# Artikel Terkait Robotika

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Robotika", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Qingyan Precision Raised Ratusan Juta Yuan, Dipendanaan oleh Pemain Utama Alat Berat Milik Negara

Investor Daily AI melaporkan bahwa Qingyan Jingzhun (清研精准) telah menyelesaikan dua putaran pendanaan dengan total miliaran RMB dalam waktu 6 bulan hingga Juni, menandai penyelesaian Seri Pendanaan Ronda B. Rangkaian pendanaan ini melibatkan sumber daya industri yang kaya, termasuk dana milik perusahaan milik negara dan matriks modal dari enam perusahaan otomotif: **Beijing Auto Industry Investment, Xingyuan Capital, FAW Fusheng, Great Wall Capital, Shaanxi Auto Capital, dan Yulon Group**. Ini menunjukkan platform rekayasa AI fisik dan sistem validasi pengujian perusahaan telah tertanam dalam rantai pasokan inti produsen mobil domestik. Berfokus pada dasar rekayasa AI fisik untuk kecerdasan berwujud (*embodied AI*), Qingyan Jingzhun memanfaatkan lebih dari 8 tahun akumulasi di lokasi industri. Mereka telah mengembangkan infrastruktur seperti pipa data multimodal TsingLoop dan sistem pengujian *Robot-in-the-Loop* untuk menciptakan siklus tertutup "pengumpulan-simulasi-verifikasi-evaluasi-iterasi". Ini memungkinkan pelatihan dan validasi robot di lingkungan nyata dan kompleks, menjawab kebutuhan aksi pelatihan "real-world" pemerintah. Tim pendirinya memiliki latar belakang akademis dan industri yang kuat dari Tsinghua University, Stanford University, dan veteran industri robotika. Visi akhir perusahaan adalah mencapai **"satu platform dasar, satu otak, seratus aplikasi skenario vertikal"**, membangun kemampuan AI fisik yang dapat digunakan kembali di berbagai tugas industri. Pada titik kritis di mana AI fisik beralih dari konsep ke penerapan industri, Qingyan Jingzhun dipandang sebagai pemain inti yang memungkinkan landing kecerdasan berwujud di bidang industri.

marsbit07/13 04:34

Qingyan Precision Raised Ratusan Juta Yuan, Dipendanaan oleh Pemain Utama Alat Berat Milik Negara

marsbit07/13 04:34

Hah? Ini Tangan Robot?

1X Technologies, sebuah perusahaan robotika dari Norwegia, meluncurkan tangan robot baru berkinerja tinggi untuk robot humanoid NEO mereka. Tangan robot dengan 25 derajat kebebasan ini memiliki kemampuan menakjubkan seperti memutar bohlam, memungut sekrup, membuka ritsleting, menuangkan teh, menyambungkan kabel USB-C, hingga berbahasa isyarat. Kunci keunggulannya terletak pada desain "transparansi gaya" dan sistem tendon berkemampuan umpan balik. Berbeda dengan tangan robot biasa yang menggunakan rasio roda gigi tinggi (100:1), rasio NEO hanya 5:1 hingga 15:1. Hal ini memungkinkan semua 22 sendi di jari dan telapak tangan dapat merasakan gaya sentuh secara akurat, dengan presisi posisi ±0,2 mm. Tangan ini dilengkapi sensor sentuh resolusi tinggi di ujung jari untuk mendeteksi gaya, posisi sentuhan, dan bahkan saat benda mulai tergelincir. Kemampuan ini memungkinkannya memanipulasi benda kecil, rapuh, atau transparan yang sulit ditangani hanya dengan penglihatan komputer. Dari segi kekuatan, tangan ini mampu menghasilkan torsi hingga 3,5 Nm di ibu jari dan gaya mencengkeram 45N di ujung jari. Selain itu, pergelangan tangannya telah diuji lebih dari 2 juta siklus dengan beban berat dan memiliki rating tahan air IP68, sehingga bisa dicuci sendiri. Yang terpenting, 1X telah memulai produksi massal tangan ini dengan target kapasitas 10.000 unit tahun ini. Integrasi vertikal penuh—dari motor, elektronik, sensor, hingga bahan tendon—dilakukan di dalam perusahaan untuk menjamin kualitas dan keandalan.

marsbit07/10 08:43

Hah? Ini Tangan Robot?

