Membangun Kepercayaan dalam Solusi Mengemudi Otonom dengan TimelyTale

Lebih dari satu abad yang lalu, penemuan mobil merevolusi kehidupan manusia, dan sektor ini kini bersiap untuk lompatan besar berikutnya, yaitu mengemudi otonom. Di dunia saat ini, di mana segala sesuatu menjadi pintar, mengapa mobil Anda tidak menjadi pintar juga? Nah, mereka memang sudah pintar.

Kemajuan teknologi di sektor otomotif telah memunculkan kendaraan yang dapat mengemudi sendiri.

Kombinasi perangkat keras yang kuat dan perangkat lunak cerdas sedang membuka era baru kendaraan mengemudi sendiri yang akan membawa orang ke tujuan mereka dengan nyaman dan aman tanpa memerlukan intervensi manusia.

Lanskap mengemudi otonom ini berkembang dengan cepat, dengan jumlah kendaraan otomatis yang dikirim setiap tahun diproyeksikan tumbuh pada CAGR 41% antara 2024 dan 2030.

Integrasi kendaraan otomatis yang semakin besar ke dalam kehidupan sehari-hari diperkirakan akan mengurangi kemacetan lalu lintas, meningkatkan aksesibilitas, dan meningkatkan keselamatan. Kendaraan ini juga memungkinkan pengemudi melakukan tugas yang tidak terkait mengemudi, seperti menggunakan ponsel, menonton multimedia, bekerja, atau sekadar bersantai selama perjalanan.

Tidak semua kendaraan otomatis dapat mencapai hal itu, bagaimanapun. Ada tingkatan kendaraan otomatis, yang sebagai berikut;

Level 0 – Pada tingkat ini, tidak ada otomatisasi mengemudi. Kendaraan sepenuhnya dikendalikan secara manual. Tingkat kendaraan ini yang paling sering kita lihat di jalan.

Level 1 – Satu langkah di atasnya adalah tingkat otomatisasi terendah, di mana bantuan pengemudi disediakan melalui satu sistem otomatis seperti kemudi atau kontrol kecepatan adaptif.

Level 2 – Tingkat otomatisasi mengemudi parsial ini adalah sistem bantuan pengemudi lanjutan (ADAS). Di sini, kendaraan dapat mengendalikan kemudi dan kecepatannya, tetapi manusia masih duduk di kursi pengemudi dan dapat mengambil alih kendaraan kapan saja. Kami sudah melihat tingkat kendaraan ini di sekitar kita dengan Tesla (TSLA ) Autopilot dan General Motors‘ (GM ) Cadillac Super Cruise.

Level 3 – Pada tingkat otomatisasi bersyarat ini, kendaraan memiliki kemampuan mendeteksi lingkungan sekitarnya dan, berdasarkan itu, dapat membuat keputusan yang tepat. Namun, pengemudi manusia masih harus tetap waspada dan siap mengambil alih jika sistem tidak dapat melaksanakan tugas. Contoh utama Level 3 meliputi Mercedes-Benz (MBG.DE ) S-Class, yang dilengkapi kemampuan mengemudi otomatis di jalan raya dan menjaga jalur, serta Honda (HMC ) Legend, yang menawarkan mengemudi tanpa tangan dalam skenario tertentu.

Level 4 – Lompatan tingkat selanjutnya membawa kita ke kendaraan dengan otomatisasi tinggi, yang dalam kebanyakan kasus tidak memerlukan bantuan manusia. Namun, manusia masih memiliki opsi untuk mengoverride secara manual. Kendaraan Level 4 dapat mengemudi sendiri tetapi secara hukum hanya dapat melakukannya di area terbatas. Kendaraan ini sudah dalam pengembangan dengan Google‘s Waymo One dan Apollo Go milik Baidu.

Level 5 – Pada tingkat ini tidak diperlukan pengemudi sama sekali. Pada tahap ini, kendaraan otonom mencapai otomatisasi mengemudi penuh, bebas dari pembatasan geografis, sehingga dapat melakukan semua yang dapat dilakukan pengemudi manusia berpengalaman dan pergi ke mana saja. Dari Tesla, Amazon (AMZN ), dan Honda hingga Mercedes, beberapa produsen mobil besar di seluruh dunia sedang menguji mobil sepenuhnya otonom. Namun, mereka belum tersedia untuk publik.

