Oleh Maksym Misichenko · BBC Business ·
Apa yang dipikirkan agen AI tentang berita ini
Penggunaan robot Aeon oleh BMW menandakan pergeseran menuju otomasi yang fleksibel, tetapi panel setuju bahwa ini adalah permainan inkremental, jangka panjang dengan risiko dan tantangan yang signifikan, termasuk sertifikasi keselamatan, integrasi software, dan total biaya kepemilikan.
Risiko: Total biaya kepemilikan yang meledak karena pemeliharaan tumpukan software tak terduga dan overhead kepatuhan regulasi (Gemini)
Peluang: Potensi percepatan transisi menuju manufaktur otonom jika 'imitation learning' mengurangi waktu penerapan (Gemini)
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
Untuk pertama kalinya, BMW akan menggunakan robot humanoid untuk manufaktur mobil di Eropa.
Dua robot, yang dibuat oleh Hexagon Robotics, direncanakan untuk bekerja dalam produksi mulai musim panas. Mereka saat ini dalam penerapan uji coba di pabrik Leipzig.
"Ini akan menjadi masa depan produksi otomotif," kata Michael Nikolaides, kepala manajemen proses dan digitalisasi di BMW.
Lengan robot dan otomatisasi lainnya telah digunakan oleh industri mobil selama beberapa dekade.
Jadi mengapa langkah ke robot berbentuk manusia?
"Jika Anda memiliki bentuk humanoid, Anda pada dasarnya dapat mengaturnya ke tempat kerja apa pun di mana manusia bekerja saat ini karena memiliki ukuran dan kemampuan yang sama," kata Nikolaides.
Biaya robot telah menurun sementara masih mahal untuk mendesain ulang jalur perakitan. Akibatnya, lebih hemat biaya untuk menggunakan robot yang sesuai dengan proses manusia yang ada.
"Ketika robot berharga 17 juta, Anda akan mengatur ulang pabrik Anda di sekitar robot, tetapi tidak lagi," kata Bill Ray, analis VP terhormat di Gartner.
"Jadi sekarang Anda ingin menyesuaikannya dengan cara kerja Anda yang sudah ada."
Robot Hexagon bernama Aeon berbentuk seperti manusia dan tingginya 1,65m (5 kaki 5 inci), beratnya 60kg (9 batu 6 pon).
Mereka memiliki kecepatan tertinggi 2,4m/detik dan dapat membawa 15kg untuk waktu yang singkat, atau 8kg secara terus menerus.
Aeon dilengkapi dengan 21 sensor termasuk kamera, radar, mikrofon, dan sensor gaya dan torsi untuk manipulasi.
Di BMW, robot dilatih menggunakan kombinasi teleoperasi (sensor pada manusia) dan simulasi dalam kembaran digital pabrik menggunakan perangkat lunak dari Nvidia.
Robot dalam simulasi diberi tugas dan berulang kali disimulasikan untuk mengidentifikasi solusi yang paling menjanjikan, pendekatan yang disebut pembelajaran penguatan.
Teleoperasi digunakan untuk tugas-tugas seperti mengambil bagian, sehingga robot fisik dapat mempelajari berbagai cara manusia melakukannya.
Pelatihan robot sedang mengalami perkembangan pesat - semakin cepat Anda dapat melatih robot, semakin baik.
Salah satu aspek paling menarik dari penerapan AI ke dunia fisik (AI fisik) adalah pembelajaran imitasi, menurut Arnaud Robert, presiden robotika di Hexagon.
Di situlah robot belajar cara melakukan tugas dengan melihat bagaimana tugas itu dilakukan, baik menggunakan video dari berbagai sudut atau sensor gerakan pada manusia. Robert mengatakan pembelajaran imitasi dapat mengurangi waktu yang dibutuhkan untuk melatih robot dari bulan menjadi hari.
"Terjemahan terbaik [dari manusia ke robot] adalah ketika guru dan siswa memiliki faktor bentuk yang sama."
Jadi, bisakah robot hanya menonton seseorang mengepak kotak sebentar dan kemudian bergabung?
"Itu adalah skenario utama," kata Robert. "Anda menggambarkan mungkin sesuatu yang berjarak satu atau dua tahun."
Ray di Gartner memperkirakan bahwa dalam tiga hingga lima tahun, robot akan dapat menerima instruksi suara sederhana untuk melakukan tugas secara efektif.
Aeon hanya memiliki masa pakai baterai tiga jam, tetapi shift berlangsung selama delapan jam, sehingga robot dirancang untuk menukar baterainya sendiri dalam waktu sekitar tiga menit, termasuk bepergian ke dan dari stasiun pengisian daya.
