JurnalPatroliNews | Beijing — Persaingan teknologi robot humanoid memasuki babak baru. Bukan hanya soal siapa yang mampu membuat robot berjalan, menari, melipat pakaian atau bekerja di pabrik, tetapi juga siapa yang memiliki data dunia nyata dalam jumlah terbesar untuk membuat robot semakin cerdas.
Di tengah perlombaan tersebut, China membangun keunggulan melalui kombinasi manufaktur, biaya produksi, dukungan pemerintah dan ekosistem pengumpulan data yang masif.
Salah satu jenis data yang kini menjadi sangat bernilai adalah data egosentris, yakni rekaman dari sudut pandang orang pertama yang memperlihatkan secara langsung apa yang dilihat dan dilakukan manusia ketika menjalankan berbagai aktivitas.
Data seperti ini dibutuhkan untuk melatih embodied AI, yaitu kecerdasan buatan yang tidak hanya memahami teks atau gambar, tetapi juga mampu memahami lingkungan fisik dan menjalankan tindakan melalui tubuh robot.
Laporan Rest of World pada Juni 2026 menyebut perusahaan-perusahaan China mulai mengerahkan tenaga kerja dalam jumlah besar untuk merekam aktivitas manusia di rumah, tempat kerja, hingga fasilitas industri. Strategi tersebut dinilai memberi China keunggulan dalam membangun dataset yang dibutuhkan robot humanoid.
Robot humanoid tidak cukup hanya dibekali kemampuan mengenali objek.
Agar dapat bekerja layaknya manusia, robot harus memahami hubungan antara penglihatan, gerakan tubuh, posisi tangan, benda di sekitarnya dan konsekuensi dari setiap tindakan.
Cara seseorang mengambil gelas, membuka pintu, melipat pakaian, membersihkan meja atau menuangkan cairan merupakan rangkaian gerakan yang tampak sederhana bagi manusia. Namun bagi robot, setiap aktivitas tersebut terdiri atas kombinasi gerakan dan keputusan yang harus dipelajari dari banyak contoh.
Karena itu, kamera yang dipasang di kepala atau perangkat sejenis dapat merekam aktivitas manusia dari perspektif orang pertama. Rekaman tersebut kemudian diproses dan diberi anotasi agar dapat digunakan sebagai bahan pelatihan sistem AI.
CNN menyebut kebutuhan terhadap data semacam itu telah melahirkan pasar baru. Startup seperti Micro1, misalnya, mengandalkan ribuan pekerja dari berbagai negara untuk menghasilkan rekaman aktivitas sehari-hari bagi kebutuhan pengembangan robot. Micro1 disebut memiliki sekitar 4.000 robotics generalists di 71 negara yang menghasilkan lebih dari 160.000 jam video setiap bulan.
Keunggulan China terletak pada kemampuan menghubungkan industri robotika dengan tenaga kerja dan lingkungan fisik dalam skala besar.
JD.com menjadi salah satu contoh paling mencolok.
Perusahaan e-commerce tersebut bekerja sama dengan pemerintah lokal di Suqian untuk mengembangkan kawasan khusus pengumpulan data robot. Warga, pekerja pusat perawatan lansia dan pekerja sektor pertanian dilibatkan untuk merekam aktivitas mereka menggunakan kamera yang dipasang di kepala.
Target yang dipasang tidak kecil. JD.com menargetkan pengumpulan sekitar 10 juta jam data pelatihan robot dalam dua tahun.
Perusahaan juga menyatakan rencana melibatkan hingga 100.000 karyawan dan 500.000 pekerja eksternal dalam ekosistem pengumpulan data tersebut. Tujuannya adalah menciptakan dataset dalam berbagai situasi kehidupan nyata yang dapat digunakan untuk melatih robot.
Bagi industri robotika, skala seperti itu sangat penting.
Semakin beragam lingkungan dan aktivitas yang direkam, semakin banyak kemungkinan situasi yang dapat dipelajari sistem AI. Robot tidak hanya belajar melakukan satu gerakan secara berulang, tetapi juga berhadapan dengan variasi posisi benda, bentuk ruangan, pencahayaan, permukaan dan kondisi manusia yang berbeda.
China juga mencoba pendekatan lain: membawa robot langsung ke lingkungan manusia.
Salah satu contohnya dilakukan X Square Robot bersama 58.com melalui layanan robot pembersih rumah di Beijing dan Shenzhen.
Robot tersebut ditempatkan di rumah konsumen untuk membantu pekerjaan seperti mengambil benda, membersihkan permukaan dan melipat pakaian. Namun tujuan layanan ini bukan semata-mata memberikan jasa kebersihan.
Lingkungan rumah justru menjadi ruang belajar bagi robot.
Setiap rumah memiliki tata letak, benda dan kondisi yang berbeda. Karena itu, pengujian langsung memungkinkan perusahaan mengumpulkan data yang lebih beragam dibandingkan hanya menggunakan lingkungan simulasi atau laboratorium.
Laporan Straits Times menyebut layanan tersebut masih berada pada tahap awal dan robot belum mampu menggantikan manusia sepenuhnya. Pekerjaan kompleks tetap ditangani pekerja manusia, sementara robot menangani tugas yang lebih sederhana.
Namun justru dari ketidaksempurnaan itu perusahaan memperoleh sesuatu yang sangat berharga: data dunia nyata.
Strategi data tersebut berjalan beriringan dengan kemampuan manufaktur China.