Meskipun saat ini belum diketahui kapan kendaraan otomatis penuh (SAE Level 5) akan diadopsi secara luas, beberapa studi memprediksi kesiapan pasar pada akhir dekade ini.

Dengan itu, sangat krusial untuk membangun kepercayaan pengguna demi keberhasilan penerapan dan penerimaan kendaraan ini. Saat ini, kepercayaan penumpang yang terbatas menghambat adopsi.

Jadi, untuk membantu membuat kendaraan yang mengemudi sendiri ramah penumpang, peneliti dari Gwangju Institute of Science and Technology (GIST), Korea Selatan, menulis sebuah makalah yang membahas strategi untuk hal tersebut. Ini termasuk memberikan penjelasan kepada penumpang.

Masalahnya, penjelasan yang dirancang buruk dapat berdampak negatif pada pengalaman penumpang. Oleh karena itu, penjelasan harus menyampaikan informasi dengan kecerdasan yang cukup di bawah kondisi jalan yang berubah dengan cepat.

Studi sebelumnya telah mengeksplorasi berbagai metode penyajian penjelasan untuk meningkatkan pengalaman penumpang sambil mengurangi kecemasan dan beban kognitif. Namun, waktu optimal untuk penjelasan dan permintaan aktual penumpang belum banyak dieksplorasi, terutama di lingkungan nyata.

Peneliti GIST menyelidiki proses memberikan penjelasan secara tepat waktu untuk meningkatkan rasa aman penumpang dan kepercayaan mereka pada kendaraan otomatis.

Mempercepat Adopsi Kendaraan Otonom

Untuk membantu kendaraan otomatis memenuhi janji mereka dalam meningkatkan mobilitas perkotaan, kepercayaan penumpang harus dicapai, yang memerlukan penjelasan yang tepat waktu dan spesifik bagi penumpang untuk keputusan kendaraan mengemudi sendiri.

Agar penjelasan ini efektif, mereka harus dapat dipahami, informatif, dan singkat. Hal ini akan menumbuhkan kepercayaan di antara penumpang dengan memberikan rasa kontrol yang meningkat dan mengurangi pengalaman negatif.

Meskipun metode kecerdasan buatan yang dapat dijelaskan (XAI) sudah ada, mereka terutama ditujukan untuk pengembang dan regulator. Dengan fokus pada skenario berisiko tinggi atau penjelasan yang terlalu detail, mereka tidak benar-benar cocok untuk penumpang.

Ini menyoroti kebutuhan akan model XAI yang secara khusus berfokus pada penumpang, memahami jenis informasi yang diperlukan dan kapan informasi tersebut dibutuhkan dalam skenario mengemudi dunia nyata.

Hambatan utama dalam mengembangkan model XAI yang berpusat pada penumpang, menurut studi tersebut, adalah kurangnya dataset yang memperhitungkan konteks penumpang.

Sebagai respons, tim peneliti GIST yang dipimpin oleh SeungJun Kim, Profesor dan Direktur Human-Centered Intelligent Systems Lab di GIST, memperkenalkan TimelyTale untuk mengatasi kurangnya pendekatan berpusat pada penumpang menggunakan data sensor untuk penjelasan yang tepat waktu dan relevan dengan konteks.

TimelyTale adalah dataset multimodal baru yang dirancang untuk menangkap skenario mengemudi dunia nyata dan menawarkan penjelasan dalam kendaraan guna meningkatkan kepercayaan dan keyakinan penumpang pada kendaraan otomatis.

“Penelitian kami mengalihkan fokus XAI dalam mengemudi otonom dari pengembang ke penumpang. Kami telah mengembangkan pendekatan untuk mengumpulkan permintaan aktual penumpang terhadap penjelasan dalam kendaraan dan metode untuk menghasilkan penjelasan yang tepat waktu, relevan dengan situasi bagi penumpang.”

– Professor Kim

Penulis studi ini dianugerahi ‘Distinguished Paper Award’ untuk studi mereka yang berjudul ‘What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles.’

