Jalan Depan: Berapa Lama Peralihan ke Kendaraan Otonom Akan Berlangsung?

Saya baru saja menghadiri Konferensi AutoSens pertama di Amerika Serikat, sebuah pertemuan yang tidak hanya memamerkan teknologi canggih tetapi juga menawarkan pengalaman yang tak terlupakan. Detroit, tempat lahir lini montasi mobil, menjadi venue, memposisikan kota di garis depan revolusi mobilitas berikutnya: kendaraan otonom yang diproduksi massal.

Sorotan utama adalah M1 Concourse race track, venue gaya country club dengan garasi pribadi dan lintasan performa 1,5 mil yang modern. Konferensi mencakup tes drive otonom oleh Dataspeed, spesialis teknologi tanpa pengemudi.

Setelah sesi hari itu, kami makan malam di Henry Ford Greenfield Village, tempat peringatan historis bagi pionir seperti Ford, Edison, dan saudara Wright. Berbagi ruang dengan mobil otonom Dataspeed yang langsung adalah mobil Ford Model T asli dari tahun 1917, mobil pertama dari lini montasi yang mengubah transportasi pribadi. Melihat kedua mobil ini berdampingan memicu refleksi tentang tantangan dan persamaan antara era kuda-karata dan transisi otonom saat ini.

Revolusi yang Menggemparkan Mobil

Abad yang lalu, kereta kuda mendominasi jalan, dan ide mobil tanpa kuda tampak radikal. Seperti banyak penemuan, mobil awal menghadapi keraguan—mereka dianggap berbahaya, mengerikan, dan gangguan bagi transportasi kuda yang telah lama berlaku. Transisi dari kuda ke mobil bertahap dan penuh hambatan, seperti yang diilustrasikan oleh hukum yang kini terkenal yang mewajibkan pengemudi untuk turun dan mengumumkan diri di setiap persimpangan dengan suara keras—kadang-kadang bahkan senjata api atau peledak lainnya.

Investor juga sama hati-hati. Menurut AmericanAutoHistory.com, pada tahun 1903 presiden Michigan Savings Bank memperingatkan untuk tidak berinvestasi di Ford Motor Co., berpendapat bahwa "Kuda akan tetap ada tetapi mobil hanya sekedar keberadaan—mode." Kini kita dapat melihat keraguan itu secara unsur, namun itu mencerminkan sikap hati-hati yang banyak orang ambil terhadap kendaraan otonom saat ini.

Dari perspektif masa depan, keraguan awal terhadap mobil bermotor tidak jauh berbeda dengan keraguan hari ini terhadap sistem otonom. Seperti yang sejarah saran, adopsi bertahap pada akhirnya mengarah pada dominansi—maka harapan bahwa kendaraan otonom segera akan menjadi bentuk transportasi pribadi utama, terutama di perkotaan dan area padat penduduk.

Kami dapat mengantisipasi pemutusan nyaris lengkap mobil manual dalam waktu sekitar tiga puluh tahun, yang dicadangkan terutama untuk hobi atau kesenangan—seperti kuda hari ini. Seperti yang dinyatakan rekan saya Gunn, bahkan balap akhirnya bisa ditaklukkan oleh teknologi otonom.

Mobil Otonom adalah Perubahan Berikutnya; Produksi Massal adalah Kunci

Sebelum Model T, mobil adalah barang mewah yang tidak terjangkau oleh massa. Lini montasi, yang disempurna oleh Ford, meningkatkan produksi, memerlukan infrastruktur baru—jalan, regulasi lalu lintas, dan standar keselamatan. Untuk membangkitkan revolusi berikutnya, kendaraan otonom juga harus mencapai produksi massal dan harga yang kompetitif. Seiring dengan penurunan biaya sistem otonom, aksesibilitas dan daya tariknya akan berkembang.

Apakah Anda Dapat Percaya pada AI untuk Mengemudikan Anda?

Keraguan historis terhadap mobil menemukan sekutu modern dalam keraguan tentang AI. Khawatir tentang keandalan, mode kegagalan, dan waktu respons mencerminkan yang pernah melanda pengemudi awal. Namun, data saat ini menunjukkan bahwa mobil yang dikemudikan manusia lebih kurang aman daripada banyak prototipe otonom modern—namun kepercayaan publik yang luas telah tumbuh melalui pengalaman, infrastruktur, dan regulasi.

Deep learning dan teknologi AI terkait telah berkembang dengan cepat, mengalahkan manusia dalam permainan seperti Go, pengenalan citra, dan secara bertugas dalam tugas pengambilan keputusan yang kompleks. Kemajuan ini menjadi dasar dari keselamatan dan keandalan kendaraan otonom masa depan.

Lini Montasi Membuat Manufaktur Mobil Efisien; DSP Membuat AI Efisien

Hambatan besar untuk kendaraan otonom adalah menyematkan AI yang kuat dalam sistem compact, rendah daya. Beban kerja AI tradisional membutuhkan server besar, tetapi aplikasi otomotif memerlukan solusi yang lebih kecil dan hemat energi. Digital Signal Processors (DSP) dan processor visi khusus seperti CEVA-XM6 memungkinkan computer vision ultra-hemat daya, presisi tinggi, sementara pengembangan disederhanakan melalui alat seperti CDNN deep-learning toolkit.

Pelajari lebih lanjut tentang teknologi ini dengan menonton webinar on-demand kami: Challenges of Vision-Based Autonomous Driving & Facilitation of an Embedded Neural Network Platform.