Untuk yang terakhir satu setengah tahun, dua diretas putih Tesla Model 3 sedan yang masing-masing dilengkapi dengan lima kamera tambahan dan satu superkomputer seukuran telapak tangan telah melaju dengan tenang San Fransisco. Di kota dan era yang penuh dengan pertanyaan tentang kemampuan dan batasan kecerdasan buatan, startup di balik Tesla yang dimodifikasi mencoba menjawab pertanyaan sederhana: Seberapa cepat sebuah perusahaan dapat membangun perangkat lunak kendaraan otonom saat ini?
Startup yang hari ini pertama kali mengumumkan aktivitasnya kepada publik disebut HyprLab. Timnya yang beranggotakan 17 orang (hanya delapan di antaranya bekerja penuh waktu) dibagi antara Paris dan San Francisco, dan perusahaan tersebut dipimpin oleh seorang veteran perusahaan kendaraan otonom, kebun binatang salah satu pendiri Tim Kentley-Klay, yang tiba-tiba keluar perusahaan yang kini dimiliki Amazon pada tahun 2018. Hypr menerima pendanaan yang relatif sedikit, yaitu $5,5 juta sejak tahun 2022, namun ambisinya sangat luas. Pada akhirnya, mereka berencana untuk membuat dan mengoperasikan robotnya sendiri. “Bayangkan anak cinta R2-D2 dan Sonic the Hedgehog,” kata Kentley-Klay. “Ini akan menentukan kategori baru yang saat ini belum ada.”
Namun, untuk saat ini, startup tersebut mengumumkan produk perangkat lunaknya yang disebut Hyprdrive, yang dianggap sebagai lompatan maju dalam cara para insinyur melatih kendaraan untuk mengemudikan dirinya sendiri. Lompatan semacam ini terjadi di bidang robotika, berkat kemajuan pembelajaran mesin yang menjanjikan penurunan biaya pelatihan perangkat lunak kendaraan otonom, dan jumlah tenaga kerja manusia yang terlibat. Evolusi pelatihan ini telah membawa gerakan baru ke ruang yang telah berlangsung selama bertahun-tahun menderita melalui “palung kekecewaan,” karena para pembuat teknologi gagal memenuhi tenggat waktu mereka sendiri untuk mengoperasikan robot di ruang publik. Sekarang, robotaxis mengambil penumpang yang membayar di lebih banyak kotadan pembuat mobil membuat janji-janji baru yang ambisius menghadirkan self-driving ke mobil pribadi pelanggan.
Namun menggunakan tim yang kecil, gesit, dan murah untuk beralih dari “mengemudi dengan cukup baik” menjadi “mengemudi dengan jauh lebih aman daripada manusia” adalah sebuah rintangan yang panjang. “Saya tidak bisa mengatakan kepada Anda, secara langsung, bahwa ini akan berhasil,” kata Kentley-Klay. “Tetapi apa yang kami bangun adalah sinyal yang sangat kuat. Ini hanya perlu ditingkatkan.”
Teknologi Lama, Trik Baru
Teknik pelatihan perangkat lunak HyprLabs merupakan permulaan dari pendekatan startup robotika lain yang mengajarkan sistem mereka untuk mengemudi sendiri.
Pertama, beberapa latar belakang: Selama bertahun-tahun, pertarungan besar dalam kendaraan otonom tampaknya terjadi antara mereka yang hanya menggunakan kamera untuk melatih perangkat lunak mereka—Tesla!—dan mereka yang juga bergantung pada sensor lain—Waymo, Cruise!—termasuk lidar yang mahal sekali dan radar. Namun di bawah permukaan, terdapat perbedaan filosofis yang lebih besar.
Penganut kamera saja seperti Tesla ingin menghemat uang sambil berencana meluncurkan armada robot raksasa; selama satu dekade, rencana CEO Elon Musk adalah tiba-tiba mengalihkan semua mobil pelanggannya ke mobil self-driving hanya dengan menekan pembaruan perangkat lunak. Keuntungannya adalah perusahaan-perusahaan ini memiliki banyak sekali data, karena mobil mereka yang belum bisa mengemudi sendiri mengumpulkan gambar ke mana pun mereka berkendara. Informasi ini dimasukkan ke dalam apa yang disebut model pembelajaran mesin “end-to-end” melalui penguatan. Sistem mengambil gambar—sebuah sepeda—dan mengeluarkan perintah mengemudi—gerakkan roda kemudi ke kiri dan perlambat akselerasi agar tidak terbentur. “Ini seperti melatih seekor anjing,” kata Philip Koopman, peneliti perangkat lunak dan keselamatan kendaraan otonom di Universitas Carnegie Mellon. “Pada akhirnya, Anda berkata, ‘Anjing nakal’, atau ‘Anjing baik’.”
Sementara itu, para pendukung multi-sensor menghabiskan lebih banyak uang di muka. Mereka memiliki armada yang lebih kecil yang menangkap lebih sedikit data, namun mereka bersedia membayar tim besar yang terdiri dari manusia untuk memberi label pada informasi tersebut, sehingga perangkat lunak mengemudi otonom dapat melatihnya. Seperti inilah penampakan sepedanya, dan beginilah pergerakannyamanusia ini mengajarkan sistem mengemudi mandiri melalui pembelajaran mesin. Sementara itu, para insinyur mampu memprogram aturan dan pengecualian, sehingga sistem tidak mengharapkan, misalnya, gambar sepeda berperilaku seperti gambar tiga dimensi.
HyprLabs percaya bahwa mereka dapat melakukan keduanya, dan berpikir bahwa mereka dapat mengambil keuntungan dari pendekatan yang lebih efisien. Startup tersebut mengatakan bahwa sistemnya, yang sedang dalam pembicaraan untuk dilisensikan kepada perusahaan robotika lain, dapat belajar sambil bekerja, secara real-time, dengan data yang sangat sedikit. Ini menyebut teknik ini “pembelajaran run-time.” Perusahaan memulai dengan model transformator, sejenis jaringan saraf, yang kemudian belajar sambil berjalan di bawah bimbingan supervisor manusia. Hanya potongan data baru yang dikirim kembali ke “induk” startup, yang digunakan untuk menyempurnakan sistem. Hanya bit yang diubah yang dikirim kembali ke sistem kendaraan. Secara total, dua Tesla milik Hypr hanya mengumpulkan 4.000 jam data mengemudi—senilai sekitar 65.000 mil—dan perusahaan hanya menggunakan sekitar 1.600 jam tersebut untuk benar-benar melatih sistemnya. Bandingkan dengan Waymo, yang telah menempuh jarak 100 juta mil secara otonom selama lebih dari satu dekade masa pakainya.
Namun, perusahaan tersebut belum siap untuk menjalankan layanan bergaya Waymo di jalan umum (dan mungkin juga beroperasi dalam konteks non-jalanan lainnya). “Kami tidak mengatakan ini siap produksi dan siap keselamatan,” kata Kentley-Klay, “Tetapi kami menunjukkan kemampuan berkendara yang mengesankan dengan jumlah tenaga yang sangat sedikit. [computational work].”
Ujian sebenarnya bagi startup ini mungkin akan terjadi tahun depan, ketika mereka berencana memperkenalkan robot yang tidak biasa. “Ini sangat liar,” kata Kentley-Klay.
