Kejuaraan Drone A2RL di Abu Dhabi: Kemenangan Tipis Manusia atas AI dan Rekor Baru Otonomi
TII Racing mencetak lap otonom tercepat dalam Kejuaraan, menetapkan patokan baru untuk otonomi berbasis visi berkecepatan tinggi. MAVLAB meraih gelar multi-drone, menunjukkan otonomi multi-agent yang tangguh di lingkungan kompleks yang dipakai bersama. Pilot FPV manusia, MinChan Kim, dengan tipis mengalahkan pesaing AI dalam final Human vs AI yang sangat menentukan, lewat pertarungan sengit hingga detik terakhir.
Abu Dhabi, Uni Emirat Arab–Kejuaraan Drone Abu Dhabi Autonomous Racing League (A2RL) menjadi ujian telak bagi kinerja otonom dan manusia. TII Racing dari Technology Innovation Institute mencatat lap otonom tercepat untuk memenangkan AI Speed Challenge, sementara pilot first-person-view (FPV) manusia, MinChan Kim – Juara Dunia FPV, mengklaim kemenangan tipis dalam final Human vs AI.
Acara yang diselenggarakan ASPIRE, lengan akselerasi inovasi Advanced Technology Research Council (ATRC), ini menyoroti kemajuan pesat otonomi berbasis visi dan selisih tipis yang masih memisahkan insting manusia dengan eksekusi mesin pada kecepatan tinggi.
Diselenggarakan selama dua hari pada 21–22 Januari saat UMEX, Kejuaraan A2RL menghimpun tim riset AI terkemuka dan pilot FPV kelas dunia untuk bertanding dalam berbagai format balapan, menguji persepsi, pengambilan keputusan, dan kontrol dalam kondisi balap dunia nyata. Total hadiah USD 600.000 dianugerahkan dalam kompetisi ini.
TII Racing Tetapkan Patokan Kejuaraan dalam AI Speed Challenge
Dalam AI Speed Race, TII Racing menampilkan performa tercepat Kejuaraan, dengan catatan waktu lap patokan 12,032 detik, yang tercepat di antara semua peserta. MAVLAB menyusul dengan waktu 12,832 detik, menunjukkan kesenjangan performa yang semakin ketat di puncak.
Stephane Timpano, CEO ASPIRE, berkata, "Yang menonjol tahun ini adalah kemajuan kolektif di seluruh bidang. Dibandingkan Musim 1, tim mencapai kecepatan lebih tinggi dengan stabilitas dan konsistensi lebih baik, didorong hampir seluruhnya oleh kemajuan perangkat lunak. Akselerasi itu menunjukkan betapa cepatnya kemampuan otonom matang ketika ditantang di lingkungan kompetitif yang terbuka."
AI Speed Race mengisolasi kemampuan otonom mentah, fokus pada akurasi persepsi, presisi kontrol, dan kecepatan maksimum di lintasan bersih, tanpa gangguan dari drone lain. Hasil tahun ini mencerminkan peningkatan jelas dalam otonomi berbasis visi dan pengambilan keputungan onboard yang didorong sepenuhnya oleh peningkatan algoritma.
Giovanni Pau, Direktur Teknis TII Racing, mengatakan, "Mencapai lap tercepat mencerminkan kedalaman pengembangan dan pengujian perangkat lunak kami. Tampil di level ini dalam tantangan otonomi murni menunjukkan apa yang dapat disampaikan sistem berbasis visi yang disiplin ketika didorong hingga batasnya."
Multi-Drone Racing Uji Koordinasi di Ruang Udara Bersama
Format AI Multi-Drone Race mengalihkan fokus dari kecepatan individu ke interaksi dan koordinasi di ruang udara bersama. MAVLAB meraih kemenangan dalam Multi-Drone Gold Race, menunjukkan perencanaan multi-agent yang kuat dan konsistensi di bawah tekanan. FLYBY amankan tempat pertama di Multi-Drone Silver Race, menyoroti kedalaman dan daya saing yang tumbuh di lapangan Kejuaraan.
Balapan ini menguji penghindaran tabrakan real-time, perencanaan trajektori, dan ketangguhan di lingkungan dinamis, kemampuan yang tetap menjadi tantangan paling kompleks untuk sistem udara otonom.
Final Human vs AI: Pertarungan Sembilan Babak Berakhir Sengit
Human vs AI Challenge menghadirkan salah satu momen penentu Kejuaraan, dengan kontes didorong hingga balapan penentu terakhir. Juara Dunia FPV, MinChan Kim, menghadapi TII Racing dalam pertarungan best-of-nine yang tetap imbang di empat kemenangan masing-masing.
Di balapan terakhir, Kim mempertahankan pimpinannya saat drone otonom menabrak gerbang dan tak dapat pulih, mengamankan kemenangan untuk pilot manusia.
Sistem Otonom Diuji dalam Kondisi Identik
Menempatkan sistem otonom dalam perbandingan langsung dengan beberapa pembalap drone manusia paling mumpuni di dunia, Kejuaraan ini menantang kinerja AI dalam skenario yang menuntut persepsi sepersekian detik, kontrol presisi, dan ketahanan di bawah tekanan berkelanjutan.
Semua drone bertanding sepenuhnya otonom menggunakan satu kamera RGB monokuler menghadap ke depan dan satu inertial measurement unit. LiDAR, visi stereo, GPS, dan sistem posisi eksternal tidak diizinkan.
Konfigurasi sensor minimal ini mencerminkan persepsi yang tersedia bagi pilot manusia dan memastikan bahwa peningkatan kinerja didorong oleh perangkat lunak AI, bukan kompleksitas sensor. Pendekatan ini memungkinkan perbandingan langsung, like-for-like, antara manusia dan mesin, sambil menjaga relevansi dengan batasan otonomi sipil dunia nyata.
A2RL Summit 3.0 Periksa Jalur dari Kompetisi ke Penerapan
Kejuaraan ini menyusul A2RL Summit 3.0, pada hari pembukaan UMEX, di mana pembuat kebijakan, peneliti, dan pemimpin industri mengkaji bagaimana wawasan dari balap otonom dapat menginformasikan penerapan sistem berbasis AI yang aman dan bertanggung jawab di luar lingkungan kompetisi.
KTT ini menampilkan kontribusi dari para pemimpin senior di bidang pemerintahan, penelitian, dan industri, termasuk Salem AlBalooshi (CTO du) dan Marcos Muller-Habig (Senior Enablement Director, Abu Dhabi Gaming). Diskusi berfokus pada regulasi, transfer simulation-to-reality, dan jalur yang diperlukan untuk menskalakan otonomi di berbagai sektor termasuk logistik, tanggap darurat, dan mobilitas udara masa depan.
Di luar kompetisi, A2RL beroperasi sebagai testbed sains publik, memadatkan riset sistem otonom bertahun-tahun menjadi hari-hari kinerja terlihat dan terukur. Dengan mengekspos sistem AI ke kondisi ekstrem pada kecepatan tinggi, A2RL menyediakan patokan kredibel yang langsung menginformasikan aplikasi dunia nyata dan memperkuat ambisi Abu Dhabi untuk menjadi pusat global riset terapan, AI, dan inovasi sistem otonom.
Sumber: AETOSWire
Kontak
Alexandra Patel
[email protected]
Sumber: Abu Dhabi Autonomous Racing League
Reporter: PR Wire
Editor: PR Wire
Copyright © ANTARA 2026