Manajemen Strategik

 Aurora Tech: Aurora Innovation, Inc. merancang dan mengembangkan perangkat lunak
aplikasi. Perusahaan menawarkan platform yang menghadirkan perangkat lunak,
perangkat keras, dan layanan data untuk mengoperasikan kendaraan penumpang dan
komersial. Aurora Innovation melayani pelanggan di Amerika Serikat. Visi dan Misi
Perusahaan kami adalah memberikan manfaat teknologi self-driving dengan aman, cepat,
dan luas. Untuk mewujudkannya, kami sedang membangun Aurora Driver, sebuah
platform yang menyatukan perangkat lunak, perangkat keras, dan layanan data kami
untuk memberi daya pada semua jenis merek dan model kendaraan, dari trailer traktor
terbesar hingga bus penumpang dan mobil kecil. Kami percaya pada apa yang kami
lakukan karena teknologi self-driving memiliki peluang luar biasa untuk menyelamatkan
nyawa, membuat jalan kami lebih aman, dan mempermudah perjalanan. Aurora bekerja
di persimpangan antara teknik dan pembelajaran mesin untuk mengatasi salah satu
peluang terpenting generasi kita: mengubah cara orang dan barang bergerak. Karyawan
memiliki kesempatan untuk memecahkan tantangan teknis sekali dalam satu generasi,
bekerja bersama kolega berbakat dan dipimpin oleh tim kepemimpinan dengan
pengalaman yang tak tertandingi di industri. Aurora dimulai oleh CEO Chris Urmson
yang memimpin tim mobil swakemudi Google, CPO Sterling Anderson yang
meluncurkan Tesla's Model X dan Autopilot, dan CTO Drew Bagnell yang merupakan
anggota fakultas di Carnegie Mellon dan bekerja di divisi AV Uber. Investor kami
termasuk Amazon, Sequoia, Greylock, Index Ventures; Reid Hoffman, Carl Eschenbach,
dan Mike Volpi melayani di Dewan kami. Bersama-sama, kami membangun Aurora
Driver, sebuah platform yang menyatukan perangkat lunak, perangkat keras, dan layanan
data kami untuk memberi daya pada semua jenis kendaraan.

Teknologi perusahaan kami tentang pengembangan kedepannya untuk memprioritaskan

kesuksesan jangka panjang daripada keuntungan cepat, menggabungkan praktik terbaik
industri yang telah terbukti, dan memanfaatkan pengalaman teknik, sains, dan domain
kami selama puluhan tahun untuk menghadirkan teknologi self-driving dengan aman,
cepat, dan luas. yakni seperti:
 Berikan dalam pengaturan sains terapan: Kami menyusun organisasi kami untuk
memecahkan masalah sains keras dan membangun kemitraan untuk mengubah
sains itu menjadi produk. Kami tidak percaya pada program penelitian terpisah
yang dipisahkan dari teknik; kami ingin teknisi terbaik bekerja berdampingan
dengan pakar domain terbaik, dan kami berusaha keras untuk mempekerjakan
orang-orang bertalenta luar biasa yang bisa menjadi keduanya.
 Keunggulan teknik juara: Kami peduli dengan proses peninjauan dan kepemilikan
umum atas kode. Kami menyukai otomatisasi ekstensif dalam pengujian, dan
kami bekerja keras untuk membuat alat analisis yang dapat diskalakan dan dapat
direproduksi. Jika kami memiliki masalah terkait proses rekayasa yang andal,
kami membuat versi terbaiknya.
  Desain kita mudah dipelajari: Sebelum membuat, kami mempertimbangkan
dengan cermat apakah sistem pembelajaran mesin akan berguna, dan jika
demikian, bagaimana kami dapat menggunakan kerangka kerja yang ada dan
mendapatkan data pelatihan yang efektif. Kami melatih sistem pembelajaran kami
dengan anotasi berkualitas tinggi, data dari demonstrasi ahli mengemudi, dan
hasil dari simulasi dan tes dunia nyata.
 Mengntegrasikan pembelajaran dan teknik: Pembelajaran mesin saja tidak cukup
untuk memungkinkan mengemudi sendiri dengan aman. Itulah mengapa kami
menggabungkan yang terbaik dari pembelajaran mesin modern dengan teknik
yang ketat di berbagai bidang seperti persepsi, estimasi status, infrastruktur yang
andal, dan pengambilan keputusan.
 Melakukan tes virtual secara menyeluruh: Perangkat lunak kami harus melewati
pengujian unit, modul, dan simulasi yang ekstensif sebelum memasuki kendaraan
kami. Hal ini memungkinkan kami untuk mengetahui masalah lebih awal,
membuat penyesuaian penting pada sistem kami, dan menguji dengan lebih
efisien di jalan.
 Membangun untuk keamanan: Kami telah memasukkan celah keamanan berlapis
ke semua bagian Driver kami. Misalnya, kami membuat sistem persepsi kami
jauh lebih andal dengan menggunakan tiga jenis sensor yang berbeda. Kami juga
terus membuat dan menggunakan peta terperinci yang membantu Pengemudi
kami merencanakan manuver seperti belokan dan pemberhentian sebelumnya.

