Peneliti Mengembangkan Sistem Otonom yang Dapat Mendeteksi Perubahan Bayangan

Insinyur di MIT telah mengembangkan sistem baru yang sangat penting untuk kendaraan otonom dan keselamatannya. Sistem ini dapat mendeteksi perubahan kecil pada bayangan di tanah, dan dapat menentukan apakah ada objek bergerak di sekitar sudut. 

Salah satu tujuan utama untuk perusahaan yang ingin menciptakan kendaraan otonom adalah meningkatkan keselamatan. Insinyur terus bekerja untuk membuat kendaraan lebih baik dalam menghindari tabrakan dengan mobil lain atau pejalan kaki, terutama mereka yang datang dari sekitar sudut bangunan. 

Sistem baru ini juga memiliki potensi untuk digunakan pada robot yang akan mengemudi di rumah sakit. Robot-robot ini dapat mengirimkan obat atau pasokan di seluruh rumah sakit, dan sistem ini akan membantu mereka menghindari menabrak orang. 

Makalah akan disajikan minggu depan di Konferensi Internasional tentang Robot Pintar dan Sistem (IROS). Makalah tersebut termasuk deskripsi dari eksperimen yang berhasil dilakukan oleh peneliti, termasuk mobil otonom yang berbelok di sekitar garasi parkir dan berhenti ketika mendekati kendaraan lain.

Sistem saat ini sering menggunakan LIDAR, yang dapat mendeteksi objek yang terlihat dengan lebih dari setengah detik. Menurut peneliti, pecahan detik dapat membuat perbedaan besar pada kendaraan otonom yang bergerak cepat.  

“Untuk aplikasi di mana robot bergerak di sekitar lingkungan dengan objek atau orang lain yang bergerak, metode kami dapat memberikan peringatan dini kepada robot bahwa seseorang datang dari sekitar sudut, sehingga kendaraan dapat melambat, menyesuaikan jalur, dan mempersiapkan diri untuk menghindari tabrakan,” tambah co-penulis Daniela Rus, direktur Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) dan Profesor Elektrikal dan Ilmu Komputer Andrew dan Erna Viterbi. “Mimpi besar adalah memberikan ‘penglihatan sinar-X’ pada kendaraan yang bergerak cepat di jalan.” 

Sistem otonom baru ini hanya diuji di dalam ruangan. Dalam kondisi ini, kondisi pencahayaan lebih rendah, dan kecepatan robot lebih lambat. Sistem otonom dapat menganalisis dan mendeteksi bayangan dengan lebih mudah dalam lingkungan ini. 

Makalah tersebut disusun oleh Daniela Rus; penulis pertama Felix Naser, yang merupakan peneliti CSAIL sebelumnya; Alexander Amini, mahasiswa pascasarjana CSAIL; Igor Gilitschenski, postdoc CSAIL; mahasiswa Christina Liao; Guy Rosman dari Toyota Research Institute; dan Sertac Karaman, profesor aeronautika dan astronautika di MIT. 

Sistem ShadowCam

Sebelum pengembangan baru, peneliti sudah memiliki sistem yang disebut “ShadowCam.” Sistem ini dapat mengidentifikasi dan mengklasifikasikan perubahan bayangan di tanah melalui penggunaan teknik penglihatan komputer. Versi sebelumnya dari sistem ini dikembangkan oleh profesor MIT William Freeman dan Antonio Torralba. Kedua profesor tersebut tidak menjadi co-penulis makalah IROS, dan karya mereka disajikan pada tahun 2017 dan 2018. 

ShadowCam menggunakan bingkai video dari kamera target-spesifik, dan dapat mendeteksi perubahan intensitas cahaya selama waktu. Ini memberitahu sistem jika sesuatu bergerak lebih jauh atau lebih dekat, dan kemudian menganalisis informasi dan mengklasifikasikan setiap gambar sebagai objek stasioner atau bergerak. Ini memungkinkan sistem untuk melanjutkan dengan cara terbaik. 

ShadowCam disesuaikan dan diubah untuk digunakan pada kendaraan otonom. Awalnya, itu menggunakan label realitas tambah yang disebut “AprilTags,” yang seperti kode QR. ShadowCam menggunakan ini untuk fokus pada klaster piksel tertentu untuk menentukan apakah ada bayangan yang hadir. Namun, sistem ini terbukti tidak mungkin digunakan dalam skenario dunia nyata. 

Karena itu, peneliti menciptakan proses baru yang menggunakan pendaftaran gambar dan teknik odometri visual bersama. Pendaftaran gambar menumpuk beberapa gambar untuk mengidentifikasi perubahan. 

Teknik odometri visual yang digunakan oleh peneliti disebut “Direct Sparse Odometry” (DSO), dan beroperasi serupa dengan AprilTags. DSO menggunakan awan titik 3D, dan memplot fitur lingkungan pada awan tersebut. Pipa penglihatan komputer kemudian menemukan wilayah minat seperti lantai. 

ShadowCam menggunakan DSO-pendaftaran gambar dan menumpuk semua gambar dari sudut pandang robot yang sama. Robot, bergerak atau diam, kemudian dapat fokus pada patch piksel yang sama di mana ada bayangan. 

Apa yang Selanjutnya

Peneliti akan terus bekerja pada sistem ini, dan mereka akan fokus pada perbedaan antara kondisi pencahayaan indoor dan outdoor. Pada akhirnya, tim ingin meningkatkan kecepatan sistem serta mengotomatisasi proses.