Mengamankan Sistem Bantu Susi Canggih (ADAS): Strategi Keselamatan untuk Dekade Mendatang
Sistem Bantu Susi Canggih (ADAS) meningkatkan keselamatan kendaraan dengan memantau lingkungan sekitar, memberikan peringatan, mengemudi rem, dan membantu pengemudi. Dekade mendatang akan melihat ekspansi cepat sistem ini, didorong oleh kemajuan dalam teknologi sensor dan LiDAR serta persyaratan regulasi yang berkembang.
Menurut Jeff Phillips, Kepala Pemasaran Otomotif di National Instruments, Uni Eropa telah mewajibkan pada tahun 2020 agar semua kendaraan baru dilengkapi dengan Sistem Rem Darurat Otonom (AEB) dan Sistem Peringatan Tabrakan Depan (FCW).
Meskipun ADAS masih dalam tahap awal, kemampuan keselamatannya siap menjadi pengunci utama bagi produsen otomotif, terutama saat mereka bergerak menuju kendaraan otonom penuh.
OEM dan perusahaan teknologi saat ini bersaida di arena ini yang sebagian besar belum diatur untuk meraih pangsa pasar dan menyajikan mobil teraman di jalan. Dengan hampir 1,3 juta kematian lalu lintas di seluruh dunia setiap tahunnya dan angka tertinggi lima tahun 1.792 kematian di jalan raya Inggris, melindungi teknologi ADAS semakin mendesak dari sebelumnya.
Skenario Buruk
Insinyur pengujian menghadapi lanskap yang menantang: regulasi yang berkembang, teknologi sensor baru, dan arsitektur berbasis AI yang dapat sulit dipahami. Sengketnya tinggi—setiap insiden berprofil tinggi yang melibatkan kendaraan semi-otonom meningkatkan pengawasan publik, dan bahkan jumlah terbatas dokumentasi tabrakan kendaraan otonom telah merusak kepercayaan konsumen.
Insinyur pengujian harus menentukan seberapa banyak verifikasi yang diperlukan untuk memenuhi standar regulasi dan hukum sambil juga memenuhi harapan publik. Absen pedoman yang jelas untuk sistem AI berarti pendekatan pengujian tradisional tidak mencukupi.
Menurut studi Rand Corporation tahun 2018, kendaraan otonom perlu mencatat puluhan juta mil pengujian untuk secara statistik menunjukkan kinerja setara—atau unggul—dibanding pengemudi manusia. Mencapai volume ini dalam waktu yang realistis memerlukan strategi pengujian inovatif dan lingkungan simulasi skala besar.
Kisah Pembelajaran Mesin
Pemetaan otonom penuh sangat bergantung pada model pembelajaran mesin karena spektrum skenario dunia nyata efektifnya tak terbatas. Insinyur mengumpulkan sejumlah besar data berkendara manusia, melabelinya, dan melatih jaringan saraf tiris untuk mereplikasi pengambilan keputusan manusia.
Sementara tim desain dapat mengembangkan algoritma dasar, model yang dihasilkan berfungsi sebagai kotak hitam, yang menyulitkan validasi. Insinyur pengujian oleh karena itu harus merancang perpustakaan skenario komprehensif yang mencakup berbagai kasus tepi, karena kurangnya wawasan ke dalam logika internal mencegah pengujian unit tradisional.
Peta Jalan Baru
Portofolio sensor berkembang dengan cepat, menggerakkan pengurangan biaya dan pilihan arsitektur baru. Produsen harus memutuskan antara pemrosesan onboard terpusat dan pemrosesan edge terdistribusi, dan mereka harus merencanakan penambahan sensor di masa depan seperti LiDAR, radar, dan array kamera tambahan.
Komputasi cloud dan konektivitas 5G menambahkan lapisan kompleksitas lainnya, memungkinkan pertukaran data real-time dan diagnostik jarak jauh tetapi juga memunculkan pertimbangan latensi dan bandwidth.
Karena campuran sensor platform di masa depan tidak pasti, tim pengujian memerlukan infrastruktur fleksibel yang dapat mengintegrasikan hardware baru tanpa rekonstruksi yang mahal. Rangka pengujian modular dan lingkungan virtual memungkinkan skalabilitas cepat payload kamera, radar, dan LiDAR.
Membangun untuk Perubahan
Saat fitur otonom bergerak dari prototipe ke produk, badan regulasi harus berkembang untuk melindungi konsumen. Standar seperti ISO 26262 untuk keselamatan fungsional dan protokol pengujian tabrakan EURO-NCAP sudah membentuk industri, sementara kerangka etika yang baru saja diterbitkan oleh Jerman untuk kendaraan otonom menetapkan preceden untuk aturan pengambilan keputusan.
Meski standar formal berkembang, perusahaan akan memperkenalkan lapisan pengujian proprietari untuk membedakan diri. Infrastruktur pengujian yang terbuka dan dapat disesuaikan akan memberi insinyur kelincahan untuk mengintegrasikan persyaratan regulasi baru dan tujuan keselamatan internal.
Penulis blog ini adalah Jeff Phillips, kepala Pemasaran Otomotif, National Instruments
