MIT dan Toyota Rilis Dataset Untuk Penelitian Sistem Kemudi Otonomos

Ilustrasi Mobil Otonomos, Sistem Kemudi Otonomos. Kredit: Julien Tromeur via Pixabay

Liputan6.com, Jakarta - MIT dan Toyota merilis dataset untuk penelitian terkait sistem kemudi otonomos. Melalui dataset terbuka bernama DriveSeg itu, MIT dan Toyota berupaya untuk memajukan penelitian di bidang ini.

"Dataset ini diharapkan dapat mendorong para peneliti, industri, dan inovator lainnya untuk mengembangkan wawasan dan arah baru ke dalam pemodelan temporal AI," kata Bryan Reimer, Peneliti di MIT dikutip dari rilis resmi MIT, Jumat (26/6/2020).

Bryan menekankan bahwa kemitraan antara MIT dan Toyota sejak lama telah memungkinkan upaya penelitian ini terwujud yang diharapkan dapat memengaruhi teknologi keselamatan di masa depan.

Sementara itu, Rini Sherony, insinyur senior Toyota CSRC menyatakan bahwa kekuatan prediktif adalah bagian penting dari kecerdasan manusia.

"Setiap kali kita mengemudi, kita selalu melacak pergerakan lingkungan di sekitar kita untuk mengidentifikasi risiko potensial dan mengambil keputusan yang lebih aman. Dengan membagikan dataset ini, kami berharap dapat mempercepat penelitian tentang sistem kemudi otonomos dan fitur keselamatan canggih yang lebih selaras dengan kompleksitas lingkungan di sekitarnya," ujar Rini.

2 dari 3 halaman

Kotak imajiner

Memang, data sistem kemudi otonomos yang tersedia hingga saat ini untuk komunitas penelitian terutama terdiri dari kumpulan gambar statis dan tunggal.

Kumpulan gambar itu lalu digunakan untuk mengidentifikasi dan melacak objek umum di jalanan dan sekitarnya, seperti sepeda, pejalan kaki, atau lampu lalu lintas, melalui penggunaan kotak imajiner yang disebut "bounding boxes".

3 dari 3 halaman

Lebih mirip situasi nyata

Sebaliknya, DriveSeg memuat representasi tingkat piksel lebih tepat dari banyak objek jalanan umum yang sama, tetapi melalui sudut pandang video suasana mengemudi yang bersifat kontinu.

Jenis segmentasi suasana utuh ini akan sangat berperan penting dalam mengidentifikasi lebih banyak objek tak berbentuk lainnya. Menurut Sherony, persepsi suasana mengemudi berbasis video menyediakan aliran data yang lebih mirip dengan situasi nyata dan dinamis.