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
Eka Robotics merupakan perusahaan rintisan di bidang robotika yang mengembangkan sistem robot dengan kemampuan merasakan tekanan. Startup asal Amerika Serikat ini dibentuk melalui kolaborasi Pulkit Agrawal, profesor dari Massachusetts Institute of Technology, dan Tuomas Haarnoja, mantan peneliti Google DeepMind. Dua pengembang teknologi tersebut berupaya mengatasi salah satu permasalahan penting dalam dunia robotika, yaitu ketangkasan memanipulasi objek. Jika dibandingkan dengan robot industri konvensional yang banyak digunakan untuk tugas yang sudah ditentukan, sistem Eka Robotics dibangun supaya dapat merespons perubahan ketika menghadapi kondisi fisik yang tidak selalu sama. Pendekatan tersebut membuka peluang baru bagi pengembangan robot yang lebih terampil.
Salah satu kemampuan menarik adalah kemampuan menyesuaikan tekanan saat menyentuh objek. Berdasarkan pengamatan terhadap prototipe robot, sistem Eka Robotics berhasil mendemonstrasikan penanganan benda seperti raspberry dan bola lampu yang mudah mengalami kerusakan akibat tekanan. Ketika mendekati objek, robot memanfaatkan pengamatan melalui kamera untuk mengarahkan gerakan mendekati target. Akan tetapi, setelah terjadi kontak fisik, informasi gaya membantu menentukan gerakan berikutnya. Berkat respons terhadap tekanan, robot dapat mengurangi risiko menghancurkan benda. Kemampuan tersebut memperlihatkan potensi menarik dalam penerapan sensor sentuhan pada mesin.
Cara Kerja Sensor Tekanan pada Tangan Robot Eka Robotics
Sistem kecerdasan buatan yang digunakan 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. Penggabungan kedua jenis informasi ini mendukung pengendalian gerakan yang lebih adaptif ketika posisi genggaman berubah. Berkat pendekatan tersebut, robot memiliki kemampuan mengoreksi tindakan berdasarkan kontak.
Pemanfaatan umpan balik tekanan memiliki peranan besar sebab benda di dunia nyata tidak selalu memberikan respons yang sama. Dalam situasi penggunaan, menggenggam raspberry harus dilakukan dengan gaya yang terkendali, sedangkan mengangkat benda yang membutuhkan kekuatan tambahan mengharuskan robot menyesuaikan kekuatan. Ketika genggaman terlalu kuat, benda rapuh mungkin pecah atau hancur. Di sisi lain, objek mungkin jatuh saat dipindahkan. Melalui informasi gaya, sistem dapat mengoreksi kekuatan genggaman. Kemampuan tersebut memberikan fondasi teknologi untuk meningkatkan ketepatan manipulasi.
Bagaimana Eka Robotics Mengembangkan Kemampuan Robot melalui AI
Tidak hanya berfokus pada perangkat keras, Eka Robotics menggunakan pembelajaran melalui penguatan untuk meningkatkan pengendalian tangan robot. Metode tersebut memungkinkan robot mempelajari strategi melalui percobaan berulang dalam simulasi. Melalui dunia virtual yang dibangun, berbagai faktor seperti berat objek, gaya kontak, dan interaksi antarbagian robot digunakan sebagai bagian dari pengalaman latihan. Pendiri Eka Robotics mengemukakan bahwa pendekatan ini membantu menghasilkan banyak skenario pembelajaran tanpa selalu bergantung pada demonstrasi manusia. Keuntungan tersebut berpotensi mempercepat pengembangan.
Persoalan teknis yang perlu diselesaikan adalah memastikan kemampuan latihan digital bekerja pada robot sebenarnya. Proses tersebut sering disebut sim-to-real transfer. Ketika robot mulai digunakan secara langsung, permukaan benda mungkin memiliki variasi yang tidak tercakup dalam latihan. Perbedaan tersebut mungkin menyebabkan gerakan yang kurang tepat. Untuk menghadapi tantangan tersebut, Eka Robotics menggabungkan hasil pelatihan AI dan umpan balik gaya. Strategi pengembangan tersebut membantu robot beradaptasi terhadap perubahan. Meski menunjukkan hasil menjanjikan, keandalan dalam berbagai situasi masih membutuhkan pembuktian.
