Industri robot humanoid belakangan ini terus membicarakan "masuk ke pabrik" dan "masuk ke rumah", namun jarang menjelaskan bagaimana robot-robot ini benar-benar belajar melakukan tugas. Jawabannya bukanlah model besar yang ajaib, melainkan pekerja paruh waktu yang tersebar di puluhan negara, yang merekam diri mereka mencuci piring, melipat baju, dan menggoreng telur bingkai demi bingkai dengan iPhone yang diikatkan di dahi.
Inilah fakta yang diungkap oleh laporan MIT Technology Review pada awal April.
iPhone di kepala, masuk ke dapur
Begini cara kerjanya: iPhone diikatkan di dahi, diarahkan ke tangan, lalu pekerja mengikuti instruksi tugas untuk melakukan berbagai pekerjaan rumah tangga—melipat handuk, menyendok makanan dari wajan ke mangkuk, merapikan meja dapur. Setiap tugas biasanya berlangsung puluhan menit. Setelah video diunggah, AI dan pemeriksa manusia bersama-sama memberi label, menandai waktu mulai, waktu selesai, dan posisi tangan untuk setiap tindakan.
Perusahaan utama di balik ini adalah Micro1 yang berbasis di Palo Alto, California, yang mempekerjakan pekerja kontrak di lebih dari 50 negara, terutama di Nigeria, India, dan Argentina. Upah per jamnya adalah 15 dolar AS, yang dianggap baik dibandingkan tingkat pendapatan lokal.
Di sisi pemberi kerja, perusahaan yang membuat robot humanoid—Tesla, Figure AI, Agility Robotics—membeli data ini. Agar robot dapat belajar bekerja di lingkungan rumah nyata, simulator saja tidaklah cukup; data operasi manusia nyata adalah bahan mentah yang tak tergantikan.
Micro1 tidak sendirian. Scale AI mengklaim telah mengumpulkan lebih dari 100.000 jam data serupa. DoorDash bahkan membayar pengemudi pengiriman untuk merekam diri mereka melakukan pekerjaan rumah tangga. Seluruh industri menghabiskan lebih dari 100 juta dolar AS setiap tahunnya untuk data pelatihan dunia nyata.
Bukan yang pertama, tapi skalanya membesar
Penggunaan data berlabel manusia untuk pelatihan AI bukanlah hal baru. Pengenalan gambar awal bergantung pada pekerja Amazon Mechanical Turk, dan NLP bergantung pada anotasi teks yang ekstensif. Namun data pelatihan robot humanoid memiliki perbedaan mendasar: yang dibutuhkan bukanlah klasifikasi teks atau gambar, melainkan data temporal tiga dimensi dari gerakan, yang mencakup kekuatan, ritme, dan koordinat spasial.
Ini tidak dapat diselesaikan dengan data sintetis murni karena robot menghadapi terlalu banyak variasi dalam gesekan, berat, dan sifat material di dunia fisik nyata. Data Scale AI semakin banyak berasal dari video yang direkam di rumah oleh pekerja yang direkrut secara khusus, bukan dari profesional laboratorium.
Apa artinya ini? Artinya, batas kemampuan robot humanoid, sampai batas tertentu, ditentukan oleh dapur rumah di seluruh dunia. Apakah robot dapat melipat handuk dari bahan yang berbeda tergantung pada apakah cukup banyak video operasi dari bahan tersebut telah direkam.
15 dolar per jam: Apakah pekerjaan ini stabil dalam jangka panjang?
Para pekerja memiliki pandangan yang sebagian besar positif terhadap pekerjaan ini.
"Saya merasa melakukan sesuatu yang benar-benar berbeda dari orang lain di dunia." (Peserta Zeus)
Pekerja lain bernama Dattu mengatakan dia merasa sedang "meninggalkan jejak," berkontribusi data pada pertumbuhan robot. Namun para peneliti memiliki pertanyaan tentang keberlanjutan industri ini. Ken Goldberg dari UC Berkeley mengatakan secara langsung:
"Orang-orang meremehkan berapa lama waktu yang dibutuhkan untuk mengumpulkan data pelatihan robot yang cukup aman dan dapat digunakan."
Masalah yang lebih praktis adalah privasi. Konten yang direkam pekerja tidak hanya mencakup tangan mereka, tetapi juga perabotan rumah, foto keluarga, kebiasaan sehari-hari, dan tata letak ruangan. Micro1 mengatakan akan menghapus wajah dan informasi sensitif, tetapi pekerja sendiri tidak tahu perusahaan mana yang pada akhirnya menerima data, di mana data disimpan, atau apakah data mungkin dijual kembali. Beberapa orang telah meminta penghapusan, tetapi tidak ada yang tahu hasilnya.
Peneliti Universitas Maryland, Yasmine Kotturi, percaya bahwa asimetri informasi ini adalah masalah struktural: pekerja menanggung risiko informasi tanpa mendapatkan hak untuk mengetahui yang sesuai.
Kekhawatiran lain: Aaron Prather dari ASTM International menunjukkan bahwa jika pekerja menggunakan teknik yang tidak tepat selama perekaman (seperti metode memotong yang tidak aman), "contoh buruk" ini dapat dikemas ke dalam data pelatihan, mengajarkan kebiasaan berbahaya kepada robot.
Rantai pasokan ini tidak akan hilang
| Penyedia data | Volume data | Sumber pekerja utama |
|---|---|---|
| Scale AI | 100.000+ jam | Tersebar global |
| Micro1 | Puluhan ribu jam | Nigeria, India, Argentina |
| DoorDash | Tidak diungkapkan | Pengemudi pengiriman |
Agar robot humanoid benar-benar "masuk ke rumah," mereka perlu menangani skenario yang sangat beragam: furnitur berbagai bentuk, pakaian berbagai bahan, dapur berbagai tata letak, meja berbagai ketinggian. Ini bukanlah masalah yang bisa diselesaikan dengan ribuan jam data, melainkan dengan jutaan jam.
Rantai pasokan data yang terglobalisasi dan terdesentralisasi ini akan bertahan dalam jangka panjang dan akan terus membesar. Sampai robot dapat belajar sepenuhnya secara otonom, manusia harus terlebih dahulu mendemonstrasikan tugas-tugas tersebut kepada mereka.
Hanya saja, orang yang melakukan demonstrasi itu mungkin berada di apartemen sewaan di Nigeria, dengan iPhone terikat di kepalanya, mencuci piring sambil membantu robot masa depan belajar berjalan.
Sumber: CocoLoop, The gig workers who are training humanoid robots at home (MIT Technology Review)