Kami juga memecahkan persoalan sains terapan:

 Perangkat keras: Perangkat keras kami dirancang agar mudah dipasang di
berbagai platform kendaraan. Kami telah dengan hati-hati merancang setiap
elemen perangkat keras kami agar dapat diperluas, memungkinkan kami untuk
beradaptasi dan melakukan iterasi dengan cepat saat teknologi baru tersedia.
Untuk memenuhi permintaan komputasi perangkat lunak self-driving, kami
membuat beberapa komponen khusus yang memungkinkan sistem kami
mengelola daya, komunikasi, dan jaringan secara terpusat. Kami juga
menggunakan silikon yang dirancang khusus untuk mempercepat pembelajaran
mesin dan memfasilitasi pemprosesan sinyal kamera.
 Lokalisasi dan Peta: Sama seperti manusia yang menjadi pengemudi yang lebih
baik ketika mereka berada di suatu tempat sebelumnya, kami membuat dan
memelihara peta terperinci yang membantu Pengemudi kami merencanakan ke
depan. Peta juga sangat penting untuk pelokalan, yang merupakan proses yang
digunakan kendaraan kami untuk menentukan lokasi mereka di dunia. Perangkat
lunak pelokalan kami dapat menentukan posisi dalam 10 sentimeter dan akurasi
0,1 derajat, bahkan di lingkungan yang menolak atau menipu GPS.

Persimpangan empat arah ditampilkan dalam gambar ini dari perkakas Calypso.
Ada citra overhead serta lapisan referensi cloud titik untuk membantu membuat
anotasi konten peta menggunakan data sensor lidar. Dari titik awan, Anda dapat
melihat dengan jelas trotoar dan penghalang keras, pohon, bangunan, serta tiang
yang berguna untuk memahami lingkungan sekitar. Batas (mis. Kuning ganda,
putih solid, trotoar), jalur kendaraan (yaitu referensi ke mana kendaraan harus
mengemudi dan pada kecepatan berapa), kendali lalu lintas (rambu dan lampu),
dan konten penting lainnya ditampilkan dalam gambar peta ini.
 Persepsi: Persepsi menganalisis data sensor dan menghasilkan representasi dari
semua aktor, seperti pejalan kaki, yang dapat memengaruhi Pengemudi kami. Ini
sulit karena ada banyak sekali skenario unik yang dapat terjadi di jalan raya.
Untuk menangani kasus edge yang tak terhindarkan, kami merancang sistem
persepsi kami untuk "melihat" dan melacak semua objek yang dirasakan, bahkan
yang tidak dikenali. Kami menyebut pendekatan ini "tidak ada pengukuran yang
tertinggal", dan ini adalah salah satu cara kami memastikan kendaraan kami selalu
mengemudi dengan aman.
 Perencanaan dan Pengendalian: Perangkat lunak perencanaan dan kontrol kami
memperkirakan niat dan gerakan aktor, menentukan apa yang harus dilakukan
Pengemudi kami sebagai tanggapan, dan pada akhirnya menerjemahkan rencana
itu ke dalam perintah throttle, rem, dan kemudi untuk kendaraan. Untuk membuat
gerakan yang aman, alami, dan dapat diprediksi, kami menggabungkan
sekumpulan batasan yang direkayasa (mis. "Jangan pernah memukul aktor lain")
dengan model pembelajaran mesin.

