Toyota memisahkan sebuah perusahaan rintisan robot “unicorn”: Bagaimana Walden membawa model “perilaku besar” ke pabrik?

作者：Zen，PANews

Sebelum 15 Juli, Walden Robotics masih belum dikenal oleh publik.

Tepat pada hari itu, perusahaan robot yang spin-off dari Toyota Research Institute tiba-tiba menggelar debut resmi, sekaligus mengungkap pendanaan seed senilai 300 juta dolar AS dan valuasi 1,1 miliar dolar AS.

Putaran pendanaan ini dipimpin bersama oleh Toyota dan Deviation Capital, dengan partisipasi modal ventura industri seperti NVIDIA, Boeing, Samsung Ventures, Prologis Ventures, dan CoreWeave Ventures.

Dari berdiri hingga masuk jajaran unicorn, Walden hanya membutuhkan waktu setengah tahun. Dan ia sudah memiliki banyak prasyarat yang diidamkan startup robot—tim riset yang matang, modal yang cukup, sistem produksi terbuka dari Toyota, serta potensi kanal kerja sama dari para investor lintas industri manufaktur, dirgantara, elektronik, dan logistik.

Unicorn baru yang lahir dari TRI

Sebelum pengumuman kabar pendanaan ini, Walden Robotics berada dalam mode stealth.

Pada bulan Januari tahun ini, Walden didirikan sebagai spin-off dari Toyota Research Institute (TRI, singkatan selanjutnya). Nama perusahaan ini terinspirasi dari karya penulis Amerika, Walden yang ditulis oleh Henry David Thoreau. Buku tersebut membahas pentingnya menjalani kehidupan secara sadar dan berarah. Hal ini juga sesuai dengan pertanyaan yang ingin diteliti oleh perusahaan tersebut: bagaimana robot dapat membantu orang menemukan lebih banyak makna dalam pekerjaan dan kehidupan.

Menurut penilaian co-founder sekaligus CEO Walden, Russ Tedrake, robot serba guna yang digerakkan AI fisik adalah teknologi yang jelas-jelas disruptif dan sudah memasuki titik belok penting. Namun, agar sukses secara bisnis, perusahaan robot tetap perlu memvalidasi unit ekonomi dan bekerja sama secara mendalam dengan pelanggan.

Setelah berdiri sebagai entitas independen, Walden dapat lebih fokus mendorong komersialisasi teknologi robot dari Toyota Research Institute, memindahkan hasil yang sebelumnya masih di laboratorium ke lingkungan produksi. Melalui kerja sama dengan perusahaan manufaktur dan logistik skala global, Walden berupaya terus memvalidasi kemampuan produk dalam skenario dunia nyata, memastikan produk selaras dengan proses produksi sesungguhnya, serta menghasilkan penghematan biaya dan peningkatan efisiensi yang terukur.

Russ Tedrake adalah profesor di MIT. Sebelumnya, ia memimpin tim robotika dan machine learning di TRI selama hampir 10 tahun. Timnya telah memberikan banyak kontribusi riset dasar, termasuk Diffusion Policy, Universal Manipulation Interface (UMI), Large Behavior Models (Large Behavior Models), OpenVLA, serta simulator open source Drake.

Selain Russ Tedrake, tim pendiri Walden saat ini juga terdiri dari CTO Ben Burchfiel, COO Kerri Fetzer-Borelli, Chief Product Officer Dave Johnson, Chief Strategy Officer Adrien Gaidon, Chief Architect Siyuan Feng, dan pimpinan AI Rares Ambrus. Beberapa di antaranya juga merupakan project leader dalam riset Large Behavior Models TRI, terlibat dalam pembangunan arsitektur model, pelatihan, simulasi, dan sistem evaluasi.

Tim Walden Robotics, Russ Tedrake berada di urutan kedua dari kiri

Dapat dilihat, dibanding startup pada umumnya, titik awal dan platform Walden jelas lebih tinggi. Di satu sisi, ia mengusung hasil riset puluhan tahun TRI di bidang robot. Di sisi lain, Toyota bukan hanya menjadi investor inti, tetapi juga mitra kerja sama industri tahap awal yang paling penting, menyediakan skenario produksi dunia nyata pertama.

