Kecerdasan buatan
AI di Kemudi: Bagaimana Kecerdasan Buatan Menggerakkan Evolusi Kendaraan Otonom
Sementara sekitar 200 tahun yang lalu, kendaraan berkualitas tinggi dengan fitur unik tidak dapat dibayangkan oleh orang biasa, kami telah melaju jauh sejak saat itu, dengan kendaraan listrik dan hibrida menjadi bagian sehari-hari dalam hidup kami.
Hari ini, kendaraan otonom (AV) memimpin inovasi dalam otomotif yang telah masuk ke arus utama dengan banyak sorotan dan harapan. Tetapi apa itu, dan bagaimana mereka mengubah wajah kendaraan? Mari kita lihat!
Pandangan tentang Otomasi dalam Mobil
Kendaraan otonom (AV) adalah jenis kendaraan yang menggunakan teknologi untuk sebagian atau sepenuhnya menggantikan pengemudi manusia dan mengemudi sendiri ke tujuan yang telah ditentukan dalam mode “autopilot”. Pada saat yang sama, AV ini merespons kondisi lalu lintas, menghindari bahaya di jalan, dan memberikan keamanan lebih.
Berbagai jenis teknologi yang digunakan oleh kendaraan ini meliputi sensor, laser, radar, kontrol jelajah adaptif, kemudi aktif, sistem pengereman anti terkunci, dan teknologi navigasi GPS.
Menurut Society of Automotive Engineers (SAE), terdapat enam tingkat kendaraan otonom berdasarkan intervensi manusia. Klasifikasi ini, yang juga digunakan oleh National Highway Traffic Safety Administration (NHTSA) AS, adalah sebagai berikut:
Level 0: Kendaraan tidak memiliki kontrol atas operasinya, dengan pengemudi manusia melakukan semua mengemudi.Level 1: Sistem bantuan pengemudi canggih (ADAS) kendaraan dapat membantu pengemudi dengan kemudi dan pengereman.Level 2: ADAS kendaraan mengawasi percepatan dan pengereman dalam beberapa kondisi, meskipun pengemudi manusia tetap harus melakukan tugas yang diperlukan dan memperhatikan lingkungan sepanjang perjalanan.Level 3: ADAS kendaraan dapat melakukan semua bagian tugas mengemudi dalam beberapa kondisi, tetapi bila diperlukan, pengemudi manusia harus mengambil alih kontrol. Tingkat otonomi ini saat ini dicapai oleh AV.Level 4: Sistem bantuan pengemudi canggih kendaraan dapat melaksanakan semua tugas tanpa memerlukan perhatian atau bantuan manusia dalam kondisi tertentu.Level 5: ADAS kendaraan dapat melakukan semua tugas terkait mengemudi dalam semua kondisi tanpa bantuan pengemudi manusia. Pada tahap ini, otomasi penuh tercapai.
Kendaraan otonom menawarkan manfaat kenyamanan dan peningkatan kualitas hidup. Selain itu, penyandang disabilitas fisik dan lansia dapat memperoleh kemandirian. Ada juga potensi mengurangi kemacetan lalu lintas, memotong biaya transportasi, membebaskan lahan parkir, dan secara dramatis menurunkan emisi CO2.
Namun, meskipun banyak kegaduhan seputar kendaraan otonom, mereka belum mencapai kesuksesan yang diharapkan. Jadi apa masalahnya?
Tantangan yang Dihadapi Kendaraan Otonom
Kendaraan otonom atau tanpa pengemudi telah memicu investasi miliaran dolar dalam beberapa tahun terakhir, tetapi ada banyak penolakan dalam peluncuran AV serta penundaan adopsi pelanggan. Jadi, mari kita lihat beberapa tantangan paling menonjol yang dihadapi kendaraan ini.
Lingkungan Mengemudi yang Kompleks
Sistem yang digunakan oleh AV untuk melacak rambu jalan, sinyal lalu lintas, dan pergerakan objek di jalan tidaklah sempurna. Mereka khususnya gagal memahami skenario dunia nyata.