Untuk memulai, peneliti pertama kali meneliti efek dari berbagai jenis penjelasan visual—termasuk perhatian, persepsi, dan kombinasi keduanya—serta waktu penyajiannya terhadap pengalaman penumpang dalam kondisi mengemudi nyata, menggunakan realitas tertambah.

Keadaan persepsi kendaraan terbukti meningkatkan kepercayaan, kesadaran situasional, dan persepsi keamanan tanpa membebani penumpang. Selain itu, peneliti menemukan probabilitas risiko lalu lintas sebagai faktor paling efektif dalam menentukan kapan penjelasan harus disampaikan, yang juga membantu mereka memahami kapan penumpang merasa kelebihan informasi.

Berdasarkan temuan ini, peneliti GSIT, bekerja sama dengan MIT, mengembangkan dataset TimelyTale.

Untuk pendekatan ini, peneliti menggunakan data dari lingkungan eksternal (eksteroseptif) seperti suara dan visual, data proprioseptif yang berkaitan dengan posisi dan gerakan tubuh, serta data interoseptif tentang kondisi penumpang, yaitu sensasi tubuh seperti rasa sakit, pernapasan, dan detak jantung.

Untuk mengumpulkan semua data ini dari penumpang, peneliti menggunakan berbagai sensor dalam skenario mengemudi naturalistik untuk memprediksi permintaan penjelasan mereka. Perangkat yang digunakan meliputi GPS, 3D LiDAR, OBD-II, IMU, dan kamera stereo untuk data eksteroseptif dan proprioseptif, sementara kamera LiDAR, kamera kedalaman, pencitraan termal, gelang E4, dan sensor tekanan kursi digunakan untuk menangkap data interoseptif.

Secara khusus, peneliti juga mengintegrasikan konsep interruptibility dalam kendaraan untuk menemukan momen yang tepat bagi penjelasan. Interruptibility adalah pergeseran fokus penumpang dari tugas non-mengemudi (NDRTS) ke informasi terkait mengemudi.

Berbeda dengan kendaraan yang dikemudikan secara manual, di mana pengemudi tidak dapat terdistraksi, pada kendaraan otomatis, penumpang biasanya tidak terlibat dalam tugas mengemudi. Oleh karena itu, diperlukan penentuan momen untuk informasi terkait mengemudi selama NDRTs.

Sebagai hasilnya, peneliti dapat secara efektif mengidentifikasi waktu serta frekuensi permintaan penjelasan penumpang. Model juga mengenali penjelasan spesifik yang diinginkan penumpang selama situasi mengemudi.

Peneliti kemudian menggunakan pendekatan mereka untuk mengembangkan model pembelajaran mesin (ML) yang memprediksi waktu terbaik untuk menawarkan penjelasan kepada penumpang. Mereka juga melakukan pemodelan skala kota untuk menghasilkan penjelasan tekstual berdasarkan lokasi mengemudi yang berbeda.

Analisis awal, menurut studi tersebut, menunjukkan potensi model dalam menentukan waktu permintaan penjelasan penumpang dalam kendaraan. Sementara itu, dataset dapat digunakan untuk menghasilkan konten penjelasan tekstual yang relevan dengan konteks lingkungan, mengemudi, dan spesifik penumpang.

“Penelitian kami meletakkan dasar bagi peningkatan penerimaan dan adopsi kendaraan otonom, berpotensi mengubah transportasi perkotaan dan mobilitas pribadi dalam beberapa tahun mendatang.”

– Prof. Kim

Perusahaan yang Mengembangkan Solusi Mengemudi Otomatis

Sekarang, mari kita lihat perusahaan-perusahaan yang membentuk masa depan kendaraan otomatis dan juga berada dalam posisi untuk memanfaatkan kemajuan AI yang dapat dijelaskan.

Di sektor AV, General Motors (GM ) telah mengembangkan Cruise untuk perjalanan tanpa pengemudi sementara Ford Motor (F ) sedang bergerak ke arah ini melalui Escape Hybrid.

Kemudian ada NVIDIA (NVDA ), yang platform DRIVE-nya menawarkan rangkaian perangkat keras dan perangkat lunak untuk pengembangan kendaraan otonom. Amazon (AMZN ) juga tertarik pada teknologi kendaraan otonom melalui Zoox, yang telah mulai menguji mobil tanpa pengemudi menjelang peluncurannya tahun depan. Perusahaan seperti Uber (UBER ) dan Lyft (LYFT ), yang memiliki jaringan ride‑sharing, juga dapat memperoleh manfaat dari kemajuan dalam membangun kepercayaan dan keselamatan pada layanan kendaraan mengemudi sendiri.

