Thế nào là một hệ thống lái xe tự động (AD) và hỗ trợ người lái tiên tiến (ADAS)?
Các giải pháp tích hợp giúp ô tô tự động di chuyển và phản ứng như con người, nhưng liệu chúng đã thực sự an toàn và hiệu quả?
Mục tiêu cuối cùng của hệ thống lái xe tự động (AD) và hệ thống hỗ trợ người lái tiên tiến (ADAS) là mô phỏng lại hành vi của người lái xe giàu kinh nghiệm—những người có khả năng đưa ra quyết định tức thì, trực quan về thời điểm phanh, tăng tốc, đánh lái và thực hiện các thao tác quan trọng khác. Ngành công nghiệp ô tô và công nghệ đã đạt được những tiến bộ vượt bậc trong việc phát triển AD và ADAS, sử dụng các cảm biến, phần mềm và chip xử lý (SoC) tiên tiến để tự động hóa các quyết định này.
Ngày nay, chúng ta đã thấy những chiếc robotaxi hoàn toàn tự động hoạt động tại nhiều thành phố, và các tính năng ADAS như cảnh báo va chạm phía trước với phanh tự động khẩn cấp, hỗ trợ giữ làn đường đã trở nên phổ biến trên hầu hết các phân khúc xe. Tuy nhiên, do chi phí và độ phức tạp, công nghệ tự lái hoàn toàn hiện vẫn bị giới hạn trong các đội xe robotaxi tư nhân, trong khi tính năng lái rảnh tay trên đường cao tốc chủ yếu chỉ có trên các dòng xe cao cấp.
Hai con đường khác biệt dẫn đến lái xe tự động tích hợp AI
Trí tuệ nhân tạo (AI) hứa hẹn sẽ giúp ngành công nghiệp ô tô nhanh chóng đạt được mục tiêu triển khai AD và ADAS rộng rãi, an toàn và giá cả phải chăng. AI cho phép hai phương pháp tiếp cận riêng biệt, đều cung cấp khả năng nhận thức (perception), lập kế hoạch (planning) và điều khiển (action) cần thiết.
Phương pháp truyền thống đòi hỏi kỹ thuật thủ công và mã hóa chuyên sâu, sử dụng mạng lưới cảm biến phức tạp và chồng chéo, cùng với các bản đồ độ phân giải cao (HD) yêu cầu cập nhật liên tục. Phương pháp này gặp phải nhiều thách thức như chi phí cao, quản lý dữ liệu và mạng lưới phức tạp, cùng với việc khó thích ứng nhanh với môi trường và tình huống mới, tất cả đều cản trở khả năng mở rộng.
Ngược lại, một phương pháp đột phá hơn, được hỗ trợ bởi nền tảng Snapdragon Ride của Qualcomm Technologies, Inc., là kiến trúc AI tích hợp đầu cuối (End-to-End – E2E). Kiến trúc này đơn giản hóa các tác vụ như nhận thức cảm biến, ra quyết định tức thời và điều khiển xe trong một khuôn khổ thống nhất. 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 như tính linh hoạt, hiệu quả và thông minh cao hơn.
Kiến trúc tối ưu và có khả năng mở rộng
Giống như các kiến trúc AD truyền thống, hệ thống E2E sử dụng cấu hình cảm biến đa camera và đa radar phổ biến trên nhiều xe hiện đại. Tuy nhiên, khi độ phức tạp và sự đa dạng của hệ thống tăng lên, các thách thức về khả năng mở rộng trong kiến trúc AD truyền thống cũng tăng theo. Kiến trúc AD này thường bị giới hạn bởi các phương thức cảm biến. Ví dụ, một hệ thống chủ yếu dựa vào camera mà không có sự hỗ trợ của bản đồ HD không chỉ có khả năng dự phòng hạn chế để đưa ra quyết định, mà độ chính xác của camera còn có thể bị ảnh hưởng bởi ánh sáng mặt trời chói, bụi bẩn, mảnh vụn và vật cản tầm nhìn. Điều này có thể khiến hệ thống dễ bị lỗi như phân loại đối tượng sai hoặc phát hiện giả.