Misalnya, jika sekawanan burung berada di jalan, pengemudi manusia mengerti bahwa burung akan terbang menjauh saat kendaraan melaju, tetapi AV mungkin berhenti secara tidak perlu atau menginjak rem secara mendadak. AV juga gagal mendeteksi interaksi sosial kompleks seperti gerakan tangan atau kontak mata pengemudi lain yang memberi sinyal untuk melaju.
Belum lagi, AV saat ini tidak dapat berperilaku aman ketika tidak ada rambu lalu lintas di jalan. Ini berarti AV belum dapat beroperasi dengan akurasi maksimal di lokasi mana pun di berbagai negara.
Jika penumpang ingin mengunjungi lokasi yang tidak termasuk dalam sistem peta, maka ia mungkin juga mengalami kesulitan karena AV dapat menjadi bingung. Hal ini memerlukan peta rute tiga dimensi (3D) yang kompleks untuk membimbing kendaraan, yang merupakan proses memakan waktu jika ingin mencapai cakupan dan akurasi.
Cuaca Buruk
Tantangan besar bagi AV adalah cuaca buruk. Kendaraan ini menggunakan berbagai sensor: kamera untuk membantu melihat dan mengidentifikasi objek, laser untuk melacak jarak, dan radar untuk mengukur kecepatan objek serta arah pergerakannya.
Setelah data ditangkap, sistem membuat keputusan, tetapi salju, kabut, atau hujan lebat menyulitkan sensor berfungsi dengan benar. Jadi, cuaca buruk secara negatif memengaruhi akurasi kemampuan sensor AV, yang dapat mengorbankan keselamatan pengguna. Selain itu, terdapat masalah presipitasi berat dan zat seperti air, minyak, es, atau puing yang mengaburkan marka jalur.
Biaya
Masalah besar lainnya dengan AV adalah biaya; sensor yang digunakan kendaraan ini, seperti Lidar dan radar, mahal. Selain itu, Lidar masih berusaha menemukan keseimbangan yang tepat antara jangkauan dan resolusi. Jadi, muncul pertanyaan: jika beberapa AV melaju di jalan yang sama, apakah sinyal lidar mereka saling mengganggu?
Tanggung Jawab Hukum
Pertanyaan besar lainnya dengan AV adalah tentang tanggung jawab kecelakaan; siapa yang bertanggung jawab atas kecelakaan yang disebabkan oleh AV? Hal ini akan menjadi lebih signifikan terkait AV tingkat otonomi penuh yang tidak memiliki setir untuk manusia mengambil alih kendaraan dalam keadaan darurat. Kemudian, ada asuransi, yang juga merupakan area yang masih samar bagi kendaraan ini.
Undang-Undang & Regulasi
Meskipun AV telah masuk ke arus utama, undang-undang dan regulasi yang mengaturnya masih sedikit dan tersebar. Baru-baru ini, proses regulasi AV di AS beralih dari panduan federal ke mandat negara bagian per negara bagian.
Untuk mencegah munculnya “mobil zombie,” beberapa negara bagian bahkan mengusulkan pajak per mil pada mereka. Pembuat undang-undang juga telah menulis RUU yang mengusulkan semua AV harus dilengkapi tombol panik.
Keamanan Siber
Mengingat sistem transportasi yang sangat terhubung dan peluncuran 5G, privasi data dan keamanan siber menjadi masalah lain bagi kendaraan ini. Misalnya, pada tahun 2015, Fiat Chrysler menarik kembali 1,4 juta kendaraannya untuk memperbaiki bug karena dapat diretas dan dikendalikan dari jarak jauh. AV harus memastikan bahwa mereka tidak melanggar privasi data konsumen serta melindungi data dari peretas.
Infrastruktur
Untuk membawa AV ke jalan, investasi besar perlu dilakukan pada infrastruktur. AV sering memerlukan marka jalur yang jelas, tempat menyimpan data, dan jaringan pengisian daya yang lebih kuat. Hal ini akan memengaruhi anggaran kota. Oleh karena itu, diperlukan dialog untuk investasi publik serta keterlibatan komunitas dan industri untuk memperluas infrastruktur yang ada.
