Mobil otonom ternyata jauh dari yang kita duga. Meskipun ada perkembangan dari Audi, Volvo, BMW, Mercedes dan beberapa pabrikan lainnya, kita masih jauh dari kota-kota yang terhubung dengan mobil yang sepenuhnya tanpa pengemudi. Namun, alih-alih teknologi atau pengetahuan, mobil otonom yang terhubung justru terhambat oleh infrastruktur.
Lihat terkait
Tujuan akhir dari mobil otonom adalah dunia yang tidak memiliki pengemudi, dan tidak ada lampu lalu lintas atau sinyal untuk mengendalikannya. Mobil akan berkomunikasi satu sama lain untuk mengantisipasi pergerakan. Tidak akan ada lampu lalu lintas karena lalu lintas akan didigitalkan, dan beroperasi seperti mesin yang licin dan diminyaki dengan baik. Namun masa depan tersebut bergantung pada banyaknya infrastruktur yang tidak kita miliki.
Dan bahkan jika infrastruktur yang terhubung dapat berfungsi, seberapa besar kemungkinan infrastruktur tersebut aman dan dapat diandalkan? Beberapa orang, termasuk direktur otomotif Nvidia Danny Shapiro, merasa skeptis: “Konektivitas adalah sesuatu yang saya tidak yakin ingin saya andalkan untuk sistem penghindaran tabrakan apa pun,” dia memperingatkan. “Saya hanya memikirkan seberapa sering ponsel saya menutup panggilan ketika saya sedang mengemudi – Anda tidak dapat benar-benar mengandalkan koneksi luar untuk dapat bereaksi dalam sepersekian detik.”
Apa langkah *realistis* berikutnya untuk mobil otonom?
Beberapa mobil yang saat ini beredar di pasaran mendapat manfaat dari teknologi semi-otonom, dan mobil pertama yang sepenuhnya tanpa pengemudi dapat menggunakan sistem serupa sebagai dasar untuk teknologi yang lebih maju. Mobil seperti Volvo XC90 menggunakan berbagai kamera dan sensor untuk sistem peringatan pengemudi tingkat lanjut dan parkir semi-otonom.
Seperti yang kami alami dalam pengujian baru-baru ini, XC90 menggunakan jaringan sensor untuk menemukan dan mengukur yang sesuai tempat parkir, dan kemudian menggunakan radar jarak dekat dan kemudi otonom untuk memposisikan mobil tempat. Yang perlu dilakukan pengemudi hanyalah mengganti gigi dan melakukan observasi.
https://youtube.com/watch? v=GIa1mWr1kNs
“Kami mulai memasang banyak kamera dan sensor di sekitar mobil,” jelas Shapiro. “Kami memiliki kamera penglihatan sekeliling yang menghadap ke depan, kami memiliki kamera kaca spion dan kamera cadangan, dan pada dasarnya mereka menghasilkan data dalam jumlah besar – namun yang kami lakukan sekarang adalah bekerja sama dengan produsen mobil untuk menafsirkan apa itu kamera melihat.”
Pembelajaran mendalam dan kecerdasan buatan
Daripada hanya menampilkan sejumlah besar informasi kepada pengemudi, mobil otonom pertama akan mampu memecahkan kode gambar-gambar ini dan memahami lingkungannya menggunakan AI. Nama untuk proses baru ini? Pembelajaran mendalam.
Digunakan dalam segala hal mulai dari Siri hingga Google Now dan Microsoft Cortana, pembelajaran mendalam – atau mapembelajaran cina adalah melatih komputer untuk berpikir seperti manusia.
Pembelajaran mesin adalah melatih komputer untuk berpikir seperti manusia
Jika digabungkan dengan serangkaian sensor mobil yang canggih, AI ini secara teoritis dapat menggerakkan mobil sendiri – dan itulah yang sedang diupayakan oleh Nvidia.
Mengajarkan perangkat lunak untuk berpikir seperti manusia
Komputer Drive Nvidia menggunakan dua chip Tegra X1, 12 kamera, dan serangkaian lidar, radar, dan pemindai laser untuk menafsirkan apa yang terjadi di sekitar mobil.
“Sebuah gambar hanyalah sekumpulan piksel dan, saat Anda melihat sebuah gambar, otak Anda mengenali isi gambar tersebut, namun kita harus mengajari komputer cara mengenali isi gambar,” kata Shapiro. “Setiap piksel memiliki nilai warna, dan hal pertama yang dilakukan sistem ini adalah memecah gambar dan mencari tepinya.”
Jaringan saraf dalam Nvidia menggunakan algoritme berbeda untuk mencari tepian, lalu menggabungkannya untuk membentuk elemen. “Kami mencari tepian karena itulah cara otak Anda menyusun gambar.” Pada dasarnya, mereka membedakan satu objek dari objek berikutnya – sesuatu yang dilakukan otak kita tanpa kita sadari. Setelah itu, sistem Nvidia mampu membentuk elemen, dan merakitnya untuk membuat dan mengenali keseluruhan objek.
Manusia mampu memahami konsep benda melalui pengalaman dan pemahaman. Misalnya, meskipun Anda pertama kali melihat kursi, Anda tetap akan mengidentifikasinya sebagai kursi karena kursi tersebut memiliki semua atribut yang Anda kaitkan dengan kursi.
