Bagaimana Model End-to-End Mengubah Mengemudi Otonom?

Apa yang terlintas di pikiran Anda ketika membayangkan mobil yang mengemudi sendiri? Mungkin puluhan sensor yang dipasang di sepanjang jalan, peta raksasa, dan para insinyur yang telah menulis setiap situasi sebagai aturan di muka, bukan? Nah, Tesla dengan FSD versi 12 membalikkan gambaran tersebut: kini tidak ada lagi ribuan aturan yang ditulis secara manual; gambar kamera mentah masuk, keluar perintah setrik-rem-gas. Lalu, apa sebenarnya makna memberi tahu jaringan saraf "pelajari mengemudi"? Bagaimana transisi ini mengubah dunia mengemudi otonom - dan di mana ia tersendat?
Arsitektur Modular Klasik: Lini Produksi di Dalam Asisten Pengemudi
Sebelum membahas end-to-end, memahami tatanan lama itu penting, karena sebagian besar sistem di jalan saat ini masih bekerja dengan logika ini. Arsitektur modular membangun perangkat lunak mengemudi otonom seperti sebuah lini produksi: setiap tahap mengerjakan tugasnya sendiri dan menyerahkan hasilnya ke tahap berikutnya. Dari Cruise, salah satu kendaraan pemenang pertama DARPA Grand Challenge, hingga Mobileye dan Autoware open source, pendekatan ini memiliki sejarah yang panjang.
- Persepsi (Perception): Data LiDAR, kamera, dan radar diproses untuk mendeteksi objek; algoritma seperti YOLO dan VoxelNet bertugas di lapisan ini.
- Prediksi (Prediction): Pejalan kaki dan kendaraan lain dimodelkan beserta lintasan jangka pendek dan panjangnya.
- Perencanaan (Planning): Rute dihitung dengan algoritma klasik seperti A* atau Dijkstra, sementara manuver lokal dihitung dengan metode seperti RRT.
- Kontrol (Control): Biasanya Model Predictive Controller (MPC) yang berperan dan mengarahkan kendaraan secara fisik.
Keunggulan terbesar struktur ini adalah transparansi: Anda bisa menguji setiap modul satu per satu dan menemukan tahap mana yang melakukan kesalahan pada apa. Namun kelemahan terbesarnya juga tersembunyi di sini - penyebaran kesalahan. Jika modul persepsi salah mengklasifikasikan seorang pejalan kaki, kesalahan itu terbawa hingga ujung rantai dan modul perencanaan mengambil keputusan dengan data yang sudah rusak. Apalagi, melatih setiap modul secara terpisah membutuhkan keahlian bidang yang serius serta daya komputasi; pemrosesan bertahap itu sendiri merupakan sumber ketidakefisienan.
Poin-Poin Penting
- Tesla FSD, dengan versi 12 (dibuka untuk pelanggan awal 2024), sepenuhnya beralih ke arsitektur jaringan saraf ujung ke ujung; hari ini Anda berada di versi v14.
- Pada arsitektur modular, persepsi, prediksi, perencanaan, dan kontrol adalah modul terpisah; pada end-to-end, semuanya menyatu dalam satu jaringan saraf.
- Nama resmi FSD masih FSD (Supervised): bukan mobil sepenuhnya otonom, melainkan sistem pendukung yang mengharuskan pengemudi tetap waspada.
- Masalah terbesar pendekatan end-to-end adalah keterjelaskanannya: verifikasi formal jaringan saraf masih menjadi problem rekayasa yang belum terpecahkan.
Pendekatan End-to-End: Jutaan Contoh Alih-alih Ribuan Aturan

Ide di balik mengemudi end-to-end ternyata sederhana sekali: Anda memberikan data sensor mentah - kamera, LiDAR, radar, GPS - ke satu jaringan saraf raksasa dan menerima langsung dari jaringan tersebut perintah mengemudi atau sebuah rencana mengemudi. Persepsi, prediksi, dan perencanaan berhenti menjadi perangkat lunak terpisah dan melebur di dalam satu program tunggal. Tesla memasuki jalan ini dengan FSD v12, dan pada awal 2024 muncul versi end-to-end pertama yang dialami para pengemudi di kemudi. Hari ini sistemnya telah berevolusi hingga v14.
Biar saya jelaskan perbedaannya dengan sebuah analogi: sistem modular adalah seorang siswa yang menghafal aturan lalu lintas; ia punya aturan yang siap untuk setiap situasi. Sedangkan sistem end-to-end adalah pengemudi berpengalaman yang duduk di sampingnya dan ditonton selama ribuan jam; ia mungkin tidak bisa menjelaskan satu per satu apa dan mengapa ia melakukannya, tetapi ia merasakan langkah yang tepat. Jaringan saraf belajar bukan hanya apa sesuatu itu, tetapi juga bagaimana pengemudi manusia bereaksi terhadapnya.
