MIT Advanced Vehicle Technology Study (MIT-AVT)

bzn7YEvoUaU • 2018-03-26

Transcript preview

Open

Kind: captions
Language: en
as part of the MIT autonomous vehicle
technology study we're instrumenting
cars with various degrees of automation
so let's take a look at one of those
cars a Tesla Model S and look at our
instrumentation inside the car we have
three cameras one is looking at the
driver's face and that's capturing
things like where the driver is looking
the draws state of the driver the
emotional state and also cognitive load
we have a camera looking at the driver's
body a fish lens camera that's capturing
the entire body of the driver including
hands and that's giving you information
about whether the hands are off wheel
whether the body is aligned and further
supplementary information about the
state of the driver that the face camera
provides and finally there's a forward-
facing camera attached to the windshield
that's looking at the forward roadway
and it's capturing everything in the
external environment such as the
vehicles the lanes and other
characteristics of the road having these
three cameras in the car allows us to
study driver behavior and interaction
with automation so the driver facing
camera looking at the face a camera
looking at the body and a camera looking
at the outside environment allows us to
understand over hundreds of thousands of
miles of real world driving how people
interact with these Technologies how we
can have artificial intelligence systems
play an important role in keeping us
safe and providing an enjoyable
experience in driving with we have now
to date collected
275,000 M of real world driving and
interaction with autonomous systems in
Tesla Model S vehicles in Land Rover
Evoke vehicles and a Volvo S90 but most
importantly once that data is collected
it's just raw pixels 3.5 billion video
frames of raw pixels we're using
computer vision deep learning methods to
convert those pixels into knowledge into
understanding of what the drivers are
actually doing with these systems that
comes from the face camera that comes
from the body camera and the forward-
facing camera understanding comes from
actually being able to touch every
single one of those frames and convert
them into behavior of human beings as
they interact with these artificial
intelligence systems

Resume

Berikut adalah rangkuman profesional dari transkrip yang diberikan:

# Studi MIT tentang Teknologi Kendaraan Otonom dan Analisis Perilaku Pengemudi

### Inti Sari
MIT melakukan penelitian mendalam mengenai teknologi kendaraan otonom dengan memasang berbagai instrumen pemantau pada mobil, seperti Tesla Model S. Studi ini bertujuan untuk menganalisis interaksi pengemudi dengan sistem otomatisasi melalui pengumpulan data skala besar yang kemudian diproses menggunakan visi komputer dan *deep learning* untuk memahami perilaku manusia di balik kemudi.

### Poin-Poin Kunci
*   **Instrumentasi Canggih:** Penggunaan tiga jenis kamera berbeda untuk memantau wajah, tubuh, dan lingkungan luar pengemudi secara simultan.
*   **Skala Data Besar:** Pengumpulan data mencakup 275.000 mil perjalanan nyata yang menghasilkan 3,5 miliar frame video.
*   **Kendaraan Uji:** Studi ini melibatkan berbagai model mobil dengan tingkat otomatisasi berbeda, termasuk Tesla Model S, Land Rover Evoque, dan Volvo S90.
*   **Pemrosesan AI:** Penerapan *deep learning* untuk mengubah data mentah (piksel) menjadi wawasan tentang keselamatan dan pengalaman pengemudi.

### Rincian Materi

**1. Instrumentasi dan Pemantauan Pengemudi**
Sebagai bagian dari studi teknologi kendaraan otonom, MIT memasang instrumen khusus pada mobil untuk memahami perilaku pengemudi. Menggunakan Tesla Model S sebagai contoh, sistem ini memanfaatkan tiga jenis kamera utama:
*   **Kamera Wajah:** Berfokus pada wajah pengemudi untuk mendeteksi arah pandang (*gaze direction*), tingkat kantuk, keadaan emosional, dan beban kognitif.
*   **Kamera Tubuh (Fish-eye Lens):** Memantau seluruh tubuh dan tangan pengemudi. Kamera ini memverifikasi apakah tangan berada di setir, memantau perataan tubuh, dan melengkapi data dari kamera wajah.
*   **Kamera Menghadap Depan:** Dipasang pada kaca depan untuk merekam lingkungan eksternal, termasuk kendaraan lain, jalur lalu lintas, dan karakteristik jalan.

**2. Statistik Pengumpulan Data**
Penelitian ini dilakukan dengan skala yang luas untuk mendapatkan hasil yang komprehensif:
*   **Jarak Tempuh:** Total data dikumpulkan dari 275.000 mil perjalanan dunia nyata.
*   **Armada Kendaraan:** Selain Tesla Model S, penelitian juga melibatkan Land Rover Evoque dan Volvo S90.
*   **Volume Data:** Sistem berhasil merekam 3,5 miliar frame video mentah yang siap dianalisis.

**3. Metodologi Pemrosesan Data**
Data yang dikumpulkan dianalisis menggunakan teknik canggih:
*   **Visi Komputer & *Deep Learning*:** Teknologi ini digunakan untuk memproses setiap frame video.
*   **Konversi Data:** Tujuannya adalah mengubah piksel mentah menjadi pengetahuan atau pemahaman yang berguna tentang perilaku pengemudi, guna memahami bagaimana kecerdasan buatan (AI) dapat menjaga keselamatan sekaligus memberikan kenyamanan bagi pengemudi.

### Kesimpulan & Pesan Penutup
Studi ini menunjukkan pentingnya integrasi data visual yang mendalam melalui bantuan teknologi *deep learning*. Dengan menganalisis jutaan frame video dari berbagai sudut pandang, peneliti bertujuan untuk memahami secara mendalam bagaimana pengemudi berinteraksi dengan sistem otomatisasi, yang pada akhirnya akan berkontribusi pada pengembangan kendaraan yang lebih aman dan menyenangkan di masa depan.

Read

file updated 2026-02-13 13:24:23 UTC