Memilih Mata Kendaraan Otonom: Pertarungan Sensor, Strategi, dan Kompromi

Pada tahun 2030, pasar kendaraan otonom diharapkan melampaui $2.2 triliun, dengan jutaan mobil yang melaju di jalan menggunakan AI dan sistem sensor canggih. Namun di tengah pertumbuhan pesat ini, perdebatan mendasar masih belum terselesaikan: sensor mana yang paling cocok untuk mengemudi secara otonom — lidar, kamera, radar, atau sesuatu yang sama sekali baru?

Pertanyaan ini jauh dari akademis. Pilihan sensor memengaruhi segalanya, mulai dari keselamatan dan kinerja hingga biaya dan efisiensi energi. Beberapa perusahaan, seperti Waymo, mengandalkan redundansi dan variasi, melengkapi kendaraan mereka dengan rangkaian lengkap lidar, kamera, dan radar. Perusahaan lain, seperti Tesla, mengejar pendekatan yang lebih minimalis dan hemat biaya, sangat bergantung pada kamera dan inovasi perangkat lunak.

Mari kita telusuri berbagai strategi yang berbeda ini, paradoks teknis yang mereka hadapi, dan logika bisnis yang mendorong keputusan mereka.

Mengapa Mesin yang Lebih Cerdas Membutuhkan Solusi Energi yang Lebih Cerdas

Ini memang masalah penting. Saya menghadapi dilema serupa saat meluncurkan perusahaan rintisan terkait drone pada tahun 2013. Kami mencoba menciptakan drone yang mampu melacak pergerakan manusia. Saat itu, idenya sudah ada, tetapi segera menjadi jelas bahwa ada paradoks teknis.

Agar drone dapat melacak objek, drone harus menganalisis data sensor, yang memerlukan daya komputasi — komputer internal. Namun, semakin kuat komputer yang dibutuhkan, semakin tinggi pula konsumsi energinya. Akibatnya, diperlukan baterai dengan kapasitas lebih besar. Namun, baterai yang lebih besar akan menambah berat drone, dan semakin berat drone, semakin besar pula energi yang dibutuhkan. Terjadilah lingkaran setan: meningkatnya permintaan daya akan menyebabkan konsumsi energi, berat drone, dan akhirnya, biaya yang lebih tinggi.

Masalah yang sama berlaku untuk kendaraan otonom. Di satu sisi, Anda ingin melengkapi kendaraan dengan semua sensor yang memungkinkan untuk mengumpulkan data sebanyak mungkin, menyinkronkannya, dan membuat keputusan yang paling akurat. Di sisi lain, hal ini secara signifikan meningkatkan biaya dan konsumsi energi sistem. Penting untuk mempertimbangkan tidak hanya biaya sensor itu sendiri tetapi juga energi yang dibutuhkan untuk memproses datanya.

Jumlah data meningkat, dan beban komputasi meningkat. Tentu saja, seiring berjalannya waktu, sistem komputasi menjadi lebih ringkas dan hemat energi, dan perangkat lunak menjadi lebih optimal. Pada tahun 1980-an, pemrosesan gambar 10x10 piksel dapat memakan waktu berjam-jam; saat ini, sistem menganalisis video 4K secara real-time dan melakukan komputasi tambahan pada perangkat tanpa menghabiskan energi yang berlebihan. Namun, dilema kinerja masih tetap ada, dan perusahaan AV tidak hanya meningkatkan sensor tetapi juga perangkat keras komputasi dan algoritma pengoptimalan.

Pemrosesan atau Persepsi?

Masalah kinerja yang menyebabkan sistem harus memutuskan data mana yang akan dibuang terutama disebabkan oleh keterbatasan komputasi, bukan masalah dengan sensor LiDAR, kamera, atau radar. Sensor ini berfungsi sebagai mata dan telinga kendaraan, yang terus-menerus menangkap sejumlah besar data lingkungan. Namun, jika "otak" komputasi internal tidak memiliki daya pemrosesan untuk menangani semua informasi ini secara real time, sistem akan kewalahan. Akibatnya, sistem harus memprioritaskan aliran data tertentu daripada yang lain, yang berpotensi mengabaikan beberapa objek atau pemandangan dalam situasi tertentu untuk fokus pada tugas dengan prioritas lebih tinggi.

Hambatan komputasi ini berarti bahwa meskipun sensor berfungsi dengan sempurna, dan sering kali memiliki redundansi untuk memastikan keandalan, kendaraan mungkin masih kesulitan untuk memproses semua data secara efektif. Menyalahkan sensor tidaklah tepat dalam konteks ini karena masalahnya terletak pada kapasitas pemrosesan data. Meningkatkan perangkat keras komputasi dan mengoptimalkan algoritme merupakan langkah penting untuk mengurangi tantangan ini. Dengan meningkatkan kemampuan sistem untuk menangani volume data yang besar, kendaraan otonom dapat mengurangi kemungkinan hilangnya informasi penting, yang mengarah pada operasi yang lebih aman dan lebih andal.

Sistem Lidar, Kamera, dan Radar: Pro & Kontra

Tidak mungkin untuk mengatakan bahwa satu jenis sensor lebih baik daripada yang lain — masing-masing memiliki fungsinya sendiri. Masalah dipecahkan dengan memilih sensor yang tepat untuk tugas tertentu.

LiDAR, meskipun menawarkan pemetaan 3D yang akurat, mahal dan sulit digunakan dalam kondisi cuaca buruk seperti hujan dan kabut, yang dapat menyebarkan sinyal lasernya. LiDAR juga membutuhkan sumber daya komputasi yang signifikan untuk memproses datanya yang padat.

