Bagaimana sebuah robot humanoid bisa memutuskan apakah harus mengangkat gelas air di meja—atau menunggu perintah—jika belum pernah menyentuh gelas sebelumnya? Jawabannya bukan pada sensor canggih atau database gerak tak terbatas, melainkan pada cara kita mensimulasikan proses pengambilan keputusan itu sendiri: bukan hanya 'apa yang dilakukan', tapi 'mengapa dan bagaimana manusia memilih melakukannya'. Di sinilah Synthium berbeda dari puluhan startup AI fisik lain di Asia Tenggara.
Synthium adalah startup berbasis Singapura yang membangun platform simulasi 'human-in-the-loop' khusus untuk embodied AI—model kecerdasan buatan yang memiliki representasi fisik, seperti robot humanoid. Platform ini tidak mengandalkan rekaman gerak langsung dari manusia (motion capture), juga bukan data sensor dari robot di gudang atau pabrik. Sebaliknya, Synthium merekayasa skenario interaksi manusia-robot secara eksplisit: manusia ditempatkan sebagai pengambil keputusan dalam loop simulasi, lalu sistem mencatat tiga lapisan keluaran sekaligus—gerak tubuh, intonasi suara, dan alur penalaran tertulis yang menjelaskan pilihan mereka. Dilansir TechInAsia, pendekatan ini memungkinkan pembuatan dataset yang jauh lebih kaya konteks dibanding metode konvensional.
Apa yang Hilang dari Dataset Gerak Konvensional?
Dataset gerak seperti CMU Motion Capture Library atau Human3.6M memang luas—tapi mereka hanya merekam 'apa yang terjadi', bukan 'mengapa terjadi'. Seorang manusia mungkin mengangkat gelas karena haus, karena ingin menawarkan minuman, atau karena sedang membersihkan meja. Geraknya identik, tetapi niat dan konteks sosialnya berbeda. Tanpa lapisan penalaran eksplisit, model AI humanoid akan belajar pola gerak tanpa pemahaman semantik. Akibatnya, ketika ditempatkan di rumah lansia atau klinik rehabilitasi—lingkungan dinamis dengan aturan tak tertulis; robot bisa gagal membaca sinyal nonverbal atau menyesuaikan prioritas tindakan. Synthium mengisi celah itu dengan menuntut partisipan simulasi menuliskan justifikasi keputusan mereka setiap kali melakukan aksi. Hasilnya tidak hanya video 30 fps, tapi juga triple-stream data: motion + voice + reasoning trace.
Baca juga: LG Uplus dan OptAI Uji Token AI untuk Efisiensi Layanan
TechInAsia mencatat bahwa Synthium telah bekerja sama dengan dua laboratorium robotika di Jepang dan satu pusat riset di Korea Selatan sejak awal 2024. Kolaborasi ini bukan soal lisensi teknologi, melainkan co-development dataset spesifik untuk skenario layanan sosial—misalnya, bagaimana robot merespons ketika pasien menolak bantuan dengan nada lemah tapi gerak tubuh terbuka. Data semacam ini hampir mustahil dikumpulkan secara etis di dunia nyata, tetapi bisa direplikasi dalam simulasi terkontrol.
Mengapa Indonesia Belum Masuk Peta Kolaborasi?
Di tengah lonjakan investasi dalam robotic process automation (RPA) dan chatbot di Indonesia—dengan nilai pasar RPA nasional mencapai USD 127 juta pada 2023 menurut Statista—tidak ada satu pun universitas atau startup lokal yang terdaftar sebagai mitra Synthium. Padahal, tantangan unik di Indonesia; seperti keragaman bahasa tubuh antarbudaya, infrastruktur logistik yang tidak seragam, atau kebutuhan adaptasi terhadap kondisi cuaca ekstrem,seharusnya menjadi laboratorium alami untuk embodied AI. Nyatanya, fokus riset AI di perguruan tinggi Indonesia masih dominan di bidang natural language processing dan computer vision, bukan integrasi sensorimotorik dengan penalaran kontekstual.
Baca juga: Bolttech dan Bold Penguin Bentuk Aliansi Asuransi Global Berbasis AI
Ini bukan soal keterbatasan teknis semata. Lebih dalam, ini mencerminkan pergeseran prioritas pendanaan riset: dana riset Kemenristek BRIN tahun 2023 menunjukkan 68% alokasi untuk AI berbasis teks dan gambar, sementara kurang dari 5% dialokasikan untuk embodied cognition atau human-robot interaction. Sementara itu, startup seperti Synthium justru menunjukkan bahwa kemajuan di bidang ini tidak dimulai dari hardware mahal, melainkan dari desain metodologi simulasi—yang bisa dikembangkan dengan tim kecil dan infrastruktur komputasi terjangkau.
Synthium tidak mengunci platformnya untuk klien internal. Mereka membuka akses API terbatas bagi peneliti independen—termasuk dari negara berpendapatan menengah—dengan syarat publikasi hasilnya bersifat open access. Artinya, universitas di Bandung atau Yogyakarta bisa mulai membangun dataset lokal berbasis simulasi tanpa harus membeli robot mahal. Cukup dengan laptop, kamera web, dan skenario interaksi yang dirancang ulang untuk konteks Indonesia: misalnya, bagaimana robot memahami isyarat tangan 'tidak apa-apa' dalam budaya Jawa yang berbeda dari versi Sunda atau Bali.
Jika dataset gerak global dibangun dari norma Barat—dengan asumsi ruang pribadi, jarak bicara, dan hierarki verbal tertentu—maka dataset lokal tidak hanya tambahan. Ia adalah syarat agar robot tidak hanya bergerak, tapi juga juga 'berbudaya'. Lalu, pertanyaannya bukan lagi apakah Indonesia siap membeli robot, tapi: siapa di antara kita yang sudah mulai menulis jejak penalaran; dalam bahasa Indonesia, dengan konteks lokal,untuk mengajari mesin cara memahami manusia?