Kenapa Lengan Robot Tak Bisa Sekadar Motor Industri Mini

Setiap beberapa bulan, demo robot humanoid baru selalu viral. Atlas dari Boston Dynamics melakukan backflip. Optimus dari Tesla memilah objek. Robot Figure menyusun rak. Demonya memang mengesankan, tapi kalau kamu perhatikan baik-baik, ada satu hal yang janggal: gerakannya lambat, hati-hati, dan terukur. Robot-robot ini bisa mengangkat beban yang cukup berat, tapi tidak bisa menangkap bola yang dilempar ke arahnya. Mereka bisa berjalan tapi tidak bisa berlari. Mereka bisa menggenggam benda tapi tidak sanggup melakukan gerakan jari yang cepat dan presisi.

Penyebabnya bukan di software, melainkan fisika. Lebih tepatnya, fisika tentang bagaimana motor listrik berskala. Hukum skala yang mengatur perilaku motor berubah drastis seiring ukuran, dan perubahan inilah yang menjelaskan sebagian besar keterbatasan aktuator robot saat ini. Memahami hukum skala ini penting bagi siapa pun yang berkecimpung di robotika, dan dari sini terlihat kenapa membuat robot yang bergerak seperti manusia jauh lebih sulit daripada sekadar memperbesar atau memperkecil robot yang sudah ada.

Hukum Kubus-Kuadrat Beraksi Lagi

Hukum kubus-kuadrat, yaitu pengamatan bahwa ketika benda membesar, volumenya bertambah lebih cepat daripada luas permukaannya, memengaruhi motor listrik dengan cara tertentu. Torsi motor berskala mengikuti volume (kurang lebih pangkat tiga dari dimensi linear). Pelepasan panas motor berskala mengikuti luas permukaan (pangkat dua dari dimensi linear). Jadi kalau ukuran motor dibuat dua kali lipat, torsinya naik 8 kali, tapi kemampuan membuang panasnya hanya naik 4 kali.

Inilah alasan kenapa motor besar relatif lebih efisien. Motor lengan robot industri punya banyak luas permukaan dibandingkan jumlah panas yang dihasilkannya. Motor itu bisa bekerja dengan duty cycle tinggi tanpa overheat. Tapi kalau motor tersebut diperkecil untuk jari robot, masalah termal justru berbalik: motornya menghasilkan torsi kecil, sementara luas permukaan untuk membuang panasnya bahkan lebih sedikit. Motor kecil cepat panas saat dibebani terus-menerus.

Motor scaling (approximate):
Motor diameter    Torque (relative)    Heat dissipation (relative)
100mm (arm)       1.0x                 1.0x
50mm (wrist)      0.125x               0.25x
25mm (finger)     0.016x               0.063x
10mm (fingertip)  0.001x               0.01x
The ratio of torque to heat dissipation:
100mm: 1.0   (can run continuously)
50mm:  0.5   (needs duty cycling)
25mm:  0.25  (overheats quickly under load)
10mm:  0.1   (barely usable for sustained force)
Small motors are proportionally weaker AND hotter.

Masalah Inersia

Masalah skala kritis lainnya adalah inersia, yaitu resistansi terhadap perubahan kecepatan rotasi. Rotor motor punya massa, dan massa itu punya inersia. Untuk menggerakkan sendi robot dengan cepat, motor harus mempercepat dan memperlambat rotor, dan itu membutuhkan torsi yang sebanding dengan momen inersia rotor.

Masalahnya: pada banyak aktuator robot, inersia rotor lebih dominan dibanding inersia beban. Motor malah menghabiskan energi untuk menggerakkan dirinya sendiri ketimbang benda yang seharusnya digerakkan. Ibaratnya menulis dengan pulpen seberat 10 pon. Pulpennya memang bisa digerakkan, tapi kamu tidak bisa membuat goresan cepat dan presisi karena terus melawan inersia pulpen itu.

Ini sangat terasa pada lengan robot. Motor di bahu harus menggerakkan bukan hanya beban utamanya, tapi juga motor di siku dan pergelangan tangan. Setiap sendi menambah inersia yang harus diatasi oleh semua sendi di hulunya. Inersia yang menumpuk inilah yang membuat lengan robot makin lambat dan kurang presisi seiring makin panjangnya lengan, dan batasan dasar yang sama juga membatasi seberapa panjang lengan sebuah crane.

Rasio Gear: Sebuah Trade-Off

Penggunaan gear adalah solusi standar untuk torsi motor yang kurang. Rasio gear 100:1 mengalikan torsi motor 100 kali sekaligus membagi kecepatannya dengan 100. Dengan cara ini, motor kecil yang cepat bisa menghasilkan torsi yang cukup untuk sendi yang berat.

Harganya adalah backdrivability, yaitu kemampuan untuk mendorong balik motor dari sisi output. Motor dengan rasio gear tinggi praktis terkunci dari sisi output karena gesekan di dalam gear train. Artinya, robot tidak bisa merasakan gaya yang diberikan padanya. Kalau manusia menabrak lengan robot, lengannya tidak akan mengalah, melainkan jadi rintangan yang kaku. Ini masalah keselamatan (robot bisa melukai orang) sekaligus masalah fungsi (robot tidak bisa mengerjakan tugas yang butuh sensitivitas gaya, seperti memasukkan colokan ke stopkontak).