Bersandar pada ekosistem manufaktur Toyota, Walden memperpendek masa validasi komersialisasi

Salah satu tantangan umum perusahaan kecerdasan berbasis tubuh (embodied intelligence) adalah adanya celah antara pengembangan teknologi dan penempatan bisnis.

Robot perlu masuk ke lingkungan nyata untuk mendapatkan data berkualitas tinggi, namun kendala keandalan dan ekonomi pada produk tahap awal sulit meyakinkan pelanggan industri untuk mengadopsinya dan memasukkannya ke pekerjaan aktual. Tanpa skenario deployment dan data, model sulit mencakup anomali di dunia nyata, dan kemampuan produk pun sulit terus diperbaiki.

Namun, karena sejak awal berdiri Walden memperoleh dukungan sistem produksi dari Toyota, masa validasi tersebut bisa dipangkas hingga batas tertentu. Toyota tidak hanya menjadi pihak yang menginkubasi teknologi dan investor inti, tetapi juga penyedia skenario deployment aktual pertama. Walden tidak perlu memulai dari nol mencari pelanggan industri, dan tidak perlu membangun pabrik simulasi khusus untuk pengujian; ia dapat langsung masuk ke proses produksi yang sudah ada, bekerja sama dengan tim manufaktur untuk mendefinisikan tugas, menyesuaikan peralatan, serta mengevaluasi input-output.

Nilai latar industri ini tidak berhenti pada penyediaan “lahan latihan” bagi robot. Apakah robot industri dapat menciptakan nilai ekonomi bergantung pada banyak faktor seperti frekuensi tugas, tingkat pemanfaatan peralatan, dan persyaratan keselamatan. Banyak tugas robot yang tampil menonjol di laboratorium, belum tentu memiliki nilai deployment setelah masuk pabrik.

Sementara itu, pengalaman manufaktur dan otomasi yang telah lama terakumulasi Toyota dapat membantu Walden memprioritaskan tahapan proses yang sesuai dengan kemampuan teknis saat ini sekaligus memiliki potensi imbal hasil bisnis yang jelas, sehingga mengurangi risiko terjadinya ketidaksesuaian antara pengembangan produk dan kebutuhan pelanggan.

Selain itu, daftar investor Walden juga menyediakan kanal potensial untuk memperluas skenario eksternal. Di luar Toyota, Boeing, Samsung Ventures, dan Prologis Ventures masing-masing berkaitan dengan manufaktur kedirgantaraan, industri elektronik, dan infrastruktur logistik. NVIDIA dan CoreWeave menghubungkan kebutuhan komputasi robot dan sumber daya pelatihan AI.

Perusahaan-perusahaan ini jelas merupakan potensi sumber daya sinergi, yang di masa depan dapat membuka pintu kerja sama bagi Walden. Dalam arti tertentu, setelah Toyota menyelesaikan masalah skenario dan data pada tahap komersialisasi paling awal, penentu nilai jangka panjang Walden mungkin justru apakah tumpukan teknologi dan sistem operasinya bisa keluar dari Toyota dan diubah menjadi produk standar yang ditujukan bagi lebih banyak perusahaan manufaktur.

Menanggapi hal ini, Walden yang mewarisi riset dan pencapaian teknologi dari TRI tampak sangat percaya diri. Maka, penting untuk membahas inti dari sistem teknologinya—Large Behavior Models (LBM).

Teknologi inti LBM (Large Behavior Models), menghadirkan kemampuan operasi serba guna ke pabrik

Berbeda dengan large language model yang berfokus pada generasi teks, LBM perlu memproses secara bersamaan tampilan visual, kondisi robot itu sendiri, informasi taktil atau sensor lain, serta instruksi tugas. LBM kemudian menghasilkan rangkaian aksi kontinu berdasarkan kombinasi tersebut. Tujuannya bukan menulis program terpisah untuk setiap pekerjaan, melainkan melalui pelatihan data multi-tugas, agar model yang sama dapat mempelajari dan mengalihkan berbagai keterampilan operasi.

