Từ A đến Z: Cách Giải Pháp Toàn Diện Của Qualcomm Tận Dụng AI Để Lái Xe Tự Hành An Toàn Và Dễ Mở Rộng Hơn
Mục tiêu cốt lõi của ngành công nghiệp ô tô và công nghệ là tái tạo khả năng quan sát và kinh nghiệm của tài xế con người, giúp họ đưa ra những quyết định tức thời, trực quan về việc khi nào cần tăng tốc, phanh, đánh lái và thực hiện các thao tác quan trọng khác. Nhờ sự phát triển vượt bậc của công nghệ cảm biến, phần mềm và chip hệ thống (SoC), những quyết định phức tạp này hiện có thể được tự động hóa và thực hiện bởi chính phương tiện.
Bằng chứng rõ ràng nhất cho thấy bước tiến này là việc người tiêu dùng giờ đây có thể trải nghiệm dịch vụ taxi tự hành (robotaxi) hoàn toàn không cần người lái tại nhiều thành phố lớn. Đồng thời, các tính năng hỗFA (Hỗ trợ Lái xe Nâng cao), thường được biết đến với tên gọi trợ lý lái xe, như cảnh báo va chạm phía trước kết hợp phanh khẩn cấp tự động và hỗ trợ giữ làn đường, đã trở nên phổ biến trên hầu hết các phân khúc xe. Tuy nhiên, do những rào cản về chi phí và độ phức tạp kỹ thuật, công nghệ tự lái hoàn toàn hiện vẫn chỉ giới hạn trong các đội xe robotaxi tư nhân, trong khi tính năng lái rảnh tay trên cao tốc chủ yếu xuất hiện trên các mẫu xe cao cấp.
Hai Con Đường Rất Khác Nhau Để Đạt Được Khả Năng Tự Lái Nhờ AI
Trí tuệ nhân tạo (AI) đang mở ra một hướng đi mới, cho phép ngành ô tô nhanh chóng hiện thực hóa mục tiêu phổ biến các tính năng tự lái an toàn và giá cả phải chăng. AI hỗ trợ hai phương pháp tiếp cận riêng biệt để cung cấp các công nghệ cần thiết cho việc nhận diện (perception), lập kế hoạch (planning) và điều khiển (control).
Phương pháp truyền thống đòi hỏi sự can thiệp kỹ thuật và lập trình thủ công đáng kể, sử dụng các mạng lưới cảm biến phức tạp, thường chồng chéo, và yêu cầu bản đồ độ phân giải cao (HD maps) có độ chính xác tuyệt đối cũng như cần được cập nhật liên tục. Cách tiếp cận này bộc lộ nhiều thách thức như chi phí vận hành cao, quản lý dữ liệu và mạng lưới phức tạp, cùng với sự hạn chế trong khả năng thích ứng nhanh với môi trường và tình huống mới, tất cả đều cản trở khả năng mở rộng quy mô sản xuất.
Một phương pháp mang tính đột phá hơn, được hỗ trợ bởi nền tảng Snapdragon Ride của Qualcomm Technologies, Inc., là kiến trúc Trí tuệ Nhân tạo Toàn diện (End-to-End – E2E). Kiến trúc này đơn giản hóa các tác vụ phức tạp như nhận diện cảm biến, ra quyết định tức thời và điều khiển xe thông qua một khuôn khổ (framework) thống nhất. Ngoài việc giúp đơn giản hóa thiết kế hệ thống, giải pháp E2E còn mang lại nhiều lợi ích vượt trội cho việc phát triển AD và ADAS, bao gồm mức độ linh hoạt, hiệu quả và thông minh cao hơn.
Kiến Trúc Có Khả Năng Mở Rộng và Tối Ưu Hóa
Tương tự như các kiến trúc tự lái truyền thống, hệ thống E2E cũng tận dụng cấu hình cảm biến đa camera và đa radar vốn đã phổ biến trên nhiều mẫu xe hiện đại. Tuy nhiên, khi độ phức tạp và sự đa dạng của hệ thống tăng lên, thách thức về khả năng mở rộng (scalability) trong kiến trúc truyền thống cũng trở nên đáng kể. Hơn nữa, loại kiến trúc này thường bị giới hạn bởi các phương thức cảm biến (sensor modalities) riêng lẻ. 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 chang, bụi bẩn, mảnh vụn trên đường, hoặc các vật cản tầm nhìn. Điều này có thể khiến hệ thống dễ bị lỗi, chẳng hạn như phân loại sai đối tượng hoặc phát hiện sai.
