Teknologi NVIDIA Ini Bikin Robot Bisa Pasang VGA Sendiri ke Motherboard!

Perkembangan robot berbasis AI tampaknya mulai memasuki tahap yang semakin menarik. NVIDIA baru saja memamerkan teknologi bernama ENPIRE yang memungkinkan robot belajar sendiri menyelesaikan berbagai tugas fisik dengan tingkat presisi tinggi, tanpa perlu diprogram secara rinci untuk setiap pekerjaan.

ENPIRE sendiri merupakan singkatan dari Environment module (EN), Policy Improvement module (PI), Rollout module (R) dan Evolution module (E). Keseluruhannya berarti yaitu beberapa modul utama yang bekerja bersama, termasuk sistem untuk mereset lingkungan secara otomatis, mengevaluasi hasil percobaan, meningkatkan kebijakan kontrol robot, hingga melakukan analisis terhadap kegagalan untuk menghasilkan solusi yang lebih baik.

Demo Robot dengan Teknologi NVIDIA ENPIRE

Dalam demonstrasi yang dibagikan NVIDIA, sejumlah robot terlihat melakukan berbagai aktivitas yang cukup rumit. Mulai dari menyortir pin logam berukuran kecil, mengikat dan memotong cable ties, hingga memasang kartu grafis ke motherboard layaknya seorang perakit PC.

Demo pemasangan VGA menjadi salah satu yang paling mencuri perhatian. Terlihat satu lengan robot mengambil kartu grafis dan menyerahkannya ke robot lain yang sudah berada di depan motherboard. Robot tersebut kemudian menyelaraskan konektor PCIe kartu grafis dengan slot di motherboard, lalu memasangnya secara perlahan hingga masuk ke posisinya.

Menariknya, kemampuan tersebut bukan hasil pemrograman khusus untuk satu tugas tertentu. Menurut Jim Fan, Director of AI dan Distinguished Scientist NVIDIA, robot-robot tersebut hanya diberi target yang harus diselesaikan dengan cepat dan tanpa kesalahan. Setelah itu, sistem AI akan mencari sendiri cara terbaik untuk mencapai tujuan tersebut.

Baca Juga: Intel Siapkan Raptor Lake Next, Masih Dukung RAM DDR4! • Jagat Review

Jadi Masa Depan Robot Belajar Langsung di Dunia Nyata

Proyek ENPIRE menggunakan delapan agen AI Codex yang diberi akses ke armada robot, sumber daya GPU, serta anggaran token yang besar. Setelah menerima tugas, agen-agen AI tersebut mulai bereksperimen secara mandiri, mengamati lingkungan, mencoba berbagai pendekatan, membaca referensi ilmiah, menganalisis kegagalan, hingga memperbaiki strategi yang digunakan.

Fan bahkan menyebut ini sebagai langkah awal menuju “AutoResearch” di dunia fisik. Dengan kata lain, AI tidak hanya belajar dari data digital, tetapi juga dari interaksi langsung dengan dunia nyata melalui perangkat robot.

Penelitian tersebut juga membandingkan beberapa agen AI berbeda, termasuk Codex berbasis GPT-5.5, Claude Code dengan Opus 4.7, serta Kimi Code dengan Kimi K2.6. Selain itu, para peneliti menemukan bahwa penggunaan lebih banyak robot secara paralel mampu mempercepat proses pembelajaran secara signifikan. Hasil pengujian menunjukkan delapan robot yang bekerja bersamaan dapat menyelesaikan tugas jauh lebih cepat dibandingkan jumlah robot yang lebih sedikit.

Meski saat ini tugas yang diperlihatkan masih terbatas pada pekerjaan tertentu, demonstrasi tersebut memberikan gambaran bagaimana robot di masa depan bisa belajar keterampilan baru secara mandiri. Jika hari ini mereka sudah mampu memasang VGA, menyusun komponen kecil, dan memotong cable ties sendiri, bukan tidak mungkin suatu saat robot dapat merakit satu PC secara utuh tanpa campur tangan manusia.