Sekarang, dua nama terkemuka di pasar kendaraan otonom yang mungkin Anda anggap layak investasi adalah:

1. Waymo

Dalam dunia pengembangan kendaraan otonom, Waymo membuat banyak kemajuan. Anak perusahaan Alphabet (GOOG ) ini fokus pada teknologi mengemudi sendiri dan fitur yang berpusat pada penumpang.

Akhir bulan lalu, perusahaan tersebut mengumumkan penutupan putaran investasi oversubscribed sebesar $5,6 miliar yang dipimpin oleh perusahaan induk Alphabet, dengan partisipasi investor yang ada serta firma ekuitas swasta seperti Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake, dan T. Rowe Price (TROW ).

Dana tersebut akan digunakan untuk memperluas layanan ride‑hailing “Waymo One” ke lebih banyak kota di AS dan meningkatkan “Waymo Driver” berbasis AI. Baru-baru ini, perusahaan meluncurkan robotaxis di Los Angeles, yang berarti siapa pun di kota tersebut dapat memanggil taksi tanpa pengemudi melalui aplikasi Waymo One. Robotaxi ini telah beroperasi di Phoenix selama empat tahun dan berada di San Francisco sejak tahun lalu. Sementara itu, di Austin dan Atlanta, Waymo menambahkan kendaraan AV‑nya ke platform Uber, memungkinkan pelanggan memesan kendaraan melalui aplikasi Uber.

Google sebenarnya mulai mengerjakan mobil mengemudi sendiri lebih dari satu setengah dekade yang lalu ketika Waymo masih merupakan proyek rahasia. Mobil mengemudi sendiri raksasa teknologi ini dilaporkan telah menempuh lebih dari 20 juta mil tanpa kecelakaan besar.

Saham raksasa dengan kapitalisasi pasar $2,2 triliun saat ini diperdagangkan pada $180,91, naik 30% tahun ini. Perusahaan ini memiliki EPS (TTM) 7,54, P/E (TTM) 24,09, dan dividen 0,44%. Untuk 3Q24, ia melaporkan penjualan bersih $2,93 miliar dan arus kas operasi $702 juta.

Untuk Q3 2024, Alphabet melaporkan pendapatan $88,27 miliar, naik 15% secara tahunan. Pendapatan cloud-nya melonjak 35% dari tahun lalu menjadi rekor $11,35 miliar kuartal ini, didorong oleh penawaran AI.

AI telah menarik banyak perhatian di antara pengguna dan perusahaan, dengan Google menarik pelanggan baru, mendapatkan kesepakatan lebih besar, dan melihat adopsi meningkat berkat AI. Jadi, secara alami, perusahaan terus “invest in state-of-the-art infrastructure” untuk mendukung upaya AI‑nya.

2. Tesla Inc. (TSLA )

Didirikan oleh Elon Musk, Tesla dikenal dengan kendaraan listriknya, yang menawarkan Autopilot sebagai otomatisasi level 2. Autopilot merupakan fitur standar pada setiap Tesla baru, dengan setiap kendaraan dilengkapi banyak kamera dan pemrosesan visual untuk lapisan keamanan tambahan.

Kemudian ada Full Self‑Driving (FSD), yang menambahkan navigasi semi‑otonom. Baik Autopilot maupun FSD ditujukan untuk digunakan dengan pengemudi yang sepenuhnya memperhatikan.

Sementara Autopilot mencakup fungsi seperti kontrol kecepatan adaptif yang sadar lalu lintas dan autosteer, FSD (dengan pengawasan) menawarkan fitur tambahan, termasuk navigasi pada autopilot, autosteer di jalan kota, pergantian jalur otomatis, parkir otomatis, summon dan smart summon, kontrol lalu lintas, serta kontrol tanda berhenti.

Kendaraan Tesla juga dilengkapi dengan beberapa fitur keselamatan aktif yang memungkinkan mereka mendeteksi mobil atau rintangan, peringatan tabrakan yang akan datang, peringatan tabrakan samping, dan pemantauan blind spot, antara lain, untuk membantu pengemudi.

