Cara Kerja Mobil Otonom

Dilansir dari synopsys.com, mobil otonom mengandalkan sensor, aktuator, algoritme kompleks, sistem pembelajaran mesin, dan prosesor yang kuat untuk menjalankan perangkat lunak.

Mobil otonom membuat dan menjaga peta lingkungan mereka berdasarkan berbagai sensor yang terletak di berbagai bagian kendaraan. Sensor radar memantau posisi kendaraan terdekat. Kamera video mendeteksi lampu lalu lintas, membaca rambu jalan, melacak kendaraan lain, dan mencari pejalan kaki.

Sensor lidar (deteksi dan jangkauan cahaya) memantulkan pulsa cahaya dari sekeliling mobil untuk mengukur jarak, mendeteksi tepi jalan, dan mengidentifikasi marka jalur. Sensor ultrasonik di roda mendeteksi trotoar dan kendaraan lain saat parkir.

Perangkat lunak canggih kemudian memproses semua input sensorik ini, merencanakan jalur, dan mengirimkan instruksi ke aktuator mobil, yang mengontrol akselerasi, pengereman, dan kemudi. Aturan hard-code, algoritma penghindaran rintangan, pemodelan prediktif, dan pengenalan objek membantu perangkat lunak mengikuti aturan lalu lintas dan menavigasi rintangan.

6 Tingkatan Mobil Otonom

Level 0 (No Driving Automation)

Sebagian besar kendaraan di jalan saat ini adalah Level 0: yaitu dikendalikan secara manual. Manusia melakukan "tugas mengemudi yang dinamis", meskipun mungkin ada sistem untuk membantu pengemudi.

©2018 Merdeka.com

Tingkat 1 (Driver Assistance)

Ini adalah tingkat otomatisasi terendah. Mobil otonom ini memiliki sistem otomatis tunggal sebagai bantuan untuk si pengemudi, seperti kemudi atau akselerasi (kontrol jelajah). Kontrol jelajah adaptif, di mana kendaraan dapat menjaga jarak aman di belakang mobil berikutnya, memenuhi syarat sebagai Level 1 karena pengemudi manusia memantau aspek mengemudi lainnya seperti kemudi dan pengereman.

Level 2 (Partial Driving Automation)

Ini berarti sistem bantuan pengemudi tingkat lanjut atau ADAS (Advanced Driver Assistance Systems). Kendaraan dapat mengontrol kemudi dan akselerasi/perlambatan. Di sini otomatisasi tidak dapat mengemudi sendiri karena manusia duduk di kursi pengemudi dan dapat mengendalikan mobil otonom kapan saja. Sistem Tesla Autopilot dan Cadillac (General Motors) Super Cruise keduanya memenuhi syarat sebagai Level 2.

Level 3 (Conditional Driving Automation)

Kendaraan Level 3 memiliki kemampuan "mendeteksi lingkungan" dan dapat membuat keputusan yang tepat untuk diri mereka sendiri, seperti berakselerasi melewati kendaraan yang bergerak lambat. Tapi, kendaraan masih membutuhkan penggantian manusia. Pengemudi harus tetap waspada dan siap mengambil kendali jika sistem tidak dapat menjalankan tugas.

Level 4 (High Driving Automation)

Perbedaan utama antara otomatisasi Level 3 dan Level 4 adalah kendaraan Level 4 dapat melakukan intervensi jika terjadi kesalahan atau terjadi kegagalan sistem. Dalam pengertian ini, mobil-mobil ini tidak memerlukan interaksi manusia di sebagian besar keadaan. Namun, manusia masih memiliki opsi untuk terlibat secara manual.

Kendaraan Level 4 dapat beroperasi dalam mode mengemudi sendiri. Tetapi sampai undang-undang dan infrastruktur berkembang, mereka hanya dapat melakukannya dalam area terbatas (biasanya lingkungan perkotaan di mana kecepatan tertinggi mencapai rata-rata 30mph). Ini dikenal sebagai geofencing.

Level 5 (Full Driving Automation)

Kendaraan Level 5 tidak memerlukan keterlibatan manusia, dan "tugas mengemudi dinamis" dihilangkan. Mobil otonom level 5 bahkan tidak memiliki roda kemudi atau pedal akselerasi/rem. Mereka akan bebas dari geofencing, dapat pergi ke mana saja dan melakukan apa saja yang dapat dilakukan oleh pengemudi manusia yang berpengalaman.

