Riset Manfaatkan RAG dan MCP untuk Bantu AI Buat dan Perbaiki Program Robot ABB
Peneliti mengusulkan alur kerja berbasis model bahasa untuk menghasilkan program ABB RAPID dari instruksi umum, lalu menguji dan memperbaiki kesalahan secara otomatis melalui perangkat lunak simulasi.
Riset baru di arXiv (nomor 2608.21417) mengusulkan pemanfaatan Language Model untuk membantu pemrograman robot industri ABB, dengan tujuan memangkas waktu konfigurasi ulang saat terjadi perubahan produk, varian, atau tahapan di lini perakitan.
Sistem menerima instruksi dalam bahasa alami sebelum membuat kode ABB RAPID, yaitu bahasa pemrograman robot dari ABB. Kuncinya, model tidak hanya mengandalkan basis pengetahuan internalnya, melainkan memanfaatkan dua jalur Retrieval-Augmented Generation (RAG)—yang menelusuri dokumentasi teknis terverifikasi serta templat manufaktur—agar kode yang dihasilkan lebih sesuai dengan spesifikasi sistem.
Bagian penting lainnya adalah MCP Server kustom yang menghubungkan klien model bahasa langsung ke ABB RobotStudio. Melalui integrasi ini, sistem dapat mengunggah kode, menjalankan simulasi, dan menerima Diagnostic Feedback secara berulang untuk disempurnakan oleh model. Proses ini membentuk siklus umpan balik antara pembuatan kode dan pengujian, alih-alih berhenti setelah pembuatan kode pertama kali.
Peneliti mencatat bahwa simulasi membantu menemukan execution failure yang mungkin luput dari pemeriksaan statis maupun semantik, seperti ketinggian pelepasan objek yang keliru atau posisi target yang berada di luar jangkauan lengan robot.
Evaluasi penelitian ini mencakup set pengujian penelusuran informasi berisi 30 kueri serta uji pembuatan kode dalam cakupan tertentu. Kendati demikian, laporan yang tersedia belum merinci metrik tingkat keberhasilan secara lengkap, sehingga belum dapat dipastikan seberapa siap metode ini diterapkan di berbagai konfigurasi pabrik atau robot. Makalah versi arXiv v1 ini telah diterima untuk dipresentasikan pada konferensi CIE53 di Khalifa University, Abu Dhabi, pada Oktober 2026.
Pendekatan ini menunjukkan potensi MCP dalam menghubungkan AI ke perangkat rekayasa teknik untuk memvalidasi kode sebelum diterapkan pada mesin nyata. Bagi sektor manufaktur, teknologi ini dapat mengurangi beban pemrograman repetitif, meski aspek keselamatan dan keandalannya di lingkungan pabrik nyata masih perlu dibuktikan lebih lanjut.