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

Pada tahun 2030, pasar kendaraan otonom diperkirakan akan melampaui $2,2 triliun, dengan jutaan mobil yang bernavigasi di jalan menggunakan AI dan sistem sensor canggih. Namun, di tengah pertumbuhan yang cepat ini, sebuah debat mendasar masih belum terpecahkan: sensor mana yang paling sesuai untuk mengemudi otonom — lidar, kamera, radar, atau sesuatu yang sama sekali baru?

Pertanyaan ini jauh dari akademis. Pilihan sensor mempengaruhi segalanya, dari keamanan dan kinerja hingga biaya dan efisiensi energi. Beberapa perusahaan, seperti Waymo, bertaruh pada redundansi dan keragaman, memasang kendaraan mereka dengan berbagai lidar, kamera, dan radar. Yang lain, seperti Tesla, mengikuti pendekatan yang lebih minimalis dan efektif biaya, mengandalkan kamera dan inovasi perangkat lunak.

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

Mengapa Mesin yang Lebih Pintar Membutuhkan Solusi Energi yang Lebih Pintar

Ini memang merupakan masalah penting. Saya menghadapi dilema serupa ketika saya meluncurkan sebuah startup yang terkait dengan drone pada tahun 2013. Kami mencoba menciptakan drone yang dapat melacak gerakan manusia. Pada saat itu, ide tersebut masih terdepan, tetapi segera menjadi jelas bahwa ada paradoks teknis.

Untuk sebuah drone dapat melacak sebuah objek, itu harus menganalisis data sensor, yang memerlukan daya komputasi — sebuah komputer onboard. Namun, semakin kuat komputer yang diperlukan, semakin tinggi konsumsi energi. Akibatnya, baterai dengan kapasitas yang lebih besar diperlukan. Namun, baterai yang lebih besar meningkatkan berat drone, dan berat yang lebih besar memerlukan energi yang lebih banyak. Sebuah siklus setan muncul: peningkatan kebutuhan daya menyebabkan konsumsi energi yang lebih tinggi, berat, dan akhirnya, biaya.

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

Jumlah data yang meningkat, dan beban komputasi yang tumbuh. Tentu saja, seiring waktu, sistem komputasi telah menjadi lebih kompak dan efisien energi, dan perangkat lunak telah menjadi lebih dioptimalkan. Pada tahun 1980-an, memproses gambar 10×10 piksel dapat memakan waktu beberapa jam; hari ini, sistem menganalisis video 4K secara real-time dan melakukan komputasi tambahan pada perangkat tanpa mengonsumsi energi yang berlebihan. Namun, dilema kinerja masih tetap, dan perusahaan AV meningkatkan tidak hanya sensor tetapi juga perangkat keras komputasi dan algoritma optimasi.

Pengolahan atau Persepsi?

Masalah kinerja di mana sistem harus memutuskan data mana yang harus dihilangkan sebagian besar disebabkan oleh keterbatasan komputasi daripada masalah dengan sensor LiDAR, kamera, atau radar. Sensor-sensor ini berfungsi sebagai mata dan telinga kendaraan, terus-menerus mengumpulkan sejumlah besar data lingkungan. Namun, jika komputer “otak” onboard kekurangan daya pengolahan untuk menangani semua informasi ini secara real-time, maka menjadi tidak terkendali. Akibatnya, sistem harus memprioritaskan beberapa aliran data daripada yang lain, berpotensi mengabaikan beberapa objek atau adegan dalam situasi tertentu untuk fokus pada tugas yang lebih penting.

Keterbatasan komputasi ini berarti bahwa bahkan jika sensor berfungsi dengan sempurna, dan seringkali memiliki redundansi untuk memastikan keandalan, kendaraan masih dapat mengalami kesulitan untuk memproses semua data secara efektif. Menyalahkan sensor tidak tepat dalam konteks ini karena masalahnya terletak pada kapasitas pengolahan data. Meningkatkan perangkat keras komputasi dan mengoptimalkan algoritma adalah langkah-langkah penting untuk mengatasi tantangan ini. Dengan meningkatkan kemampuan sistem untuk menangani volume data yang besar, kendaraan otonom dapat mengurangi kemungkinan melewatkan informasi penting, sehingga menghasilkan operasi yang lebih aman dan lebih andal.

Lidar, Kamera, dan Radar: Kelebihan dan Kekurangan

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

Lidar, sementara menawarkan pemetaan 3D yang presisi, mahal dan mengalami kesulitan dalam kondisi cuaca buruk seperti hujan dan kabut, yang dapat menyebarkan sinyal laser. Ini juga memerlukan sumber daya komputasi yang signifikan untuk memproses data yang padat.

Kamera, meskipun efektif biaya, sangat bergantung pada kondisi pencahayaan, berkinerja buruk dalam cahaya rendah, silau, atau perubahan pencahayaan yang cepat. Mereka juga kekurangan persepsi kedalaman bawaan dan mengalami kesulitan dengan halangan seperti kotoran, hujan, atau salju pada lensa.