 Simulasi: Simulasi adalah model 3D virtual dunia yang kami gunakan untuk
menguji perangkat lunak kami, dan simulasi merupakan bagian penting dari
proses desain dan pengembangan di Aurora. Kami terlibat dalam pengembangan
yang digerakkan oleh pengujian, yang berarti kami membuat simulasi untuk
menguji kemampuan sebelum menulis kode, dan kami mengharuskan semua kode
baru melewati serangkaian pengujian simulasi sebelum mencapai kendaraan
kami.
 Infrastruktur / Cloud: Kami mengembangkan kerangka kerja otonomi generasi
berikutnya yang memungkinkan pengembangan yang cepat, skalabel, dan
pengujian yang efisien dengan memungkinkan kode yang sama dijalankan di
laptop, kendaraan, dan di cloud kami. Kerangka kerja kami mencatat semua
peristiwa kendaraan, dari data sensor hingga hasil antara, sehingga kami dapat
menganalisis dan menggunakannya untuk membuat pengujian, mengembangkan
simulasi, dan melatih model pembelajaran. Kami mengembangkan perpustakaan,
alat UI, dan solusi kreatif lainnya untuk membantu tim di seluruh perusahaan
secara efisien menyimpan, mengurutkan, memproses, dan memvisualisasikan data
kompleks dalam jumlah yang sangat besar.
 Uber: Uber Technologies, Inc., umumnya dikenal sebagai Uber, menawarkan kendaraan
untuk disewa, pengiriman makanan (Uber Eats), pengiriman paket, kurir, transportasi
barang, dan, melalui kemitraan dengan Lime, Penyewaan sepeda listrik dan skuter
bermotor. Perusahaan ini berbasis di San Francisco dan beroperasi di lebih dari 900
wilayah metropolitan di seluruh dunia. [2] Ini adalah salah satu penyedia terbesar dalam
ekonomi pertunjukan dan juga pelopor dalam pengembangan mobil tanpa pengemudi.
Uber diperkirakan memiliki lebih dari 110 juta pengguna aktif bulanan di seluruh dunia.
Di Amerika Serikat, Uber memiliki 67% konten pasar untuk berbagi tumpangan dan 24%
konten pasar untuk pengiriman makanan. Uber sangat menonjol dalam ekonomi
perubahan sehingga perubahan industri sebagai akibatnya disebut sebagai uberisasi, dan
banyak perusahaan rintisan yang menggambarkan produk mereka sebagai "Uber untuk
X".Seperti perusahaan sejenis, Uber dikritik karena pengemudi pengemudi sebagai
kontraktor independen, gangguan bisnis taksi, dan peningkatan kemacetan lalu lintas.
Ketika berada di bawah kepemimpinan mantan CEO Travis Kalanick, perusahaan
tersebut dikritik karena beberapa praktik tidak etis.