Jalur ini dibangun di atas riset pembelajaran robot yang bertahun-tahun dilakukan TRI. Di antaranya, Diffusion Policy adalah fondasi teknologi yang cukup representatif.

Robot industri tradisional biasanya bergantung pada lintasan gerak dan kondisi meja kerja yang telah ditetapkan sebelumnya. Ketika posisi komponen, tata letak peralatan, atau alur proses produksi berubah, umumnya insinyur perlu memprogram ulang dan melakukan debugging. Diffusion Policy mempelajari distribusi aksi dari demonstrasi manusia: model mengekstrak pola dari data visual, aksi, dan kondisi robot, lalu mencoba mereplikasi secara mandiri.

Berangkat dari fondasi ini, LBM kemudian memasukkan berbagai tugas ke dalam kerangka prapemrosesan (pretraining) yang seragam. Riset yang pernah diungkap TRI menggunakan data robot mendekati 1700 jam, dengan 1800 kali pengujian di lingkungan nyata serta lebih dari 47.000 kali pengujian simulasi. Hasil penelitian menunjukkan bahwa, setelah prapelatihan multi-tugas, model membutuhkan jumlah data yang jauh lebih sedikit untuk mempelajari sebagian tugas baru dibandingkan model tugas tunggal yang dilatih dari awal.

Dalam simulasi dan dunia nyata, Walden menilai model LBM-nya untuk berbagai tugas dan kondisi lingkungan

Ini memberikan dasar bagi logika produk Walden: robot tidak harus bergantung pada tim engineering untuk memprogram tiap langkah, melainkan cukup menyesuaikan alur operasi baru lewat sedikit demonstrasi. Bagi pelanggan industri, kemampuan seperti ini paling cocok untuk lingkungan manufaktur dengan ragam produk banyak dan penyesuaian tugas produksi yang sering. Dibanding perangkat otomatisasi tradisional yang hanya dapat mengulang aksi tetap, robot yang memiliki kemampuan belajar berpotensi beralih proses dan tugas dengan biaya modifikasi yang lebih rendah.

Saat ini, Walden mengombinasikan operasi otonom dengan bantuan manusia jarak jauh. Robot mampu menyelesaikan tugas rutin yang sudah dikuasai sendiri. Ketika menemui benda tak lazim, perubahan lingkungan, atau situasi yang melampaui kemampuan model, barulah operator jarak jauh ikut campur.

Dalam desain fisik robotnya, Walden menggunakan bentuk tubuh bagian atas seperti manusia dengan dua lengan, dipadukan dengan sasis dasar bergerak berbasis roda. Fokus produk diletakkan pada operasi dua lengan, pembelajaran tugas, serta kemampuan beradaptasi terhadap lingkungan.

Robot bergerak berbasis roda tidak jarang di skenario industri dan gudang dengan lantai yang relatif rata serta stasiun kerja yang jelas. Keunggulan utamanya ada pada stabilitas, beban, dan kompleksitas sistem yang relatif dapat dikendalikan. Desain tubuh yang lebih human-like membantu robot menggunakan peralatan yang dirancang untuk manusia serta ruang kerja yang sesuai. Adapun “keserbagunaan” yang ditargetkan lebih banyak berasal dari kemampuan model untuk belajar berbagai tugas, serta kemampuan sistem dua lengan untuk mengoperasikan beragam objek dan peralatan.

Meski demikian, walaupun Walden memiliki kondisi yang menguntungkan dan cukup berada di depan di jalur robotika, Russ Tedrake pernah menyatakan saat Walden resmi debut: “Tim kami cukup kuat, kemajuannya cukup cepat, sehingga kami tidak perlu membesar-besarkan.” Namun bagi perusahaan yang baru saja keluar dari mode stealth ini, sebagaimana kata Russ Tedrake: “Kami baru saja memulai perjalanan ini.”