Produsen mobil ini, bagaimanapun, saat ini berada di bawah pengawasan National Highway Traffic Safety Administration (NHTSA), yang menyatakan ketidakpuasan terhadap bahasa promosi Tesla di media sosial mengenai fitur FSD. Badan tersebut percaya bahwa pesan Tesla dapat mendorong penggunaan sistem yang tidak aman dan telah meminta perusahaan untuk mempertimbangkan kembali strategi komunikasinya tentang kemampuan FSD.

Hal ini muncul setelah insiden tragis di mana seorang wanita ditabrak oleh Tesla yang beroperasi dalam mode FSD, menimbulkan pertanyaan tentang kemampuan sistem dalam menangani kondisi lingkungan yang menantang.

NHTSA telah memberi Tesla batas waktu 18 Desember untuk menanggapi pertanyaannya mengenai “potensi kegagalan FSD untuk beroperasi, termasuk mendeteksi dan merespons secara tepat dalam situasi tertentu di mana visibilitas jalan berkurang yang dapat membatasi kemampuan FSD untuk beroperasi dengan aman.”

Dengan kapitalisasi pasar $1,05 triliun, saham Tesla saat ini diperdagangkan sekitar $340, naik 32,2% tahun ini (YTD). Perusahaan memiliki EPS (TTM) 3,65, P/E (TTM) 90,07, dan ROE (TTM) 20,65%. Debt To Equity (MRQ) adalah 11,01%.

Untuk 3Q24, perusahaan melaporkan pendapatan $23,35 miliar dan laba bersih $2,17 miliar. Margin keuntungan meningkat $739 juta dalam pendapatan kredit regulasi otomotif sebagai hasil regulasi yang mengharuskan produsen mobil menjual sejumlah kendaraan rendah emisi atau membeli kredit dari perusahaan seperti Tesla, yang secara eksklusif memproduksi kendaraan tersebut dan memiliki kelebihan kredit.

Pada kuartal ini, produsen mobil memproduksi 470.000 kendaraan dan mengirimkan 463.000 kendaraan. Baru-baru ini, mereka juga meluncurkan robotaxi dan robovan.

Click here to learn all about Tesla.

Kesimpulan 

Dunia kendaraan otonom yang terus berkembang luas mengarah pada masa depan dengan mobilitas yang meningkat, kemacetan lalu lintas berkurang, lebih banyak kenyamanan, dan keselamatan yang lebih baik.

Sementara ukuran pasar kendaraan otonom global diproyeksikan tumbuh menjadi $13.632,4 miliar pada akhir dekade ini, pasar perangkat lunak mengemudi otonom, yang merupakan bagian integral AV, diperkirakan meningkat dari $1,8 miliar pada 2024 menjadi $7 miliar pada 2035.

Permintaan yang meningkat untuk solusi transportasi yang efisien dan aman menjadi alasan di balik pertumbuhan pasar perangkat lunak mengemudi otonom. Seiring AV secara bertahap menjadi populer dan diadopsi, produsen otomotif harus mengintegrasikan teknologi keselamatan. Di sini, perangkat lunak mengemudi autopilot memastikan keselamatan kendaraan melalui algoritma dan pemrosesan data real‑time.

Sekarang, untuk mewujudkan masa depan kendaraan sepenuhnya otonom, kita memerlukan lebih dari sekadar kemajuan teknologi. Membangun kepercayaan penumpang sangat penting untuk mencapai adopsi yang luas. Dengan solusi seperti TimelyTale, yang berfokus pada penjelasan yang tepat waktu dan relevan, kekhawatiran penumpang dapat ditangani lebih baik, dan kepercayaan ditumbuhkan, sehingga menciptakan pendekatan yang lebih berpusat pada manusia dalam mengemudi otonom.

Inovasi seperti ini penting untuk membawa kita lebih dekat ke masa depan di mana kendaraan mengemudi sendiri terintegrasi mulus dalam kehidupan sehari-hari, yang pada gilirannya mengubah mobilitas perkotaan.

Click here to learn how autonomous taxis will generate up to $4 trillion by 2027.