Robot industri selama ini dikenal unggul dalam kecepatan, pengulangan, dan kemampuan menangani tugas berat. Namun, ketika berhadapan dengan benda rapuh, bentuk tidak beraturan, atau objek yang ukurannya berubah sedikit saja, batas kemampuan itu masih terlihat jelas.
Di titik inilah kerja sama ABB Robotics dan PSYONIC menjadi penting. Kedua perusahaan ingin memanfaatkan data sentuhan dan gerakan dari tangan prostetik yang dipakai di dunia nyata untuk melatih lengan robot agar lebih peka saat menggenggam benda.
Data dari tangan bionik untuk melatih robot
Fokus kolaborasi ini berada pada PSYONIC Ability Hand dan cobot ABB GoFa. Ability Hand awalnya dirancang sebagai prostetik, lalu dibekali jari yang dapat bergerak terpisah, sensor tekanan, umpan balik getaran, dan mekanisme fleksibel agar mampu menyesuaikan diri dengan objek yang tidak seragam.
Kombinasi itu penting karena genggaman manusia tidak bekerja dengan satu pola tetap. Cangkir kopi, obeng, telur, dan ponsel memerlukan tekanan serta sudut pegangan yang berbeda.
PSYONIC menilai Ability Hand mampu menangkap data detail tentang gerakan, kontak, dan gaya genggam. Saat dipakai manusia dalam situasi nyata, data tersebut dianggap lebih alami dibanding demonstrasi robot yang hanya dilakukan di laboratorium.
Masalah utama otomasi ada pada sentuhan
Robot industri sudah terbukti cepat untuk mengangkat, memindahkan, mengelas, menyortir, dan merakit. Meski begitu, banyak sistem masih kesulitan saat pekerjaan menuntut sentuhan yang halus dan penyesuaian kecil.
Risikonya juga sederhana namun besar. Tekanan yang terlalu kuat bisa merusak benda, sedangkan tekanan yang terlalu lemah bisa membuat robot menjatuhkannya.
ABB menempatkan tantangan ini sebagai bagian penting dari Autonomous Versatile Robotics, atau AVR. Visi itu menargetkan robot yang bisa merasakan, menalar, bergerak, dan menangani objek secara presisi di lingkungan yang terus berubah.
GoFa jadi penguji gerakan yang lebih presisi
Cobot GoFa berperan sebagai sisi industri dari kerja sama tersebut. ABB menempatkannya sebagai alat untuk memberikan akurasi dan konsistensi yang dibutuhkan agar gerakan tangan bionik bisa diuji secara terkendali.
Jika pendekatan ini berhasil, robot arm dapat belajar dari data penanganan manusia lalu menerapkannya pada pekerjaan pabrik dan gudang. Kemungkinan itu penting saat robot harus memegang soft package, komponen medis, atau bagian di conveyor belt yang bergeser sedikit saja.
International Federation of Robotics juga menyoroti advanced gripping dan integrasi digital sebagai cara untuk memangkas waktu rekayasa hingga 30%. Angka itu relevan karena adopsi otomasi sering tertahan oleh setup, tuning, dan engineering khusus.
Dampaknya lebih luas dari sekadar laboratorium
ABB dan PSYONIC melihat pendekatan ini berpotensi digunakan di otomotif, dirgantara, pengemasan, logistik, dan life sciences. Kelima sektor itu sudah memakai robot dalam skala besar, tetapi masih menghadapi tantangan saat harus menangani komponen rapuh, produk berbentuk aneh, atau kemasan lunak.
Marc Segura, president of ABB Robotics, mengatakan bahwa ketangkasan manusia tetap menjadi salah satu hal tersulit untuk ditiru dalam robotika industri. Ia menilai kolaborasi ini bisa membantu menutup kesenjangan lama antara ketangkasan manusia dan robot.
Ada manfaat, ada juga pertanyaan baru
Keuntungan paling jelas dari arah ini adalah kemampuan robot untuk mengambil alih tugas repetitif atau berat secara lebih ergonomis. Dalam praktiknya, hal itu dapat mengurangi beban fisik pekerja di lantai produksi maupun gudang.
Namun, muncul pula pertanyaan tentang tenaga kerja. Robot yang makin cakap bisa saja mengambil alih tugas yang sebelumnya dianggap terlalu berubah-ubah untuk diotomatisasi.
Karena itu, penggunaan yang paling masuk akal adalah yang mendukung manusia, bukan sekadar menggantikannya. Dalam skenario tersebut, robot dapat memegang pekerjaan gripping yang berulang, sementara pekerja fokus pada pengawasan, pemeriksaan kualitas, pengaturan mesin, dan pekerjaan dengan keterampilan lebih tinggi.
Dr. Aadeel Akhtar, pendiri dan CEO PSYONIC, menyebut dexterous manipulation sebagai masalah data sekaligus masalah perangkat keras. Pandangan itu menempatkan kualitas data latihan sebagai faktor penting dalam menentukan seberapa berguna robot kelak di tempat kerja.
Kolaborasi ABB Robotics dan PSYONIC menunjukkan arah baru dalam robotika, yakni bukan hanya membuat robot lebih kuat, tetapi juga membuatnya belajar dari sentuhan manusia. Jika data itu berhasil diterjemahkan ke kebutuhan industri, robot dapat bergerak lebih dekat untuk bekerja aman dan efektif di lebih banyak lingkungan.