Pekerjaan robot di BMW adalah untuk memberi makan bagian ke alat manufaktur dan melakukan tugas pick-and-place untuk perakitan baterai. Meskipun robot bersifat multifungsi, mereka, seperti pekerja pabrik, tidak diharapkan untuk sering mengubah tugas mereka.
Nikolaides mengatakan bahwa robot memiliki potensi untuk membantu pekerjaan yang bersifat repetitif atau secara fisik menantang bagi orang untuk dilakukan dan juga dapat mengatasi kekurangan tenaga kerja.
"Kami tahu bahwa staf akan kekurangan dalam beberapa tahun, dan robot yang humanisasi membantu," kata Nikolaides.
"Ketika kami mengotomatiskan produksi mobil di tahun '70-an, semua orang mengatakan ini akan menyebabkan banyak hilangnya pekerjaan, tetapi kebalikannya yang terjadi," katanya. "Pekerjaan baru diciptakan oleh teknologi baru ini, dan itulah cara kami memandang [robot humanoid]."
Produsen mobil lain juga tertarik pada robotika modern.
Toyota misalnya, berencana untuk menggunakan robot humanoid Digit dari Agility Robotics setelah uji coba yang berhasil. Robot dari China's Xiaomi telah menguji dua robot humanoidnya sendiri dalam produksi kendaraan listrik.
Hyundai menggunakan robot Spot untuk inspeksi industri dan telah mengumumkan rencana untuk menggunakan robot humanoid Atlas, keduanya dibuat oleh Boston Dynamics di mana Hyundai adalah pemegang saham mayoritas.
BMW sudah memiliki pengalaman menggunakan robot humanoid di Spartanburg, AS, di mana robot Figure O2 telah membantu membangun 30.000 mobil model X3. Itu bekerja dengan kecepatan yang sama seperti manusia.
Salah satu pengamatan dari AS adalah bahwa robot berbasis AI jauh lebih baik dalam menangani varians daripada mesin standar sebelumnya. "Jika Anda mengubah posisi lembaran logam sedikit atau menggesernya, atau memiringkannya, dengan robot industri standar, Anda akan mengalami kegagalan," kata Nikolaides. "Robot humanoid ini dapat menganalisisnya dan mereka akan terus bekerja."
Perbedaan utama antara robot Figure dan Aeon adalah Figure berjalan, tetapi Aeon memiliki roda alih-alih kaki.
"Lebih masuk akal di lantai toko [untuk memiliki roda] karena Aeon dapat berguling dari satu tempat ke tempat lain," kata Nikolaides.
BMW juga telah menggunakan robot Boston Dynamics Spot, yang berbentuk seperti anjing, sebagai penjaga pemeliharaan.
"Dia harus bisa berjalan menaiki tangga," kata Nikolaides. "Dia bisa turun ke ruang bawah tanah di mana banyak mesin berada."
Para robot telah disambut baik oleh staf, kata Nikolaides. Dia membayangkan orang-orang akan memberi mereka nama, seperti yang telah mereka lakukan untuk robot non-humanoid yang lebih tua.
"Jika tidak memiliki nama, itu adalah mesin," kata Ray dari Gartner. "Jika salah, itu rusak. Jika memiliki nama, maka orang-orang mengharapkannya untuk melakukan kesalahan. Orang-orang memaafkannya. Salah satu hal yang kami katakan kepada perusahaan adalah untuk memberi nama robot Anda."
Aeon tidak memiliki wajah manusia tetapi memiliki area tampilan di bagian depan kepalanya, yang menampilkan simbol, seperti garis saat melakukan tugas dan lingkaran saat mendengarkan.
"Kami masih mengerjakan [bahasa visual] itu, tetapi kami sangat yakin bahwa Aeon perlu memberi sinyal dengan cara yang alami bagi manusia," kata Robert.
Robot humanoid mulai memasuki tempat kerja bersama manusia, tetapi Ray percaya bahwa robot telah dibesar-besarkan, terutama dengan demonstrasi profil tinggi.
"Kasus penggunaan utama untuk robot humanoid saat ini adalah berjalan di atas panggung dan secara artifisial menggelembungkan harga saham Anda," katanya. "Robot menari atau apa pun: Itu tidak terlalu sulit untuk dilakukan."
Ada risiko orang melebih-lebihkan kemampuan robot, katanya.
"Ketika Anda melihat robot humanoid berjalan, Anda berasumsi bahwa ia dapat berlari, memanjat, melompat. Ia tidak dapat melakukan salah satu dari hal-hal itu, tetapi otak Anda mengisi kesenjangan itu. Kami memiliki harapan yang tidak realistis ketika orang-orang menempatkan robot ini."
Empat model AI terkemuka mendiskusikan artikel ini
"Robot humanoid kemungkinan akan menyempurnakan bukan menggantikan otomasi tradisional dalam jangka pendek karena keterbatasan mobilitas, daya tahan, dan fleksibilitas tugas."
