Penerapan Sistem Automatic Emergency Braking Pada Agen Autonomous Driving

Berbasis Proximal Policy Optimization

Abstract

Dalam era industri saat ini, transportasi memegang peran yang sangat penting dalam kehidupan manusia dan mengalami perkembangan pesat seiring dengan kemajuan teknologi. Namun, masih ada sejumlah tantangan yang terkait dengan transportasi, seperti tingkat kemacetan dan kecelakaan yang tinggi yang seringkali terjadi disebabkan oleh faktor kelalaian manusia (human error). Penelitian ini bertujuan untuk menerapkan sistem Avoidance Collision, khususnya Automatic Emergency Braking (AEB) pada agen autonomous driving untuk membantu mengurangi dampak dari kelalaian manusia (human error) dengan menggunakan Deep Reinforcement Learning berbasis algoritma Proximal Policy Optimization (PPO), sehingga agen dapat mengambil tindakan secara optimal untuk mengurangi risiko kecelakaan atau menghindari tabrakan yang disebabkan oleh kelalaian manusia dalam lalu lintas. Model ini diujicobakan dan dijalankan pada dunia simulator CARLA.