marsbit07/10 08:43

Skript Baru Paradigm: Tangan Kiri Crypto, Tangan Kanan AI & Robot

Paradigm, lembaga modal ventura terkemuka, mengumumkan pengumpulan dana sebesar $12 miliar untuk fund keempatnya pada 8 Juli 2026. Pergerakan ini menandai pergeseran strategis dari fokus eksklusif pada cryptocurrency ke perluasan ke bidang teknologi canggih seperti kecerdasan buatan (AI) dan robotika. Perubahan ini telah diawali dengan revisi deskripsi Twitter resmi Paradigm pada Maret 2026, dari "firma investasi crypto berbasis penelitian" menjadi "kami membangun dan berinvestasi dalam perusahaan serta ide yang membentuk batas terdepan". Manajer umum Alana Palmedo menyatakan bahwa meski crypto tetap menjadi inti, perkembangan pesat di bidang AI dan robotika tidak dapat diabaikan. Fund baru ini telah melakukan investasi awal di perusahaan-perusahaan teknologi keras seperti Zipline (jaringan drone otonom), True Anomaly (keamanan luar angkasa), dan SendCutSend (manufaktur otomatis logam). Paradigm melihat titik konvergensi antara crypto dan AI terletak pada *AI Agents* (agen AI otonom). Mereka aktif mendukung pengembangan AI yang terdesentralisasi dan sumber terbuka (misalnya, investasi di Nous Research), membangun blockchain yang ramah terhadap interaksi agen (seperti proyek Tempo), serta mengembangkan alat-alat seperti EVMbench dan platform Centaur. Di sisi crypto, Paradigm tetap berkomitmen pada pasar turunan (seperti Hyperliquid), pasar prediksi (misalnya Kalshi), dan alat pengembangan untuk pengembang (seperti Reth dan Foundry). Evolusi Paradigm mencerminkan pergeseran narasi di pasar modal ventura global, di mana aliran modal besar-besaran ke sektor AI mendorong lembaga VC terkemuka untuk memperluas batas investasi mereka, sambil tetap mempertahankan fokus pada infrastruktur crypto yang menghasilkan arus kas nyata.

Foresight News07/09 09:08

Skript Baru Paradigm: Tangan Kiri Crypto, Tangan Kanan AI & Robot

Foresight News07/09 09:08

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

"Ujian Akhir" Kecerdasan Embodied (Embodied AI) Terlalu Sulit, Manusia 100 Poin, Model Terkuat Hanya 12.8 Kemajuan robotika dengan model AI besar (VLA, model dasar robot) sering tampak mulus dalam demo, namun kemampuan sebenarnya dalam melakukan tugas umum tetap menjadi pertanyaan besar. RoboDojo, tolok ukur evaluasi baru yang dikembangkan oleh tim akademis, memberikan "peta pendakian" yang lebih jelas. Ini adalah benchmark terpadu yang mengevaluasi 30 strategi robot utama di 42 tugas simulasi dan 18 tugas robot fisik nyata. Fokusnya adalah menguji lima kemampuan inti: generalisasi (beradaptasi dengan latar, pencahayaan, dan objek baru), memori, presisi (operasi halus seperti memasang), eksekusi multi-langkah panjang, dan pemahaman semantik terbuka terhadap instruksi baru. Hasilnya menunjukkan jurang yang dalam. Di simulasi, model terbaik (Hy-Embodied-0.5-VLA) hanya mencapai tingkat keberhasilan rata-rata 8.80%. Di dunia nyata, kinerja bahkan lebih menantang: model teratas (π0.5) hanya mencapai 12.8% keberhasilan. Sebagai perbandingan, ahli manusia mencapai 76.03% di simulasi dan 100% di dunia nyata. RoboDojo mengungkap bahwa model robot saat ini belum stabil dan andal. Mereka mungkin pandai dalam satu aspek (misalnya, pengenalan visual atau perencanaan), tetapi gagal dalam aspek lainnya (seperti presisi fisik atau pemahaman semantik terbuka). Penurunan kinerja yang signifikan dari simulasi ke dunia nyata juga menyoroti tantangan ketidakpastian fisik, noise sensor, dan kesalahan kalibrasi. Platform ini, dilengkapi dengan infrastruktur XPolicyLab untuk integrasi model yang terstandarisasi dan sistem evaluasi robot fisik (RoboDojo-RealEval) yang dapat direproduksi, bertujuan untuk menjadi "papan peringkat" komunitas yang obyektif. Dengan demikian, RoboDojo tidak hanya mendiagnosis kelemahan saat ini tetapi juga menyediakan jalur terukur untuk kemajuan menuju robot operasi yang benar-benar serbaguna dan dapat diandalkan.

