Di akhir pekan di rumah, saat sedang menjelajahi platform media sosial, sebuah video membuat saya terkesima.
Sebuah robot mengendarai mobil gokart melaju kencang di sirkuit, menikung, berakselerasi, memutar setir, semua dalam satu take.
Tidak menyangka robot kita sekarang sudah bisa pamer skill di trek gokart!
Tunggu dulu?
Ini berbeda dengan pemandangan yang saya lihat di WRC!
Di pameran, robot hanya berlari, dengan percikan api dan kilat, tidak menyangka kapan robot di video ini diam-diam mendaftar kursus balap di belakang manusia?
Ia benar-benar seperti seorang sopir berpengalaman, menikung dengan kecepatan tinggi, menghindari rintangan dengan lincah, menyelesaikan satu putaran dengan lancar.
Dibandingkan dengan demo robot yang biasa berjalan lambat, membungkuk mengambil barang, robot dalam video ini benar-benar duduk sendiri di mobil, tangan, mata, dan kaki bekerja sama secara sinkron, menyelesaikan keseimbangan multi-titik kontak dan kontrol gaya yang presisi dalam kondisi kecepatan penuh.
Koordinasi tubuh penuh untuk menyelesaikan operasi detail dalam gerakan cepat dan perubahan postur kompleks, yang dilakukan oleh robot humanoid berkaki dua ini, hampir tidak pernah muncul dalam demonstrasi robot humanoid sebelumnya.
Perusahaan yang merilis video ini bernama Symbiotic Cognition.
Apa yang dilakukan Symbiotic Cognition adalah "otak" terpadu dari persepsi hingga kendali end-to-end untuk robot humanoid berkaki dua, yaitu model dasar.
Pendirinya, Ding Pengxiang, lahir tahun 1996, anggota inti tim lainnya semua lahir tahun 2000-an, semuanya sedang menempuh gelar doktor, perusahaan baru berusia dua bulan.
Mengenai Demo yang terlihat agak "menyimpang" ini, Ding Pengxiang menjelaskan:
Saya ingin robot bisa lebih mirip manusia, bukan hanya melakukan fungsi layanan yang sangat mekanis. Misalnya, manusia bisa mengendarai gokart, robot juga harus bisa.
Satu pertanyaan muncul: mengapa sekelompok pemuda yang bahkan belum punya ijazah sarjana, berani menyentuh jalur paling sulit dan paling mutakhir dalam kecerdasan embodimen?
Bertaruh di Jalur Tersulit: Dulu Risetnya Terstratifikasi, Sekarang Menantang End-to-End
Seberapa baru jalur model robot humanoid berkaki dua "end-to-end" ini?
Sangat baru hingga di pasar tidak ada talenta yang siap pakai.
Menurut Ding Pengxiang, arah ini baru populer dalam dua tahun terakhir, orang yang paham teknologinya masih menempuh doktor, mereka hampir tidak bisa menemukan orang yang sesuai kebutuhan dari kumpulan talenta.
Yang sudah lulus bertahun-tahun tidak bisa mengikuti ritme, yang belum sampai doktor, pemahaman dasarnya kurang mendalam. Terobosan paling mutakhir, ada di tangan para doktor terbaik ini.
Tim Symbiotic Cognition adalah sekelompok orang yang muda dan mutakhir seperti ini.
Mereka meraih kehormatan akademik paling bergengsi di bidang kecerdasan embodimen domestik — dua Best Paper, dan satu masuk Best Paper Candidate; mereka juga menciptakan model dasar embodimen pertama di dalam negeri yang GitHub Stars-nya menembus 2K.
Yang lebih penting, mereka bukan pengikut setelah tren datang, melainkan pelopor pertama yang mengeksplorasi model dasar embodimen di dalam negeri, juga pelaku jangka panjang paling teguh di jalur ini. Tim secara kumulatif telah menerbitkan lebih dari 40 makalah konferensi papan atas, peta teknologi mencakup tumpukan penuh persepsi, pengambilan keputusan, kendali, data, dan sistem; dari sistem ganda, ringan, hingga multi-konfigurasi, serangkaian pekerjaan pertama di industri, semuanya berasal dari tim muda ini.
Penilaian mereka sangat jelas: bentuk akhir robot yang paling luas memasuki kehidupan manusia adalah berkaki dua;
Mengikuti jalur evolusi mobil otonom dan model besar, end-to-end adalah mode teknologi yang paling efisien.