Penelitian mobil self-driving:

Advanced Technologies Group (Uber ATG) merupakan anak perusahaan dari perusahaan
yang mengembangkan mobil self-driving. Uber ATG dimiliki oleh minoritas oleh
Softbank Vision Fund, Toyota, dan Denso.
 Pada awal 2015, perusahaan yang berada di sekitar 50 orang dari departemen
robotika Universitas Carnegie Mellon.
 Pada 14 September 2016, Layanan memulai layanan mobil swakemudi untuk
pelanggan terpilih di Pittsburgh, menggunakan armada mobil Ford Fusion. Setiap
 kendaraan dilengkapi dengan 20 kamera, tujuh laser, Global Positioning System,
lidar, dan peralatan radar yang memungkinkan mobil membuat peta tiga dimensi.
 Pada 14 Desember 2016, Uber mulai menggunakan SUV Volvo XC90 self-
driving di kota asalnya di San Francisco.
 Pada 21 Desember 2016, Departemen Kendaraan Bermotor California mencabut
pendaftaran kendaraan yang digunakan Uber untuk menguji dan mengikuti
program untuk menjalankan operasinya di California. Dua bulan kemudian, Uber
memindahkan programnya ke Arizona, di mana mobil-mobil tersebut dapat
mengangkut penumpang, meskipun, tindakan pengamanan, dua insinyur Uber
selalu duduk di kursi depan setiap kendaraan.
 Pada bulan Maret 2017, sebuah mobil tanpa pengemudi ditabrak dan terbalik oleh
kendaraan lain yang gagal melaju.
 Pada Oktober 2017, Uber mulai menggunakan hanya satu test driver, meskipun
ada beberapa masalah keselamatan karyawan.
 Pada November 2017, Uber mengumumkan rencana tidak mengikat untuk
membeli hingga 24.000 kendaraan SUV Volvo XC90 yang dirancang untuk
menerima teknologi otonom, termasuk berbagai jenis dan sensor yang
dikendalikan dan pengereman.

Perbandingan antara AuroraTech dengan Uber.inc jika pada Aurora Tech lebih menekankan
kepada Self-Driving atau lebih popular dikenal autopilot yang telah di program dengan Artificial
Intelengence (AI) dan pada umumnya digunakan oleh beberapa karakteristik orang tertentu
misalnya ( Orang yang belum mahir mengemudi , malas mengemudi, ingin praktis dan tidak
repot mengenai proses perjalanan ), tidak hanya penumpang semata saja Aurota.Tech juga
memiliki layanan untuk keperluan logistic yang dimana dapat membantu para pelaku bisnis yang
memerlukan kendaaran yang cukup besar untuk membawa barang , misalnya (Truk, van,
caravan, dll) .
Aurora.tech juga memiliki yang namanya aurora cloud yang dimana menyediakan antarmuka
umum yang menghubungkan kendaraan yang ditenagai oleh Pengemudi Aurora dengan orang
dan barang yang dipindahkannya, jaringan transportasi yang didukungnya, dan peralatan
manajemen armada yang dibutuhkannya dan menyimpan data dimana letak kendaraan terparkir.
Sedangkan Uber yang lebih menekankan kepada driving secara langsung oleh supir yang telah di
hire oleh Uber.cab serta uber juga aplikasi transportasi yang lebih modern dan simple , walaupun
hanya transportasi uber juga memiliki beberapa variasi pengembangan produk yang diinovasikan
seperti (Uber-eat,Uber Bike &Scoot) .
Bedanya :
Aurora.Tech lebih mengedepankan kepada artificial intelligence (AI) dengan fitur self-driving
yang dimana lebih mengedepankan teknologi terkini yang lebih maju serta lengkap dengan
Cloud yang mampu menyimpan memori dari penggunaan data customer atau pengguna jasa
kepada orang yang (disabilitas, belum pandai mengemudi, atau tidak tahu jalan,dll ) , tetapi
aplikasi ini terdengar mahal dikarenakan teknologinya .
Sedangkan, Uber.cab terlihat lebih standard dengan pelayanan jasa transportasai umum berbasis
aplikasi dibandingkan dengan Aurora.Tech yang lebih mengusung teknologi modern, sehingga
banyak orang yang lebih memilih Uber.cab dibandingkan Aurora dikarenakan lebih simple dan
efisien dan tergantung karakteristik dari para pengguna.