Manfaat Robot Peka Tekanan untuk Manufaktur dan Logistik
Kemampuan menggenggam benda secara adaptif menawarkan kemungkinan penggunaan dalam industri perakitan. Dalam berbagai sistem produksi, robot banyak menjalankan tugas dengan posisi objek yang tetap. Dalam kondisi tertentu, proses seperti memasang komponen kecil membutuhkan pengaturan gaya secara cermat. Dalam skenario penggunaan industri, tangan robot peka tekanan mungkin digunakan dalam proses perakitan presisi tanpa memberikan tekanan berlebihan. Apabila sambungan memberikan resistansi, sistem dapat menggunakan informasi gaya untuk mengoreksi posisi. Pendekatan manipulasi tersebut berpotensi mengurangi kegagalan penanganan, meskipun manfaat produktivitas harus dibuktikan pada kondisi operasional sebenarnya.
Selain manufaktur, teknologi Eka Robotics dapat dikembangkan lebih lanjut pada logistik dan pergudangan. Ketika menangani paket dan produk, robot berinteraksi dengan material yang tidak seragam. Pengendalian berdasarkan kontak fisik memungkinkan respons terhadap perubahan posisi barang ketika barang diambil dari wadah berbeda. Dalam industri makanan, teknologi serupa dapat dikembangkan untuk memindahkan bahan rapuh. Meski potensinya luas, penggunaan langsung pada makanan harus memenuhi standar keamanan pangan. Selain itu, perusahaan harus mengevaluasi tingkat keberhasilan pengambilan, konsistensi sistem, dan keamanan lingkungan kerja sebelum menggunakannya sebagai bagian dari proses utama.
Investasi Besar Mendukung Masa Depan Teknologi Eka Robotics
Inovasi robotika dari Eka Robotics memperoleh minat dari perusahaan modal ventura. Dalam pengumuman pendanaan Oktober 2026, Eka Robotics mengumumkan perolehan pendanaan Seri A sebesar 150 juta dolar AS. Putaran investasi tersebut dipimpin oleh Andreessen Horowitz atau a16z dan F-Prime, dengan penilaian bisnis setelah putaran investasi mencapai 1,45 miliar dolar AS. Dukungan finansial tersebut menunjukkan kepercayaan pasar modal ventura terhadap teknologi robot yang dapat berinteraksi dengan dunia nyata. Namun, valuasi perusahaan bukan ukuran langsung keberhasilan produk. Tantangan setelah memperoleh investasi memerlukan pembuktian manfaat pada pelanggan.
Salah satu tantangan terbesar adalah mempertahankan keandalan ketika menangani objek berbeda. Percobaan pada fasilitas penelitian dapat memperlihatkan kemampuan menjanjikan, tetapi lingkungan produksi menghadirkan tantangan tambahan. Benda yang ditangani tidak selalu berada pada tempat tetap, permukaan bisa memiliki karakteristik berbeda, dan sistem harus mempertahankan performa sepanjang operasi. Dengan mempertimbangkan tantangan tersebut, Eka Robotics harus memastikan perangkat aman digunakan. Selain pengembangan mekanis, perusahaan juga harus mempertimbangkan kemudahan perawatan. Untuk mencapai penerapan yang berkelanjutan, inovasi teknologi harus menunjukkan keandalan operasional.
Masa Depan Robot Peka Tekanan dalam Perkembangan TEKNOLOGI
Inovasi sistem manipulasi dari Eka Robotics menghadirkan pendekatan baru dalam bidang robotika modern. Berkat integrasi sensor gaya, persepsi visual, dan model Vision-Force-Action, robot berpotensi menangani benda dengan tingkat kerapuhan berbeda. Penggunaan reinforcement learning juga mendukung pembelajaran gerakan yang lebih fleksibel. Walaupun hasil demonstrasinya menjanjikan, pengujian industri tetap diperlukan. Dalam perkembangan TEKNOLOGI modern, kemampuan robot untuk menyesuaikan gerakan berdasarkan kontak menjadi fondasi penting bagi robot generasi berikutnya. Menurut Anda, apakah sistem robot berbasis sensor sentuhan akan mengubah cara manusia bekerja bersama mesin? Sampaikan pandangan Anda mengenai perkembangan robot cerdas.
