Phá Vỡ Rào Cản: Làm Thế Nào Kiến Trúc Nền Tảng Của Qualcomm Thúc Đẩy Tự Động Hóa Lái Xe An Toàn và Có Khả Năng Mở Rộng Hơn
Mục tiêu cốt lõi của xe tự lái (AD) và Hệ thống Hỗ trợ Người Lái Tiên Tiến (ADAS) là mô phỏng lại phản xạ và kỹ năng của những người lái xe giàu kinh nghiệm, những người đưa ra quyết định tức thời và trực quan về việc khi nào cần 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 bước tiến đáng kể trong việc phát triển công nghệ AD và ADAS bằng cách sử dụng các cảm biến, phần mềm và công nghệ chip hệ thống (SoC) tiên tiến, những yếu tố giúp xe tự đưa ra các quyết định này.
Minh chứng cho điều này là công chúng hiện có thể trải nghiệm các chuyến đi bằng xe robotaxi hoàn toàn tự động tại một số thành phố, trong khi 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, đã trở nên phổ biến trên tất cả các phân khúc xe. Tuy nhiên, do chi phí và sự phức tạp, công nghệ tự hành hoàn toàn hiện vẫn còn hạn chế trong các đội xe robotaxi tư nhân, trong khi tính năng lái rảnh tay trên cao tốc chủ yếu có sẵn trên các dòng xe sản xuất cao cấp.
Hai con đường riêng biệt dẫn đến Tự động lái xe được hỗ trợ bởi AI
Trí tuệ nhân tạo (AI) hứa hẹn sẽ giúp ngành công nghiệp ô tô nhanh chóng đạt được mục tiêu phổ biến các tính năng AD và ADAS an toàn và giá cả phải chăng hơn bằng cách cho phép hai phương pháp tiếp cận riêng biệt, cung cấp các công nghệ cần thiết cho nhận thức, lập kế hoạch và hành động. Cách tiếp cận truyền thống đòi hỏi kỹ thuật và lập trình thủ công đáng kể, các mạng lưới cảm biến phức tạp và thường chồng chéo, và thường yêu cầu bản đồ độ phân giải cao (HD) chính xác cần được 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, cũng như không có khả năng thích ứng nhanh với môi trường và tình huống mới, tất cả những yếu tố này cũng 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, một giải pháp E2E còn mang lại những lợi ích cho việc phát triển AD và ADAS bao gồm mức độ linh hoạt, hiệu quả và thông minh cao hơn.
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 độ phức tạp và sự đa dạng của hệ thống tăng lên, thách thức về khả năng mở rộng cũng gia tăng trong một kiến trúc AD truyền thống. Loại kiến trúc AD này cũng 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 từ 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 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 sai.
Các nhà sản xuất ô tô và nhà phát triển AD bù đắp cho những sai lệch này bằng cách sử dụng các mảng cảm biến đa phương thức bổ sung cho nhau như radar và lidar cùng với camera để bù đắp cho, ví dụ, các điều kiện môi trường khác nhau mà xe có thể gặp phải. Ví dụ, radar có hiệu quả trong thời tiết khắc nghiệt như mưa hoặc sương mù vì tín hiệu của nó có thể xuyên qua và “nhìn thấy” qua các điều kiện này trong khi camera không thể. Ngược lại, mặc dù radar có thể phát hiện 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.
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 các ứng dụng đa dạng 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 camera đơn và radar đa để cung cấp các tính năng ADAS cơ bản cho các xe cấp thấp đến thiết kế camera 11, radar 7 tiên tiến—và có thể 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 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 cũng như 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 (scene encoder), 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 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 rào cản an toàn (safety guardrails) và các hành động cuối cùng được điều chỉnh thông qua trọng tài (arbitration), 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, có thể tuân thủ các yêu cầu chứng nhận và xác thực. Chip Snapdragon Ride Elite thế hệ thứ năm cung cấp năng lượng cho 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 cho phép các xe 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 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 giao lộ ảo và theo dõi nhiều đối tượng đồng thời, đồng thời kết hợp thông tin này được giao tiếp theo thời gian thực giữa các xe được trang bị công nghệ xe-đến-mọi-thứ (V2X) dựa trên mạng di động. Điều này cho phép hệ thống phát hiện các mối nguy tiềm ẩn ngoài tầm nhìn.
Ngoài ra, như một phần của ngăn xếp cảm biến, một ứng dụng thu thập đám đông (crowdsourcing) được tích hợp sẵn thu thập và xây dựng dữ liệu bản đồ cấp làn đường được tổng hợp từ các đội xe được kết nối, giảm thêm 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, khó đoán của lái xe trong thành phố như người đi bộ, tín hiệu giao thông và bố cục đường xá có thể nhanh chóng và tạm thời thay đổi do tai nạn, công trình hoặc các sự kiện 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, 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 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 khó hiểu và hành động nhanh chóng và an toàn để bù đắp.
Mục tiêu là đảm bảo rằng các phản ứng của hệ thống là có thể dự đoán và lặp lại và rằng cùng một tình huống luôn dẫn đến