Penilaian ini berasal dari pengalaman penelitian langsung mereka.
Sejak Desember 2023, Ding Pengxiang sudah mulai memasang "otak" untuk robot berkaki empat.
Ia merilis QUAR-VLA sebagai penulis pertama, yang merupakan paradigma tugas VLA pertama untuk robot berkaki empat, membuat model atas (otak) bertanggung jawab memahami visual, bahasa, dan intensi tugas, lalu menyerahkan keputusan ke sistem gerak bawah (otak kecil) untuk dieksekusi.
Pemikiran terstratifikasi "otak mengelola pengambilan keputusan, otak kecil mengelola eksekusi gerak" ini, adalah yang disebut stratifikasi dalam industri, skema yang masih digunakan perusahaan seperti Figure saat ini.
Dalam penelitian berikutnya, ia perlahan menemukan masalah.
Ia menggambarkan stratifikasi sebagai "skema yang secara teori mungkin, tetapi tidak terlalu elegan":
Otak dan otak kecil bekerja sendiri-sendiri, setiap kali ada tugas baru, perlu penyesuaian khusus untuk output hulu, agar hasilnya baik.
Lebih dalam lagi, adalah cacat struktural bawaan.
Otak dan otak kecil dilatih terpisah, saat penyebaran digabungkan, setiap bagian lebih baik, tidak menjamin keseluruhan optimal;
Setiap kali diterjemahkan di antara dua lapisan, bertambah sekali kesalahan kaskade dan kehilangan informasi.
Ding Pengxiang menilai, "selama terstratifikasi, di tengah pasti ada kemacetan informasi, desain antarmuka ini menentukan bahwa arsitektur terstratifikasi tidak dapat mencapai Scaling yang sesungguhnya."
Penilaian ini juga berasal dari pengamatan jangka panjangnya terhadap perkembangan mobil otonom dan model besar.
Mobil otonom awal bergantung pada kerja sama banyak modul persepsi, prediksi, perencanaan, kendali, kemudian mulai mengeksplorasi membiarkan model belajar kemampuan mengemudi langsung dari data.
Setelah FSD Tesla beralih ke end-to-end, kinerjanya meningkat drastis.
Menurut Ding Pengxiang, robot mungkin juga akan mengalami perubahan serupa, membiarkan model belajar proses lengkap "persepsi—pemahaman—tindakan" dari data.
Logikanya, sejak 2023 sudah berulang kali melakukan jalur terstratifikasi, jika menilai skalabilitas data masa depan akhirnya akan mendorong sistem ke end-to-end, tidak perlu lagi berputar sekali.
Langkah ini sedang terjadi pada tahun 2026.
Gemini Robotics 2 Google sudah menggunakan satu kebijakan tunggal untuk menyatukan gerak seluruh tubuh dari kaki ke ujung jari ke dalam satu model;
Tapi konsensus konferensi papan atas RSS 2026 menuliskan, model tunggal end-to-end tidak dapat mencakup dinamika kompleks seluruh tubuh, stratifikasi modular adalah skema implementasi optimal saat ini.
End-to-end murni yang dipertaruhkan Symbiotic Cognition, adalah jalur yang lebih radikal, lebih sedikit ditempuh orang.
Mengapa harus berkaki dua? Jawaban Ding Pengxiang adalah prinsip pertama: bangunan, alat, lingkungan masyarakat manusia, semuanya dibuat sesuai konfigurasi tubuh manusia.
Robot beroda hanya bisa bekerja tetap di jalur produksi dan mal, robot berkaki dua bisa keluar rumah, naik turun tangga, mengemudi, juga bisa menyelesaikan tugas berbeda lintas skenario.
Universalitas berarti biaya tersebar, robot berkaki dua juga memiliki rasa kedekatan yang mirip manusia.
Waktu juga krusial. Sebelum April 2026, robot humanoid berkaki dua bahkan belum punya model teleoperasi universal, tanpa sumber data tidak bisa melatih model dasar.
Baru setelah Nvidia Sonic open source, industri punya fondasi untuk produksi data skala besar.
Arah ini sudah tidak lagi berada di tahap awal "ingin latih tapi tidak ada data", dan belum matang hingga rute sepenuhnya konvergen, Symbiotic Cognition bertaruh pada jendela di tengah ini.
