Bagaimana Mobil Self-Driving Bekerja?
Tentu kita mengenal istilah autopilot sebagai teknologi aviasi yang ada pada pesawat-pesawat komersial. Konsep autopilot ini membuat sistem komputer mengambil alih kemudi pesawat dan memungkinkan pesawat untuk terbang secara otomatis. Bahkan saat ini teknologi autopilot sudah mampu untuk melakukan take-off dan landing secara otomatis. Pertanyaan yang kemudian muncul adalah apakah teknologi ini aman? Terlepas dari kesalahan yang terjadi pada Boeing 737 Max, secara statistik autopilot lebih aman karena sebagian besar kecelakaan terjadi karena faktor human error.
Karena alasan inilah banyak perusahaan otomotif dan bahkan perusahaan teknologi raksasa seperti Google mencoba menerapkan autopilot pada transportasi darat dalam kasus ini mobil. Cukup masuk akal memang, mengingat traffic di jalan jauh lebih padat daripada di udara dan tingkat kepatuhan pengemudi di jalan raya yang sangat parah bila dibandingkan dengan pilot yang harus menempuh pelatihan dan uji sertifikasi bertahun-tahun. Self-driving cars, begitulah istilah yang sering muncul pada headline berita-berita teknologi di tahun 2018-2019 ini. Self-driving car adalah konsep transportasi di mana mobil sepenuhnya dikendalikan oleh komputer.
Impian autopilot untuk mobil ini merupakan tantangan yang besar. Situasi dan kondisi jalan yang rumit dengan berbagai jenis kendaraan bahkan pejalan kaki. Selain itu, rambu-rambu lalu-lintas juga turut memperbesar tantangan yang harus dihadapi oleh self-driving car di mana mobil ini akan bergantung sepenuhnya kepada komputer dalam mengontrol kemudi mobil. Tapi dengan adanya teknologi machine learning dan artificial intelligence yang semakin maju, impian perusahaan teknologi tersebut akan semakin nyata.
Teknologi di Balik Self-Driving Car
Seperti yang kita tahu beberapa tahun yang lalu Google sempat mengembangkan Google Car yang sekarang menjadi Waymo, startup armada taksi tanpa pengemudi di California. Selain Google, Tesla produsen mobil milik Elon Musk juga memasukkan fitur autopilot pada produk mobilnya yang membuat pengemudi bisa rileks sejenak. Terlepas dari perbedaan filosofi teknologi yang mendasari keduanya, secara umum self-driving menggunakan proses yang hampir sama seperti:
- Computer Vision
- Sensor Fusion
- Localization
- Path Planning
- Control
Agar bisa memahami bagaimana mobil self-driving atau yang juga biasa disebut autonomous vehicle bekerja, mari kita bahas proses di atas satu per satu.
Computer Vision/LIDAR
Computer vision merupakan adalah proses di mana serangkaian kamera saling terkoneksi untuk memberikan gambaran terhadap keadaan sekitar dari subject yang dalam hal ini adalah mobil. Gambar atau video yang dikirimkan dari kamera ini diproses oleh komputer dengan kemampuan machine learning. Tugas dari komputer machine learning ini adalah melabeli setiap objek yang tampak dalam gambar atau video tersebut seperti mobil, pejalan kaki, rambu-rambu lalu lintas, dan sebagainya.
Proses computer vision ini dilakukan secara real time yang tentunya membutuhkan kemampuan komputasi yang tinggi. Walaupun begitu, dengan kemajuan teknologi sekarang ini, image recognition bukanlah hal yang sulit lagi, bahkan bisa dilakukan oleh smartphone kita. Kekurangan dari computer vision ini adalah walaupun kamera bisa memberikan rich data seperti pergerakan dan warna, kamera tidak dapat memberikan data secara akurat seberapa jauh objek dari lensa.
Tesla merupakan salah satu perusahaan teknologi yang ‘percaya’ pada teknologi ini. Seperti machine learning pada umumnya, computer vision yang dimiliki oleh Tesla membutuhkan banyak data untuk proses belajarnya. Data ini diambil dari kamera yang merekam perjalanan semua mobil Tesla dan tentunya data ini bersifat anonimus. Tesla cukup pede dalam menggunakan computer vision sebagai teknologi utama yang dipakai fitur autopilot-nya walaupun ditunjang dengan sensor jarak yang terpasang di body mobil.