Unitree menjadi salah satu nama yang menonjol dalam perkembangan robot humanoid China. Perusahaan tersebut menjadi salah satu motor utama meningkatnya perhatian terhadap industri humanoid dan bahkan melangkah ke pasar modal China pada 2026.
China juga memiliki jaringan manufaktur yang luas sehingga produsen robot dapat mengembangkan perangkat keras dengan relatif cepat dan menekan biaya.
Dalam perkembangan terbaru, Reuters mencatat perusahaan-perusahaan China telah menunjukkan keunggulan pada sisi perangkat keras, meskipun kemampuan robot untuk menjalankan pekerjaan kompleks secara mandiri masih tertinggal dari ambisi industrinya. Robot masih menghadapi masalah ketangkasan, adaptasi dan kemampuan bekerja tanpa pola yang sudah diprogram secara ketat.
Artinya, China saat ini belum otomatis memenangkan seluruh perlombaan robot humanoid.
Namun China berhasil membangun salah satu fondasi terpenting: kombinasi antara hardware, manufaktur dan data.
Amerika Serikat juga membutuhkan data manusia dalam jumlah besar. Perbedaannya lebih banyak terletak pada cara memperoleh data tersebut.
Karena biaya tenaga kerja lebih tinggi, sebagian perusahaan AS menggunakan pekerja lepas di berbagai negara untuk melakukan perekaman aktivitas rumah tangga.
Micro1 adalah salah satu contoh. Selain mengumpulkan video dari berbagai negara, perusahaan tersebut menjadikan pekerja manusia sebagai sumber data fisik yang nantinya diproses dan digunakan untuk pengembangan robot.
Model serupa juga muncul melalui platform seperti Waffle Video.
Platform tersebut mempertemukan pekerja dengan perusahaan yang membutuhkan video aktivitas tertentu, mulai dari mengikat tali sepatu hingga menuangkan cairan. WIRED melaporkan Waffle Video menawarkan bayaran sekitar US$25 per jam video untuk sejumlah misi tertentu dan menggunakan sistem MAPLE untuk memeriksa, memberi label, menganotasi serta menyiapkan video agar siap digunakan dalam pelatihan AI.
Persaingannya kemudian berubah.
Bukan hanya siapa yang memiliki robot terbaik, tetapi juga siapa yang paling cepat mendapatkan data berkualitas tinggi dengan biaya efisien.
Dalam perlombaan physical AI, data memiliki karakter berbeda dari data internet yang digunakan model bahasa.
Robot membutuhkan data yang memperlihatkan hubungan antara penglihatan dan tindakan. Karena itu, jutaan bahkan miliaran jam rekaman aktivitas manusia berpotensi menjadi bahan bakar bagi perkembangan robot generasi berikutnya.
Rest of World menyebut kekurangan data pelatihan menjadi salah satu hambatan utama industri robotika. China mencoba menjawab masalah tersebut dengan membangun ekosistem pengumpulan data langsung di lingkungan kehidupan manusia.
Langkah tersebut berpotensi menciptakan efek bola salju.
Semakin banyak robot digunakan di dunia nyata, semakin banyak data yang dapat dikumpulkan. Semakin banyak data tersedia, semakin baik model AI dapat dilatih. Dan ketika model semakin baik, kemampuan robot untuk beroperasi di lebih banyak lingkungan juga berpotensi meningkat.
Di balik ambisi tersebut, masih ada persoalan besar.
Reuters mencatat robot humanoid China masih menghadapi keterbatasan dalam ketangkasan, kecerdasan dan kemampuan beradaptasi. Banyak robot masih membutuhkan lingkungan yang terkondisi atau pola kerja yang telah dipersiapkan sebelumnya.
Masalah lain menyangkut privasi.
Ketika robot masuk ke rumah, kamera robot berpotensi merekam aktivitas manusia, tata ruang rumah dan berbagai informasi pribadi. Straits Times juga mencatat aspek privasi dan keamanan menjadi persoalan yang belum sepenuhnya terpecahkan dalam pengembangan layanan robot di rumah.
Karena itu, keunggulan China dalam data tidak berarti perlombaan telah selesai.
Data adalah bahan bakar, tetapi masih diperlukan algoritma yang mampu mengubah data tersebut menjadi kecerdasan yang benar-benar dapat digunakan.
Persaingan robot humanoid pada akhirnya mulai bergerak dari laboratorium menuju kehidupan sehari-hari.
China memilih menggabungkan kekuatan manufaktur dengan pengumpulan data dalam skala besar. Amerika Serikat mengembangkan ekosistem startup dan tenaga kerja global untuk mendapatkan data yang dibutuhkan.
Dalam konteks tersebut, data egosentris menjadi salah satu aset strategis baru dalam perlombaan AI.
Robot yang mampu membuka botol atau melipat baju mungkin terlihat sebagai produk teknologi. Namun di balik setiap gerakan tersebut terdapat dataset yang memungkinkan mesin memahami bagaimana manusia bergerak dan berinteraksi dengan dunia.
Karena itu, pertarungan industri humanoid masa depan kemungkinan tidak hanya ditentukan oleh siapa yang mampu membuat robot paling murah atau paling cepat.
Pertanyaan yang lebih besar adalah: siapa yang mampu mengumpulkan data dunia nyata paling banyak, paling beragam, paling murah dan paling berkualitas untuk membuat robot benar-benar mampu memahami manusia?
Di titik inilah strategi China menjadi menarik. Negara tersebut belum menyelesaikan semua persoalan robot humanoid, tetapi sedang membangun salah satu ekosistem data fisik terbesar untuk mengejar ketertinggalan tersebut.
Komentar