Làm thế nào Qualcomm Tận dụng AI cho Lái xe Tự động An toàn và Mở rộng Quy mô Hơn
Cách tiếp cận này cho phép các nhà sản xuất ô tô triển khai nhanh hơn, tối ưu hóa chi phí và triển khai 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 Người lái Nâng cao (ADAS) là mô hình hóa những người lái xe có kinh nghiệm và chú ý, những người đưa ra quyết định tức thì và trực quan về thời điểm phanh, tăng tốc, đánh lái và các thao tác quan trọng khác. Ngành công nghiệp ô tô và công nghệ đã có những bước tiến lớn trong việc phát triển công nghệ AD và ADAS bằng cách sử dụng các cảm biến, phần mềm và công nghệ hệ thống trên chip (SOC) tiên tiến để đưa ra các quyết định này cho xe.
Bằng chứng là công chúng hiện có thể đi trên một chiếc xe tự hành hoàn toàn ở một số thành phố và các tính năng ADAS, còn được gọi là hỗ trợ người lái, như cảnh báo va chạm phía trước với phanh tự động khẩn cấp và hỗ trợ giữ làn đường hiện đã phổ biến trên tất cả các phân khúc xe. Nhưng do chi phí và độ 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 xe sản xuất cao cấp.
Quảng cáo – Tiếp tục đọc bên dưới
Hai con đường rất khác nhau dẫn đến Lái xe Tự động hỗ trợ AI
Trí tuệ nhân tạo (AI) hứa hẹn sẽ giúp ngành công nghiệp ô tô đạt được mục tiêu phổ biến các tính năng AD và ADAS an toàn và giá cả phải chăng nhanh hơn bằng cách cho phép hai phương pháp riêng biệt cung cấp các công nghệ cần thiết cho nhận thức, lập kế hoạch và hành động. Phương pháp truyền thống đòi hỏi kỹ thuật và mã hóa thủ công đáng kể, các mạng cảm biến phức tạp và chồng chéo, và thường là các bản đồ HD chính xác yêu cầu cập nhật liên tục. Phương pháp này đi kèm với những thách thức như chi phí cao, quản lý dữ liệu và mạng phức tạp, và không có khả năng thích ứng nhanh với môi trường và tình huống mới, tất cả những điều này cũng cản trở khả năng mở rộng.
Một phương pháp mang tính chuyển đổi hơn, được hỗ trợ bởi nền tảng Snapdragon Ride của Qualcomm Technologies, Inc., là kiến trúc AI end-to-end (E2E) giúp 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, 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 biến thể hệ thống tăng lên, thách thức về khả năng mở rộng trong kiến trúc AD truyền thống cũng vậy. Loại kiến trúc AD này cũng thường bị hạn chế bởi các phương thức 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 nắng mặt trời chói chang, bụi bẩn và mảnh vụn, và các vật cản tầm nhìn thẳng. Điều này có thể làm cho hệ thống dễ bị lỗi như phân loại đối tượng sai và phát hiện sai.
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 cho nhau như radar và lidar bên cạnh camera để bù đắp cho, chẳng hạn như, các điều kiện môi trường khác nhau mà xe có thể gặp phải. Ví dụ, radar hiệu quả trong thời tiết xấu như mưa hoặc sương mù vì tín hiệu của nó có thể xuyên qua và “nhìn xuyên qua” các điều kiện này trong khi camera không thể. Ngược lại, mặc dù radar có thể phát hiện một vật thể ở xa hơn nhưng 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 chính: thiết kế mô-đun và sử dụng công nghệ nhận thức mức thấp giúp chúng có khả năng mở rộng cao, thích ứng với các ứng dụng đa dạng và dễ dàng điều chỉnh theo yêu cầu cảm biến đang phát triển. Ví dụ, phương pháp E2E của Qualcomm Technologies có thể áp dụng cho mọi thứ từ hệ thống cảm biến camera đơn và radar đa cho các tính năng ADAS cơ bản cho xe cấp thấp đến thiết kế 11 camera, 7 radar tiên tiến—và mở rộng với mọi thứ ở giữa tùy thuộc vào phương thức và số lượng cảm biến. Một kiến trúc E2E có thể tận dụng các SoC tính toán dị thể bằng cách cân bằng tải thích hợp trên các thành phần CPU, GPU và NPU một cách hiệu quả hơn. Điều này dẫn đến mức tiêu thụ điện năng thấp hơn, kích thước tính toán nhỏ hơn, ít di chuyển dữ liệu hơn ra bộ nhớ DDR, và giảm chi phí và độ 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 được xử lý thành một mô hình 3D phù hợp với mảng cảm biến. Mô hình thế giới 3D này cung cấp khả năng xử lý song song và được đưa vào một bộ biến đổi quyết định được đào tạo trên các mẫu cảnh trong thế giới thực.
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 phân quyền, một miền 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 hỗ trợ hệ thống này, hưởng lợi từ hơn 300 triệu dặm dữ liệu thế giới thực trên toàn cầu, với mỗi thế hệ kết 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 lý tưởng cho phép các xe được trang bị công nghệ AD điều hướng các môi trường lái xe đông đúc, phức tạp và rất đa dạng trong đô thị. Các ví dụ bao gồm khả năng hiểu rằng một chiếc xe giao hàng đang dừng trong làn đường lái xe hoặc một người đi xe máy đang tách làn trên một con đường cao tốc đông đúc. Trong các tình huống như vậy, một kiến trúc E2E sử dụng AI để tái tạo toàn bộ các giao lộ ảo và theo dõi nhiều đối tượng đồng thời và kết hợp thông tin này được truyền theo thời gian thực giữa các xe được trang bị công nghệ giao tiếp giữa xe với mọi thứ dựa trên di động. Điều này cho phép hệ thống phát hiện các mối nguy hiểm tiềm ẩn ngoài tầm nhìn thẳng.
Ngoài ra, như một phần của ngăn xếp cảm biến, một ứng dụng thu thập dữ liệu đám mây được tích hợp trước thu thập và xây dựng dữ liệu bản đồ cấp làn đường tổng hợp từ các đội xe kết nối, giảm sự phụ thuộc vào bản đồ HD. Điều này giúp cải thiện khả năng sử dụng trong thế giới thực, đặc biệt là với các khía cạnh luôn thay đổi, khó lường của lái xe trong thành phố như người đi bộ, tín hiệu giao thông và bố cục đường 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 các hệ thống AD và ADAS mở rộng hiệu quả và đáng tin cậy, các rào cản an toàn là rất quan trọng để xe 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 đúng hướng an toàn. Một kiến trúc E2E cũng được thiết kế để phát hiện các tình huống như sự cố với cảm biến hoặc điều kiện đường khó hiểu và hành động nhanh chóng và an toàn để bù đắp.
Quảng cáo – Tiếp tục đọc bên dưới
Mục tiêu là đảm bảo rằng phản ứng của hệ thống là có thể dự đoán và lặp lại và cùng một tình huống luôn dẫn đến cùng một hành động. Kiểm tra và mô phỏng kỹ lưỡng giúp phát hiện các vấn đề trước khi
