Perkembangan TEKNOLOGI robotika semakin menarik setelah Eka Robotics mengembangkan tangan robot yang mampu merasakan tekanan ketika menggenggam berbagai objek, termasuk benda yang mudah rusak. Perusahaan rintisan asal Cambridge, Massachusetts, Amerika Serikat, ini menggabungkan sensor gaya dengan kecerdasan buatan untuk menghasilkan gerakan yang lebih halus dan adaptif. Teknologi tersebut memungkinkan robot menyesuaikan kekuatan genggaman berdasarkan respons fisik benda yang disentuh, bukan hanya mengandalkan kamera. Inovasi ini menjadi perhatian setelah Eka Robotics mengumumkan pendanaan Seri A sebesar 150 juta dolar AS pada 20 Oktober 2026, sekaligus memperlihatkan potensi baru penggunaan robot dalam industri manufaktur, logistik, dan pekerjaan yang membutuhkan ketelitian tinggi.
Eka Robotics Mengembangkan Sistem Robot dengan Kemampuan Sentuhan
Perusahaan Eka Robotics dikenal sebagai startup yang berfokus pada kemampuan manipulasi robot yang membangun sistem robot dengan kemampuan merasakan tekanan. Pengembang robot tersebut didirikan oleh Pulkit Agrawal, profesor dari Massachusetts Institute of Technology, dan Tuomas Haarnoja, mantan peneliti Google DeepMind. Dua pengembang teknologi tersebut berupaya mengatasi salah satu hambatan utama dalam dunia robotika, yaitu ketangkasan memanipulasi objek. Berbeda dari robot industri konvensional yang banyak digunakan untuk tugas yang sudah ditentukan, sistem Eka Robotics dirancang untuk menyesuaikan tindakan ketika menghadapi kondisi fisik yang tidak selalu sama. Pengembangan tersebut menawarkan potensi besar bagi otomatisasi pekerjaan fisik.
Salah satu kemampuan menarik adalah pengendalian kekuatan genggaman secara responsif. Berdasarkan pengamatan terhadap prototipe robot, sistem Eka Robotics memperlihatkan kemampuan menangani benda seperti raspberry dan bola lampu yang membutuhkan pengaturan gaya secara tepat. Saat tangan robot bergerak menuju benda, robot memanfaatkan pengamatan melalui kamera untuk memperkirakan posisi awal. Meski demikian, setelah ujung penjepit menyentuh benda, informasi gaya membantu menentukan gerakan berikutnya. Melalui kemampuan ini, robot berpotensi menangani objek dengan lebih lembut. Kemampuan tersebut menunjukkan kemajuan penting dalam pengembangan ketangkasan robot.
Teknologi Vision-Force-Action untuk Mengendalikan Genggaman Robot
Pendekatan pengendalian pada Eka Robotics dikembangkan melalui model Vision-Force-Action, yaitu pendekatan AI yang menghubungkan persepsi gambar, kontak fisik, dan gerakan. Berbeda dengan pendekatan Vision-Language-Action yang banyak menitikberatkan hubungan gambar, bahasa, dan perintah gerakan, model Eka Robotics memanfaatkan tekanan untuk menentukan penyesuaian gerakan. Saat sistem berinteraksi dengan benda, kamera membantu memperkirakan lokasi objek, sedangkan sensor gaya memberikan informasi tentang gaya yang terjadi. Kombinasi tersebut membantu robot mengambil keputusan ketika benda mulai bergeser. Dengan demikian, robot memiliki kemampuan mengoreksi tindakan berdasarkan kontak.
Pemanfaatan umpan balik tekanan menjadi penting karena benda di dunia nyata memiliki karakteristik berbeda. Dalam situasi penggunaan, menggenggam raspberry harus dilakukan dengan gaya yang terkendali, sedangkan mengangkat benda yang memiliki massa lebih besar membutuhkan pengendalian tekanan yang sesuai. Jika gaya yang diberikan berlebihan, benda rapuh mungkin pecah atau hancur. Namun apabila tekanannya terlalu kecil, objek dapat tergelincir dari penjepit. Berkat respons sensor terhadap kontak, sistem dapat mengoreksi kekuatan genggaman. Kemampuan tersebut menjadi dasar penting untuk meningkatkan ketepatan manipulasi.
Peran Reinforcement Learning dalam Melatih Ketangkasan Robot
Tidak hanya berfokus pada perangkat keras, Eka Robotics menggunakan pembelajaran melalui penguatan untuk meningkatkan pengendalian tangan robot. Pendekatan pembelajaran ini memungkinkan robot mempelajari strategi melalui eksperimen menggunakan model fisika. Pada lingkungan pelatihan digital, berbagai faktor seperti massa benda, respons fisik ketika bersentuhan, dan interaksi antarbagian robot membantu membentuk respons pengendalian. Peneliti di balik teknologi tersebut menyampaikan bahwa pendekatan ini memungkinkan pembuatan pengalaman latihan dalam jumlah besar tanpa selalu bergantung pada demonstrasi manusia. Metode pelatihan tersebut berpotensi mempercepat pengembangan.
