<![CDATA[Perkembangan teknologi Kecerdasan Buatan (AI) telah memicu pergeseran paradigma dalam sistem robotika otonom, dari yang semula berbasis instruksi kaku menjadi sistem berbasis agen otomatis yang adaptif. Penelitian ini bertujuan untuk menganalisis secara sistematis integrasi antara Natural Language Processing (NLP) dan algoritma pencarian cerdas dalam membangun arsitektur agen otomatis pada sistem robotika otonom. Metode yang digunakan adalah Studi Literatur Sistematis (Systematic Literature Review/SLR) terhadap 12 literatur terpilih yang mencakup topik LLM-based agents, pemrosesan bahasa alami (tokenization, filtering, stemming), metode pencarian pencocokan pola (pattern matching), sequential search, serta tantangan keamanan siber dalam dunia fisik. Hasil penelitian menunjukkan bahwa arsitektur agen otomatis berbasis LLM mengandalkan komponen memori, perencanaan (planning), perkakas (tools), dan aksi (action) untuk menggerakkan kecerdasan berwujud (embodied intelligence) pada robot. Integrasi komponen NLP berupa pemecahan kalimat (parsing dan tokenizing) serta penyaringan kata kunci terbukti meningkatkan akurasi penerjemahan instruksi bahasa alami manusia menjadi perintah eksekusi motorik robot. Selain itu, optimasi sistem pencarian dengan pendekatan pencocokan pola dan sequential search mempercepat proses penarikan pengetahuan dari basis data internal agen secara signifikan. Penelitian ini menyimpulkan bahwa konvergensi NLP dan algoritma pencarian cerdas menghasilkan arsitektur agen robotika yang lebih humanis, mandiri, dan responsif terhadap dinamika lingkungan fisik. Namun, tantangan kebocoran data privasi dan latensi komputasi masih menjadi hambatan utama yang memerlukan regulasi serta optimasi algoritma lebih lanjut.]]>