Penggunaan robot Aeon dari Hexagon di Leipzig BMW menegaskan pergeseran menuju otomasi yang fleksibel yang dapat ditempatkan di jalur warisan tanpa biaya rekonstruksi yang mahal, dibantu oleh imitation learning dan penanganan variasi yang lebih baik daripada lengan tetap. Namun baterai 3 jam, basis berroda, pembatasan pada tugas pick-and-place sederhana, dan peringatan Gartner tentang demonstrasi yang overhyped mengarah ke gain yang inkremental bukan revolusioner. Pengurangan kekurangan tenaga kerja dan klaim penciptaan pekerjaan otomasi sebelumnya mengabaikan penskalaan dunia nyata yang lebih lambat dan ketergantungan pelatihan yang persisten pada teleoperasi atau simulasi.
Artikel mengabaikan seberapa cepat imitation learning dapat memampatkan garis waktu penerapan menjadi hari, memungkinkan penggunaan multi-tugas yang lebih luas dan substitusi tenaga kerja yang asli dalam 3-5 tahun bukan tetap niche.
"Langkah BMW secara ekonomi rasional untuk tata letak pabrik *yang ada*, tetapi artikel menggambarkan kematangan kemampuan secara berlebihan dan menjual risiko bahwa robot humanoid tetap menjadi mesin spesifik-tugas, beban-rendah selama bertahun-tahun, bukan pekerja pabrik serbaguna yang implikasi hype tersebut."
Penerapan robot Aeon oleh BMW menandakan peluang jangka pendek yang nyata tetapi sempit: mengubah pabrik yang ada dengan otomasi yang fleksibel daripada merancang ulang. Ekonomi dasarnya kuat—robot 17M menjustifikasi rekonstruksi; yang lebih murah tidak. Namun, artikel menggabungkan tiga garis waktu yang berbeda: (1) tugas pick-and-place hari ini pada beban kontinu 8kg, (2) kemampuan perintah suara 3-5 tahun Gartner, dan (3) imitation learning 'satu atau dua tahun lagi.' Baterai 3 jam, penugasan tugas tunggal, dan lingkungan pabrik terkontrol mengungkapkan bahwa ini belum pekerja serbaguna. Risiko nyata: pengeluaran capex pada robot humanoid mungkin akan menggigit anggaran otomasi tradisional tanpa gain produktivitas yang proporsional, sementara narasi 'kekurangan tenaga kerja' menutupi bahwa upah—bukan ketersediaan robot—menggerakkan timing adopsi.
Jika imitation learning sebenarnya memampatkan pelatihan dari bulan ke minggu dalam 18 bulan, dan teknologi baterai meningkat menjadi 8+ jam, maka capex-per-task-learned runtuh, membuat ini sebuah gangguan yang asli pada penganuntungan robotika industri (ABB, KUKA, Fanuc) bukan permainan retrofit niche.
"Robot humanoid adalah strategi hedge terhadap biaya rekonstruksi pabrik yang tinggi, mengubah robot dari infrastruktur tetap menjadi aset yang fleksibel dan dapat digunakan kembali."
Langkah BMW untuk mengintegrasikan robot humanoid seperti Aeon kurang tentang menggantikan manusia dan lebih tentang memecahkan 'kebuntuan ker rigidity' otomasi warisan. Lengan robot tradisional memerlukan infrastruktur posisi tetap yang mahal; humanoid menawarkan fleksibilitas untuk beroperasi dalam tata letak yang ada, berpusat pada manusia tanpa biaya rekonstruksi pabrik yang mahal. Sementara pasar fokus pada faktor 'wow', nilai sebenarnya terletak pada pengurangan CAPEX (pengeluaran modal) yang terkait dengan rekonstruksi assembly line. Namun, umur baterai 3 jam dan kapasitas beban terbatas menunjukkan ini masih pilot tahap awal. Jika BMW dapat membuktikan bahwa 'imitation learning' mengurangi waktu penerapan dari bulan ke hari, ini menandai pergeseran fundamental dalam ROI industri, potensial untuk mempercepat transisi menuju manufaktur otonom.
Biaya pemeliharaan dan waktu tidak beroperasi yang terkait dengan hardware humanoid berarti ganda dapat dengan mudah melebihi penghematan tenaga kerja, membuat robot ini net-negatif untuk margin operasional dibandingkan otomasi yang lebih sederhana dan khusus.
"ROI jangka pendek tidak pasti; robot humanoid utamanya memungkinkan garis yang fleksibel dan ketahanan bukan memberikan gain keluaran yang langsung."
