Sistem AI F³ Percepat Penglihatan Robot hingga 440 Kali per Detik
Insinyur University of Pennsylvania merancang AI pengolah kamera peristiwa. Sistem ini berpotensi membantu robot melihat lebih cepat di tempat gelap.
Ilustrasi: liput24
Poin penting
- Sistem F³ mampu memproses data kamera peristiwa sampai 440 kali per detik.
- Kamera jenis ini hanya merekam perubahan cahaya sehingga hemat beban komputasi.
- Teknologi ini berpotensi mempermudah drone dan robot bermanuver di area minim cahaya.
Robot industri dan drone otonom kerap lambat mengenali bahaya di lingkungan minim cahaya. Masalah persepsi visual ini berisiko memperlambat pergerakan mesin di lapangan.
Kini peneliti dari University of Pennsylvania menemukan jalan keluar baru. Mereka membuat alat kecerdasan buatan bernama Fast Feature Field atau F³.
Sistem baru ini mampu membaca data visual hingga 440 kali setiap detik. Berita riset ini dilaporkan oleh Interesting Engineering pada akhir Oktober 2026.
Cara Kerja Kamera Peristiwa dan Sistem F³
Kamera biasa mengambil gambar utuh secara berkala. Sebaliknya, kamera peristiwa hanya mendeteksi perubahan intensitas cahaya pada setiap titik piksel.
Kamera peristiwa mampu menangkap gerak cepat tanpa merekam seluruh bingkai. Namun, sensor ini memuntahkan jutaan sinyal individual yang sulit diolah komputer.
Sebelumnya, para insinyur harus merancang algoritma khusus untuk setiap tugas berbeda. Pendekatan lama ini membatasi pemanfaatan kamera peristiwa dalam dunia robotika.
Sistem F³ mengatasi kendala tersebut lewat jaringan saraf tiruan. Perangkat lunak ini dilatih menebak peristiwa visual berikutnya berdasarkan data sinyal sebelumnya.
"Untuk memperkirakan peristiwa masa depan secara akurat, jaringan harus mempelajari struktur lingkungan dan gerak di dalamnya," kata Richeek Das, penulis utama riset.
Para peneliti juga memangkas beban hitung yang tidak perlu. Sekitar 95 persen posisi data ternyata tidak memuat perubahan cahaya.
Sistem F³ hanya memproses titik yang mengalami perubahan cahaya. Langkah efisien ini menghemat sumber daya komputasi di dalam sistem robot.
Uji Coba pada Berbagai Jenis Mesin
Dalam laporannya di jurnal Science Robotics, F³ beroperasi dua hingga lima kali lebih cepat dibanding cara lama.
Pada resolusi VGA, F³ mampu memproses data 440 kali per detik. Untuk data definisi tinggi, kecepatannya mencapai 120 kali per detik.
Tim peneliti menguji sistem ini pada mobil otonom dan robot berkaki empat. Pengujian juga dilakukan pada wahana drone terbang di ruang padat dan jalanan malam.
Hasil uji menunjukkan F³ bekerja efektif untuk memperkirakan jarak dan melacak gerakan. Alat ini juga mempermudah adaptasi perangkat lunak visi komputer yang sudah ada.
Kini tim peneliti sedang memasang F³ pada drone penjelajah area gelap. Target jangka panjang mereka adalah menanamkan teknologi langsung ke perangkat keras kamera.
"Tujuan kami adalah membuat kamera peristiwa semudah kamera biasa saat dipakai," kata Pratik Chaudhari, profesor madya University of Pennsylvania.
Apa Artinya bagi Pelaku Usaha
Inovasi ini membuka peluang efisiensi bagi pengelola gudang, pabrik, dan logistik. Kamera cepat membuat robot berpotensi bergerak lebih gesit tanpa risiko menabrak rintangan.
Perusahaan di Indonesia dapat memanfaatkan teknologi ini untuk armada drone inspeksi malam hari. Pengawasan fasilitas industri tidak lagi bergantung penuh pada lampu penerangan tambahan.
Pemilik bisnis sebaiknya mulai memantau perkembangan sensor peristiwa ini. Kecepatan pemrosesan yang tinggi membantu sistem navigasi otonom mengambil keputusan lebih tanggap.
