Robot industri sering unggul dalam kecepatan, pengulangan, dan tugas berat. Namun, saat harus mengambil benda rapuh, bentuknya tidak beraturan, atau ukurannya sedikit berbeda dari sebelumnya, kemampuan itu langsung terbatas.
Di titik itulah kerja sama ABB Robotics dan PSYONIC menjadi menarik. Keduanya ingin melihat apakah data sentuhan dan gerakan dari penggunaan prostetik di dunia nyata bisa membantu melatih lengan robot agar lebih peka.
Bionic hand yang jadi sumber data
Fokus kerja sama ini ada pada PSYONIC Ability Hand dan cobot ABB GoFa. Ability Hand awalnya dirancang untuk prostetik, lalu dibekali jari yang dapat bergerak terpisah, sensor tekanan, umpan balik getaran, dan mekanisme fleksibel agar bisa menyesuaikan diri dengan objek yang tidak seragam.
Kombinasi itu penting karena genggaman manusia tidak bekerja dengan satu pola tetap. Sebuah cangkir kopi, obeng, telur, dan ponsel membutuhkan tekanan serta sudut pegangan yang berbeda.
Bagi robot, penyesuaian halus seperti itu jauh lebih sulit. ABB dan PSYONIC ingin memanfaatkan data gerak, kontak, dan gaya genggam dari Ability Hand untuk melatih robot agar mampu menangani objek yang rapuh, tidak rata, atau sulit diprediksi.
Mengapa touch jadi masalah besar di otomasi
Robot industri sudah mampu mengangkat, memindahkan, mengelas, menyortir, dan merakit dengan cepat. Meski begitu, banyak sistem masih kesulitan saat tugas menuntut sentuhan yang halus.
Masalahnya sederhana tetapi krusial. Tekanan yang terlalu besar bisa merusak benda, sementara tekanan yang terlalu kecil bisa membuat robot menjatuhkannya.
ABB menyebut 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.
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 yang lama antara ketangkasan manusia dan robot.
Data dunia nyata lebih bernilai daripada demo lab
PSYONIC mengatakan Ability Hand dapat menangkap data detail tentang gerakan, kontak, dan gaya genggam. Saat dipakai manusia dalam situasi nyata, data itu dinilai lebih natural dibanding demonstrasi robot yang hanya dilakukan di laboratorium.
Dr. Aadeel Akhtar, founder 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.
ABB dan PSYONIC melihat pendekatan ini dapat dipakai di otomotif, dirgantara, pengemasan, logistik, dan life sciences. Semua sektor itu memakai robot dalam skala besar, tetapi masih menghadapi tantangan saat harus menangani komponen rapuh, produk berbentuk aneh, atau kemasan lunak.
Dampak ke pabrik dan gudang
Cobot GoFa membawa sisi industri dari kerja sama ini. ABB menempatkannya sebagai alat untuk memberi akurasi dan konsistensi yang diperlukan agar gerakan tangan bionik bisa diuji secara terkendali.
Jika berhasil, robot arm dapat belajar dari data penanganan manusia lalu menerapkannya di pekerjaan pabrik dan gudang. Itu bisa membantu 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.
Manfaat dan pertanyaan yang ikut muncul
Ada sisi positif yang jelas dari arah ini. Robot yang menangani tugas repetitif atau berat secara ergonomis bisa mengurangi beban fisik pekerja.
Namun, ada juga pertanyaan tenaga kerja yang tidak kecil. Robot yang makin cakap bisa 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 itu, robot bisa memegang pekerjaan gripping yang berulang, sementara pekerja fokus pada pengawasan, quality check, setup mesin, dan pekerjaan dengan keterampilan lebih tinggi.
Kolaborasi ABB Robotics dan PSYONIC menunjukkan arah baru dalam robotika: bukan hanya membuat robot lebih kuat, tetapi membuatnya belajar dari sentuhan manusia. Jika data ini benar-benar bisa diterjemahkan ke dunia industri, robot akan makin dekat untuk bekerja dengan aman dan efektif di lebih banyak lingkungan.
