Agility Robotics membuka kampus pelatihan seluas 60.000 kaki persegi di Fremont, California, dan berharap dapat mempercepat pengiriman robot humanoid Digit kepada pelanggan industri. Lokasi tersebut, yang berjarak beberapa mil dari pabrik Tesla, memberikan ruang khusus bagi perusahaan untuk mengajarkan tugas-tugas baru kepada robot sambil menjalankan pendekatan AI yang mengutamakan keselamatan, yang memisahkan kontrol deterministik dari model generatif.

Mengapa lokasi Fremont itu penting

Langkah ini menempatkan Agility di jantung geografis dorongan robotika AS, namun signifikansi sebenarnya terletak pada skala operasinya. Lantai seluas 60.000 kaki persegi memungkinkan Digit melatih seluruh rangkaian gerakan – mulai dari memindahkan wadah (tote) sederhana hingga membongkar seluruh trailer – di bawah kondisi yang meniru gudang sungguhan. Dengan adanya kampus ini, Agility dapat beralih dari uji coba lapangan ad-hoc ke rezim pelatihan yang dapat diulang dan berkapasitas tinggi, sebuah langkah yang dapat memperpendek waktu antara pembaruan perangkat lunak baru dan hari pertama robot di lantai produksi.

Dari prototipe menjadi pendapatan

Digit sudah digunakan oleh sejumlah pelanggan besar – Amazon, perusahaan logistik GXO, produsen komponen Schaeffler, dan Toyota Motor Manufacturing Canada. Implementasi tersebut telah menghasilkan pesanan kontrak senilai $300 juta, sebuah angka yang menandakan permintaan nyata akan tenaga kerja humanoid dalam logistik dan manufaktur. Berbeda dengan banyak startup yang masih mengutak-atik unit bukti konsep (proof-of-concept), Agility sudah menghasilkan uang dan lapangan kerja dengan robot yang dapat berjalan, menaiki tangga, dan memanipulasi objek seukuran kotak biasa.

Strategi AI hibrida

Perbincangan industri saat ini berpusat pada model bahasa besar (large language models) dan jaringan saraf berbasis transformer, namun pendiri pendamping Agility, Damion Shelton, menarik garis pemisah antara sistem "generatif" tersebut dengan pengontrol deterministik yang menjaga keamanan robot. Ia menyamakan tumpukan keamanan (safety stack) robot dengan sistem rem anti-lock: robot harus selalu berperilaku secara terprediksi, terlepas dari keinginan AI yang dapat menghasilkan tindakan baru.

Di saat yang sama, Agility tidak menolak AI generatif sepenuhnya. Perusahaan berencana menggunakannya sebagai "akselerator pemrograman," yang memungkinkan para insinyur untuk mendeskripsikan tugas dalam istilah tingkat tinggi dan membiarkan model tersebut mengusulkan urutan gerakan. Hal ini dapat menggantikan praktik pengodean manual untuk setiap gerakan, sebuah hambatan yang jika tidak diatasi akan membutuhkan ribuan insinyur untuk mengikuti berbagai kasus penggunaan baru.

Skalabilitas melalui kegunaan industri

Peta jalan Agility sengaja dirancang untuk kebutuhan industri. Kampus Fremont akan berfungsi sebagai sandbox tempat Digit yang setinggi enam kaki belajar di lorong-lorong simulasi sebelum dikirim ke lini produksi klien. Iterasi perangkat keras berikutnya, yang dijuluki “Version 5,” dijadwalkan meluncur musim gugur ini dan akan menambahkan kemampuan sensor manusia yang canggih. Sensor-sensor tersebut seharusnya memungkinkan robot bekerja berdampingan dengan manusia, alih-alih terbatas pada zona robot yang terisolasi.

Pendekatan bertahap perusahaan dimulai dengan gerakan paling sederhana – menyusun bin dan memindahkan wadah – lalu menambahkan pengambilan (picking) dan penyusunan (kitting), sebelum menangani material yang lebih sulit seperti karton dan muatan trailer ukuran penuh. Dengan menguasai setiap langkah, Agility berharap dapat menguasai sebagian dari pasar logistik "triliunan dolar" dan membuktikan bahwa platform humanoid dapat menjadi pekerja keras, bukan sekadar barang baru yang unik.

Apa yang bisa salah

Para kritikus memperingatkan bahwa mencampur AI generatif dengan kontrol kritis keselamatan sangatlah berisiko. Jika model bahasa menyarankan gerakan yang tidak sepenuhnya diantisipasi oleh tumpukan keamanan deterministik, robot dapat berperilaku tidak terduga di gudang yang ramai. Pemisahan kedua lapisan oleh Shelton bertujuan untuk memitigasi risiko tersebut, namun pembuktiannya akan terlihat pada implementasi langsung di mana kasus-kasus ekstrem (edge cases) sering terjadi.

Kekhawatiran lainnya adalah fokus pada tugas industri bernilai tinggi dengan mengorbankan pasar konsumen. Meskipun sektor logistik menawarkan kontrak besar, sektor ini juga menuntut waktu aktif (uptime) yang ketat dan integrasi dengan sistem manajemen gudang yang sudah ada. Jika Agility tidak dapat memenuhi tuntutan integrasi tersebut, jalur pipa $300 juta tersebut bisa terhenti.

Hal yang perlu diperhatikan

  • Peluncuran Version 5: Rangkaian sensor manusianya akan menjadi ujian nyata pertama dari klaim AI yang mengutamakan keselamatan Agility di lingkungan campuran manusia.
  • Waktu merger terbalik (reverse-merger): Perusahaan berharap dapat melantai di bursa (go public) akhir tahun ini, sebuah langkah yang dapat menyediakan modal yang dibutuhkan untuk penskalaan cepat tetapi juga membuatnya terpapar pada pengawasan pasar.
  • Metrik adopsi: Tingkat penambahan unit Digit oleh pelanggan baru, dan kecepatan kampus Fremont dalam menyertifikasi profil tugas baru, akan menunjukkan apakah model pelatihan tersebut benar-benar mempercepat penyebaran.

Kesimpulan

Agility Robotics bertaruh bahwa kampus pelatihan yang dirancang khusus, stack AI hibrida, dan fokus pada kasus penggunaan industri akan mengubah robot Digit miliknya dari sekadar objek eksperimen laboratorium menjadi aset penghasil pendapatan. Beberapa bulan ke depan – terutama debut Versi 5 dan debut perusahaan di pasar publik – akan menunjukkan apakah taruhan tersebut membuahkan hasil.