marsbit07/08 11:53

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

marsbit07/08 11:53

Robot Belajar Operasi dari Video, UC Berkeley Pertama Kali Menghubungkan Video Internet dengan Penerapan pada Robot Tangan Lincah di Dunia Nyata

**Ringkasan: Robot Belajar dari Video untuk Operasi Manual, Peneliti UC Berkeley Pertama Kali Menerapkan Jaringan dari Video Internet ke Penerapan Aktual pada Tangan Robot Lincah** Peneliti UC Berkeley memperkenalkan metode "Do as I Do," sebuah alur kerja yang pertama kali berhasil mengubah video RGB monokular sehari-hari manusia menjadi lintasan gerak yang dapat dieksekusi oleh tangan robot lincah Sharpa Wave. Penelitian ini mengatasi tantangan utama: mengubah data video yang berisik menjadi instruksi yang dapat dijalankan robot. Prosesnya terdiri dari dua tahap: 1. **Pelacakan 4D Tangan-Benda yang Stabil:** Menggunakan model difusi terpandu untuk merekonstruksi interaksi tangan-benda dari video, mempertahankan kontinuitas dan mengurangi kesalahan. 2. **Pengalihan Aksi yang Tangguh:** Memodifikasi metode pengalihan aksi (seperti SPIDER) dengan penyesuaian agar dapat memproses lintasan referensi yang berisik dari video, meningkatkan tingkat keberhasilan dari 25% menjadi 71%. Sistem ini telah menghasilkan 500 lintasan gerak yang divalidasi untuk 20 jenis operasi seperti menulis, menuang, mengaduk, dan memalu. Lintasan ini telah berhasil dijalankan pada platform robot nyata dengan lengan UR3e ganda dan sepasang tangan Sharpa Wave (22 derajat kebebasan). Penelitian ini juga menyoroti bahwa tidak semua video internet dapat langsung digunakan. Analisis menunjukkan bahwa hanya sekitar 5% dari klip video yang disaring untuk interaksi tangan-benda yang benar-benar dapat diproses menjadi data robot yang andal, menekankan pentingnya penyaringan data yang cermat. Pada intinya, "Do as I Do" mengubah video manusia menjadi kumpulan data operasi berskala besar untuk robot, membuka jalur baru bagi robot untuk belajar dari banyaknya video yang ada di internet.

marsbit07/06 07:22

Robot Belajar Operasi dari Video, UC Berkeley Pertama Kali Menghubungkan Video Internet dengan Penerapan pada Robot Tangan Lincah di Dunia Nyata

marsbit07/06 07:22

Xingdong Jiyuan Raised 2.5 Miliar dalam Dua Bulan, Modal Negara Berbondong-bondong Masuk

