Sebuah startup kecil, HyprLabs, mendorong batasan pengembangan perangkat lunak kendaraan otonom (AV) dengan melatih sistem secara cepat menggunakan pendekatan baru. Selama satu setengah tahun terakhir, perusahaan telah menguji teknologinya pada Tesla Model 3 yang dimodifikasi di sekitar San Francisco, dengan tujuan untuk menentukan seberapa cepat perusahaan dapat membangun perangkat lunak AV yang andal saat ini.
Tantangan Pengembangan Kendaraan Otonom
Industri AV telah lama menghadapi “palung kekecewaan,” di mana jadwal ambisius tidak terpenuhi dan kemajuan terhenti. Namun, kemajuan dalam pembelajaran mesin kini mengurangi biaya dan tenaga manusia yang diperlukan untuk melatih sistem mengemudi mandiri. Meskipun demikian, mencapai otomatisasi yang benar-benar aman dan andal masih merupakan tantangan besar. Salah satu pendiri HyprLabs, Tim Kentley-Klay, mengakui hal ini: “Saya tidak bisa mengatakan kepada Anda, secara langsung, bahwa ini akan berhasil, tetapi apa yang kami bangun adalah sinyal yang sangat kuat.”
Pendekatan HyprLabs: Pembelajaran Run-Time
HyprLabs, dipimpin oleh salah satu pendiri Zoox, Tim Kentley-Klay, mengambil pendekatan yang unik. Perangkat lunak perusahaan, yang disebut Hyprdrive, bertujuan untuk menyederhanakan pelatihan AV. Tidak seperti metode tradisional yang mengandalkan kumpulan data besar atau rangkaian sensor yang mahal, HyprLabs menggunakan teknik “pembelajaran run-time”.
Sistem ini menggunakan model transformator dan belajar secara real-time, dipandu oleh pengawas manusia. Hanya data baru dan relevan yang dikirim kembali ke perusahaan untuk disempurnakan, sehingga mengurangi beban komputasi. Hingga saat ini, kedua kendaraan startup tersebut hanya mengumpulkan data berkendara selama 4.000 jam (sekitar 65.000 mil), dengan hanya 1.600 jam yang digunakan untuk pelatihan—jauh lebih sedikit dibandingkan kompetitor seperti Waymo, yang telah menempuh jarak lebih dari 100 juta mil otonom.
Evolusi Pelatihan AV
Selama bertahun-tahun, industri AV terbagi antara sistem kamera saja (seperti Tesla) dan sistem yang menggunakan kombinasi sensor (seperti Waymo dan Cruise). Pendekatan kamera saja bertujuan untuk menghemat uang, namun mengandalkan sejumlah besar data dari kendaraan yang tidak sepenuhnya otonom. Sistem multi-sensor berinvestasi pada perangkat keras yang lebih mahal tetapi menggunakan kumpulan data yang lebih kecil dengan pelabelan manusia yang ekstensif. HyprLabs berupaya menggabungkan efisiensi sistem berbasis kamera dengan ketepatan data berlabel, pembelajaran di tempat kerja dengan intervensi minimal.
Rencana Masa Depan: Selain Mobil
Meskipun HyprLabs belum siap untuk penerapan komersial, HyprLabs berencana untuk melisensikan perangkat lunaknya ke perusahaan robotika lain. Perusahaan ini juga mengembangkan robotnya sendiri—yang digambarkan oleh Kentley-Klay sebagai “anak cinta R2-D2 dan Sonic the Hedgehog”—yang dijadwalkan dirilis tahun depan. Tujuan jangka panjangnya adalah menciptakan kategori robot baru yang saat ini belum ada.
Keberhasilan HyprLabs akan bergantung pada penskalaan teknologinya sekaligus memastikan keamanan dan keandalan. Pendekatan pelatihan cepat yang dilakukan oleh startup ini berpotensi mengganggu industri AV, namun penerapan di dunia nyata memerlukan pengujian dan validasi yang ketat.