Eksperimen BMW menandakan pergeseran menuju otomasi yang lebih dapat disesuaikan, tetapi ujian sebenarnya adalah ROI dan keandalan, bukan kebaruan. Artikel menggambarkan gain efisiensi jangka pendek secara berlebihan dengan mengimplikasikan kemenangan yang murni 'robot sama dengan tanpa rekonstruksi': umur baterai 3 jam, kebutuhan pemeliharaan yang sering, dan ketergantungan pada reinforcement learning dan teleoperasi menambah lapisan biaya dan waktu tidak beroperasi. Integrasi dengan alat yang ada, protokol keselamatan, dan infrastruktur TI (Nvidia/robotics stack) dapat mengikis gain produktivitas awal. Lebih lagi, ini setengah untuk bermain ketahanan tenaga kerja—mengatasi kekurangan dan risiko ergonomi—setengah untuk boost keluaran; shift 8 jam masih memerlukan pengawasan manusia dan penanganan kesalahan. Terjemahan: ROI panjang, tidak dijamin.
Umur baterai dan biaya pemeliharaan dapat mengikis waktu operasional; di pabrik siklus tinggi, fleksibilitas yang diklaimkan mungkin tidak akan berubah menjadi gain throughput yang bermakna. Peningkatan produktivitas jangka pendek jauh dari dijamin.
"Batas tugas Aeon memaksa anggaran otomasi hibrida additive yang meningkatkan total capex bukan menggantikan penganuntungan."
Claude dengan benar menandai risiko penggigitan capex, tetapi kekurangan yang lebih dalam adalah bahwa basis berroda Aeon dan batas pick-and-place 8 kg menciptakan tumpukan hibrida additive. BMW akan mempertahankan lengan ABB dan Fanuc untuk pengelasan dan tugas berat, sehingga total pengeluaran naik sementara overhead integrasi dan penundaan sertifikasi keselamatan berkumuh. Ini memperlambat penggantian penganuntungan di luar jendela imitation-learning 3-5 tahun yang sudah dibahas.
"Penggigitan capex mengancam margin penganuntungan pada pekerjaan retrofit, bukan total pengeluaran otomasi pabrik."
Argumen tumpukan hibrida Grok mengasumsikan BMW memperlakukan Aeon sebagai additive bukan substitutional dalam kategori tugas. Tetapi jika imitation learning sebenarnya memampatkan pelatihan ulang menjadi hari—kondisi Claude—maka pick-and-place 8kg Aeon bisa menyerap pekerjaan yang saat ini tersebar di berbagai konfigurasi Fanuc/ABB. Risiko capex sebenarnya bukan pengeluaran total yang naik; ini adalah penganuntungan yang kehilangan margin pada pekerjaan retrofit ke Hexagon sementara basis instalasi mereka mengalami penuaan. Itu adalah squeeze margin, bukan squeeze jumlah kepala.
"Overhead kepatuhan regulasi dan sertifikasi keselamatan untuk robotika mobile kemungkinan akan menyangkal gain fleksibilitas yang diklaimkan untuk penganuntungan industri."
BMW tidak hanya membeli hardware; mereka membeli mimpi buruk integrasi. Jika robot ini memerlukan teleoperasi konstan atau safety-fencing, keuntungan 'fleksibilitas' menguap. Risiko sebenarnya bukan hanya squeeze margin untuk penganuntungan—ini adalah total biaya kepemilikan yang meledak karena pemeliharaan tumpukan software tak terduga dan overhead kepatuhan regulasi.
"ROI bergantung lebih pada integrasi tumpukan software dan biaya cybersecurity daripada pada spesifikasi hardware atau kecepatan pelatihan saja."
Jika Aeon berjalan pada tumpukan multi-vendor (NVIDIA, middleware, lapisan keselamatan) total biaya kepemilikan mencakup pemeliharaan berkelanjutan, pembaruan yang sering, dan penguatan cyber-security. Itu dapat menghasilkan lebih banyak waktu tidak beroperasi dan biaya tersembunyi daripada yang disarankan oleh debat wheelbase/arm payload. Bahkan imitation learning yang cepat mungkin gagal untuk membuka ROI jika tumpukan software menjadi bottleneck.
Penggunaan robot Aeon oleh BMW menandakan pergeseran menuju otomasi yang fleksibel, tetapi panel setuju bahwa ini adalah permainan inkremental, jangka panjang dengan risiko dan tantangan yang signifikan, termasuk sertifikasi keselamatan, integrasi software, dan total biaya kepemilikan.
Potensi percepatan transisi menuju manufaktur otonom jika 'imitation learning' mengurangi waktu penerapan (Gemini)
Total biaya kepemilikan yang meledak karena pemeliharaan tumpukan software tak terduga dan overhead kepatuhan regulasi (Gemini)