Kemajuan robot humanoid China tidak hanya bergantung pada kecanggihan perangkat keras. Di balik kemampuan robot untuk berjalan, mengambil benda, memilah barang, atau melakukan pekerjaan tertentu terdapat satu komponen yang semakin penting: data.
China kini membangun infrastruktur khusus untuk mengumpulkan data dunia nyata sebagai bahan pelatihan robot. Salah satunya berada di Beijing, tempat para teknisi melatih robot humanoid melalui berbagai simulasi lingkungan sehari-hari.
Pusat pelatihan tersebut menghadirkan skenario seperti rumah, supermarket, kantor, fasilitas industri, hingga lingkungan layanan kesehatan. Robot kemudian dilatih melakukan berbagai aktivitas dengan mengulang tugas yang sama berkali-kali.
Pendekatan tersebut menjadi bagian dari perkembangan embodied AI, yakni kecerdasan buatan yang tidak hanya memahami teks atau gambar, tetapi juga mampu berinteraksi dengan dunia fisik.
Ribuan Pengulangan untuk Satu Tugas
Mengajari robot mengambil sebuah benda terlihat sederhana. Namun bagi mesin, aktivitas tersebut melibatkan banyak informasi.
Robot harus mengenali objek, memperkirakan posisi, menentukan cara menggenggam, menggerakkan lengan, mengatur kekuatan, kemudian meletakkan benda di lokasi yang benar.
Karena itu, satu demonstrasi belum cukup.
Di pusat pelatihan Beijing, satu tugas dapat diulang ratusan hingga ribuan kali. Posisi benda juga diubah untuk menciptakan variasi data sehingga robot tidak hanya menghafal satu urutan gerakan.
Misalnya, robot tidak hanya dilatih mengambil bawang dari satu tempat. Benda tersebut dapat dipindahkan, diganti, atau ditempatkan dengan posisi berbeda.
Tujuannya adalah membuat AI memahami pola tugas, bukan sekadar menghafal gerakan.
Inilah salah satu rahasia di balik upaya China meningkatkan kemampuan robot humanoid secara cepat.
Manusia Ikut Mengajari Robot
Data tersebut tidak muncul secara otomatis.
Manusia memiliki peran besar dalam proses pengumpulan data robot. Operator dapat mengendalikan robot dari jarak jauh untuk memperagakan cara menyelesaikan sebuah pekerjaan.
Setiap gerakan kemudian direkam menjadi data pelatihan.
Data tersebut dapat mencakup posisi sendi, pergerakan tangan, interaksi dengan objek, hingga informasi mengenai gaya atau tekanan ketika robot menggenggam benda.
Dengan metode tersebut, manusia pada dasarnya menjadi pengajar bagi robot.
Sebuah laporan mengenai pusat pelatihan robot di China menyebut setiap robot dapat dipasangkan dengan trainer yang menggunakan perangkat teleoperasi untuk membimbing gerakannya sambil merekam data operasional. Bahkan, satu keterampilan dasar dapat membutuhkan ribuan set data.
Skala pengumpulan data kemudian menjadi faktor penting dalam perlombaan pengembangan robot humanoid.
Beijing Bangun Pabrik Data
Beijing tidak hanya membangun laboratorium robotika biasa. Pemerintah dan lembaga terkait juga mulai membangun fasilitas yang dapat dipandang sebagai pabrik data untuk robot.
Embodied Artificial Intelligence Robot Data and Training Base di Beijing Innovation Center of Humanoid Robotics memiliki area pelatihan hampir 6.000 meter persegi.
Fasilitas tersebut memiliki lebih dari 40 zona yang mensimulasikan berbagai kondisi kehidupan nyata. Data collector menggunakan perangkat khusus untuk melakukan berbagai pekerjaan berulang dalam skenario yang berbeda.
Pusat tersebut juga membangun matriks skenario yang mencakup kehidupan rumah tangga, produksi industri, layanan komersial, dan bidang lainnya.
Target jangka panjangnya adalah menghasilkan 1 juta jam data interaktif berkualitas tinggi untuk robot humanoid.
Skala tersebut menunjukkan bahwa persaingan robot kini bukan hanya mengenai siapa yang mampu membuat robot paling canggih.
Pertanyaan lainnya adalah siapa yang memiliki data paling banyak dan paling relevan.
Dari Data ke Otak Robot
Setelah dikumpulkan, data tidak langsung membuat robot pintar.
Data harus diproses, dibersihkan, diberi anotasi, kemudian digunakan untuk melatih model AI.
Pusat pelatihan Beijing menjelaskan bahwa model umum terlebih dahulu dilatih menggunakan data dalam jumlah besar. Setelah memiliki kemampuan dasar, model dapat disesuaikan dengan data dari lingkungan tertentu seperti rumah, rumah sakit, atau pabrik.
Proses tersebut mirip dengan cara AI belajar mengenali pola, tetapi dengan satu perbedaan besar.
Robot harus belajar memahami dunia fisik.
AI berbasis teks dapat memperoleh miliaran contoh dari internet. Robot tidak bisa mengandalkan teks saja untuk belajar bagaimana memegang gelas tanpa menjatuhkannya atau membuka pintu tanpa merusak gagang.
Robot membutuhkan pengalaman fisik.
Karena itu, data gerakan manusia menjadi sangat berharga.
Kenapa Data Dunia Nyata Penting?
Simulasi komputer memang dapat membantu melatih robot. Namun dunia nyata jauh lebih sulit diprediksi.
Di rumah, sebuah benda bisa berada sedikit lebih jauh dari perkiraan. Lantai bisa licin. Kotak bisa kosong atau penuh. Barang dapat memiliki bentuk berbeda.
