkan lebih dari sekadar video manusia atau demonstrasi teleoperasi. Mereka harus memahami hubungan antara penglihatan, gerakan, sentuhan, gaya, objek, dan hasil dari setiap tindakan.

Di sinilah WUWENAI menempatkan strateginya. Perusahaan yang didirikan dan dipimpin Liu Shengxiang—mantan pemimpin bidang data dan pengujian kendaraan otonom Baidu—mengusulkan sistem Real-to-Sim-to-Real (R2S2R). Gagasannya adalah menjadikan pengumpulan data, pelatihan kebijakan robot, evaluasi, dan perbaikan sebagai satu siklus yang saling memperkuat. 8

Tiga lapisan dalam sistem WUWENAI

1. Data Factory: mengambil dasar dari dunia nyata

Lapisan pertama adalah Data Factory, yakni perangkat dan proses pengumpulan data multimodal dari interaksi robot dengan objek. Sistem ini dapat merekam penglihatan, gerakan, kontak, kondisi objek, tindakan robot, serta hasil tugas secara tersinkronisasi.

Tujuannya bukan hanya menghasilkan video yang tampak realistis, melainkan menangkap hubungan sebab-akibat fisik yang diperlukan untuk mengendalikan robot. Video internet biasa umumnya tidak memiliki informasi tentang aksi robot, geometri yang terkalibrasi, atau sinyal gaya dan kontak.

WUWENAI juga memperkenalkan platform data physical AI bernama Wuyin. Perusahaan tersebut mengklaim platform ini memiliki lebih dari 1.000 TB data dan 10.000 jam dataset berkualitas tinggi yang dibuka untuk publik. 12

2. Generative World Model: memperbanyak pengalaman

Data nyata kemudian digunakan untuk melatih Generative World Model. Secara sederhana, model dunia adalah jaringan saraf yang mempelajari representasi suatu lingkungan dan bagaimana lingkungan itu berubah dari waktu ke waktu. 5

Dalam konteks robot, model ini mempelajari apa yang mungkin terjadi ketika agen melakukan tindakan tertentu. Setelah memiliki pijakan dari data fisik, model dapat menghasilkan variasi tugas, lintasan gerak, posisi objek, gangguan, serta skenario kegagalan yang masuk akal dan dapat dikendalikan.

Dengan begitu, satu rangkaian interaksi fisik tidak berhenti sebagai satu contoh. Ia dapat menjadi dasar untuk mengeksplorasi banyak kemungkinan tindakan dan kondisi yang sulit dikumpulkan secara langsung.

3. World Simulator: tempat robot berlatih dan diuji

Lapisan ketiga adalah World Simulator. Di lingkungan ini, berbagai kebijakan robot dapat dijalankan berulang kali dengan kecepatan lebih tinggi dan biaya lebih rendah dibandingkan pengujian menggunakan perangkat keras.

Simulator dapat membantu menilai hasil, menemukan kasus lemah, membandingkan kebijakan, dan memilih kegagalan mana yang perlu diuji ulang di dunia nyata. Penelitian tentang simulator interaktif berbasis aksi menunjukkan bahwa evaluasi di dalam simulator dapat berkorelasi dengan performa di dunia nyata, meski kemampuan tersebut masih menjadi tantangan riset dan belum sepenuhnya terpecahkan. 3

Dari data terbatas menuju “jutaan jam” pengalaman

Pernyataan Liu tidak berarti WUWENAI akan merekam jutaan jam operasi robot secara fisik. Intinya, sejumlah interaksi nyata yang relatif terbatas dapat menjadi korpus awal untuk menghasilkan banyak lintasan pelatihan yang dapat dikendalikan di dalam simulasi.

Siklusnya bekerja sebagai berikut:

1. Robot mengumpulkan interaksi dan kegagalan di dunia nyata.
2. Data tersebut digunakan untuk memperbarui model dunia.
3. Model menghasilkan berbagai pengalaman kontrafaktual di dalam simulator.
4. Kebijakan robot dilatih dan diuji pada pengalaman virtual tersebut.
5. Kasus yang paling tidak pasti atau penting dikirim kembali ke dunia nyata untuk divalidasi.

Dengan pola ini, dunia fisik berfungsi sebagai sumber pijakan dan koreksi, sementara dunia virtual menyediakan skala. Mekanisme umpan balik antara data nyata dan sintetis tersebut sejalan dengan arah riset reinforcement learning untuk robot nyata dalam sistem tertutup. 4

Mengapa teleoperasi, video manusia, dan simulasi murni belum cukup?

WUWENAI memandang tiga pendekatan konvensional sebagai bagian dari masalah, bukan solusi lengkap.