Radar dapat diandalkan dalam mendeteksi objek dalam berbagai kondisi cuaca, tetapi resolusi rendah membuatnya sulit untuk membedakan antara objek kecil atau objek yang berdekatan. Ini sering menghasilkan positif palsu, mendeteksi item yang tidak relevan yang dapat memicu respons yang tidak perlu. Selain itu, radar tidak dapat memahami konteks atau membantu mengidentifikasi objek secara visual, tidak seperti kamera.

Dengan menggunakan sensor fusion — menggabungkan data dari LiDAR, radar, dan kamera — sistem ini memperoleh pemahaman yang lebih holistik dan akurat tentang lingkungan mereka, yang pada gilirannya meningkatkan keamanan dan pengambilan keputusan secara real-time. Kolaborasi Keymakr dengan pengembang ADAS terkemuka telah menunjukkan betapa pentingnya pendekatan ini untuk keandalan sistem. Kami telah bekerja secara konsisten pada dataset yang beragam dan berkualitas tinggi untuk mendukung pelatihan model dan penyempurnaan.

Waymo VS Tesla: Kisah Dua Visi Otonom

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

Mari kita lihat kendaraan Waymo. Ini adalah Jaguar yang dimodifikasi untuk mengemudi otonom. Di atapnya terdapat puluhan sensor: lidar, kamera, sistem laser berputar (yang disebut “spinner”), dan radar. Ada banyak di antaranya: kamera di cermin, sensor di bumper depan dan belakang, sistem tampilan jarak jauh — semua ini disinkronkan.

Jika kendaraan seperti itu terlibat dalam kecelakaan, tim insinyur menambahkan sensor baru untuk mengumpulkan informasi yang hilang. Pendekatan mereka adalah menggunakan jumlah teknologi yang tersedia maksimal.

Jadi, mengapa Tesla tidak mengikuti jalur yang sama? Salah satu alasan utama adalah bahwa Tesla belum merilis Robotaxi-nya ke pasar. Juga, pendekatan mereka fokus pada minimisasi biaya dan inovasi. Tesla percaya bahwa menggunakan lidar tidak praktis karena biaya yang tinggi: biaya produksi kamera RGB sekitar $3, sedangkan lidar dapat menelan biaya $400 atau lebih. Selain itu, lidar mengandung bagian mekanis — cermin berputar dan motor — yang membuatnya lebih rentan terhadap kegagalan dan penggantian.

Kamera, di sisi lain, statis. Mereka tidak memiliki bagian yang bergerak, lebih dapat diandalkan, dan dapat berfungsi selama beberapa dekade hingga casingnya rusak atau lensa memudar. Selain itu, kamera lebih mudah diintegrasikan ke dalam desain mobil: mereka dapat disembunyikan di dalam tubuh, hampir tidak terlihat.

Pendekatan produksi juga sangat berbeda. Waymo menggunakan platform yang ada — Jaguar produksi — yang kemudian dipasangi sensor. Mereka tidak memiliki pilihan. Tesla, di sisi lain, memproduksi kendaraan dari awal dan dapat merencanakan integrasi sensor ke dalam tubuh dari awal, menyembunyikannya dari pandangan. Secara formal, mereka akan terdaftar dalam spesifikasi, tetapi secara visual, mereka hampir tidak terlihat.

Saat ini, Tesla menggunakan delapan kamera di sekitar mobil — di depan, belakang, cermin samping, dan pintu. Apakah mereka akan menggunakan sensor tambahan? Saya percaya demikian.

Berdasarkan pengalaman saya sebagai pengemudi Tesla yang juga pernah naik kendaraan Waymo, saya percaya bahwa mengintegrasikan lidar dapat meningkatkan sistem Mengemudi Mandiri Penuh Tesla. Terasa bagi saya bahwa FSD Tesla saat ini kekurangan akurasi ketika mengemudi. Menambahkan teknologi lidar dapat meningkatkan kemampuan sistem untuk bernavigasi dalam kondisi yang menantang seperti silau matahari yang signifikan, debu udara, atau kabut. Peningkatan ini berpotensi membuat sistem lebih aman dan lebih dapat diandalkan dibandingkan dengan mengandalkan kamera saja.

Tetapi dari perspektif bisnis, ketika sebuah perusahaan mengembangkan teknologi sendiri, mereka bertujuan untuk keunggulan kompetitif — keunggulan teknologi. Jika mereka dapat menciptakan solusi yang jauh lebih efisien dan lebih murah, maka mereka membuka pintu untuk mendominasi pasar.

Tesla mengikuti logika ini. Musk tidak ingin mengikuti jalan yang sama dengan perusahaan lain seperti Volkswagen atau Baidu, yang juga telah membuat kemajuan yang signifikan. Bahkan sistem seperti Mobileye dan iSight, yang dipasang di mobil yang lebih tua, sudah menunjukkan otonomi yang cukup baik.

Tetapi Tesla bertujuan untuk menjadi unik — dan itulah logika bisnis. Jika Anda tidak menawarkan sesuatu yang jauh lebih baik, maka pasar tidak akan memilih Anda.