Tim Internasional Membuat Langkah Besar dalam Teknologi Kendaraan Otonom

Kendaraan otonom akan merevolusi transportasi — namun, implementasi sukses mereka bergantung pada kemampuan untuk mengenali dan merespons ancaman eksternal dengan akurat. Dari algoritma pemrosesan sinyal dan analisis gambar hingga sistem kecerdasan buatan yang terintegrasi dengan infrastruktur IoT, berbagai teknologi harus digunakan agar mobil otonom dapat menyediakan operasi yang aman di berbagai medan. Untuk memastikan keamanan penumpang tidak dikompromikan saat kendaraan canggih ini menjadi lebih umum, metode yang kuat perlu dikembangkan untuk mendeteksi potensi bahaya dengan cepat dan dapat diandalkan.

Kendaraan swa-kemudi bergantung pada sensor canggih seperti LiDAR, radar, dan kamera RGB untuk menghasilkan sejumlah besar informasi untuk mengidentifikasi pejalan kaki, pengemudi lain, dan potensi bahaya. Integrasi kemampuan komputasi canggih dan Internet-of-Things (IoT) ke dalam mobil otomatis ini memungkinkan pemrosesan data dengan cepat di tempat untuk menavigasi berbagai area dan objek dengan lebih efisien. Pada akhirnya, ini memungkinkan kendaraan otonom untuk membuat keputusan dalam waktu singkat dengan akurasi yang jauh lebih tinggi daripada pengemudi manusia.

Langkah Besar dalam Teknologi Kendaraan Otonom

Penelitian yang dilakukan oleh Profesor Gwanggil Jeon dari Incheon National University, Korea, dan tim internasionalnya, menandai langkah besar dalam teknologi kendaraan otonom. Sistem pintar IoT yang mereka kembangkan memungkinkan deteksi objek 3D secara real-time menggunakan kecerdasan buatan, membuatnya lebih dapat diandalkan dan efisien daripada sebelumnya. Sistem ini dapat mendeteksi sejumlah objek yang lebih besar dengan lebih akurat, bahkan dalam lingkungan yang menantang seperti cahaya rendah atau cuaca yang tidak biasa – sesuatu yang tidak dapat dilakukan oleh sistem lain. Kemampuan ini memungkinkan navigasi yang lebih aman di sekitar berbagai skenario lalu lintas, meningkatkan standar untuk sistem kendaraan otonom dan menyumbang pada peningkatan keamanan jalan di seluruh dunia.

Penelitian ini diterbitkan dalam jurnal IEEE Transactions of Intelligent Transport Systems.

“Untuk kendaraan otonom, persepsi lingkungan sangat penting untuk menjawab pertanyaan inti, ‘Apa yang ada di sekitar saya?’ Sangat penting bahwa kendaraan otonom dapat memahami kondisi dan lingkungan sekitarnya dengan efektif dan akurat untuk melakukan tindakan yang responsif,” jelas Prof. Jeon. “Kami merancang model deteksi berdasarkan YOLOv3, algoritma identifikasi yang terkenal. Model ini awalnya digunakan untuk deteksi objek 2D dan kemudian dimodifikasi untuk objek 3D,” lanjutnya.

Menggunakan Model YOLOv3

Tim tersebut memberikan gambar RGB dan data awan titik ke YOLOv3, yang kemudian mengeluarkan label klasifikasi dan kotak pembatas dengan skor kepercayaan. Kinerjanya kemudian diuji dengan dataset Lyft, dan hasil awal menunjukkan bahwa YOLOv3 mencapai akurasi deteksi yang sangat tinggi (>96%) untuk objek 2D dan 3D. Model ini outperform berbagai model deteksi canggih lainnya.

Metode baru ini dapat digunakan untuk kendaraan otonom, parkir otonom, pengiriman otonom, dan robot otonom di masa depan. Ini juga dapat digunakan dalam aplikasi di mana deteksi objek dan hambatan, pelacakan, dan lokalisisasi visual diperlukan.

“Saat ini, kendaraan otonom sedang dikembangkan melalui pemrosesan gambar berbasis LiDAR, tetapi diprediksi bahwa kamera umum akan menggantikan peran LiDAR di masa depan. Dengan demikian, teknologi yang digunakan dalam kendaraan otonom terus berubah setiap saat, dan kami berada di garis depan,” kata Prof. Jeon. “Berdasarkan pengembangan teknologi elemen, kendaraan otonom dengan keamanan yang ditingkatkan seharusnya tersedia dalam 5-10 tahun ke depan.”