Mobil sebenarnya berpikir sendiri dan tidak dikendalikan oleh infrastruktur luar
Bagi mesin, lompatan pemahaman ini tidaklah sesederhana itu. Sistem pembelajaran mendalam harus dilengkapi dengan ribuan gambar dan video, dan diajarkan seiring berjalannya waktu tentang masing-masing objek. “Kami memuat model tersebut ke dalam mobil sehingga, saat mobil melaju, kami membuat peta segala sesuatu yang terjadi di sekitarnya,” ungkap Shapiro.
“Kita bisa mengklasifikasikan seseorang, mobil lain, dan lampu lalu lintas. Kemudian kita mempunyai aplikasi yang mengambil informasi tersebut dan memutuskan apakah mobil sedang berakselerasi, mengerem, atau tidak. belok kiri atau belok kanan.” Dengan cara ini, mobil benar-benar berpikir sendiri, dan tidak dikendalikan oleh pihak luar infrastruktur.
Menariknya, Shapiro mengatakan, layaknya manusia, mobil self-driving jenis ini terus mengalami proses pembelajaran. Jika mobil melihat hal-hal yang belum pernah ditemui sebelumnya, hal tersebut direkam dan kemudian dimasukkan ke dalam sesi pembelajaran mendalam berikutnya. “Setelah kami mengumpulkan semua informasi berbeda ini, kami membuat model jaringan saraf yang dalam dan kemudian dapat memperbarui mobil melalui udara, sehingga pada dasarnya akan memiliki kosakata tambahan.”
“Kemampuan pemrosesan ini akan memungkinkan para pembuat mobil untuk membuat mobilnya lebih pintar dan dapat menangani lebih banyak hal dalam berkendara secara mandiri dari waktu ke waktu.”
Mengajari komputer mengemudi
Langkah selanjutnya? Menggunakan kecerdasan ini tidak hanya untuk memahami situasi, tetapi juga untuk bereaksi terhadap situasi tersebut seperti yang dilakukan manusia. Pembelajaran mendalam tidak lagi hanya tentang mengenali objek, tetapi juga tentang mengenali objek dan mengaitkan perilaku yang diprediksi pada objek tersebut. “Bantuan pengemudi generasi berikutnya akan membantu mobil mengerem, berakselerasi, dan menyetir Untuk dapat melakukan hal ini, kita perlu memahami segala sesuatu yang terjadi di sekitar mobil dan gagasan tentang gratis ruang angkasa. Di mana ada objek dan di mana kita bisa berkendara?”
Setelah pengenalan, langkah Nvidia selanjutnya adalah memprediksi perilaku objek di jalan – sesuatu yang dilakukan oleh pengemudi manusia secara otomatis. Saat bertemu dengan pengendara sepeda, pengemudi manusia mengetahui bahwa ia akan berperilaku berbeda dari kendaraan pada umumnya. Meskipun langkah pertama adalah mengenali sepeda, lapisan kedua yaitu prediksi perilaku adalah masalah berikutnya untuk mobil yang dilengkapi AI.
Sebuah mobil dengan pikirannya sendiri
Namun, meskipun pendekatannya berbeda, pembelajaran mendalam dan mobil yang terhubung tidak secara langsung bertentangan satu sama lain. Sebaliknya, kemungkinan besar yang satu akan terjadi jauh sebelum yang lain. Pembelajaran mendalam menggunakan sensor yang ada dan menyalurkannya ke teknologi generasi berikutnya, namun secara signifikan, sensor ini dapat berfungsi dengan infrastruktur yang ada.
Meskipun mobil yang terhubung mewakili interpretasi teknologi tanpa pengemudi yang paling elegan dan idealis, hal tersebut masih membutuhkan waktu beberapa dekade lagi. “Apa yang akan kami lakukan adalah menyingkirkan semua mobil hari ini, dan semua orang akan mendapatkan mobil baru yang dapat berkomunikasi dengan orang lain dan persimpangan,” kata Shapiro. “Kami bahkan tidak membutuhkan lampu lalu lintas, kami hanya bisa membuat lalu lintas bebas untuk semua orang. Tidak ada mobil yang akan bertabrakan karena semuanya dapat diatur, namun akan memakan waktu cukup lama sebelum kita memiliki komunikasi antar kendaraan yang cukup kuat untuk membantu”
Apa maksudnya semua ini?
Jelas bahwa mobil yang terhubung akan menjadi tujuan akhir kita, namun hal ini memerlukan upaya infrastruktur dan investasi besar-besaran agar bisa terwujud. Sampai saat itu tiba, AI mewakili peluang terbaik kita dalam mewujudkan kota tanpa pengemudi. Dengan menggunakan teknologi sensor yang ada, dan memanfaatkan kekuatan pembelajaran yang mendalam, pengemudi buatan akan dapat berbagi jalan dengan manusia, dan hal ini akan terjadi dalam waktu dekat.
Untuk informasi lebih lanjut tentang kondisi mobil otonom, baca: Seberapa jauh kita *sebenarnya* dari mobil otonom?