• Teleoperasi menghasilkan demonstrasi yang dilengkapi label tindakan, tetapi mahal, lambat, bergantung pada operator, dan cenderung berfokus pada perilaku yang berhasil. Metode ini juga tidak efisien untuk mencakup kegagalan langka dan berbagai kemungkinan tindakan.
• Video sudut pandang orang pertama menawarkan skala besar, tetapi biasanya tidak memuat aksi robot, geometri terkalibrasi, informasi gaya atau kontak, serta kesesuaian langsung dengan bentuk tubuh robot. Karena itu, video tersebut merupakan sumber supervisi yang terbatas untuk mengendalikan manipulasi robot.
• Simulasi murni memang murah dan beragam, tetapi dapat mengandung kesalahan pada geometri, dinamika kontak, derau sensor, perilaku objek, maupun kondisi lingkungan manusia. Perbedaan antara simulasi dan dunia nyata inilah yang dikenal sebagai sim-to-real gap. Penyelarasan digital twin secara terus-menerus dengan pengamatan fisik dimaksudkan untuk memperkecil kesenjangan tersebut. 2

Mengapa pendekatan ini membuka jalan menuju reinforcement learning?

Demonstrasi manusia terutama berguna untuk memulai imitation learning: robot belajar melakukan apa yang dilakukan demonstrator.

Namun, simulator yang cukup akurat dan dikondisikan oleh aksi memungkinkan robot mencoba pilihan lain, menerima penghargaan berdasarkan hasil tugas, mengoptimalkan perilaku dalam jangka lebih panjang, dan mempelajari cara memulihkan diri setelah gagal. Inilah inti reinforcement learning.

Riset terbaru juga telah menunjukkan pelatihan lanjutan kebijakan vision-language-action menggunakan rollout dalam model dunia yang dikondisikan oleh aksi. Meski demikian, kualitas fungsi penghargaan dan kesetiaan model terhadap fisika nyata masih menjadi penentu utama keberhasilannya.

WUWENAI berada di persimpangan kompetisi global

Persaingan di bidang ini tampaknya bergerak menuju arsitektur yang serupa, bukan sekadar adu fitur.

World Labs, misalnya, menjelaskan SceniX sebagai mesin R2S2R yang mengubah satu tugas fisik menjadi banyak dunia simulasi yang dapat dikendalikan dan digunakan kembali untuk pelatihan serta pengujian kebijakan robot. 6 Riset Google DeepMind juga telah lama menghubungkan model dinamika yang dipelajari dengan reinforcement learning yang lebih skalabel. 3

Tesla memiliki keunggulan yang kuat dalam iterasi perangkat keras, manufaktur, serta ekosistem data dan komputasi yang lebih luas melalui program Optimus dan bisnis kendaraan otonomnya. Namun, bukti publik yang tersedia belum cukup untuk menyimpulkan bahwa WUWENAI secara teknis berada di depan Tesla atau DeepMind.

Mengapa ekosistem China penting?

China memiliki basis robot industri terpasang terbesar di dunia dan sedang memperluas pengembangan robot humanoid sembari melokalkan sebagian rantai pasok robotiknya. 17 Komentar resmi di negara tersebut juga menggambarkan embodied AI yang mulai bergerak dari uji coba dalam jumlah kecil menuju penerapan yang lebih luas. 19

Kondisi itu berpotensi menyediakan basis domestik yang besar berupa pabrik, robot, jenis tugas, dan lingkungan penerapan. Bagi perusahaan infrastruktur data, ekosistem tersebut dapat menjadi sumber data grounding sekaligus pasar untuk perangkat dan layanan bersama yang digunakan berbagai produsen robot.

Tantangan terbesar: apakah simulasi benar-benar mencerminkan kenyataan?

Daya tarik R2S2R terletak pada janji skalanya: data fisik memberi model pijakan, model generatif memperluas pengalaman, dan simulator memungkinkan pelatihan serta evaluasi dalam jumlah besar.

Namun, sistem ini hanya akan bernilai jika simulasi mampu memprediksi kejadian yang sulit—terutama kontak, manipulasi objek yang tidak kaku, pemulihan setelah kesalahan, dan tugas dengan rangkaian langkah panjang. Kebijakan yang berhasil di simulator harus terbukti konsisten ketika dipindahkan ke robot, objek, dan lingkungan nyata yang berbeda.

Karena itu, status “kelas dunia” WUWENAI dan klaim bahwa perusahaan tersebut unggul beberapa bulan dari pesaing masih merupakan pernyataan perusahaan atau media, bukan hasil tolok ukur independen. Ujian sebenarnya adalah seberapa akurat simulatornya memprediksi hasil di dunia nyata dan seberapa andal kebijakan yang dilatih di dalamnya dapat ditransfer ke berbagai kondisi fisik.