Tantangan penting berikutnya adalah memindahkan keterampilan dari simulasi ke dunia nyata. Proses tersebut sering disebut sim-to-real transfer. Dalam praktiknya, permukaan benda dapat menunjukkan karakteristik yang sulit diperkirakan. Kondisi semacam ini dapat memengaruhi kekuatan genggaman. Karena itu, Eka Robotics menggabungkan hasil pelatihan AI dan umpan balik gaya. Strategi pengembangan tersebut memberikan peluang untuk memperbaiki tindakan saat terjadi kesalahan. Walaupun demonstrasinya menarik, keberhasilan pada semua jenis objek belum dapat diasumsikan.
Penerapan Teknologi Robot Adaptif pada Berbagai Pekerjaan Fisik
Pengendalian kontak fisik yang lebih presisi membuka peluang penerapan dalam industri perakitan. Selama ini, robot banyak menjalankan tugas dengan posisi objek yang tetap. Namun demikian, proses seperti menangani bagian yang mudah berubah posisi memerlukan penyesuaian sentuhan. Dalam skenario penggunaan industri, tangan robot peka tekanan berpotensi membantu penyusunan komponen kecil tanpa merusak bagian yang sensitif. Apabila sambungan memberikan resistansi, sistem memiliki dasar untuk merespons kontak. Fitur adaptasi ini dapat membantu meningkatkan fleksibilitas otomatisasi, meskipun setiap penerapan memerlukan validasi keselamatan.
Di luar industri perakitan, teknologi Eka Robotics berpeluang digunakan pada proses pemindahan produk. Dalam aktivitas tersebut, robot berinteraksi dengan material yang tidak seragam. Kemampuan membaca tekanan berpotensi mengurangi kesalahan pengambilan ketika objek dipindahkan dari satu tempat ke tempat lain. Pada proses penanganan bahan pangan, teknologi serupa mungkin membantu proses penyortiran produk sensitif. Meski potensinya luas, penggunaan langsung pada makanan harus memenuhi standar keamanan pangan. Untuk memastikan manfaat operasional, perusahaan perlu mempertimbangkan kecepatan penanganan, daya tahan perangkat, dan keamanan lingkungan kerja sebelum menerapkannya dalam skala besar.
Peluang dan Hambatan Komersialisasi Robot Peka Tekanan
Kemajuan teknologi yang dikembangkan perusahaan mendapatkan dukungan pendanaan besar. Pada 20 Oktober 2026, Eka Robotics dilaporkan berhasil mengumpulkan pendanaan Seri A sebesar 150 juta dolar AS. Pembiayaan perusahaan tersebut mendapat dukungan utama dari Andreessen Horowitz atau a16z dan F-Prime, dengan nilai perusahaan pascainvestasi mencapai 1,45 miliar dolar AS. Dukungan finansial tersebut mencerminkan tingginya perhatian industri terhadap teknologi robot yang dapat berinteraksi dengan dunia nyata. Walaupun pendanaan tersebut signifikan, valuasi perusahaan tidak otomatis menunjukkan profitabilitas. Keberhasilan berikutnya akan ditentukan oleh pengujian operasional.
Persoalan penting pada teknologi ini adalah menjaga ketepatan manipulasi dalam berbagai situasi. Percobaan pada fasilitas penelitian dapat memperlihatkan kemampuan menjanjikan, tetapi operasional nyata memiliki kompleksitas berbeda. Objek dapat berubah posisi, tekstur objek dapat memengaruhi kontak, dan perangkat harus bekerja berulang kali. Dengan mempertimbangkan tantangan tersebut, Eka Robotics perlu terus mengembangkan ketahanan sistem. Di samping optimasi sensor, perusahaan juga membutuhkan integrasi dengan infrastruktur pelanggan. Pada akhirnya, kemampuan laboratorium perlu dibuktikan dalam pekerjaan sehari-hari.
Eka Robotics Membuka Peluang Baru bagi Kecerdasan Buatan Fisik
Pengembangan tangan robot Eka Robotics memperlihatkan perkembangan menarik dalam pengembangan kecerdasan buatan fisik. Melalui kombinasi sensor gaya, persepsi visual, dan model Vision-Force-Action, robot berpotensi menangani benda dengan tingkat kerapuhan berbeda. Metode pelatihan berbasis penguatan juga membantu mengembangkan keterampilan manipulasi. Kendati perkembangannya menarik, keandalan penggunaan jangka panjang harus dibuktikan. Seiring meningkatnya kebutuhan otomatisasi, kemampuan robot untuk menyesuaikan gerakan berdasarkan kontak dapat membantu pengembangan otomatisasi yang lebih adaptif. Menurut Anda, apakah tangan robot yang mampu merasakan tekanan akan mempercepat perkembangan otomatisasi? Bagikan pendapat Anda mengenai potensi teknologi sentuhan dalam dunia robotika.
