Perpustakaan Digital ITB

Perkembangan teknologi menyebabkan sektor industri berubah. Salah satu industri yang terdampak adalah transportasi. Trem merupakan salah satu transportasi massal yang terdampak perubahan teknologi. Saat ini Tim Riset Proyek Inovatif Trem Otonom ITB sedang mengembangkan trem otonom bertenaga baterai dengan dukungan kecerdasan buatan. Tim Riset Proyek Inovatif Trem Otonom ITB menggunakan sebuah perangkat keras yang dikhususkan untuk pengembangan kendaraan otonom, yaitu NVIDIA AGX DRIVE Pegasus. Tim Riset Proyek Inovatif Otonom ITB dibagi menjadi berbagai tim, salah satunya adalah tim persepsi. Tim persepsi mengembangkan algoritma yang melakukan deteksi objek kemudian hasil akan dikirimkan kepada tim pengambilan keputusan berupa informasi bounding box, lokasi x dan y, kecepatan, serta jarak terhadap trem. Arsitektur model deteksi objek harus memiliki kecepatan inferensi yang lebih singkat dibandingkan arsitektur model sebelumnya, yaitu YOLO v3 sehingga tidak terjadi keterlambatan dalam pengambilan keputusan. Selain itu, algoritma deteksi objek yang diimplementasikan harus dapat mendeteksi objek lingkungan Indonesia. Kecepatan inferensi yang singkat lebih dibutuhkan dibandingkan dengan tingkat kepercayaan deteksi objek karena pengambilan keputusan harus cepat sehingga kecelakaan dapat dihindari. Pada tugas akhir ini didapatkan bahwa YOLOv6 merupakan model arsitektur yang memiliki waktu inferensi lebih singkat, yaitu 35 ms serta dapat dikonversi ke format yang didukung NVIDIA DRIVE AGX Pegasus. Objek lokal Indonesia dapat dideteksi dengan menerapkan fine-tuning. Fine-tuning yang dilakukan dalam 1600 data diaugmentasi menjadi 3200 data lalu dibagi dengan komposisi 60% data latih, 20% data validasi, dan 20% data tes. Setelah fine-tuning dilakukan, hasil yang didapatkan learning rate 0.0128 memiliki mAP@0.50 sebesar 0.8662 dan mAP@0.50:0.95 sebesar 0.6918. Fine-tuning dilakukan terhadap epochs dan didapatkan pada epochs 50, mAP@0.50 sebesar 0.7715 dan mAP@0.50:0.95 sebesar 0.5832. Modul persepsi dapat diintegrasikan sesama sensor maupun antar sensor dengan menerapkan konvensi penamaan fungsi serta penyesuaian argumen saat menjalankan program. Hasil deteksi antar sensor dilakukan dengan modifikasi algoritma NMS sehingga dapat menyesuaikan kecepatan dan jarak yang dideteksi.