Oleh: Nurul Syazana bt Mohamad Zwazi merupakan penuntut Sarjana Pendidikan Fizik di Universiti Pendidikan Sultan Idris. Makalah ini diolah daripada McCormick, C. (2019). Self-driving cars find their way in the world. Physics today, 72(7), 66-67 (https://doi.org/10.1063/PT.3.4256).
Kereta swapandu yang juga dikenali sebagai kenderaan berautonomi (AV, autonomous vehicle) boleh dianggap sebagai robot beroda. AV dapat mengemudi sendiri dengan mengesan persekitarannya secara berterusan, memilih satu set tindakan dan seterusnya melaksanakan tindakan tersebut. Kitaran “kesan, pilih dan laksana” ini bergantung kepada satu kombinasi pengesan yang menyalurkan maklumat kepada pelbagai algoritma dan platform pengkomputeran pada kenderaan untuk melaksanakan sistem dalam masa nyata.
AV mudah dikenali ketika berada di atas jalan raya kerana reka bentuknya yang berbeza daripada kenderaan biasa iaitu terdapat pengesan istimewa yang diletakkan di atas bumbung kenderaan ini (Rajah 1). Salah satu bahagian penting yang terdapat di dalam set pengesan ini ialah pengesanan cahaya serta pelbagai unit LIDAR. Unit LIDAR kenderaan ini mengandungi pelbagai laser semikonduktor dan pengesan optik. Sistem kenderaan ini dapat mengira “awanan titik” bagi objek-objek yang berada di sekitarnya dengan memancarkan cahaya inframerah serta mengukur tempoh masa pulang bagi sesuatu pantulan. Awanan titik ialah koleksi data yang diberikan oleh suatu sistem koordinat. Secara kasarnya, awanan titik ini akan dikemaskini pada kadar 10 Hz, iaitu antara 50 hingga 100 m dengan peleraian ruangannya ±2 cm. Walaubagaimanapun, harga satu unit LIDAR ini boleh mencecah puluhan ribu ringgit kerana ketumpatan peleraian datanya yang tinggi.
Data LIDAR AV ini juga disokong dengan pengukuran radar yang beroperasi sama ada pada 24 GHz untuk pengesanan jarak dekat atau 77 GHz untuk pengesanan jarak jauh. Namun begitu, radar ini mempunyai kemampuan peleraian ruangan yang lebih rendah berbanding LIDAR. Radar automotif dapat menentukan betapa lajunya sesuatu objek bergerak mendekati dan menjauhi kenderaan kerana ia dapat mengukur anjakan Doppler bagi gema denyut radar dengan mudah. Anjakan Doppler adalah perubahan frekuensi atau panjang gelombang yang disebabkan oleh gerakan relatif di antara pencerap dan sumber gelombang. Kelebihan ini dapat meningkatkan kebolehan AV untuk mengesan pejalan kaki dan juga kenderaan lain disekitarnya. Radar boleh berfungsi dalam keadaan hujan, salji dan pelbagai jenis cuaca yang tidak dapat dikesan oleh LIDAR. Selain itu, kos seunit radar lebih murah berbanding LIDAR.
AV menggunakan data LIDAR dan radar untuk dua tugas utama. Tugas pertama ialah penentuan kedudukan dan orientasi dalam ruang yang dikenali sebagai penempatan. Penempatan kasar dapat dilaksanakan menggunakan GPS dan biasanya ditambah baik dengan sokongan giroskop dan meter pecut. Namun, AV memerlukan ketepatan penempatan yang tinggi. AV menggunakan pelbagai algoritma untuk menggabungkan data LIDAR dan radar bagi mengenal pasti mercu tanda seperti dinding, pokok dan juga papan tanda.
Tugas kedua bagi LIDAR dan radar ialah pengenalpastian dan pengesanan objek bergerak termasuklah kenderaan lain dan juga pejalan kaki disekitarnya. Statistik algoritma seperti penuras Kalman mengekalkan anggaran kedudukan dan halaju semasa bagi semua objek yang dikesan serta mengemaskini maklumat tersebut menggunakan data LIDAR dan radar. Penderia-penderia yang dapat mengesan objek pada jarak yang jauh adalah sangat penting bagi pemanduan berkelajuan tinggi kerana ia dapat memberikan amaran awal tentang kenderaan lain yang menghampiri AV.
Selain LIDAR dan radar, AV juga menggunakan kamera video digital sebagai teknologi pengesan utama. Kamera-kamera ini menggunakan teknologi CMOS, sebahagian daripadanya digunakan untuk pengesanan objek dekat dan selebihnya untuk objek jauh. Rangkaian neural konvolusi dalam, iaitu suatu bentuk kecerdasan buatan yang canggih digunakan untuk menganalisis imej-imej kamera untuk mengesan dan mengklasifikasikan objek seperti pejalan kaki, basikal, lampu isyarat dan kenderaan lain; untuk mengenal pasti laluan lorong dan ruang terbuka di atas jalan raya; untuk membaca papan tanda jalan; serta untuk tugas-tugas yang lain. Maklumat-maklumat ini boleh digunakan untuk menentusahkan trajektori yang dihitung oleh AV berdasarkan data LIDAR dan radar.
AV menggunakan maklumat yang berkaitan kedudukan dan halajunya, status objek di sekitarnya dan tanda lorong untuk membuat keputusan arah pemanduan. Proses yang dikenali sebagai perancangan laluan ini merangkumi komponen strategik aras tinggi dan taktikal aras rendah. Komponen pertama dapat menentukan sama ada kenderaan ini harus menukar lorong untuk melepasi kenderaan di hadapan mereka dan komponen kedua menentukan darjah pemanduan dan pecutan atau brek optimum untuk mencapai pemanduan dengan sentakan yang minimum. Algoritma perancangan laluan cuba untuk memenuhi beberapa matlamat utama seperti mengelak dari perlanggaran dan melengkapkan pemanduan dalam masa tersingkat dengan had laju terbatas. Ia juga termasuklah penentuan aras tinggi seperti menentukan set laluan jalan terbaik dari titik mula hingga destinasi pemanduan.
Salah satu aspek penting AV ialah kadar pengemaskinian berbeza bagi pelbagai input penderiaan dan pemprosesan data. Penderia ini (LIDAR, radar dan kamera) dikemas kini pada frekuensi yang tinggi (biasanya puluhan hertz) untuk membekalkan maklumat terkini tentang objek berdekatan dan keadaan jalan raya kepada AV. Algoritma penempatan mengemaskini anggaran kedudukan dan halaju AV ini pada frekuensi sederhana jarak (biasanya beberapa hertz) dan algoritma perancangan laluan pula mengemaskini trajektori jarak dekat pada frekuensi yang paling rendah (sekitar satu Hertz) untuk memastikan pemanduan lancar dan selamat. Dalam masa yang sama, pereka AV cuba mengimbangi antara algoritma kompleks dan kuasa elektrik yang diperlukan pemproses dalam meningkatkan kecekapan penggunaan bahan api AV.
AV memanfaatkan gabungan teknologi terkini untuk menghasilkan satu sistem yang dapat mengemudi dalam pelbagai keadaan berbeza. AV telah menunjukkan prestasi teknikal yang mengkagumkan dalam makmal dan di atas jalan raya. Kita mungkin akan dapat menaiki AV lebih cepat daripada yang kita sangkakan.