Kamera, meskipun hemat biaya, sangat bergantung pada kondisi pencahayaan, dan kinerjanya buruk dalam cahaya redup, silau, atau perubahan pencahayaan yang cepat. Kamera juga tidak memiliki persepsi kedalaman yang melekat dan kesulitan menghadapi halangan seperti kotoran, hujan, atau salju pada lensa.

Radar dapat diandalkan dalam mendeteksi objek dalam berbagai kondisi cuaca, tetapi resolusinya yang rendah membuatnya sulit untuk membedakan antara objek yang kecil atau yang berjarak dekat. Radar sering kali menghasilkan hasil positif yang salah, mendeteksi item yang tidak relevan yang dapat memicu respons yang tidak perlu. Selain itu, radar tidak dapat menguraikan konteks atau membantu mengidentifikasi objek secara visual, tidak seperti kamera.

Dengan memanfaatkan fusi sensor — menggabungkan data dari LiDAR, radar, dan kamera — sistem ini memperoleh pemahaman yang lebih holistik dan akurat tentang lingkungannya, yang pada gilirannya meningkatkan keselamatan dan pengambilan keputusan secara real-time. Pembuat kunciKolaborasi dengan pengembang ADAS terkemuka telah menunjukkan betapa pentingnya pendekatan ini terhadap keandalan sistem. Kami secara konsisten mengerjakan kumpulan data yang beragam dan berkualitas tinggi untuk mendukung pelatihan dan penyempurnaan model.

Waymo VS Tesla: Kisah Dua Visi Otonom

Dalam AV, hanya sedikit perbandingan yang memicu perdebatan sebanyak Tesla dan Waymo. Keduanya memelopori masa depan mobilitas — tetapi dengan filosofi yang sangat berbeda. Jadi, mengapa mobil Waymo tampak seperti pesawat luar angkasa yang penuh sensor, sementara Tesla tampak hampir bebas dari sensor eksternal?

Mari kita lihat kendaraan Waymo. Kendaraan ini adalah Jaguar dasar yang dimodifikasi untuk mengemudi secara otonom. Di atapnya terdapat puluhan sensor: lidar, kamera, sistem laser berputar (yang disebut "spinner"), dan radar. Jumlahnya sungguh banyak: kamera di kaca spion, sensor di bemper depan dan belakang, sistem tampilan jarak jauh — semua ini tersinkronisasi.

Jika kendaraan semacam itu mengalami kecelakaan, tim teknisi menambahkan sensor baru untuk mengumpulkan informasi yang hilang. Pendekatan mereka adalah menggunakan teknologi sebanyak mungkin yang tersedia.

Jadi mengapa Tesla tidak mengikuti jalur yang sama? Salah satu alasan utamanya adalah Tesla belum merilis Robotaxi ke pasaran. Selain itu, pendekatan mereka berfokus pada minimisasi biaya dan inovasi. Tesla yakin penggunaan lidar tidak praktis karena biayanya yang tinggi: biaya produksi kamera RGB sekitar $3, sedangkan lidar bisa berharga $400 atau lebih. Lebih jauh, lidar mengandung komponen mekanis — cermin dan motor yang berputar — yang membuatnya lebih rentan terhadap kegagalan dan penggantian.

Sebaliknya, kamera bersifat statis. Kamera tidak memiliki bagian yang bergerak, jauh lebih andal, dan dapat berfungsi selama puluhan tahun hingga casingnya rusak atau lensanya meredup. Selain itu, kamera lebih mudah diintegrasikan ke dalam desain mobil: kamera dapat disembunyikan di dalam bodi mobil, sehingga hampir tidak terlihat.

Pendekatan produksi juga berbeda secara signifikan. Waymo menggunakan platform yang sudah ada — Jaguar produksi — yang di atasnya dipasang sensor. Mereka tidak punya pilihan. Tesla, di sisi lain, memproduksi kendaraan dari awal dan dapat merencanakan integrasi sensor ke dalam bodi sejak awal, menyembunyikannya dari pandangan. Secara formal, sensor akan tercantum dalam spesifikasi, tetapi secara visual, sensor hampir tidak terlihat.

Saat ini, Tesla menggunakan delapan kamera di sekeliling mobil — di bagian depan, belakang, kaca spion samping, dan pintu. Apakah mereka akan menggunakan sensor tambahan? Saya rasa begitu.

Berdasarkan pengalaman saya sebagai pengemudi Tesla yang juga pernah mengendarai kendaraan Waymo, saya yakin bahwa penggunaan lidar akan meningkatkan sistem Full Self-Driving Tesla. Menurut saya, FSD Tesla saat ini kurang akurat saat berkendara. Penambahan teknologi lidar dapat meningkatkan kemampuannya untuk menavigasi kondisi yang menantang seperti silau matahari yang signifikan, debu di udara, atau kabut. Peningkatan ini berpotensi membuat sistem lebih aman dan lebih andal dibandingkan dengan hanya mengandalkan kamera.

Namun dari sudut pandang bisnis, ketika sebuah perusahaan mengembangkan teknologinya sendiri, perusahaan tersebut bertujuan untuk memperoleh keunggulan kompetitif — keunggulan teknologi. Jika perusahaan dapat menciptakan solusi yang jauh lebih efisien dan murah, maka perusahaan tersebut membuka pintu menuju dominasi pasar.

Tesla mengikuti logika ini. Musk tidak ingin mengikuti jejak perusahaan lain seperti Volkswagen atau Baidu, yang juga telah membuat kemajuan besar. Bahkan sistem seperti Mobileye dan iSight, yang dipasang di mobil lama, sudah menunjukkan otonomi yang layak.

Namun Tesla ingin menjadi unik — dan itulah logika bisnis. Jika Anda tidak menawarkan sesuatu yang jauh lebih baik, pasar tidak akan memilih Anda.