Robotik telah mencapai tahap di mana keupayaan yang terpisah tidak lagi menjadi faktor pembatas. Robot boleh menggenggam, berjalan, membuka pintu, dan mematuhi arahan ringkas dengan kebolehpercayaan yang semakin meningkat. Apa yang masih gagal adalah kesinambungan. Sebaik sahaja tugas melibatkan beberapa bilik, objek, dan masa, autonomi akan terpecah. Perancangan akan bermula semula. Konteks hilang. Sistem tidak lagi menjadi satu sistem.
Tugas dari meja ke mesin basuh pinggan mangkuk menandakan satu ambang yang berbeza. Bukan kerana ia kelihatan mengagumkan, tetapi kerana ia berfungsi secara menyeluruh.
Bagi Alper Canberk, cabaran utama robotik domestik bukanlah keanggunan mekanikal atau saiz model, tetapi kesinambungan. Sebagai Pengarah Penyelidikan, Pembelajaran Robot & Model Asas di Sunday Robotics, yang baru-baru ini dilancarkan secara awam setelah lama bersembunyi, telah mengubah cara industri memikirkan pengumpulan data robotik, Canberk bekerja di persimpangan AI berbadan, pemodelan generatif skala besar, dan pelaksanaan dunia sebenar. Dalam peranan ini, beliau membantu menentukan bagaimana sistem autonomi dapat melangkaui demonstrasi pendek menuju operasi berterusan. Kerjanya tertumpu pada pembinaan sistem pembelajaran yang membolehkan robot membawa niat melintasi masa, ruang, dan interaksi fizikal, satu keupayaan yang selama ini membezakan prototaip penyelidikan daripada mesin yang benar-benar boleh digunakan.
“Autonomi gagal apabila ingatan gagal,” kata Canberk. “Jika sistem tidak dapat membawa matlamatnya ke hadapan, keupayaan tidak penting.”
Tugas tersebut memaksa tiga masalah hidup bersama dalam satu pelaksanaan autonomi: perancangan jangka panjang, manipulasi cekap halus, dan navigasi skala bilik. Tiada satu pun boleh diselesaikan secara tersendiri. Kegagalan dalam mana-mana satu akan meruntuhkan keseluruhan rangkaian. Menganggapnya sebagai masalah sistem, bukan demonstrasi, inilah yang menjadikan kerja ini berguna untuk bidang yang lebih luas.
Perancangan Jangka Panjang Tanpa Menetapkan Semula Dunia
Kebanyakan kejayaan robotik masih beroperasi dalam tempoh masa yang pendek. Tindakan dilaksanakan, dinilai, dan diperbetulkan dalam beberapa saat. Tugas domestik tidak berfungsi begitu. Ia berlangsung selama beberapa minit, dengan ketergantungan yang bertambah dan tiada titik penetapan semula yang jelas.
“Dunia sebenar bersifat adversarial terhadap pelaksanaan yang sempurna,” kata Canberk. “Ujian autonomi ialah sama ada sistem dapat mengekalkan koherensi ketika keadaan berubah.”
Inilah tepatnya di mana tugas dari meja ke mesin basuh pinggan mangkuk merupakan pencapaian teknikal pertama seumpamanya. Dalam satu pelaksanaan autonomi sahaja, sistem ini mampu menyambung pelaksanaan melalui 33 interaksi cekap unik, 68 peristiwa interaksi keseluruhan, dan lebih 130 kaki navigasi autonomi, tanpa penetapan semula, operasi jarak jauh, atau pemisahan tugas. Perancangan tidak boleh terhad kepada satu saat sahaja. Setiap keputusan mengikat sistem ke satu keadaan masa depan yang perlu dipertimbangkan.
Survei akademik terbaru menegaskan jurang ini. Satu kertas penyelidikan tahun 2025 mencatat bahawa pelaksanaan tugas jangka panjang masih merupakan salah satu halangan utama yang menghalang robot daripada beroperasi secara autonomi dalam persekitaran tidak teratur, walaupun sudah ada kemajuan dalam pengesanan dan kawalan. Isu ini bukan sekadar ketepatan pengesanan, tetapi mengekalkan niat yang koheren sepanjang masa.
Dengan memaksa sistem merancang melalui puluhan tindakan saling bergantung: mengendalikan objek mengikut urutan yang munasabah dan menavigasi ruang dengan ingatan bukan refleks, tugas dari meja ke mesin basuh pinggan mangkuk menunjukkan sumbangan asli yang sangat penting: ia menunjukkan bahawa autonomi rumah jangka panjang boleh dicapai apabila perancangan dianggap sebagai sifat keseluruhan sistem bukan sekadar urutan pengoptimuman tempatan.