AI Membuka Jalan ke Depan untuk Kendaraan Otonom
Dalam menghadapi semua tantangan ini, kecerdasan buatan (AI) mengambil alih dan membuka jalan ke depan untuk kendaraan otonom.
Faktanya, industri otomotif telah berkembang pesat dalam beberapa tahun terakhir dengan munculnya teknologi baru. AI adalah salah satu teknologi yang membantu industri otomotif bertransformasi. Pada dasarnya, AI berkaitan dengan membuat mesin lebih cerdas. Ini melibatkan simulasi kecerdasan manusia dalam mesin agar mereka dapat berpikir dan bertindak seperti manusia.
AI memungkinkan kendaraan mengenali objek, memprediksi apa yang mungkin terjadi selanjutnya, bahkan merespons situasi tak terduga, dan menjadi lebih baik daripada pengemudi manusia dalam mengemudi di situasi lalu lintas yang kompleks. Menurut Statista, pasar AI otomotif global diperkirakan akan mencapai ukuran pasar sebesar $74,5 miliar.
Menurut studi NHTSA, kesalahan manusia seperti penglihatan dan pendengaran yang terganggu menyebabkan sekitar 93% kecelakaan jalan. Memanfaatkan AI dalam AV dalam bentuk sensor dan algoritma dapat memungkinkan transportasi yang lebih aman dan lebih terjamin, yang dapat secara signifikan mengurangi korban yang disebabkan oleh kesalahan manusia. Kemampuan AI untuk mempelajari lingkungan dan kemudian beradaptasi membuat teknologi lebih mahir dalam menangani jalan dan situasi yang kompleks.
AI digunakan dalam AV dalam sejumlah cara:
- Teknologi ini dapat membantu AV memprediksi perilaku pengemudi dan pejalan kaki lain dengan melengkapi kendaraan kemampuan menggunakan analitik, memprediksi masalah, dan kemudian mencegahnya terjadi.
- Dengan memanfaatkan pembelajaran mesin, di mana model dilatih pada dataset berlabel untuk memetakan input ke output dengan tepat, AI dapat membantu AV dalam pengenalan objek dan pemodelan. Sementara itu, model yang dilatih pada dataset tidak berlabel dapat membantu AV dalam deteksi anomali, memahami situasi rumit, dan ekstraksi fitur.
- AV mengandalkan sensor seperti kamera, Lidar, radar, dan sensor ultrasonik untuk memperoleh informasi tentang sekitarnya. Di sini, algoritma AI dapat menganalisis data ini untuk menghasilkan peta detail, memungkinkan AV membuat keputusan yang tepat.
- Dengan memanfaatkan Natural Language Processing (NLP), AV dapat menggunakan pengenalan suara untuk berinteraksi dengan penumpang. Dengan cara ini, AI dapat membantu kendaraan memahami pertanyaan manusia dan merespons secara efektif.
- Dengan memungkinkan keputusan di tempat berdasarkan data sensor waktu nyata, AI membantu AV memutuskan apakah respons terbaik adalah memperlambat atau berhenti. Dengan cara ini, AI membantu AV dalam situasi berbahaya di mana manusia cenderung membuat kesalahan. Teknologi ini melakukannya dengan menganalisis aliran data dari sensor-sensornya. Ia sebenarnya jauh lebih baik dalam mendeteksi lintas jalan, memantau titik buta secara aktif, menyinkronkan dengan sinyal lalu lintas, dan mengendalikan kendaraan dalam keadaan darurat.
Secara keseluruhan, AI dalam AV dapat membantu mengumpulkan data secara real time, mendeteksi dan mengidentifikasi objek, mengoptimalkan lintasan, menavigasi kondisi jalan, dan memprediksi kegagalan. Semua kasus penggunaan AI ini membantu kendaraan otonom mencapai pengurangan lalu lintas, penghematan energi yang dipercepat, peningkatan aksesibilitas, efisiensi yang lebih baik, dan keselamatan yang meningkat.
