Thế Nào Qualcomm Tận Dụng AI Cho Giải Pháp Tự Động Lái Xe An Toàn Và Linh Hoạt Hơn
Cách tiếp cận này cho phép các nhà sản xuất ô tô triển khai nhanh hơn, tối ưu hóa chi phí và đáng tin cậy hơn các tính năng lái xe tự động và ADAS.
Mục tiêu của Lái xe tự động (AD) và Hệ thống hỗ trợ lái xe tiên tiến (ADAS) là mô phỏng những người lái xe con người có kinh nghiệm và chú ý, những người đưa ra quyết định tức thời và trực quan về thời điểm phanh, tăng tốc, đánh lái và các thao tác quan trọng khác. Ngành ô tô và công nghệ đã có những bước tiến đáng kể trong việc phát triển công nghệ AD và ADAS sử dụng cảm biến, phần mềm và công nghệ System-on-Chip (SOC) tinh vi giúp đưa ra các quyết định này cho xe.
Bằng chứng là công chúng hiện có thể đi trên những chiếc robotaxi hoàn toàn tự động ở một số thành phố và các tính năng ADAS, còn được gọi là hỗ trợ lái xe, như cảnh báo va chạm phía trước với phanh tự động khẩn cấp và hỗ trợ giữ làn đường hiện đã trở nên phổ biến trên tất cả các phân khúc xe. Nhưng do chi phí và sự phức tạp, công nghệ tự hành hoàn toàn hiện đang bị giới hạn trong các đội xe robotaxi tư nhân trong khi lái xe rảnh tay trên đường cao tốc chủ yếu có sẵn trên các mẫu xe sản xuất cao cấp.
Quảng CÁO – TIẾP TỤC ĐỌC BÊN DƯỚI
Hai Con Đường Rất Khác Nhau Để Lái Xe Tự Động Được Kích Hoạt Bằng AI
Trí tuệ nhân tạo (AI) hứa hẹn sẽ giúp ngành ô tô đạt được mục tiêu phổ biến, an toàn và giá cả phải chăng của các tính năng AD và ADAS nhanh hơn bằng cách cho phép hai phương pháp tiếp cận riêng biệt cung cấp các công nghệ nhận thức, lập kế hoạch và hỗ trợ hành động cần thiết. Phương pháp truyền thống đòi hỏi kỹ thuật và mã hóa thủ công đáng kể, mạng lưới cảm biến phức tạp và chồng chéo, và thường yêu cầu bản đồ độ nét cao (HD) chính xác cần cập nhật liên tục. Phương pháp này đi kèm với những thách thức như chi phí cao, quản lý dữ liệu và mạng lưới phức tạp, và không có khả năng thích ứng nhanh với môi trường và tình huống mới, tất cả đều cản trở khả năng mở rộng.
Một cách tiếp cận mang tính chuyển đổi hơn, được hỗ trợ bởi nền tảng Snapdragon Ride của Qualcomm Technologies, Inc., là kiến trúc AI toàn diện (E2E) đơn giản hóa các tác vụ như nhận thức cảm biến, ra quyết định tức thời và điều khiển xe trong một khuôn khổ gắn kết. Ngoài việc cho phép thiết kế hệ thống đơn giản hơn, giải pháp E2E còn mang lại lợi ích cho việc phát triển AD và ADAS bao gồm mức độ linh hoạt, hiệu quả và thông minh cao hơn.
Quảng CÁO – TIẾP TỤC ĐỌC BÊN DƯỚI
Kiến Trúc Có Thể Mở Rộng Và Tối Ưu Hóa
Giống như các kiến trúc AD truyền thống trong xe, một hệ thống E2E tận dụng cấu hình cảm biến đa camera và đa radar phổ biến trên nhiều xe hiện đại. Nhưng khi sự phức tạp và các biến thể hệ thống tăng lên, các thách thức về khả năng mở rộng trong một kiến trúc AD truyền thống cũng vậy. Loại kiến trúc AD này cũng thường bị giới hạn bởi các loại cảm biến. Ví dụ, một hệ thống chủ yếu dựa vào camera mà không có sự hỗ trợ từ bản đồ HD không chỉ có khả năng dự phòng hạn chế để đưa ra quyết định, mà độ chính xác của camera có thể bị ảnh hưởng bởi ánh sáng mặt trời chói chang, bụi bẩn và mảnh vụn, và các vật cản tầm nhìn. Điều này có thể khiến hệ thống dễ bị lỗi như phân loại đối tượng sai và phát hiện giả.
Các nhà sản xuất ô tô và nhà phát triển AD bù đắp cho những khác biệt này bằng cách sử dụng các mảng cảm biến đa phương thức bổ sung như radar và lidar bên cạnh camera để bù đắp cho, ví dụ, các điều kiện môi trường khác nhau mà xe có thể gặp phải. Ví dụ, radar hiệu quả trong thời tiết bất lợi như mưa hoặc sương mù vì tín hiệu của nó có thể xuyên qua và “nhìn xuyên qua” những điều kiện này trong khi camera thì không. Ngược lại, trong khi radar có thể phát hiện một vật thể ở xa hơn thì nó không thể xác định xem đó là vật nuôi hay lốp xe trên đường như camera có thể ở cự ly gần hơn và sau đó thông báo cho phân đoạn ra quyết định và điều khiển của ngăn xếp công nghệ AD và ADAS.