Kecekapan sebagai Batasan Kelas Pertama
Manipulasi sering dianggap sebagai masalah tempatan. Kualiti genggaman, kawalan daya, dan penempatan jari dioptimumkan secara tersendiri. Tugas domestik meruntuhkan abstraksi itu. Kecekapan menjadi tidak dapat dipisahkan daripada perancangan.
“Menganggap manipulasi sebagai keupayaan tambahan ialah kesilapan kategori,” kata Canberk. “Dalam dunia sebenar, cara objek dikendalikan menentukan apa yang boleh dilakukan oleh sistem dengan selamat selepasnya.”
Dalam tugas dari meja ke mesin basuh pinggan mangkuk, robot perlu mengendalikan objek dengan sifat fizikal yang sangat berbeza: kaca rapuh, seramik keras, pembungkus fleksibel, dan peralatan logam. Setiap interaksi mengehadkan interaksi seterusnya. Gelas wain yang diletakkan dengan salah tidak akan gagal serta-merta; ia hanya akan gagal kemudian, apabila ruang habis atau margin daya hilang.
Ini penting bukan sahaja untuk satu tugas. Menurut Outlook Robotik Perkhidmatan 2025 daripada Persatuan Robotik Antarabangsa, mod kegagalan dalam robot domestik hampir sepenuhnya berkaitan dengan kesilapan manipulasi yang bertambah seiring masa, bukan kesilapan tunggal. Kebolehpercayaan bergantung kepada bagaimana kesilapan tersebar, bukan sama ada ia berlaku atau tidak.
Memfokuskan kecekapan begini mengubahnya daripada masalah kawalan motor kepada pilihan reka bentuk tahap sistem.
Navigasi yang Mengekalkan Konteks
Navigasi dalam robotik sering dianggap sebagai gelung kawalan responsif: kenal pasti, gerakkan, betulkan. Pendekatan ini berkesan dalam persekitaran terhad, tetapi gagal dalam rumah, di mana matlamat tersebar di beberapa bilik dan sering keluar dari pandangan robot. Dalam persekitaran domestik, navigasi bukan tentang pergerakan semata-mata, tetapi lebih kepada mengekalkan niat ketika persekitaran berubah.
Dalam tugas dari meja ke mesin basuh pinggan mangkuk, navigasi tidak boleh dipisahkan daripada bahagian lain sistem. Robot perlu mengekalkan konteks ruang ketika mengendalikan objek yang mengubah laluan dan had masa depan. Setiap pergerakan antara bilik bergantung pada apa yang dibawa, apa yang sudah diletakkan, dan apa yang belum selesai. Apabila konteks ruang hilang, pemulihan bukan secara beransur-ansur; tugas akan gagal terus.
“Navigasi hanya menjadi bermakna apabila ia dikaitkan dengan tujuan,” kata Canberk. “Robot yang boleh bergerak efisien tetapi tidak dapat mengingati mengapa ia bergerak bukan autonomi dalam erti yang berguna.”
Pemfokusan semula ini mendedahkan satu kelemahan yang lebih luas dalam banyak sistem sedia ada. Stacks navigasi yang dioptimumkan untuk laluan terpendek atau mengelakkan halangan mengandaikan matlamat statik dan persekitaran stabil. Tugas domestik melanggar kedua-dua anggapan ini. Tindakan robot sendiri mengubah persekitaran, dan matlamat muncul semula hanya selepas tempoh panjang, menuntut kesinambungan bukan refleks.
Mengapa Ini Penting Lebih Daripada Satu Tugas
Hasil dari meja ke mesin basuh pinggan mangkuk tidak mendakwa bahawa robot sudah bersedia untuk setiap rumah. Ia membuat dakwaan yang lebih sempit dan penting: autonomi jangka panjang kini merupakan masalah kejuruteraan yang boleh diselesaikan apabila dianggap sebagai satu sistem yang menyeluruh.
Momentum industri menyokong pendekatan ini. Outlook McKinsey 2025 tentang robotik berdaya AI menekankan bahawa gelombang nilai seterusnya tidak datang daripada kemahiran baharu, tetapi daripada sistem yang boleh menyambungkan kemahiran sedia ada secara boleh percaya dalam kekangan dunia sebenar. Kebolehpercayaan, bukan kebaharuan, ialah halangan utama.
Impaknya melangkaui robotik domestik. Mana-mana persekitaran yang memerlukan autonomi berterusan—fasiliti kesihatan, pusat logistik, atau infrastruktur awam—menghadapi cabaran struktur yang sama.
“Apa yang mengujakan saya bukan satu tugas,” simpul Canberk. “Ia ialah idea bahawa apabila kesinambungan diselesaikan, segala-galanya akan bertambah baik. Kemahiran tidak lagi menjadi demonstrasi, tetapi menjadi bahan binaan.”
Masa depan robotik tidak akan ditentukan oleh terobosan terpisah. Ia akan ditentukan oleh sama ada autonomi boleh bertahan.
