Bagaimana Fusi Sensor Meningkatkan Keandalan, Keamanan, dan Efisiensi dalam Sistem Otonom
Fusi sensor tetap menjadi tulang punggung teknologi modern, terutama seiring dengan ekspansi Internet of Things dan kendaraan otonom serta sistem bantu pengemudi canggih (ADAS) yang menjadi mainstream. Meskipun konsep ini berasal dari tahun 1960, industri saat ini membuka wawasan baru tentang stream sensor mana yang harus digabungkan dan bagaimana mengekstrak intelijen yang dapat ditindaklanjuti. Campuran yang tepat bergantung pada aplikasi spesifik dan keseimbangan antara biaya, risiko, dan manfaat.
Berapa banyak fusi sensor yang cukup tergantung pada aplikasi dan manfaat biaya/risiko (Gambar: SAR Insight and Consulting)
Di era di mana aktor individu dan agensi backed state ancam sistem otonom dengan semakin meningkat, fusi sensor lebih krusial dari sebelumnya. Meskipun debat politik sering berpusat pada risiko keamanan informasi 5G, malware yang dapat menyabotase atau melakukan ekstrorsi terhadap operator sistem otonom mempresentasikan bahaya nyata. Arsitek sistem harus mengenali ancaman ini dan menghindari langkah salah yang mahal yang telah melanda raksasa otomotif dan penerbangan. Sebagai contoh, pengingat Pinto Ford pada tahun 1970-an menyoroti biaya manusia dari langkah keamanan yang tidak mencukupi, dan keputusan Boeing untuk menagih biaya tambahan untuk redundansi fusi sensor kritis pada 737 MAX terus berdampak pada rantai pasoknya.
Di luar keselamatan, manfaat ekonomi dan kesehatan dari fusi sensor canggih—baik untuk memantau aktivitas manusia atau mendorong otomatisasi industri—sudah terlihat.
Toleransi Kesalahan dan Ketangguhan
Setiap sensor dan model prediktif carries inherent error. Dengan mengagregasi beberapa pengukuran variabel yang sama, sistem memperoleh keandalan dan ketangguhan, mengurangi kegagalan yang sebaliknya bisa berakibat fatal. Meskipun redundansi memperkenalkan biaya dan kompleksitas, kasus Ford dan Boeing menunjukkan bahwa shortcut yang pendek mata dapat mengakibatkan hasil yang menimbulkan bencana.
Resistensi Serangan
Penyerang malware terus mencari cara untuk mengganggu sistem berbasis sensor. Strategi fusi data yang kuat, dikombinasikan dengan protokol aman dan deteksi anomali berbasis AI, dapat melindungi operasi dari intrusi semacam itu. Vektor serangan umum meliputi:
Signal spoofing LiDAR dan kamera;
Signal cancelation dan interferensi dengan sensor magnetik ABS atau papan lalu lintas yang di-vandalisme;
Side-channel leaks di mana malware yang diimplantasi memanen informasi sensitif melalui sensor.
Fusi Multi-Sensor Aktivitas Manusia
Menggabungkan sensor wearable dan ambient untuk menginterpretasikan perilaku manusia memberikan hasil kesehatan yang superior dan penghematan biaya—kritis seiring dengan penuaan populasi. Use cases meliputi pengasuhan lansia, deteksi jatuh, pengawasan keamanan, pemantauan atlet, status first responder, dan alat navigasi untuk cacat.
Fusi Data di Jaringan
Secara historis, fusi dan analitik terjadi di server pusat atau di cloud. Miniaturisasi dan pengurangan biaya sensor sekarang memungkinkan AI dan machine learning di level edge. Arsitektur hibrid masa depan akan berlapis fusi data di tiga tingkat:
Fusi low-level pada perangkat cerdas atau gateway yang mengagregasi multiple input;
Fusi mid-level di gateway hub dan node compute edge untuk analitik yang lebih dalam di seluruh perangkat yang lebih luas;
Fusi high-level di data center atau cloud, menawarkan perspektif sistem yang paling luas.
Biaya Operasional yang Lebih Rendah
Fusi sensor memperluas jangkauan dan utilitas perangkat otonom—UAV, robotika, dan lebih banyak—mengurangi biaya operasional. Manfaat termasuk hindaran tabrakan otomatis untuk drone inspeksi, intervensi pengemudi jarak jauh dalam transportasi yang hampir otonom, dan pengurangan biaya tenaga kerja dalam skenario operasi jarak jauh.
Tren
Miniaturisasi dan pengurangan biaya terus berlanjut di seluruh sensor, processor, dan konektivitas, didorong oleh consumerization di ekosistem industri dan IoT. CES 2020 memamerkan breakthrough sensor MEMS, seperti cermin LiDAR yang lebih kecil yang bermanfaat untuk otomotif dan sistem transportasi cerdas.
Filter Kalman tetap menjadi algoritma standar untuk fusi sensor, memodelkan status sistem dengan pengukuran dan prediksi kontinu. Dalam sistem yang semakin kompleks, arsitek juga menggunakan machine learning dan jaringan syaraf tiruan untuk melawan sinyal-injeksi yang canggih.
Dengan mengintegrasikan fusi sensor dengan bijak, desainer dan arsitek dapat memperkuat integritas, keandalan, dan ketangguhan sistem—melindungi orang, properti, dan kepentingan ekonomi dari baik gangguan maupun aktivitas berbahaya.
>> Artikel ini awalnya diterbitkan di situs saudara kami, EE Times Europe.