Các nhà sản xuất ô tô và nhà phát triển AD bù đắp cho những hạn chế này bằng cách sử dụng các mảng cảm biến đa phương thức bổ sung cho nhau, chẳng hạn như radar và lidar bên cạnh camera, để bù đắp cho các điều kiện môi trường khác nhau mà xe có thể gặp phải. Ví dụ, radar hiệu quả trong điều kiện thời tiết khắc nghiệt như mưa hoặc sương mù vì tín hiệu của nó có thể xuyên qua và “nhìn thấy” trong điều kiện đó, trong khi camera không thể. Ngược lại, radar có thể phát hiện vật thể ở khoảng cách xa hơn nhưng không thể xác định liệu đó là thú cưng hay lốp xe trên đường như camera có thể làm ở cự ly gần, từ đó cung cấp thông tin cho phân khúc ra quyết định và điều khiển của công nghệ AD và ADAS.
Kết hợp radar với camera cung cấp các lớp nhận thức bổ sung và liền mạch, 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 tăng lên. Hệ thống E2E cung cấp một lợi thế chính: 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 và dễ dàng điều chỉnh theo yêu cầu cảm biến phát triển. Ví dụ, phương pháp 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 nâng cao 11 camera, 7 radar—và mở rộng với mọi thứ ở giữa tùy thuộc vào phương thức và số lượng cảm biến. Kiến trúc E2E có thể tận dụng SoC tính toán không đồng nhất 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, kích thước bộ xử lý nhỏ gọn hơn, ít di chuyển dữ liệu sang bộ nhớ DDR hơn, đồng thời giảm chi phí và độ phức tạp.
Xây dựng thế giới 3D
Phương pháp 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 (scene encoder) được xử lý thành 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 biến đổi quyết định (decision transformer) được huấn luyện trên các mẫu cảnh thực tế.
Đề xuất quỹ đạo xe tiếp theo được nhập vào một mô hình dựa trên quy tắc (rule-based model) hoạt động thông qua các hàng rào an toàn (safety guard rails), và các hành động cuối cùng được điều chỉnh thông qua cơ chế phân quyền (arbitration), một miền thiết kế vận hành (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 thực. Chip Snapdragon Ride Elite thế hệ thứ năm là nền tảng của hệ thống này, được 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 lý tưởng để cho phép các xe được trang bị công nghệ AD di chuyển trong môi trường đô thị đông đúc, phức tạp và có tính biến đổi cao. Ví dụ như khả năng hiểu rằng một chiếc xe giao hàng đang dừng trong làn đường lái xe hoặc một người đi xe máy đang phân làn trên đường cao tốc đông đúc. Trong những tình huống như vậy, kiến trúc E2E sử dụng AI để tái tạo toàn bộ các giao lộ ảo và theo dõi nhiều đối tượng đồng thời, đồng thời kết hợp thông tin được truyền theo thời gian thực giữa các xe được trang bị công nghệ xe-đến-mọi-thứ (V2X) dựa trên di động. Điều này cho phép hệ thống phát hiện các mối nguy tiềm ẩn ngoài tầm nhìn.
Ngoài ra, như một phần của bộ cảm biến, một ứng dụng thu thập dữ liệu đám mây (crowdsourcing) được tích hợp sẵn thu thập và xây dựng dữ liệu bản đồ cấp làn đường tổng hợp từ các đội xe được kết nối, giảm sự phụ thuộc vào bản đồ HD. Điều này giúp cải thiện khả năng sử dụng trong thực tế, đặc biệt với các khía cạnh luôn thay đổi và khó lường của việc lái xe trong thành phố như người đi bộ, tín hiệu giao thông và bố cục đường sá có thể thay đổi nhanh chóng và tạm thời do tai nạn, xây dựng hoặc các sự cố khác.
Hàng rào an toàn (Safety Guard Rails)
Trong khi kiến trúc E2E cho phép hệ thống AD và ADAS mở rộng hiệu quả và đáng tin cậy, các hàng rào an toàn là rất quan trọng để xe hoạt động một cách có thể dự đoán và đáng tin cậy. Những hàng rào 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 con đường an toàn. Kiến trúc E2E cũng được thiết kế để phát hiện các tình huống như sự cố với cảm biến hoặc điều kiện đường xá gây nhầm lẫn và hành động nhanh chóng và an toàn để bù đắp.
Mục tiêu là đảm bảo rằng các phản ứng của hệ thống có thể dự đoán và lặp lại, và rằng 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 công nghệ có sẵn trong các xe sản xuất, trong khi các bản cập nhật phần mềm