Batas Teknis: Orang Lain Belajar Kinematika, Mereka Menggigit Dinamika
Pertama pahami satu batas: sebagian besar model dasar robot saat ini, sebenarnya belajar kinematika.
Kinematika peduli dari titik A ke B, tangan bergerak ke mana, berhasil pegang atau tidak, lengan robot dengan basis tetap bisa begitu karena tidak akan jatuh.
Robot berkaki dua mengulurkan tangan untuk meraih sesuatu, pusat gravitasi tubuh akan berubah bersamaan;
Saat jongkok mengambil benda, pinggang harus condong ke depan, pergelangan kaki dan kaki harus mendistribusikan kembali tenaga, menjaga keseimbangan;
Ditambah gesekan, tabrakan, inersia, dan kontak, model sudah menghadapi satu set dinamika seluruh tubuh.
Menurut Ding Pengxiang, satu robot humanoid berkaki dua g1 memiliki 29 derajat kebebasan, jauh lebih kompleks dari 7 derajat kebebasan lengan robot.
Dulu robot belajar "lintasan gerak", robot humanoid harus belajar "bagaimana tubuh bertindak di dunia fisik".
Dari kinematika ke dinamika, dari menyelesaikan tugas ke menjaga stabilitas, ini adalah batas teknis sebenarnya dari model robot berkaki dua.
Ini bisa menjelaskan mengapa Symbiotic Cognition membawa model hingga ke Joint Target, yaitu lapisan target sendi.
Dalam skema terstratifikasi, otak dulu mengeluarkan target kinematika, otak kecil hilir baru menghitung menjadi aksi sendi;
Symbiotic Cognition menghilangkan link tengah ini, membiarkan model langsung menghadapi status tubuh puluhan sendi.
Masalah pun muncul: jika otak kecil dihilangkan, apakah robot masih bisa berdiri stabil?
Hanya mengandalkan pembelajaran tiruan, model hanya belajar gerakan standar, belum melihat berbagai status tubuh goyah selama eksekusi, saat menghadapi status asing bisa langsung jatuh.
Yang kurang adalah kemampuan untuk berdiri tegak dari kegagalan.
Inti Symbiotic Cognition adalah satu set mekanisme optimasi kooperatif dual-domain "pemodelan perilaku tugas—distilasi prior gerak".
Satu jalur optimasi melanjutkan kloning perilaku, menjamin akurasi tugas dan kemampuan penyesuaian gerak; jalur lain melalui DriftDistill, mengubah stabilitas, ketahanan gangguan, dan kemampuan Failure Recovery yang terkumpul oleh pengontrol bawah, menjadi prior gerak endogen model terpadu.
Ini bukan sekadar menumpuk dua Loss, melainkan mengintegrasikan dua jenis kemampuan "menyelesaikan tugas dengan akurat" dan "mengontrol tubuh dengan stabil" ke dalam model yang sama, membiarkan model besar secara bersamaan memperoleh kecerdasan tugas dan kecerdasan tubuh.
Jika DriftDistill bisa terus berkembang bersama model dan volume data, ia mencoba menyelesaikan masalah yang lebih besar:
Di luar Scaling kognisi, bisakah robot bahkan kemampuan kontrol geraknya juga ikut Scaling.
Ding Pengxiang menyebut modul pengumpulan kemampuan gerak ini sebagai Motion Expert (model ahli gerak), saat ini skalanya mendekati 1B, dan terus menyerap kemampuan berbagai model kontrol gerak melalui distilasi.
Langkah lebih jauh, model besar end-to-end juga harus menyelesaikan output gaya robot.
Saat ini banyak sistem robot terutama mengontrol posisi, tetapi setelah robot benar-benar masuk dunia nyata, posisi benar tidak berarti tugas selesai.
Tangan mengulur ke gagal laci, tapi tidak tahu harus pakai tenaga seberapa, pintu tetap tidak terbuka; saat menyerahkan barang ke orang posisi tidak masalah, tenaga berlebihan juga tidak aman.
Jalur teknis Symbiotic Cognition adalah pertama menjadikan Force Expert sebagai ahli kontak aman, membiarkannya belajar pemberian gaya, kelenturan, impedansi, dan umpan balik kontak, kemudian melalui distilasi kebijakan secara bertahap diintegrasikan ke Motion Expert dan model end-to-end akhir.