Lalu, Bagaimana Jaringan Dilatih?
Ada dua jalur utama. Pertama adalah pembelajaran imitasi (behavior cloning): jaringan belajar meniru perilaku pengemudi manusia selama jutaan kilometer. Metode yang bagus, tetapi memiliki dua kelemahan - covariance shift dan kebingungan kausal; artinya, jaringan bisa salah mempelajari apa yang sebenarnya penting. Kedua adalah pembelajaran penguatan: jaringan dilatih di simulasi melalui metode coba-coba dengan sistem penghargaan. NVIDIA memiliki rekam jejak di bidang ini, dari DAVE-2 pada 2016 hingga DRIVE Thor hari ini yang menawarkan kekuatan chip hingga 1.000 TOPS; Wayve dan Comma.ai adalah nama-nama lain yang mengikuti filosofi yang sama.
Modular atau End-to-End? Perbandingan Konkret
Ketika kita menempatkan kedua pendekatan secara berdampingan, gambarannya menjadi jelas. Berikut keunggulan arsitektur end-to-end yang disebutkan para peneliti: berkurangnya penyebaran kesalahan, efisiensi komputasi, kemudahan pelatihan yang relatif, dan dengan menarik ketahanan terhadap serangan - karena tidak diketahui dari luar input spesifik apa yang memicu perilaku berkendara sistem, manipulasi jahat juga menjadi lebih sulit.
| Fitur | Arsitektur Modular | Arsitektur End-to-End |
|---|---|---|
| Struktur | Persepsi → prediksi → perencanaan → kontrol sebagai modul terpisah | Satu jaringan saraf dari data sensor mentah hingga kontrol |
| Metode pengembangan | Aturan yang ditulis manual + modul yang dilatih terpisah | Belajar dari data (pembelajaran imitasi/penguatan) |
| Transparansi | Tinggi; setiap modul dapat diuji secara terpisah | Rendah; mekanisme pengambilan keputusan adalah kotak hitam |
| Penyebaran kesalahan | Ada; kesalahan persepsi dibawa sepanjang rantai | Berkurang |
| Kebutuhan data | Keahlian khusus per modul | Dataset yang sangat besar bersifat wajib |
Sedangkan keunggulan pihak lawan adalah transparansi. Anda dapat mengaudit sistem modular bagian demi bagian; sementara apa yang berputar di kepala jaringan saraf hanya bisa Anda lihat sebagian. Meskipun dunia penelitian mengembangkan jawaban parsial atas kritik ini dengan peta atensi dan keluaran yang dapat diinterpretasikan, urusan menjadi lebih dalam ketika sertifikat keamanan ikut berperan - kita akan membahas ini sebentar lagi.
Tesla dan Waymo: Tujuan yang Sama, Filosofi yang Berlawanan
Perpecahan di sisi sensor adalah wajah paling terlihat dari perdebatan arsitektur. Pendekatan Tesla adalah kamera + jaringan saraf, tanpa LiDAR - mereka berargumen bahwa jalan ini diperlukan untuk sistem yang dapat bernavigasi dalam skala global. Waymo justru sebaliknya: pada kendaraan terakhirnya, arsitektur multi-sensor yang menumpuk sensor dengan 13 kamera dan 4 unit LiDAR. Co-CEO Waymo Dmitri Dolgov adalah tokoh yang secara terbuka menyatakan bahwa pendekatan kamera-tunggal pada 2026 stagnan, atau dengan kata lain macet, sebelum mencapai otonomi penuh. Sementara di pihak Tesla, mereka berpendapat bahwa FSD telah menghasilkan miliaran mil bukti.
Sebenarnya, jika dilihat dari balik layar, gambarnya sedikit lebih abu-abu: Dikatakan bahwa banyak pemain, termasuk Tesla dan Waymo, faktis menggunakan arsitektur hibrida, yaitu perencanaan rute deterministik bergabung dengan persepsi berbasis jaringan saraf; Momenta dan Aurora juga masuk dalam daftar tersebut. Jadi jawaban atas pertanyaan "apakah semuanya dalam satu jaringan, atau semuanya dalam modul terpisah" dalam praktik di lapangan sering kali adalah "campuran keduanya". Dalam perbandingan sensor, LiDAR unggul dalam kondisi cahaya rendah dan malam hari; sementara sistem kamera-tunggal hemat energi dan tidak memerlukan pemetaan awal.
