BRIN Perkuat Riset AI untuk Kendaraan Otonom dan Layanan Kesehatan
Badan Riset dan Inovasi Nasional (BRIN) memperkuat riset AI dan Kendaraan Otonom, khususnya di bidang infrastruktur perkeretaapian dan layanan kesehatan. Hal ini dilakukan untuk mendukung keselamatan transportasi serta peningkatan kualitas layanan kesehatan.
Yanuandri Putrasari, Kepala PRMC, mengatakan, perkembangan teknologi AI dan kendaraan otonom berkembang pesat dan kendaraan otonom bisa dikembangkan di berbagai bidang. Tidak hanya pengangkut penumpang jalanan umum, namun bisa dimanfaatkan di perkeretaapian dan layanan medis.
“Kami berharap melalui webinar ini dapat menambah jejaring dan kolaborasi dalam melaksanakan riset kendaraan otonom,” terangnya saat membuka webinar PRMC #11 dengan topik ‘AI-Driven Autonomous Vehicles for Railway Diagnostics and Medical Navigation’, baru-baru ini.
Baca Juga: Regulasi Wajibkan Gedung Bertingkat Pasang <i>Water Mist</i> Digodok
Mohammad Abu Jami’in, dari Politeknik Perkapalan Negeri Surabaya, memaparkan pengembangan kendaraan otomatis berbasis computer vision dan AI. “Riset ini ditujukan untuk deteksi serta prediksi kerusakan infrastruktur perkeretaapian.”
“Infrastruktur rel memiliki peran vital dalam mendukung mobilitas masyarakat dan distribusi logistik nasional, sehingga aspek keselamatan operasional harus menjadi prioritas utama. Namun demikian, metode inspeksi konvensional dinilai sudah tidak lagi memadai untuk mendeteksi kerusakan secara dini dan menyeluruh,” terangnya, dilansir laman BRIN.
Sumber; BRINPlatform Internet of Things
Baca Juga: Rawan Gempa, BRIN Petakan Sesar dari Ujung Kulon hingga Banyuwangi
Lebih lanjut, Jami’in menegaskan bahwa teknologi yang dikembangkan mengintegrasikan kamera resolusi tinggi, sistem night vision, serta berbagai sensor yang dikombinasikan dengan algoritma deep learning. Sistem ini mampu mendeteksi dan mengklasifikasikan berbagai jenis kerusakan rel, seperti retakan mikro, deformasi, dan korosi, secara real-time, termasuk pada kondisi pencahayaan rendah.
Melalui penerapan model YOLO (You Only Look Once), Human Pose Estimation (HPE), dan Quasi linear-ARX Neural Network + convolutional neural network (QARXNN-CNN), tingkat akurasi deteksi diklaim dapat melampaui 90 persen, sehingga mendukung pengambilan keputusan pemeliharaan yang lebih cepat dan berbasis data.
“Sistem deteksi tersebut diintegrasikan ke dalam platform Internet of Things (IoT) yang memungkinkan proses monitoring, visualisasi data, serta notifikasi otomatis kepada operator pemeliharaan. Dengan pendekatan ini, pengelolaan infrastruktur perkeretaapian tidak lagi bersifat reaktif, melainkan prediktif dan preventif, sehingga berpotensi menekan risiko kecelakaan serta meningkatkan keandalan layanan transportasi rel,” beber Abu Jami’in.
Kendaraan Otonom untuk Aplikasi Medis
Khairul Anam dari Universitas Jember, pada kesempatan tersebut memaparkan perkembangan dan potensi kendaraan otonom untuk aplikasi medis, khususnya di lingkungan rumah sakit.
“Pemanfaatan robot dan kendaraan otonom telah berkembang pesat dan mencakup berbagai kategori, mulai dari robot bedah, robot transportasi dan logistik, robot telepresence, robot rehabilitasi, hingga kursi roda cerdas,” ungkapnya.
Kendaraan otonom di rumah sakit dimanfaatkan untuk membantu distribusi obat, sampel, dan peralatan medis secara mandiri, sehingga dapat mengurangi beban kerja tenaga kesehatan serta meminimalkan risiko kontaminasi. Selain itu, teknologi kursi roda cerdas berbasis biosignal seperti EMG dan EEG memungkinkan pasien dengan keterbatasan fisik untuk bernavigasi secara mandiri melalui perintah gerakan otot, suara, maupun gerakan kepala.
“Sistem navigasi otonom yang dikembangkan memanfaatkan machine learning dan deep learning untuk mengenali jalur di koridor rumah sakit, mendeteksi rintangan, serta menyesuaikan pergerakan dengan kondisi lingkungan. Hasil pengujian menunjukkan tingkat akurasi yang menjanjikan dalam berbagai kondisi pencahayaan, sehingga membuka peluang penerapan lebih luas di fasilitas layanan kesehatan,” tutup Khairul.