Các nhà sản xuất ô tô và nhà phát triển AD thường 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 kết hợp với camera, để khắc phục các điều kiện môi trường đa dạng mà xe có thể gặp phải. Ví dụ, radar tỏ ra 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 xuyên” qua các điều kiện này, điều mà camera không thể làm được. Ngược lại, mặc dù radar có thể phát hiện vật thể ở khoảng cách xa hơn, nó không thể xác định được đó là thú cưng hay một mảnh lốp trên đường như camera có thể làm được ở cự ly gần, từ đó cung cấp thông tin cần thiết cho phân khúc ra quyết định và điều khiển trong hệ thống AD và ADAS.
Việc kết hợp radar với camera mang lại nhiều lớp nhận thức bổ sung và liền mạch, nâng cao đáng kể 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 cũng tăng lên. Các hệ thống E2E mang lại một lợi thế quan trọng: thiết kế mô-đun và việc sử dụng công nghệ nhận diện cấp thấp (low-level perception) 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 ngày càng 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 kênh cung cấp các tính năng ADAS cơ bản cho xe phổ thông, cho đến thiết kế tiên tiến với 11 camera và 7 radar, với khả năng mở rộng tương ứng tùy thuộc vào phương thức và số lượng cảm biến. Kiến trúc E2E có thể tận dụng các SoC tính toán không đồng nhất (heterogeneous compute) bằng cách cân bằng tải trên các thành phần CPU, GPU và NPU một cách hiệu quả hơn. Điều này dẫn đến mức tiêu thụ điện năng thấp hơn, giảm kích thước khối tính toán, giảm lượng dữ liệu truyền về bộ nhớ DDR, và từ đó giảm chi phí cũng như 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 vào một bộ mã hóa cảnh (scene encoder), sau đó xử lý dữ liệu này thành một mô hình 3D tương ứng với mảng cảm biến. Mô hình thế giới 3D này cho phép xử lý song song và được cung cấp cho một bộ biến đổi quyết định (decision transformer) được huấn luyện dựa trên các mẫu cảnh thực tế.
Đề xuất quỹ đạo di chuyển của xe sau đó được đưa vào một mô hình dựa trên quy tắc (rule-based model) hoạt động thông qua các rào cản an toàn (safety guard rails), và các hành động cuối cùng được điều chỉnh thông qua cơ chế phân quyền (arbitration), một miền hoạt động thiết kế (ODD) riêng biệt, và một phạm vi chức năng (functional scope) để đảm bảo 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 đều tích hợp những bài học kinh nghiệm từ các lần triển khai trước đó.
Xử Lý Các Tình Huống Phức Tạp Trong Đô Thị
Một trong những lợi ích của kiến trúc E2E là nó lý tưởng cho phép các phương tiện được trang bị công nghệ AD di chuyển linh hoạt trong môi trường đô thị đông đúc, phức tạp và có tính biến đổi cao. Ví dụ, khả năng hiểu rằng một chiếc xe giao hàng đang đỗ trong làn đường di chuyển hoặc một chiếc xe máy đang di chuyển xen kẽ (lane-splitting) trong dòng xe trên đường cao tốc đông đúc. Trong những tình huống như vậy, kiến trúc E2E sử dụng AI để tái tạo ảo toàn bộ các giao lộ và theo dõi nhiều đối tượng cùng lúc, đồng thời kết hợp thông tin này với dữ liệu truyền theo thời gian thực giữa các xe được trang bị công nghệ truyền thông V2X (Vehicle-to-Everything). Điều này cho phép hệ thống phát hiện các mối nguy hiểm tiềm ẩn ngoài tầm nhìn trực tiếp.
Ngoài ra, như một phần của bộ cảm biến, một ứng dụng thu thập đám mây (crowdsourcing application) được tích hợp sẵn thu thập và xây dựng dữ liệu bản đồ cấp làn đường từ các đội xe được kết nối, từ đó giảm sự phụ thuộc vào bản đồ HD. Điều này giúp cải thiện khả năng sử dụng trong thực tế, đặc biệt là với những khía cạnh thay đổi liên tục 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 nhanh chóng thay đổi tạm thời do tai nạn, công trường 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 quy mô một cách hiệu quả và đáng tin c
