Waymo Butuh Lebih dari 20 Tahun, Mengapa Otomasi Fisik Begitu Lama?

Kompetisi DARPA Grand Challenge pada 2004 dan 2005 menjadi salah satu tonggak perkembangan kendaraan tanpa pengemudi modern. Ajang tersebut mempertemukan berbagai tim yang berusaha membuat kendaraan mampu bergerak secara mandiri di lingkungan yang kompleks.

Kemajuan yang lahir dari eksperimen tersebut kemudian mendorong penelitian lebih serius mengenai persepsi komputer, pemetaan, navigasi, sensor, serta pengambilan keputusan otomatis. Teknologi tersebut menjadi fondasi penting bagi perkembangan kendaraan otonom generasi berikutnya.

Namun, kendaraan yang mampu menyelesaikan lintasan dalam kondisi tertentu belum otomatis siap membawa penumpang di jalan raya. Perbedaan antara demonstrasi teknologi dan layanan komersial sangat besar.

Jalan raya tidak memiliki kondisi yang selalu dapat diprediksi. Kendaraan harus menghadapi pejalan kaki, pengendara sepeda, kendaraan darurat, marka jalan yang berubah, cuaca, konstruksi, persimpangan rumit, hingga perilaku manusia yang tidak selalu mengikuti aturan.

Karena itu, mobil otonom membutuhkan sistem yang bukan hanya mampu mengenali objek, tetapi juga memahami konteks dan menentukan tindakan secara tepat. Kesalahan kecil dalam lingkungan fisik dapat memiliki konsekuensi yang jauh lebih serius dibandingkan kesalahan pada aplikasi digital.

Dalam otomasi perangkat lunak, sebuah sistem dapat diperbarui melalui kode dan didistribusikan secara relatif cepat. Pada kendaraan otonom, perubahan algoritma harus mempertimbangkan interaksi dengan kendaraan, manusia, infrastruktur, dan kondisi jalan.

Setiap peningkatan sistem membutuhkan pengujian dan validasi. Pengembang perlu memastikan bahwa teknologi tidak hanya bekerja dalam kondisi ideal, tetapi juga mampu menghadapi situasi langka yang sulit diprediksi.

Inilah salah satu alasan mengapa perjalanan menuju kendaraan otonom komersial berlangsung panjang. Kecepatan inovasi harus berjalan bersama tingkat keselamatan yang dapat dipertanggungjawabkan.

Mobil otonom juga bergantung pada kombinasi berbagai teknologi, termasuk sensor, kamera, sistem komputasi, pemetaan, perangkat lunak, serta sistem kendali kendaraan. Seluruh komponen tersebut harus bekerja secara terpadu dan memiliki tingkat keandalan tinggi.

Tantangannya semakin besar ketika kendaraan bergerak di lingkungan yang berbeda. Jalan di pusat kota memiliki karakteristik yang berbeda dari kawasan pinggiran, sementara kondisi lalu lintas dan cuaca juga dapat berubah secara signifikan.

Karena itu, keberhasilan sebuah sistem di satu wilayah tidak berarti teknologi tersebut langsung siap diterapkan di semua tempat.

Kasus Waymo memberikan perspektif penting terhadap pembicaraan mengenai perkembangan artificial intelligence. AI berbasis perangkat lunak dapat berkembang sangat cepat, tetapi penerapannya pada dunia fisik menghadapi hambatan tambahan.

Robot, kendaraan, mesin industri, dan perangkat otomatis harus berinteraksi langsung dengan lingkungan. Mereka membutuhkan sensor, aktuator, energi, perangkat keras, pengujian keselamatan, serta kepatuhan terhadap regulasi.

Karena itu, prediksi bahwa AI akan segera mengotomatisasi seluruh pekerjaan fisik perlu dilihat secara lebih kritis. Kemampuan kognitif AI dapat meningkat dengan cepat, tetapi menerjemahkan kemampuan tersebut menjadi tindakan fisik yang konsisten, aman, dan ekonomis merupakan persoalan berbeda.

Perbedaan tersebut dapat membantu menjelaskan mengapa sejumlah pekerjaan berbasis komputer berpotensi mengalami perubahan lebih cepat. Sistem digital tidak harus menghadapi seluruh kompleksitas lingkungan fisik.

Sebaliknya, robot atau kendaraan harus menghadapi dunia yang penuh ketidakpastian. Teknologi harus mampu mengenali kondisi, mengambil keputusan, dan bertindak secara tepat dalam hitungan detik.

Perjalanan lebih dari dua dekade menuju komersialisasi mobil otonom menunjukkan bahwa kemampuan AI tidak selalu menjadi satu-satunya faktor penentu kecepatan otomatisasi. Perangkat keras, keselamatan, regulasi, biaya, infrastruktur, dan penerimaan masyarakat turut menentukan.

Studi kasus Waymo menunjukkan bahwa otomasi fisik adalah proses jangka panjang. Berawal dari perkembangan yang mendapat dorongan besar melalui kompetisi DARPA pada 2004–2005, teknologi mobil otonom membutuhkan lebih dari 20 tahun untuk mencapai tahap operasi komersial, dengan penggunaan yang masih terbatas pada wilayah tertentu.

Pelajaran terpentingnya adalah bahwa kecerdasan buatan tidak serta-merta membuat dunia fisik dapat diotomatisasi dengan cepat. Semakin dekat teknologi berinteraksi dengan manusia dan lingkungan nyata, semakin besar kebutuhan terhadap pengujian, keselamatan, infrastruktur, dan regulasi. Karena itu, masa depan otomasi kemungkinan tidak hanya ditentukan oleh seberapa pintar AI, tetapi juga seberapa andal AI tersebut ketika harus bertindak di dunia nyata.

FAQ

1. Mengapa pengembangan mobil otonom membutuhkan waktu lebih dari 20 tahun? Karena kendaraan harus menghadapi kompleksitas dunia nyata, termasuk keselamatan, kondisi jalan, perilaku manusia, sensor, perangkat keras, pengujian, dan regulasi.
2. Apa hubungan Waymo dengan kompetisi DARPA? Perkembangan kendaraan otonom modern memiliki akar penting pada kompetisi DARPA Grand Challenge 2004 dan 2005, yang mendorong riset kendaraan tanpa pengemudi.
3. Apakah mobil otonom sudah digunakan secara komersial? Ya, layanan kendaraan otonom telah beroperasi secara komersial, tetapi penerapannya masih terbatas pada wilayah dan kondisi operasi tertentu.
4. Mengapa otomasi fisik berbeda dari otomasi perangkat lunak? Otomasi fisik harus berinteraksi langsung dengan lingkungan dan manusia sehingga membutuhkan perangkat keras, sensor, kendali, serta standar keselamatan yang jauh lebih kompleks.
5. Apa pelajaran utama dari perkembangan Waymo? Kemajuan AI tidak otomatis membuat otomasi fisik berlangsung cepat karena komersialisasi teknologi juga ditentukan oleh keselamatan, keandalan, biaya, infrastruktur, regulasi, dan kondisi lingkungan.