Kelebihan dan Kekurangan

Kelebihan Mobil Otonom

Mengurangi Tingkat Kecelakaan

Sebagian besar kecelakaan kendaraan disebabkan oleh kesalahan manusia. Dikutip dari negrettilaw.com, diperkirakan kendaraan yang sepenuhnya otomatis dapat mengurangi kecelakaan kendaraan hingga 90%. Satu hal yang pasti tentang penilaian mobil otonom: harus memperhitungkan bagaimana kendaraan self-driving dapat mengekang kecelakaan yang disebabkan oleh kelelahan pengemudi, hilangnya fokus dan gangguan mengemudi, dan gangguan terkait alkohol.

Perjalanan Lebih Efisien

Kendaraan yang sepenuhnya otomatis dapat berkomunikasi satu sama lain melalui jaringan komputer. Komunikasi ini memungkinkan analisis waktu nyata yang dapat membantu menentukan rute perjalanan terbaik, serta menghitung kecepatan dan jarak yang sesuai antara kendaraan selama kemacetan di jam sibuk.

Arus Lalu Lintas Menurun

Karena mobil otonom berkomunikasi secara real time, jarak perjalanan antar kendaraan dapat ditingkatkan. Hal ini pada akhirnya dapat membantu mengurangi masalah lalu lintas umum.

Akses Lebih Mudah untuk Lansia dan Disabilitas

Kendaraan swakemudi bisa menjadi alternatif yang lebih aman dan lebih mudah diakses bagi penyandang disabilitas dan orang tua. Sebuah studi tahun 2017 oleh Ruderman Family Foundation mengamati, “Mengurangi hambatan terkait transportasi bagi individu penyandang disabilitas akan meningkatkan peluang kerja baru bagi sekitar 2 juta individu penyandang disabilitas, dan menghemat USD19 miliar per tahun dalam pengeluaran perawatan kesehatan dari janji medis yang terlewat.

Dalam konteks antisipasi dampak yang lebih luas: mobil otonom menghemat USD1,3 triliun dari peningkatan produktivitas, biaya bahan bakar, pencegahan kecelakaan, di antara sumber-sumber lainnya.”

Kekurangan Mobil Otonom

Diperlukan Adopsi secara Luas 

Telah disebutkan bahwa salah satu kelebihan yang tercantum di atas, satu-satunya cara sistem mobil otonom sepenuhnya dapat bekerja adalah jika semua kendaraan dapat mengemudi sendiri. Masalah yang ada pada konsep ini adalah bahwa hal itu pada dasarnya akan melucuti orang dari kemampuan mandiri mereka untuk mengemudi.

Kehilangan Pekerjaan Besar-besaran di Sektor Ekonomi Tertentu

Sebagian besar penduduk bergantung sepenuhnya pada industri otomotif untuk mata pencaharian mereka. Banyak dari mereka yang bekerja di truk, angkutan umum, dan layanan pengiriman dapat semakin terpinggirkan di masa depan akibat mobil otonom. Meskipun Goldman Sachs memperkirakan bahwa otomatisasi akan mengurangi 300.000 pekerjaan terkait transportasi setiap tahun, peluang kerja baru akan tercipta dengan cara lain.

Hacker dan Ancaman Keamanan Siber

Masalah keamanan adalah masalah yang sangat nyata dari kendaraan self-driving. Ketika kendaraan mengandalkan komputer untuk berfungsi, teknologi ini juga rentan terhadap ancaman dunia maya. Jika kendaraan sepenuhnya dijalankan oleh sistem, maka semakin tinggi peluang orang lain untuk terhubung dengan kendaraan.

Dilema Moral

Dilema moral bergantung pada gagasan bahwa kecerdasan buatan dalam kendaraan self-driving tidak memiliki kemampuan untuk membuat penilaian antara beberapa hasil yang menguntungkan - atau memilih pilihan yang "paling tidak buruk".

Contoh klasik adalah mobil otonom yang memilih untuk keluar dari jalan, mungkin dapat membahayakan pengemudi di dalam, dalam upaya untuk menghindari bus sekolah yang penuh dengan anak-anak.