Vehicle platooning adalah sebuah metode berkendara dengan menggabungkan
beberapa kendaraan menjadi sebuah regu dengan tujuan meningkatkan kapasitas
kendaraan dalam sebuah jalan. Kendali dalam vehicle platooning dapat dibagi
menjadi dua buah, yaitu kendali longitudinal dan lateral. Kendali longitudinal
vehicle platooning menggunakan metode adaptive cruise control (ACC), dan
dikembangkan lebih lanjut menjadi cooperative adaptive cruise control (CACC).
Kendali lateral menggunakan metode look-down, yaitu metode yang
menggunakan sensor untuk mendeteksi marka jalan. Kelemahan dari metode
look-down adalah marka jalan dapat sangat sulit dideteksi sehingga pembacaan
marka tersebut menjadi sangat terganggu. Kelemahan tersebut diatasi dengan
pengembangan pendekatan look-ahead, dimana kendaraan follower menggunakan
kendaraan yang berada di depannya sebagai referensi. Kelemahan dari pendekatan
ini adalah permasalahan cutting corner, yaitu keadaan saat kendaraan berbelok
bersamaan dengan kendaraan yang menjadi referensi. Untuk mengatasi hal
tersebut, dikembangkanlah pendekatan yang disebut extended look-ahead. Pada
penelitian ini, untuk mengendalikan pendekatan extended look-ahead dan kendali
CACC di dalam vehicle platooning, digunakan algoritma deep deterministic
policy gradient atau ddpg karena algoritma tersebut mampu mengendalikan
vehicle platooning dalam ranah kontinu dan model free. Hasil dari penelitian ini
menunjukkan model DDPG mampu mengendalikan kendaraan follower untuk
mengikuti kendaraan leader tanpa secara aktif menyusul kendaraan leader dan
tidak terjadi cutting corner. Hasil ini dibuktikan dengan menggunakan simulasi
Donkey Car Gym dan diimplementasikan dengan menggunakan robot Donkey
Car.