Bayangkan Anda adalah pengemudi sedan keluarga empat pintu yang mendekati tanda berhenti. Saat Anda mencapai tanda berhenti, Anda melihat seorang pengendara sepeda mencoba menyeberang jalan. Melalui kontak mata, ekspresi wajah, dan isyarat bahasa tubuh, pengendara sepeda menegosiasikan hak jalan mereka dengan Anda. Akibatnya, Anda memutuskan untuk membiarkan pengendara sepeda menyeberang jalan terlebih dahulu, sebelum Anda memasuki persimpangan dengan hati-hati.
Dalam dunia mengemudi otonom saat ini, tidak ada cara untuk “menandai” atau mengkategorikan peristiwa semacam itu, kata CEO Cognata Danny Atsmon. Metode saat ini memungkinkan Anda mengidentifikasi pengendara sepeda secara visual, tetapi sistem pelatihan untuk mengenali dan memahami bahwa negosiasi yang rumit di jalan tetap menjadi tantangan bagi kendaraan otonom senilai $10,3 triliun industri.
Video yang Direkomendasikan
Faktanya, mengemudi secara otonom mewakili “satu-satunya masalah komputasi tersulit yang pernah dihadapi dunia,” seperti yang dikatakan CEO NVIDIA Jensen Huang mengakuinya saat ia meluncurkan beberapa prosesor grafis terkuat di dunia pada keynote GTC 2018 di San Jose, Kalifornia.
Terkait
- Mobil Apple yang dikabarkan bisa berharga sama dengan Tesla Model S
- Drive Concierge Nvidia akan memenuhi mobil Anda dengan layar
- Hal aneh baru saja terjadi pada armada mobil otonom
Menjembatani Yang Nyata dan yang Virtual
“Dunia berkendara 10 triliun mil per tahun,” kata Huang dalam presentasinya yang tajam – tetapi Atsmon menunjukkan bahwa mobil tanpa pengemudi hanya menempuh jarak tiga juta mil jalan pada tahun lalu. Agar kendaraan self-driving dapat mengemudi dengan lebih baik, mereka harus belajar lebih banyak, dan hal tersebut pada dasarnya merupakan tantangan terbesar yang dihadapi oleh industri ini. Untuk melatih sistem mengemudi otonom agar memiliki kompetensi seperti pengemudi manusia, komputer perlu menempuh jarak sekitar 11 miliar mil, kata Atsmon kepada kami.
Ini adalah satu-satunya masalah komputasi tersulit yang pernah dihadapi dunia.
Angka tersebut dihitung berdasarkan 1,09 kematian per 100 juta mil perjalanan pada tahun 2015. “Jadi, untuk mengatakan bahwa sebuah mesin dapat memiliki kinerja seaman manusia dengan tingkat kepercayaan 95 persen, Anda perlu melakukan validasi sejauh 11 miliar mil,” kata Atsmon.
Selain waktu yang dibutuhkan untuk mencapai tujuan tersebut, ada juga biaya yang perlu dipertimbangkan. Saat ini, biaya per mil untuk mengoperasikan mobil otonom mencapai ratusan dolar — terhitung waktu rekayasa, pengumpulan dan penandaan data, biaya asuransi, dan waktu pengemudi duduk di kokpit mobil. Lipat gandakan dengan patokan 11 miliar mil, dan biaya besar yang terkait dengan pelatihan mobil otonom menjadi jelas.
Validasi adalah kuncinya, dan kecelakaan baru-baru ini yang melibatkan kendaraan otonom menunjukkan bahwa pengujian data dan skenario pelatihan yang tidak lengkap dapat berakibat fatal. Dalam satu contoh yang tidak terlalu ekstrem, sebuah pesawat ulang-alik tanpa pengemudi di Las Vegas melaju dengan kecepatan sekitar 0,6 mil per jam, tapi menabrak truk (Jeff Zurschmeide, kontributor pekerja lepas untuk Digital Trends, ada di sana saat hal itu terjadi). Tidak ada korban jiwa dalam kejadian ini, namun kejadian yang membingungkan ini terjadi karena truk tersebut melaju ke depan, lalu mundur saat hendak parkir. Penyebab kecelakaan itu, menurut Atsmon, adalah karena pesawat ulang-alik tersebut tidak divalidasi untuk situasi seperti ini, dan tidak tahu apa yang harus dilakukan – sehingga bergerak maju dengan lambat dan jatuh.
Simulasi yang Lebih Baik untuk Pembelajaran Lebih Dalam
Solusi industri saat ini untuk menjembatani kesenjangan 11 miliar mil bagi sistem otonom untuk menjangkau pengemudian manusia Kompetensinya adalah mengembangkan simulasi yang memungkinkan mobil belajar lebih cepat dengan menggabungkan pembelajaran mendalam dan virtual lingkungan.
“Simulasi adalah jalan menuju miliaran mil,” kata Huang di GTC. Akhir tahun lalu, Waymo milik Alphabet meluncurkan Carcraft, pendekatannya terhadap pembelajaran melalui simulasi.
Cognata menggunakan kemajuan terbaru dalam grafis dan perangkat keras sensor untuk menciptakan model dunia yang lebih hidup dan realistis untuk dipelajari oleh mobil otonom. Bagi otak komputasi mobil self-driving, ini seperti memasuki video game yang meniru model nyata dunia, dan hal ini dapat menghasilkan skenario mengemudi yang lebih realistis untuk menguji dan memvalidasi mengemudi mobil data. Perusahaan baru-baru ini memetakan kota-kota tertentu, seperti San Francisco, menggunakan data dari GIS — kamera definisi tinggi dan algoritma komputer canggih yang menjalankan citra satelit dan tampilan jalan, menghasilkan pemandangan foto-realistis.