Sudah, teknologi ini digunakan oleh produsen mobil di seluruh dunia. Misalnya, Autopilot Teslamenempuh lebih dari 3 miliar mil dalam mode ini selama hampir satu dekade. Tesla milik Elon Musk memanfaatkan algoritma AI canggih untuk kontrol yang akurat.
Waymo adalah contoh lain yang menggunakan sistem mengemudi otomatis berbasis AI untuk perencanaan rute kompleks dan reaksi cerdas terhadap lingkungannya. Perusahaan ini telah menguji kendaraan mereka dengan mengemudi puluhan miliar mil dalam simulasi.
Asisten digital Daimler, SUV Audi R10 e-tron, dan sistem mengemudi otonom Mercedes-Benz EQR4 adalah contoh lainnya. Kontributor utama AI dalam AV lainnya meliputi BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia, dan Ford.
Terobosan AI Paling Penting dalam Ruang Kendaraan Otonom
2023 adalah tahun yang luar biasa untuk kemajuan AI, yang berdampak pada segala hal mulai dari seni, keuangan, perawatan kesehatan, dan pendidikan hingga perubahan iklim, penelitian, pendanaan, dan AV. Jadi, mari kita lihat beberapa terobosan AI paling penting tahun 2023 dalam ruang kendaraan otonom.
Baru-baru ini, peneliti dari Incheon National University (INU) Koreamengembangkan sistem deteksi objek 3D end-to-end yang baru, yang berbasis pembelajaran mendalam dan didukung Internet of Things. Sistem ini memberikan AV kemampuan deteksi yang lebih baik, bahkan dalam kondisi tidak menguntungkan.
Mengatasi kesulitan sensor seperti kamera, lidar, dan radar yang rentan terhadap hambatan, cuaca, dan jalan yang tidak teratur, studi ini menyesuaikan algoritma YOLOv3 (You Only Look Once) untuk mengidentifikasi objek 3D dengan mengintegrasikan IoT karena memungkinkan objek bertukar data dan berkomunikasi melalui internet.
Sistem yang diusulkan dirancang untuk memproses gambar RGB dan data point cloud sebagai inputnya. Kemudian menghasilkan kotak pembatas yang diberi peringkat dan label untuk mengidentifikasi rintangan. Sistem ini mahir mendeteksi beragam item dan mampu menangani variasi skala serta rotasi.
Studi tersebut menguji sistem menggunakan dataset Lyft dan menemukan bahwa sistem menunjukkan akurasi lebih tinggi dan latensi lebih rendah. Menurut tim, fleksibilitas sistem yang diusulkan melampaui kendaraan otonom, menemukan potensi aplikasi dalam pengawasan, robotika, dan permainan.
Proyek lain, Helm.ai, membuat terobosan AI yang memprediksi niat pengemudi dan merencanakan jalur optimal. Perusahaan yang menciptakan perangkat lunak AI untuk otomatisasi robot dan kendaraan mengumumkan bahwa ini akan memungkinkan Helm.ai memiliki penyebaran L2/L3 dan L4 yang skalabel.
Model dasar berbasis DNN perusahaan dilatih menggunakan teknologi proprieternya, Deep Teaching, yang memanfaatkan data mengemudi nyata untuk lingkungan mengemudi yang kompleks.
Sekarang, modelnya juga menganalisis kendaraan dan pejalan kaki di sekitarnya untuk secara akurat memprediksi tindakan mereka yang kemungkinan terjadi dalam situasi perkotaan yang beragam dan, berdasarkan itu, menghasilkan jalur paling efisien dan aman bagi AV. Platform perusahaan bekerja dengan konfigurasi perangkat keras yang berbeda secara mulus dan memungkinkan pelatihan serta validasi yang efisien.
“Platform perangkat lunak kami mengatasi tantangan persepsi kritis di lingkungan perkotaan, membuka jalan bagi pengembangan dan validasi yang skalabel dari prediksi niat berbasis AI dan perencanaan jalur.”
– Vladislav Voroninski, CEO Helm.ai
Tahun ini, pionir kendaraan listrik Tesla juga membuat kemajuan dalam perangkat lunak Full Self-Driving (FSD) mereka.
