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 bersalju seperti Detroit dan Chicago. Kendaraan tersebut bergantung pada data sensor yang sangat penting untuk mendeteksi hambatan dan tetap berada di sisi jalan yang benar, tetapi data ini sulit berfungsi dalam salju.

Dalam dua makalah baru yang disajikan di SPIE Defense + Commercial Sensing 2021, peneliti dari Universitas Teknologi Michigan 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 awal dalam banyak hal, produsen mobil dan universitas penelitian terus bekerja untuk meningkatkan teknologi dan algoritma. Ketika kecelakaan terjadi, seringkali disebabkan oleh kesalahan penilaian oleh AI mobil atau kesalahan manusia.

Sensor Manusia

Mata manusia juga merupakan jenis 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 gimbal, dan mereka memindai dan memahami 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 untuk dikenali.

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 College of Computing Michigan Tech dan salah satu penulis utama 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 ekshaustif untuk setiap detail ketika input memiliki pola yang sulit. Itulah mengapa kita membutuhkan AI.”

Kolaborator studi ini termasuk Nader Abu-Alrub, mahasiswa doktoral di teknik elektro dan komputer, dan Jeremy Bos, asisten profesor teknik elektro dan komputer. Kolaborator lain termasuk mahasiswa master 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 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 besar 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 mencapai kesimpulan sendiri. Namun, tim ingin sensor otonom secara kolektif mencapai kesimpulan dengan menggunakan sensor fusion.

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

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