Simulasi adalah jalan menuju miliaran mil.
Untuk lebih meningkatkan simulasi, Nvidia, dan beberapa mitranya, menggunakan data dari sensor kendaraan otonom untuk membuat peta definisi lebih tinggi. Saat kendaraan otonom mulai beroperasi, mesin ini tidak hanya mengandalkan data yang tersedia melalui pelatihan, tetapi juga berkontribusi pada pengumpulan data dengan membagikan data yang telah ditangkap dari LIDAR, IR, radar, dan kameranya array.
Ketika data yang baru diambil ini digabungkan melalui pembelajaran mendalam dengan kumpulan data berkualitas rendah yang ada, hal ini akan membuat jalanan terlihat lebih realistis. Cognata mengklaim bahwa algoritmanya dapat memproses data dengan cara memunculkan detail dalam bayangan dan sorotan, seperti HDR foto dari kamera ponsel cerdas Anda, untuk menciptakan pemandangan berkualitas tinggi.
Cognata - Simulator Mengemudi Otonom Pembelajaran Mendalam
Meskipun simulasi adalah alat yang luar biasa, Atsmon mencatat bahwa simulasi memiliki kekurangannya sendiri. Ini terlalu sederhana, dan agar mengemudi otonom menjadi realistis, ia harus belajar dari kasus-kasus yang sulit. Cognata mengklaim bahwa hanya diperlukan beberapa klik untuk memprogram dalam kasus edge guna memvalidasi kendaraan otonom untuk skenario mengemudi yang lebih tidak biasa. Perusahaan yang membuat kendaraan otonom harus rajin mencari kasus-kasus canggih yang dapat menipu mobil self-driving, dan kreatif dalam menciptakan solusi untuk kendaraan tersebut.
Saat Mengemudi Sendiri Gagal
Keselamatan sangat penting bagi kendaraan otonom sehingga Nvidia menganggapnya sebagai satu-satunya hal terpenting bagi industri ini. Ketika segala sesuatunya gagal, kematian dapat dan memang terjadi, seperti yang baru-baru ini dibuktikan ketika ada Uber yang otonom menyerang dan membunuh seorang pejalan kaki di Arizona.
“Saya dapat meyakinkan Anda bahwa [Uber] sama sedihnya dengan apa yang terjadi.”
Ketika ditanyai dalam pertemuan pers tentang kecelakaan Uber – Uber adalah mitra Nvidia – Huang menunda untuk berbagi tumpangan perusahaan untuk memberikan komentar, dengan mengatakan bahwa “kita harus memberi Uber kesempatan untuk memahami apa yang telah terjadi dan menjelaskan apa yang telah terjadi telah terjadi."
“Saya dapat meyakinkan Anda bahwa [Uber] sama sedihnya dengan apa yang terjadi,” tambah Huang.
Karena Nvidia mengembangkan solusi menyeluruh untuk mengemudi otonom, berbagai mitra – mulai dari Uber hingga Toyota dan Mercedes Benz – dapat memanfaatkan seluruh atau sebagian sistem. “Ada sekitar 370 perusahaan di seluruh dunia yang menggunakan teknologi kami dalam beberapa cara.” Pada acara tersebut, Nvidia juga mengumumkan Orin, komputer generasi berikutnya dari platform DRIVE-nya.
Manusia sebagai Cadangan
Meskipun mobil self-driving semakin pintar dari waktu ke waktu, Huang tetap percaya bahwa harus selalu ada cadangan manusia, bahkan ketika mobil dirancang tanpa kursi pengemudi. Untuk mencapai hal ini, Nvidia memamerkan Holodeck-nya pada keynote GTC tahun ini, yang memungkinkan pengemudi jarak jauh mengendalikan mobil fisik secara real-time melalui realitas virtual.
“Ini adalah teleportasi,” kata Huang, menekankan bahwa hal ini dimungkinkan melalui investasi awal Nvidia dalam realitas virtual.
NVIDIA DRIVE—Demonstrasi GTC 2018
Saat demo, Tim, sang pengemudi, berada di lokasi terpencil. Saat dia memakai kacamata realitas virtual, dia akan merasa seperti berada di dalam mobil fisik, memungkinkan dia merasakan mobil, dan melihat kontrol mobil serta panel instrumen. Dari lokasi terpencil ini dan dengan bantuan headset VR-nya, dia dapat mengendalikan kendaraan otonom, memungkinkan dia mengemudikan kendaraan dan memarkirnya.
Ini seperti apa yang telah dilakukan militer selama ini – mengizinkan operator drone untuk menerbangkan drone tak berawak dari lokasi terpencil. Namun dalam kasus Nvidia, dengan kekuatan VR, pengemudi akan merasa seperti hadir secara fisik di dalam kokpit. Perusahaan percaya bahwa simulasi yang didukung oleh GPU-nya pada akhirnya akan membuat mobil otonom hampir sempurna, tetapi hingga hal tersebut terjadi, Holodeck dapat membantu manusia mengawasi armada yang dapat mengemudi sendiri.
Rekomendasi Editor
- Mobil otonom dibingungkan oleh kabut San Francisco
- Ford dan VW menutup unit mobil otonom Argo AI
- Mantan karyawan Apple mengaku bersalah karena mengungkap rahasia Apple Car
- Petugas bingung saat mereka menepikan mobil self-driving yang kosong
- Bagaimana sebuah van biru besar dari tahun 1986 membuka jalan bagi mobil tanpa pengemudi