Perusahaan robotika humanoid terkemuka China, StarHeir (星动纪元), baru saja menyelesaikan putaran pendanaan baru senilai 1 miliar RMB (10 miliar rupiah) pada 6 Juli. Putaran ini dipimpin oleh China Reform Fund, sebuah platform modal negara di bawah State-owned Assets Supervision and Administration Commission (SASAC) China. Sejumlah investor institusional negara lainnya dan modal ventura swasta juga berpartisipasi. Dalam dua bulan terakhir, StarHeir telah mengumpulkan total 2,5 miliar RMB (25 miliar rupiah), membentuk struktur modal yang kuat dengan dukungan modal negara, lembaga keuangan terkemuka, dan sinergi ekosistem industri. Perusahaan ini didirikan pada Agustus 2023 sebagai perusahaan spin-off dari Universitas Tsinghua, satu-satunya perusahaan humanoid yang dimiliki oleh universitas tersebut. Pendirinya, Chen Jianyu, adalah seorang profesor muda berbakat di Tsinghua dengan latar belakang penelitian robotika di UC Berkeley. StarHeir mengambil pendekatan unik "AI Native", mengembangkan seluruh tumpukan teknologi secara mandiri, dari model otak (AI), data, kontrol gerak, tangan lincah (dexterous hand), hingga platform robotika fisik. Mereka adalah pelopor dalam mengusulkan dan mengembangkan "World Model" untuk robotika, dengan model PAD mereka dirilis pada September 2024, lebih awal dari solusi serupa dari Nvidia. Strategi inti mereka adalah "memperkuat otak dengan tangan" – menggunakan tangan lincah buatan mereka sendiri, **XHAND series**, sebagai pintu masuk utama untuk mengumpulkan data interaksi fisik berkualitas tinggi dari dunia nyata. Data ini kemudian digunakan untuk melatih model AI (otak) yang lebih cerdas, menciptakan siklus peningkatan yang berkelanjutan. Tangan lincah mereka telah diadopsi oleh berbagai perusahaan robotika global, termasuk Skild AI (AS) dan Rainbow Robotics (Korea). Dalam hal komersialisasi, StarHeir berfokus pada skenario logistik dan manufaktur kelas atas. Mereka telah mencapai Product-Market Fit (PMF) pertama di industri dengan mengerahkan robot secara batch di pusat logistik milik raksasa seperti SF Express (Shunfeng) dan China Post di beberapa wilayah di China. Robot-robot ini dapat beroperasi 24/7 untuk tugas-tugas seperti penyortiran paket, dengan efisiensi yang diklaim melebihi manusia di beberapa kasus. Mereka juga bekerja sama dengan perusahaan industri seperti Samsung, Lenovo, dan Geely. Dengan kemampuan model yang matang, data dunia nyata yang melimpah dari tangan lincah, dan implementasi komersial yang stabil di lapangan, StarHeir membangun posisi yang kuat di persimpangan kompetisi robotika humanoid China. Mereka meyakini bahwa tahun 2026 adalah titik balik, di mana fokus bergeser dari kemampuan model di lab ke penutupan loop komersial di dunia nyata.

marsbit07/06 01:38

Xingdong Jiyuan Raised 2.5 Miliar dalam Dua Bulan, Modal Negara Berbondong-bondong Masuk

marsbit07/06 01:38

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

Artikel ini membahas konsep "world model" (model dunia) dalam kecerdasan buatan (AI) yang saat ini banyak digunakan dengan makna berbeda-beda. Fei-Fei Li mengusulkan taksonomi fungsional untuk mengklarifikasi kekacauan ini. Berdasarkan siklus interaksi agen-dunia dalam POMDP (Partially Observable Markov Decision Process), ia mengategorikan model dunia menjadi tiga jenis berdasarkan outputnya: 1. **Renderer (Perender):** Menghasilkan **observasi**, khususnya piksel yang ditujukan untuk mata manusia. Contohnya adalah model video seperti Sora atau sistem interaktif seperti Genie yang menghasilkan gambar berdasarkan input. Fokus utamanya adalah kesetiaan visual, bukan akurasi fisik. 2. **Simulator (Simulator):** Menghasilkan **state (keadaan)**, yaitu representasi dunia yang akurat secara geometri, fisika, dan dinamika. Simulator berfungsi sebagai landasan struktural untuk perhitungan, digunakan oleh profesional (arsitek, desainer) dan program komputer (robot, kendaraan otonom) untuk pelatihan dan pengujian. Contohnya adalah platform seperti NVIDIA Omniverse. 3. **Planner (Perencana):** Menghasilkan **tindakan**. Model ini menentukan langkah selanjutnya yang harus diambil sebuah agen berdasarkan observasi dan tujuan. Ini menutup lingkaran persepsi-aksi. Contohnya adalah model visi-bahasa-aksi (VLA) dan model aksi dunia (World Action Models). Artikel menyoroti bahwa **simulator adalah kunci penghubung** yang paling penting namun kurang mendapat perhatian publik. Simulator bekerja pada tingkat geometri dan fisika yang mendasarinya, sehingga pemahamannya dapat diproyeksikan ke dalam piksel (untuk renderer) atau prediksi konsekuensi tindakan (untuk planner). Tren terpenting saat ini adalah peleburan batas antara ketiga kategori ini, didorong oleh kesadaran bahwa pengetahuan dasar tentang dunia yang dibutuhkan adalah sama. Tujuan akhirnya adalah model dunia terpadu yang dapat beralih di antara rendering, simulasi, dan perencanaan sesuai kebutuhan. Perkembangan ini mendorong kemajuan menuju kecerdasan spasial, di mana mesin tidak hanya memahami bahasa tentang dunia, tetapi juga dapat memahami, membayangkan, bernalar, dan berinteraksi dengan dunia fisik itu sendiri.

marsbit07/05 09:28

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

marsbit07/05 09:28

活动图片