Pada Agustus, Musk mendemonstrasikan FSD v12 mengemudi kendaraan secara otonom dan melakukan tugas seperti parkir paralel, mematuhi lampu lalu lintas, dan menavigasi bundaran. Apa yang membedakan versi ini dari versi sebelumnya adalah ketergantungan berat FSD v12 pada jaringan saraf yang dilatih secara mandiri berbasis AI.
Artinya, alih-alih memerlukan programmer manusia untuk menulis kode respons untuk berbagai skenario mengemudi, AI akan menganalisis banyak data yang dikumpulkan dari kendaraan Tesla dan kemudian memilih respons yang paling tepat.
Pengembangan ini membawa Tesla selangkah lebih dekat untuk mencapai tujuan luasnya berupa bisnis robotaxi, yang, menurut Ark Invest, bahkan dalam skenario bearish, menghasilkan $200 miliar (lebih dari $600 miliar menurut proyeksi paling optimis) dalam pendapatan tahunan.
Awal tahun ini, terobosan lain muncul untuk AV dalam bentuk sistem pencitraan kamera, HADAR, atau ‘heat-assisted detection and ranging.’HADAR, atau ‘deteksi dan pengukuran berbantuan panas’. Peneliti dari Michigan State University dan Purdue University memanfaatkan AI untuk mengembangkan HADAR, yang menafsirkan tanda panas untuk memberikan gambar yang detail dan tajam sambil memotong kebisingan optik.
Model AI mereka memanfaatkan algoritma pembelajaran mesin yang mengumpulkan data dari kamera inframerah komersial untuk mengenali sifat fisik objek dan sekitarnya, memungkinkan HADAR merekonstruksi pemandangan malam yang jelas.
Mengingat sistem dapat mendeteksi pola radiasi termal, pembentukan material, dan suhu dengan sangat baik, ia memiliki potensi luas, termasuk pemindaian keamanan publik tanpa kontak dan bahkan mengatasi ketakutan akan gelap. Namun, HADAR memiliki tantangan dalam hal biaya peralatan dan kebutuhan kalibrasi waktu nyata.
Ford Motor Company juga menciptakan anak perusahaan milik penuh yang disebut Latitude AI untuk mengembangkan sistem mengemudi otomatis tanpa tangan, tanpa melihat jalan. Raksasa otomotif ini telah mencatat lebih dari 50 juta mil mengemudi tanpa tangan dalam Ford BlueCruise.
Sekarang, dengan Latitude, idenya adalah mengotomatisasi mengemudi pada waktu yang melelahkan, stres, dan tidak menyenangkan seperti perjalanan panjang di jalan raya atau kemacetan bumper‑to‑bumper. Berbicara tentang mengemudi otomatis, chief technology officer Ford, Doug Field, berkata:
“Kami melihat teknologi mengemudi otomatis sebagai kesempatan untuk mendefinisikan kembali hubungan antara orang dan kendaraan mereka.”
Pemikiran Penutup
Jadi, seperti yang kita lihat, tergantung pada tingkat bantuan manusia yang diperlukan, kendaraan otonom terbagi ke dalam kategori berbeda, yaitu otomasi untuk bantuan pengemudi, mengemudi sebagian otomatis, mengemudi sangat otomatis, mengemudi sepenuhnya otomatis, dan kendaraan sepenuhnya otomatis. Dengan munculnya AI, kemungkinan AV akhirnya mencapai tahap akhir semakin dekat daripada sebelumnya.
Masa depan pasar AI dalam industri otomotif jelas menjanjikan. Pada 2022, pasar berada di atas $6 miliar dan diproyeksikan tumbuh dengan CAGR 55% pada 2032.
Kemajuan dalam algoritma AI, seperti teknologi sensor, daya komputasi, dan solusi pemeliharaan prediktif, akan lebih lanjut membantu kendaraan otonom mengatasi tantangan mereka dan memperoleh adopsi arus utama!
Klik di sini untuk mempelajari semua tentang berinvestasi dalam kecerdasan buatan.