Masalah Kotak Hitam: Keterjelasan dan Keferifikasian
Di sinilah bagian teknis yang paling vital. Standar keselamatan dunia otomotif - ASIL, ASPICE, AUTOSAR, MISRA - menuntut pendefinisian dan pembuktian apa yang dilakukan sistem pada tingkat persyaratan. Mendefinisikan persyaratan yang bisa ditulis "mobil akan mengambil keputusan tertentu dalam kondisi tertentu" dalam jaringan saraf end-to-end saja sudah sulit; dan verifikasi formal jaringan saraf masih menjadi masalah rekayasa yang belum terpecahkan. Jadi betapapun baik jaringan mengemudi, para insinyur mungkin tidak memiliki cukup alat saat harus membuktikan setiap persyaratan keselamatan.
Wujud konkretnya kita lihat di sisi tanggung jawab hukum. Mercedes-Benz mengumumkan bahwa mereka menanggung tanggung jawab hukum untuk DRIVE PILOT, sistem Level 3 bersertifikat pertama di dunia, dan mendapat persetujuan dari otoritas Jerman untuk kecepatan hingga 95 km/jam di jalan tol - menurut tingkatan SAE J3016, pada Level 3 tanggung jawab beralih dari pengemudi ke pabrikan. Salah satu alasannya adalah arsitektur: sistem modular dengan batasan yang jelas terdefinisi adalah sesuatu yang bisa ditandatangani dengan pernyataan "sistem mengemudi dalam kondisi-kondisi ini". Memberi tanda tangan yang sama pada jaringan berbentuk kotak hitam jauh lebih sulit. Tren penelitian baru justru menambahkan lapisan pemahaman skenario dan penalaran pada jaringan saraf melalui model bahasa besar dan model bahasa visual - sebagai upaya jawaban atas masalah keterjelasan.
Janji dan Realitas: Bagaimana Kondisi Saat Ini?
Sampai di sini semuanya terasa menarik; sekarang saatnya mandi dingin. Mari kita lihat nama resmi Tesla FSD: FSD (Supervised). Artinya, sistem yang menyandang nama "kendaraan otonom penuh" tersebut, dengan definisi resminya, adalah sistem bantuan pengemudi canggih yang dirancang untuk digunakan sepenuhnya dengan pengemudi yang waspada, dan tidak mengubah Tesla menjadi kendaraan otonom penuh. Pengemudi wajib siap melakukan intervensi setiap saat - dalam klasifikasi SAE ini masih berada di wilayah Level 2. Dengan FSD v13, sistem dapat diaktifkan saat kendaraan sedang parkir dan mencakup gerakan mundur; kemampuannya terus bertambah, tetapi klasifikasinya tidak berubah.
Di sisi lain, Waymo secara faktis menjalankan operasi Level 4 dengan layanan robotaksi yang menjangkau 14 kota di AS. Revisi terbaru SAE juga mengganti nama Level 0-2 menjadi "sistem dukungan pengemudi" dan Level 3-5 menjadi "sistem otomatis", sekaligus menekankan bahwa otomasi penuh yaitu Level 5 masih jauh. Secara keseluruhan industri mencerminkan periode transisi dari gelombang hype menuju implementasi di dunia nyata: Sistem Level 2+ sudah meluas, robotaksi terbatas pada kota-kota tertentu, dan Level 5 masih menjadi tujuan bagi semua orang.
Singkatnya: Seberapa Besar Transisi dari Menulis Atasan ke Pembelajaran Mengubah Segalanya?
Jawaban langsungnya adalah: Arsitektur end-to-end memindahkan perangkat lunak pengambil keputusan dalam berkendara otonom dari aturan yang ditulis manual ke satu jaringan saraf yang belajar dari data; hal ini menghadirkan perilaku berkendara yang lebih alami dan penyebaran kesalahan yang berkurang, tetapi menciptakan tantangan baru yang belum terpecahkan di sisi eksplanabilitas, verifikasi, dan sertifikasi. Tesla adalah pemain yang paling agresif memasang taruhan ini dan setelah FSD v12 sistemnya benar-benar menjadi sesuatu yang berbeda - tetapi otonomi penuh tanpa pengawasan masih belum terwujud. Pendekatan modular juga belum meninggalkan panggung; Sistem Level 3-4 yang menggunakan tumpukan sensor Waymo dan menanggung tanggung jawab memperoleh sertifikasi dengan filosofi ini. Kemungkinan besar arsitektur pemenang di masa depan akan menjadi struktur hibrida yang menggabungkan yang terbaik dari kedua dunia - dan lomba itu sedang berlangsung saat ini juga.
Sumber Referensi
- Recent Advancements in End-to-End Autonomous Driving using Deep Learning: A Survey - arXiv
- Autonomous driving: Modular pipeline Vs. End-to-end and LLMs
- Navigating Autonomous Driving: Comparing Modular, End-to-End, and Hybrid
- End-to-end learning vs modular trade-offs
- Integrating Modular Pipelines with End-to-End Learning
- End-to-end system architectures in autonomous driving