Rasio gear yang rendah menjaga backdrivability, sehingga motor bisa merasakan gaya dari luar dan meresponsnya. Tapi rasio rendah berarti motor harus menghasilkan semua torsi yang dibutuhkan sendiri, yang berarti motor harus lebih besar dan lebih berat, yang menambah inersia, yang pada gilirannya membutuhkan torsi lebih besar lagi. Ini masalah yang berputar-putar.

Cara Robot Modern Mengatasinya

Para perancang robot menggunakan beberapa teknik untuk mengakali keterbatasan skala motor.

• Quasi-direct drive. Menggunakan motor berdiameter besar dan tipis dengan rasio gear rendah (5:1 hingga 10:1). Diameter besar memberikan torsi tanpa inersia yang tinggi (momen inersia bergantung pada distribusi massa, bukan hanya massa). Rasio gear rendah menjaga backdrivability. Robot Cheetah dari MIT dan banyak humanoid terbaru memakai pendekatan ini.
• Series elastic actuators (SEA). Memasang pegas di antara motor dan sendi. Pegas ini menyerap benturan (melindungi motor dan lingkungan sekitar), menyimpan energi (berguna untuk berjalan), dan memungkinkan pengukuran gaya (dengan mengukur defleksi pegas). Kebanyakan robot berkaki memakai SEA.
• Tendon-driven systems. Memindahkan motor ke badan dan menghubungkannya ke sendi melalui kabel (tendon). Ini membuang massa motor dari anggota tubuh sehingga inersia turun drastis. Tangan manusia bekerja dengan cara ini: otot yang menggerakkan jari berada di lengan bawah dan terhubung lewat tendon. Beberapa tangan robot dexterous juga memakai prinsip yang sama.
• Hydraulic actuators. Melewati motor listrik sepenuhnya untuk aplikasi gaya besar. Silinder hidrolik punya power density (gaya per berat) yang sangat baik dan secara alami backdrivable. Atlas generasi awal dari Boston Dynamics memakai hidrolik. Kekurangannya: sistem hidrolik itu berantakan, berisik, dan kompleks.

Kenapa Robot Humanoid Bergerak Lambat

Melihat batasan-batasan ini, gerakan lambat dan hati-hati dari robot humanoid saat ini jadi masuk akal. Gerakan cepat membutuhkan akselerasi tinggi, yang harus mengatasi inersia rotor, yang membutuhkan torsi besar, yang membutuhkan motor besar (inersia lebih tinggi) atau rasio gear tinggi (tanpa backdrivability). Fisika seperti menjebak kita di lingkaran ini.

Manusia menyelesaikan masalah ini dengan cara yang berbeda: otot kita adalah aktuator yang sangat berbeda. Otot punya inersia yang hampir nol (karena lunak), secara alami patuh (bekerja seperti pegas), dan bisa menghasilkan gaya tanpa gear mekanik. Satu tangan manusia punya 34 otot yang mengendalikan 27 tulang dengan presisi, kecepatan, dan sensitivitas gaya yang luar biasa. Meniru ini dengan motor listrik dan gear memang mungkin secara prinsip, tapi butuh solusi rekayasa untuk setiap masalah skala yang sudah ditangani biologi secara alami.

Inilah sebabnya manipulasi dexterous, seperti mengambil telur mentah tanpa memecahkannya, merajut benang ke lubang jarum, atau mengikat tali sepatu, masih menjadi salah satu masalah tersulit yang belum terpecahkan di robotika. Software untuk memahami dan merencanakan tugas-tugas ini berkembang pesat berkat machine learning. Tapi hardware, yaitu aktuator yang bisa menandingi kecepatan, presisi, dan sensitivitas gaya tangan manusia, masih terus mengejar.

Catatan untuk Software Developer

Kalau kamu bekerja di software robotika, seperti motion planning, sistem kontrol, atau perception, memahami fisika aktuator akan mengubah cara kamu menulis kode. Kamu tidak bisa memerintahkan sendi robot bergerak lebih cepat dari rasio torsi-terhadap-inersia motor memungkinkan. Kamu tidak bisa berasumsi kekakuan tak terbatas jika aktuatornya backdrivable. Dan kamu tidak bisa mengabaikan batas termal jika motornya kecil.

Software robot terbaik bekerja bersama keterbatasan hardware, bukan mengabaikannya. Trajectory planner yang menghormati batas torsi menghasilkan gerakan yang lebih halus dan lebih cepat dibanding planner yang menghasilkan trajektori optimal lalu membiarkan controller memotongnya. Sistem kontrol yang memodelkan dinamika motor menghasilkan kontrol gaya yang lebih baik dibanding sistem yang memperlakukan motor sebagai sumber torsi ideal.

Hukum skala motor adalah pengingat bahwa batasan hardware membentuk kemungkinan software. Lain kali kamu melihat demo robot humanoid dan bertanya-tanya kenapa ia bergerak begitu hati-hati, ingatlah: software mungkin sudah siap untuk gerakan yang lebih cepat, tapi fisika motor listrik kecil berkata lain. Membuat robot bergerak seperti manusia tidak hanya butuh AI yang lebih baik, tapi juga aktuator yang fundamental lebih baik. Dan itu adalah masalah fisika, bukan masalah software.