- Interesting Engineering: New robotic vision system processes event-camera data up to 440 times per second
Lihat hasil pemeriksaan (11 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Insinyur University of Pennsylvania mengembangkan sistem AI Fast Feature Field (F³) untuk memproses data kamera peristiwa hingga 440 kali per detik. | Didukung | “Developed by engineers at the University of Pennsylvania, the system, called Fast Feature Field (F³), processes information from event cameras” Interesting Engineering melaporkan pengembangan F³ oleh insinyur University of Pennsylvania. |
| Kamera peristiwa mendeteksi perubahan intensitas cahaya pada piksel individual alih-alih mengambil gambar utuh secara berkala. | Didukung | “Unlike conventional cameras that capture complete images at fixed intervals, event cameras continuously detect changes in light intensity at individual pixels.” Interesting Engineering menjelaskan perbedaan cara kerja kamera konvensional dan kamera peristiwa. |
| Kamera peristiwa menghasilkan jutaan sinyal individual yang sulit ditafsirkan komputer. | Didukung | “However, interpreting their output remains difficult because the cameras generate millions of individual signals rather than recognizable images.” Interesting Engineering menyebutkan tantangan pengolahan output kamera peristiwa. |
| F³ dilatih memprediksi sinyal masa depan berdasarkan sinyal sebelumnya untuk merepresentasikan struktur lingkungan dan pergerakan. | Didukung | ““To accurately anticipate future events based on past ones, the network must learn to represent both the structure of a scene and the motion taking place within it,” said Richeek Das” Interesting Engineering mengutip pernyataan penulis utama Richeek Das. |
| Sekitar 95% posisi data kamera peristiwa tidak memuat kejadian/perubahan cahaya sehingga F³ hanya memproses lokasi terjadinya perubahan. | Didukung | “approximately 95% of possible positions in the data contain no events. By processing only locations where changes occur, F³ avoids spending computing resources on empty areas.” Interesting Engineering menjelaskan metode optimasi komputasi pada F³. |
| Dalam pengujian, algoritma berbasis F³ beroperasi dua hingga lima kali lebih cepat dibanding pendekatan sebelumnya. | Didukung | “In tests, algorithms using F³ operated roughly two to five times faster than previous approaches.” Interesting Engineering melaporkan hasil uji kecepatan F³ dibandingkan metode terdahulu. |
| F³ memproses data beresolusi VGA hingga 440 kali per detik dan data definisi tinggi (HD) 120 kali per detik. | Didukung | “The system processed high-definition event-camera data 120 times per second and reached 440 times per second at lower VGA resolution.” Interesting Engineering mencantumkan angka kecepatan pemrosesan pada resolusi VGA dan HD. |
| Tim peneliti menguji F³ menggunakan data dari mobil, robot berkaki empat, dan drone di berbagai lingkungan seperti jalanan kota malam hari dan ruang dalam ruangan padat. | Didukung | “The team evaluated F³ using event-camera data collected from cars, four-legged robots and flying drones. Tests included object recognition, distance estimation, and motion tracking across environments” Interesting Engineering menyebutkan platform uji coba dan skenario pengujian. |
| Temuan riset ini dipublikasikan dalam jurnal Science Robotics. | Didukung | “The findings were published in the journal Science Robotics .” Interesting Engineering memuat informasi publikasi riset di Science Robotics. |
| Peneliti saat ini mengintegrasikan F³ ke drone otonom dan berencana menanamkannya langsung ke perangkat keras kamera peristiwa. | Didukung | “The researchers are now incorporating F³ into autonomous drones designed to navigate cluttered and poorly lit environments. Eventually, they hope to integrate the technology directly into event-camera” Interesting Engineering melaporkan rencana pengembangan F³ selanjutnya. |
| Pratik Chaudhari adalah associate professor di University of Pennsylvania yang menyatakan tujuan riset adalah membuat kamera peristiwa semudah kamera konvensional. | Didukung | ““Our goal is to make using an event camera as straightforward as using a conventional one,” said Pratik Chaudhari, associate professor at the University of Pennsylvania.” Interesting Engineering memuat kutipan langsung dari Pratik Chaudhari. |
Video AI terbaru
NVIDIA GTC Berlin 2026 Event Highlights: AI in Action Across Europe