Quảng CÁO – TIẾP TỤC ĐỌC BÊN DƯỚI
Kết hợp radar với camera cung cấp các lớp nhận thức bổ sung và liền mạch, và điều này tăng cường khả năng ra quyết định của xe thông qua nhận thức tình huống toàn diện hơn. Tất nhiên, khi thêm nhiều cảm biến, độ phức tạp và chi phí sẽ tăng lên. Các hệ thống E2E cung cấp một lợi thế quan trọng: thiết kế mô-đun và sử dụng công nghệ nhận thức cấp thấp giúp chúng có khả năng mở rộng cao, thích ứng với nhiều ứng dụng khác nhau và dễ dàng điều chỉnh theo các yêu cầu cảm biến đang phát triển. Ví dụ, cách tiếp cận E2E của Qualcomm Technologies có thể áp dụng cho mọi thứ từ hệ thống cảm biến một camera và đa radar cung cấp các tính năng ADAS cơ bản cho xe phổ thông đến thiết kế tiên tiến 11 camera, 7 radar—và mở rộng với mọi thứ ở giữa tùy thuộc vào loại cảm biến và số lượng. Một kiến trúc E2E có thể tận dụng các SOC tính toán dị thể bằng cách cân bằng tải hợp lý trên các thành phần CPU, GPU và NPU một cách hiệu quả hơn. Điều này dẫn đến mức tiêu thụ điện năng thấp hơn, dấu chân tính toán nhỏ hơn, ít di chuyển dữ liệu sang bộ nhớ DDR hơn, và giảm chi phí và sự phức tạp.
Xây Dựng Thế Giới 3D
Cách tiếp cận E2E của Qualcomm Technologies tận dụng AI để nâng cao hơn nữa công nghệ AD bằng cách tổng hợp dữ liệu cảm biến cơ bản thành một bộ mã hóa cảnh, sau đó được xử lý thành một mô hình 3D phù hợp với mảng cảm biến. Mô hình thế giới 3D này cho phép xử lý song song và được đưa vào một bộ chuyển đổi quyết định được đào tạo trên các mẫu cảnh thực tế.
Quảng CÁO – TIẾP TỤC ĐỌC BÊN DƯỚI
Đề xuất quỹ đạo xe tiếp theo được đưa vào một mô hình dựa trên quy tắc hoạt động thông qua các rào cản an toàn và các hành động cuối cùng được điều chỉnh thông qua sự phân bổ, một miền thiết kế hoạt động (ODD) riêng biệt, và một phạm vi chức năng để cho phép hành vi có thể dự đoán và lặp lại tuân thủ các yêu cầu chứng nhận và xác nhận. Chip Snapdragon Ride Elite thế hệ thứ năm là nền tảng của hệ thống này, hưởng lợi từ hơn 300 triệu dặm dữ liệu thực tế trên toàn cầu, với mỗi thế hệ tích hợp những hiểu biết từ các lần triển khai trước đó.
Xử Lý Các Tình Huống Đô Thị Phức Tạp
Một trong những lợi ích của kiến trúc E2E là nó lý tưởng để cho phép các phương tiện được trang bị công nghệ AD điều hướng trong môi trường lái xe đô thị đông đúc, phức tạp và rất đa dạng. Ví dụ bao gồm khả năng hiểu rằng một chiếc xe giao hàng đang dừng trong làn đường di chuyển hoặc một người đi xe máy đang phân làn trên đường cao tốc đông đúc. Trong những tình huống như vậy, một kiến trúc E2E sử dụng AI để tái tạo toàn bộ các giao lộ một cách ảo và theo dõi nhiều đối tượng đồng thời, kết hợp với thông tin được truyền trong thời gian thực giữa các phương tiện được trang bị công nghệ vehicle-to-everything dựa trên di động. Điều này cho phép hệ thống phát hiện các nguy cơ tiềm ẩn vượt ra ngoài tầm nhìn.
Ngoài ra, như một phần của ngăn xếp cảm biến, một ứng dụng crowdsourcing được tích hợp trước thu thập và xây dựng dữ liệu bản đồ cấp làn đường được tổng hợp từ các đội xe kết nối, giảm hơn nữa sự phụ thuộc vào bản đồ HD. Điều này giúp cải thiện khả năng sử dụng trong thế giới thực, đặc biệt với các khía cạnh luôn thay đổi, khó lường của việc lái xe trong thành phố như người đi bộ, tín hiệu giao thông và bố cục đường sá có thể nhanh chóng và tạm thời thay đổi do tai nạn, xây dựng hoặc các sự cố khác.
Rào Cản An Toàn
Trong khi kiến trúc E2E cho phép hệ thống AD và ADAS mở rộng hiệu quả và đáng tin cậy, thì các rào cản an toàn rất quan trọng để một phương tiện hoạt động một cách có thể dự đoán và đáng tin cậy. Các rào cản an toàn này bao gồm các hệ thống giám sát, kế hoạch dự phòng và các kiểm tra an toàn tích hợp hoạt động kết hợp để giữ cho xe đi trên một con đường an toàn. Kiến trúc E2E cũng được thiết kế để phát hiện các tình huống như sự cố với cảm biến