Variasi tersebut membuat robot membutuhkan pengalaman menghadapi kondisi yang beragam.
Data dunia nyata memberikan contoh mengenai situasi tersebut.
China kini mencoba memperbanyak pengumpulan data dengan menghadirkan lingkungan pelatihan yang menyerupai tempat robot nantinya bekerja.
Strategi tersebut juga menjadi respons terhadap salah satu masalah terbesar industri humanoid: keterbatasan data pelatihan berkualitas tinggi.
China Bangun Ekosistem Data Robot
Upaya China tidak berhenti pada satu pusat pelatihan.
Menurut pemetaan Interact Analysis, setidaknya 90 pusat pengumpulan dan pelatihan data robot humanoid telah beroperasi, direncanakan, atau sedang dibangun di China hingga akhir April 2026. Sedikitnya 64 di antaranya telah beroperasi, termasuk 28 pusat yang mulai beroperasi pada 2026.
Jumlah tersebut menunjukkan munculnya ekosistem baru.
Pusat data mengumpulkan informasi. Perusahaan robot menggunakan data untuk melatih model. Robot kemudian diterjunkan ke lingkungan nyata dan menghasilkan pengalaman baru.
Data dari penggunaan tersebut dapat kembali digunakan untuk memperbaiki model.
Siklusnya menjadi:
Data → Pelatihan → Robot → Penggunaan Nyata → Data Baru.
Semakin banyak siklus yang dijalankan, semakin banyak pula peluang untuk meningkatkan kemampuan robot.
Pemerintah China Dorong Pelatihan Nyata
Pemerintah China juga memasukkan data dunia nyata sebagai bagian penting dalam strategi pengembangan embodied AI.
Pada Juni 2026, China meluncurkan inisiatif pelatihan dunia nyata untuk robot humanoid dan embodied intelligence. Program tersebut menargetkan pembangunan fasilitas pelatihan, pengembangan kemampuan operasional, serta penerapan robot pada berbagai skenario.
Sektor yang menjadi perhatian mencakup manufaktur, inspeksi, pemeliharaan, pergudangan, logistik, layanan makanan dan ritel, kesehatan, rehabilitasi, hingga tanggap darurat.
Pemerintah juga menekankan pentingnya tata kelola data, termasuk keamanan, privasi, dan perlindungan rahasia dagang.
Dengan demikian, pengembangan robot tidak hanya dipandang sebagai proyek perusahaan teknologi.
China mencoba membangun infrastrukturnya secara lebih luas.
Robot Belum Sepintar Manusia
Meski jumlah data terus bertambah, bukan berarti robot China sudah mampu melakukan semua pekerjaan manusia.
Masih terdapat berbagai kendala.
Reuters melaporkan bahwa robot humanoid China masih menghadapi masalah dalam ketangkasan tangan, kemampuan beradaptasi, dan menjalankan tugas yang tidak terduga. Sebagian sistem juga masih mengandalkan rutinitas yang sudah ditentukan dibandingkan kemampuan mengambil keputusan secara mandiri.
Artinya, data dalam jumlah besar bukan solusi instan.
Robot tetap membutuhkan model AI yang mampu memahami data tersebut, perangkat keras yang sesuai, sensor yang akurat, serta sistem kontrol yang aman.
Kualitas data juga sama pentingnya dengan kuantitas.
Ribuan contoh yang buruk atau terlalu seragam tidak akan banyak membantu robot menghadapi dunia yang penuh variasi.
Perlombaan Robot Mulai Berubah
Industri robot humanoid kini memasuki fase ketika data menjadi aset strategis.
Perusahaan tidak hanya berlomba membuat motor, sensor, baterai, atau tangan robot yang lebih baik. Mereka juga mencari cara mendapatkan pengalaman dunia nyata sebanyak mungkin.
China memiliki keuntungan karena mampu membangun pusat pelatihan dalam skala besar dan menghubungkannya dengan industri robot yang berkembang cepat.
Namun, strategi tersebut tetap memiliki tantangan.
Pengumpulan data membutuhkan biaya, tenaga manusia, infrastruktur, dan proses pengolahan yang besar. Selain itu, data dari satu jenis robot belum tentu langsung dapat digunakan secara sempurna oleh robot dengan bentuk atau sistem berbeda.
Masalah privasi juga tidak bisa diabaikan ketika pengumpulan data dilakukan di rumah, tempat kerja, atau ruang publik.
Masa Depan Robot Ditentukan Data
Kemampuan robot untuk belajar cepat ternyata bukan hanya soal memiliki prosesor yang kuat.
Robot membutuhkan pengalaman.
Semakin banyak pengalaman yang dapat direkam dalam bentuk data, semakin banyak pula bahan yang tersedia untuk melatih model AI.
China tampaknya memahami persoalan tersebut dengan membangun jaringan pusat pelatihan dan fasilitas pengumpulan data dunia nyata. Beijing bahkan menargetkan produksi hingga 1 juta jam data interaktif berkualitas tinggi untuk robot humanoid.
Strategi tersebut belum menjamin robot China akan langsung mampu bekerja seperti manusia. Namun, fondasi untuk mempercepat pembelajaran robot sedang dibangun dalam skala besar.
Pada akhirnya, persaingan robot humanoid mungkin tidak hanya ditentukan oleh siapa yang memiliki robot paling menarik saat dipamerkan.
Yang lebih penting adalah siapa yang mampu membuat robot belajar dari dunia nyata, memperbaiki kesalahan, dan mengubah pengalaman menjadi kemampuan baru.
Dan dalam perlombaan tersebut, data bisa menjadi bahan bakar paling penting.