Berbeda dengan pendekatan yang dilakukan oleh Tesla yang memakai kamera, Google sendiri lebih memilih teknologi yang disebut LIDAR (Light Detection and Ranging) sebagai alat untuk memberikan data visual. LIDAR dapat memberikan data yang jauh lebih akurat bila dibandingkan kamera. LIDAR juga dapat berfungsi dengan baik tanpa bantuan cahaya sekalipun karena menggunakan sensor infra merah. Akan tetapi, LIDAR tidak dapat membedakan rambu-rambu maupun warna lampu-lintas. Bagi orang-orang yang mengutamakan penampilan, alat LIDAR yang terpasang di atas mobil juga secara estetis dirasa kurang menarik.
Sensor Fusion
Seperti yang dibahas pada bagian computer vision, kamera yang terpasang tidak dapat memberikan data akurat mengenai jarak objek yang ada di depannya. Setiap mobil autonomous pasti dilengkapi sensor lain. Dalam proses ini data yang berasal dari kamera atau pun LIDAR digabung dengan data dari sensor yang lain. Sensor parkir misalnya, sensor ini memberikan penginderaan jarak dekat yang lebih akurat hingga hitungan sentimeter.
Proses penggabungan antar sensor ini bisa dibilang ‘hasil akhir’ untuk dijadikan referensi keadaan sekitar oleh komputer di mobil self-driving. Sensor fusion juga dapat berfungsi sebagai backup plan jika terjadi kerusakan atau kegagalan sistem pada kamera atau LIDAR.
Localization
Setelah tahu kondisi sekitar, saatnya mobil autonomous untuk mengetahui di mana dia berada, apakah dia ada di jalan atau di halaman parkir. Tahu di mana kita berada akan berpengaruh pada kecepatan dan gaya mengemudi. Hal ini tentunya mudah bagi manusia untuk menyesuaikan gaya mengemudinya. Contohnya, jika kita berada di lahan parkir, kita akan mengemudi perlahan-lahan walaupun kondisi di lahan parkir tersebut sedang sepi dan jarang ditemui mobil lain yang terparkir. Otak kita mengantisipasi jika ada orang membawa troli tiba-tiba melintas.
Proses localization juga berguna dalam path planning guna menentukan di bagian mana kita berjalan. GPS biasa mungkin hanya dapat memberikan informasi di jalan mana kita berada bukan di lajur kanan atau kiri. Oleh karena itu proses localization membutuhkan sistem navigasi yang lebih baik yang biasa disebut HD GPS.
Path Planning
Proses selanjutnya yang dilakukan oleh mobil self-driving adalah merencanakan jalur mana yang akan dipilih agar sampai tujuan. Selain jarak tentunya ada faktor lain yang menjadi pertimbangan komputer. Salah satunya adalah waktu tempuh. Tidak setiap jalur yang memiliki jarak tempuh terdekat selalu memiliki waktu tempuh yang tercepat. Hal ini dipengaruhi oleh traffic lalu-lintas, kondisi jalan, serta force majeure.
Path planning terlihat seperti hal yang tak mungkin dilakukan 1 dekade yang lalu karena tidak mungkin dilakukan tanpa adanya data stream tentang kondisi lalu lintas. Akan tetapi dengan adanya Google Maps, path planning bahkan bisa kita lakukan sendiri melalui smartphone. Bedanya, path planning yang dilakukan mobil self-driving ini lebih mendetail karena harus mempertimbangkan data dari proses-proses sebelumnya.
Control
Proses paling akhir adalah ‘control’. Proses ini dilakukan oleh alat yang sering disebut ECU. Teknologi ECU (Electronic Control Unit) memang bukan teknologi yang benar-benar baru. Memang di mobil konvensional ECU berfungsi untuk penghematan bahan bakar, keamanan, serta kenyamanan berkendara. Di mobil self-driving ‘kekuasaan’ dari ECU lebih besar lagi. ECU dapat mengontrol kemudi hingga putaran penuh, mengerem, dan bahkan menginjak pedal gas.
***
Masa Depan Mobil Self-Driving
Proses-proses yang dilakukan di dalam self driving ini sangat bergantung pada teknologi machine learning dan artificial intelligence. Walaupun jalan yang ditempuh dalam pengembangan mobil self-driving ini masih panjang (pun intended) dan masih perlu banyak perbaikan di sana-sini, mobil self-driving atau autonomous vehicle ini sebenarnya merupakan sebuah solusi yang cukup logis untuk mengatasi masalah pengemudi ugal-ugalan. Selain itu bukan tidak mungkin di masa depan dengan semakin terbatasnya lahan parkir, tidak lagi ada kepemilikan mobil. Mobil akan menjadi sebuah layanan dengan metode berlangganan.
****
Jika Anda tertarik mempelajari teknologi machine learning yang melatarbelakangi mobil self-driving ini, Anda dapat mengikuti pelatihan machine learning di Inixindo Jogja.
