Robot yang Dikendalikan Manual (Human-Controlled Robot)
Uji banding dengan operator manusia yang mengendalikan robot melalui remote control.
Metrik Evaluasi dengan Baseline
Hipotesis Eksperimen
Jika TTA lebih rendah dari DQN/PPO tetapi lebih tinggi dari manusia, berarti AGI belajar cepat tetapi tetap mempertimbangkan keselamatan.
Jika ECE lebih tinggi dan OASR lebih tinggi dibanding model baseline, berarti AGI lebih efisien dalam mobilitas dan adaptasi.
Kesimpulan: Mengapa Baseline Ini Penting?
Membantu validasi kinerja AGI dibandingkan model yang sudah ada.
 Menunjukkan apakah pendekatan AGI ini benar-benar unggul atau tidak.
 Memungkinkan perbaikan desain jika ternyata baseline tertentu memiliki performa lebih baik dalam aspek tertentu.
Dengan baseline ini, kita tidak hanya mengklaim bahwa AGI kita unggul, tetapi kita juga dapat menguji dan membuktikan keunggulannya secara kuantitatif dalam berbagai skenario!
Validasi Kesadaran dan Intuisi dalam AGI
Agar kita benar-benar dapat menguji dan membuktikan bahwa AGI ini memiliki kesadaran dan intuisi, kita perlu eksperimen yang dirancang khusus untuk mengukur aspek kognitif yang lebih tinggi, seperti:
