Justifikasi utama penerapan sistem Autonomous Vehicle (AV) di dunia nyata adalah aspek keselamatan berkendara, karena jika terjadi kesalahan dalam berkendara maka kesalahan tersebut akan menjadi celah yang dapat mengancam keselamatan pengemudi itu sendiri dan pengemudi lain, oleh karena itu tujuan dibuatnya sistem AV adalah untuk mengurangi kesalahan pengemudi dalam saat berkendara. Penelitian ini bertujuan untuk mengimplementasikan salah satu bagian dari sistem AV yaitu pengenalan objek yang difokuskan pada objek statis yaitu rambu lalu lintas, dalam penelitian ini juga melakukan percobaan dengan mensimulasikan model fitur pengenalan objek yang telah diimplementasikan sebelumnya pada prototipe untuk mendapatkan hasil yang lebih konkrit. Arsitektur pengenalan objek dirancang untuk mengekstrak fitur utama dari gambar rambu lalu lintas, arsitektur pengenalan objek tersebut menggunakan algoritma Convolutional Neural Networks (CNNs) yang dimodifikasi. Setelah arsitektur diimplementasikan, dilakukan pelatihan menggunakan Dataset Rambu Lalu Lintas yang didapatkan dari linkungan prototipe, terakhir eksperimen juga akan dilakukan untuk mensimulasikan pengenalan objek dengan menerapkan ROS2 sebagai sistem prototipe yang mewakili sistem fungsionalitas mobil di dunia nyata. hasil implementasi arsitektur CNNs yang dimodifikasi mendapatkan akurasi 99,96% dan hasil simulasi yang dilakukan pada prototipe menunjukkan bahwa dapat mendeteksi objek rambu lalu lintas dengan jarak 10m.
Kata kunci: Autonomous Vehicle; Object Recognition; Custom Dataset; Convolutional Neural Networks; ROS2