Sistem Peringatan Dini Berbasis AI Belajar dari Situasi Lalu Lintas Nyata

Sistem peringatan dini baru untuk kendaraan yang dikembangkan oleh tim peneliti di Technical University of Munich (TUM) menggunakan AI untuk belajar dari ribuan situasi lalu lintas nyata. Sebuah studi dilakukan dalam kerja sama dengan BMW Group, menunjukkan bahwa sistem tersebut akan bermanfaat bagi kendaraan otonom saat ini. Jika digunakan, sistem tersebut dapat memberikan peringatan tujuh detik sebelum situasi kritis potensial, yaitu situasi yang tidak dapat ditangani oleh mobil secara mandiri. Tingkat akurasi sistem tersebut adalah 85%.

Upaya pengembangan kendaraan otonom saat ini menggunakan model yang canggih yang memungkinkan kendaraan menganalisis perilaku semua peserta lalu lintas. Namun, sebagian besar model tersebut belum menunjukkan kemampuan untuk menangani situasi yang kompleks atau tidak terduga.

Tim di balik sistem peringatan dini baru bekerja sama dengan Prof. Eckehard Steinbach, Ketua Media Technology dan anggota Dewan Direksi Munich School of Robotics and Machine Intelligence di TUM.

Penelitian yang berjudul “Introspective Failure Prediction for Autonomous Driving Using Late Fusion of State and Camera Information” diterbitkan di IEEE Transactions on Intelligent Transportation Systems.

Pendekatan baru ini menggunakan AI untuk memungkinkan sistem belajar dari situasi sebelumnya. Lebih khusus, situasi sebelumnya adalah situasi di mana kendaraan otonom mencapai batasnya di lalu lintas nyata. Hal ini terjadi ketika pengemudi manusia harus mengambil alih kendali kendaraan, baik karena mobil memberikan sinyal untuk itu atau pengemudi memutuskan itu adalah pilihan yang paling aman.

RNN dan Peringatan Tujuh Detik

Sistem baru ini bergantung pada sensor dan kamera yang merekam kondisi sekitar, dan data status seperti sudut setir, kondisi jalan, dan cuaca direkam. Sistem AI menggunakan jaringan neural berulang (RNN), yang dapat memproses data untuk mengenali pola. Setiap kali sistem mendeteksi situasi mengemudi baru yang tidak dapat ditangani sebelumnya, pengemudi akan diberi peringatan sebelumnya.

“Untuk membuat kendaraan lebih otonom, banyak metode yang ada mempelajari apa yang kendaraan pahami tentang lalu lintas dan kemudian mencoba memperbaiki model yang digunakan oleh mereka. Kelebihan besar dari teknologi kami: kami sama sekali mengabaikan apa yang dipikirkan oleh mobil. Sebaliknya, kami membatasi diri pada data berdasarkan apa yang sebenarnya terjadi dan mencari pola,” kata Steinbach. “Dengan cara ini, AI menemukan situasi kritis potensial yang mungkin tidak dapat dikenali oleh model, atau belum ditemukan. Sistem kami oleh karena itu menawarkan fungsi keamanan yang tahu kapan dan di mana mobil memiliki kelemahan.”

Teknologi ini diuji dengan BMW Group, dan kendaraan otonom di jalan umum dianalisis. Ini terjadi selama 2500 situasi di mana pengemudi manusia mengintervensi, dan studi menunjukkan bahwa sistem tersebut akurat 85% dan dapat memberikan peringatan hingga tujuh detik sebelumnya.

Teknologi ini bergantung pada sejumlah besar data karena terbatas oleh berapa banyak situasi yang telah dilihat oleh sistem. Data tersebut sebenarnya dihasilkan sendiri oleh jumlah kendaraan pengembangan yang saat ini berada di jalan.

“Setiap kali situasi kritis potensial muncul dalam pengujian, kami mendapatkan contoh pelatihan baru.”

Karena data disimpan secara terpusat, seluruh armada dapat belajar dari itu.