Sensor AI Dapat Membantu Kendaraan Otonom di Kota Salju

Salah satu tantangan terbesar yang dihadapi kendaraan otonom adalah bahwa mereka kesulitan bernavigasi dalam kondisi cuaca buruk, yang sangat membatasi implementasinya di kota-kota salju seperti Detroit dan Chicago. Kendaraan tersebut bergantung pada data sensor yang penting untuk mendeteksi hambatan dan tetap berada di sisi jalan yang benar, tetapi data ini kesulitan dalam salju. 

Dalam dua makalah baru yang disajikan di SPIE Defense + Commercial Sensing 2021, peneliti dari Michigan Technological University membahas solusi baru untuk skenario mengemudi salju dengan kendaraan otonom.

Ada berbagai jenis kendaraan otonom, termasuk beberapa dengan bintik buta atau bantuan pengereman, dan lainnya dengan mode mengemudi otonom on dan off. Beberapa kendaraan terbaik dapat beroperasi sepenuhnya secara mandiri. 

Karena teknologi ini masih dalam tahap bayi dalam banyak hal, produsen otomotif dan universitas penelitian terus menerus bekerja pada perbaikan teknologi dan algoritma. Ketika kecelakaan terjadi, mereka sering kali merupakan hasil dari penilaian yang salah oleh AI mobil atau kesalahan manusia. 

Sensor Manusia

Mata manusia juga merupakan bentuk sensor, karena mereka mendeteksi keseimbangan dan gerakan. Otak kita bertindak sebagai prosesor, membantu kita memahami lingkungan kita. Keduanya memungkinkan kita untuk mengemudi dalam semua skenario, bahkan yang baru, karena otak kita dapat menggeneralisasi pengalaman baru. 

Kendaraan otonom biasanya memiliki dua kamera yang dipasang pada gimbals, dan mereka memindai dan mendeteksi kedalaman menggunakan visi stereo untuk meniru penglihatan manusia. Pada saat yang sama, keseimbangan dan gerakan dapat diukur dengan unit pengukuran inersia. Komputer, di sisi lain, hanya dapat bereaksi terhadap skenario yang telah ditemui sebelumnya atau yang telah diprogram sebelumnya. 

Sensor Fusion

Kendaraan otonom bergantung pada algoritma kecerdasan buatan yang spesifik tugas, yang memerlukan beberapa sensor seperti kamera fisheye, sensor inframerah, radar, deteksi cahaya, dan lidar.

Nathir Rawashdeh adalah asisten profesor komputasi di Michigan Tech’s College of Computing dan salah satu penulis utama dari studi ini. 

“Setiap sensor memiliki keterbatasan, dan setiap sensor menutupi keterbatasan lain,” kata Rawashdeh. “Sensor fusion menggunakan beberapa sensor dari modalitas yang berbeda untuk memahami adegan. Anda tidak dapat memprogram secara eksklusif untuk setiap detail ketika input memiliki pola yang sulit. Itulah mengapa kita membutuhkan AI.”

Kolaborator studi ini termasuk Nader Abu-Alrub, mahasiswa doktoral di bidang teknik elektro dan komputer, dan Jeremy Bos, asisten profesor teknik elektro dan komputer. Kolaborator lainnya termasuk mahasiswa magister dan lulusan dari lab Bos: Akhil Kurup, Derek Chopp, dan Zach Jeffreies. 

Sensor otonom dan algoritma mengemudi otonom hampir secara eksklusif dikembangkan di lanskap yang cerah dan jernih. Lab Bos pertama kali mulai mengumpulkan data di kendaraan otonom Michigan Tech di salju tebal, dan lebih dari 1.000 frame data lidar, radar, dan gambar dikumpulkan dari jalan salju di Jerman dan Norwegia. 

Menurut Bos, deteksi sensor sulit karena berbagai jenis salju. Penting untuk memproses data dan memastikan pelabelan yang akurat. 

 “Semua salju tidak diciptakan sama,” kata Bos “AI seperti seorang koki — jika Anda memiliki bahan yang baik, maka akan ada hidangan yang luar biasa,” katanya. “Berikan jaringan pembelajaran AI data sensor yang kotor dan Anda akan mendapatkan hasil yang buruk.”

Beberapa tantangan lainnya melibatkan data berkualitas rendah dan kotor, dan penumpukan salju pada sensor menyebabkan masalahnya sendiri. Bahkan setelah sensor dibersihkan, tidak selalu ada kesepakatan dalam mendeteksi hambatan. Seringkali sangat sulit untuk mendapatkan sensor dan penilaian risiko mereka untuk berkomunikasi dan belajar dari satu sama lain, karena masing-masing dapat menarik kesimpulan sendiri. Namun, tim ingin sensor otonom secara kolektif menarik kesimpulan dengan menggunakan sensor fusion. 

“Daripada hanya memilih, dengan menggunakan sensor fusion kita akan menghasilkan perkiraan baru,” kata Bos. 

Sensor kendaraan otonom akan terus belajar dan meningkatkan kemampuan dalam cuaca buruk, dan pendekatan baru seperti sensor fusion dapat membuka jalan bagi kendaraan otonom di jalan salju.