Posisi menentukan apakah robot bisa "sampai di sana", gaya menentukan apakah ia benar-benar bisa "menyelesaikan pekerjaan dengan baik".
Ini juga arti "model dunia fisik seluruh tubuh" Symbiotic: membiarkan model memahami bagaimana tubuh menerima gaya, kehilangan keseimbangan, kontak, lalu menjadikan kendala ini langsung menjadi aksi.
Data, Emergensi, dan Satu Jadwal yang Dingin
Setelah model benar-benar dilatih, pertama yang ditemui adalah kelangkaan data.
Data robot paten global hingga awal 2026 sekitar 500 ribu jam, kurang dari 1/20.000 model bahasa besar.
Memalukannya, banyak data dikumpulkan dari operasi di tempat, robot bekerja di tempat di bilik, kurang membantu untuk operasi pergerakan seluruh tubuh.
Blog Symbiotic Cognition merilis sekitar 10 ribu jam data, beberapa ribu jam dikumpulkan sendiri.
Model koordinasi seluruh tubuh benar-benar langka akan data operasi pergerakan seluruh tubuh dengan kopling kuat dalam kehidupan nyata, seperti bersepeda, mengemudi gokart, memompa bola basket, dll.
Solusi mereka adalah TrajBooster: mengekstrak lintasan ujung dari tubuh robot lengan atau beroda, membiarkan robot humanoid melacak lintasan ini dalam simulasi dan menjaga keseimbangan, menyatukan aksi dari sumber berbeda ke ruang yang sama, menggunakan kembali keragaman tugas yang sudah didefinisikan lengan robot, menyediakan data untuk pelatihan awal dengan biaya rendah.
Saat berbicara kemampuan model, Ding Pengxiang hampir tidak menggunakan kata "generalisasi".
Menurutnya, "kata ini tidak bergizi, seperti mengatakan seseorang baik saja kosong."
Yang ia inginkan adalah "emergensi": di tingkat sudut sendi, misalnya, model dilatih dengan data berjalan dan melompat, saat uji ia sendiri mengombinasikan skill baru berlari.
Karena hanya sampai tingkat sendi, beberapa kemampuan aksi baru mungkin bisa dikombinasikan menjadi aksi baru.
Dalam jadwal, penilaiannya sangat dingin.
Ia menyimpulkan, data sekitar seratus ribu jam lebih banyak masih Demo tingkat laboratorium, benar-benar punya makna komersial skala besar, mungkin baru setelah jutaan jam.
Saat ini industri bahkan belum konvergen pada bentuk data yang paling sesuai, rute seperti elektromiografi, eksoskeleton, motion capture, teleoperasi Pico masih bersaing.
Menurutnya, tiga masalah tersulit robot humanoid saat ini, pertama adalah bagaimana persepsi dan kendali seharusnya digabungkan, kedua adalah jenis data apa yang seharusnya digunakan, ketiga baru skala data itu sendiri.
Ding Pengxiang berharap, suatu hari nanti arsitektur model robot yang dirancang tim Tiongkok, juga bisa sebaliknya digunakan secara luas oleh rekan sejawat Amerika Utara.
Kami tidak ingin menjadi Follower, kami ingin memimpin perkembangan teknologi.
Kembali ke mobil gokart itu.
Yang membuatnya menikung dengan kecepatan penuh, adalah sekelompok pemuda yang belum lulus.
Yang mereka pertaruhkan, adalah arah tersulit dan paling mutakhir dalam kecerdasan embodimen.
Berjudi bahwa end-to-end akhirnya akan menggantikan stratifikasi.
Industri masih jauh dari bisa membuktikan rute akhir sudah berhasil, bahkan Ding Pengxiang sendiri mengakui, seluruh industri model dasar berkaki dua belum benar-benar konvergen.
Tapi sisi mutakhir sebuah tim startup, kadang justru tidak terletak pada membuat jawaban matang lebih cepat, melainkan pada kemampuannya melihat lebih awal masalah penting berikutnya yang benar-benar penting, dan berani menyelesaikannya saat jawaban belum jelas.
Artikel ini berasal dari akun WeChat "QbitAI" (ID: QbitAI), penulis: Qiao Buchi
