Thuật ngữ

Xe tự hành

Khám phá cách xe tự hành sử dụng AI, công nghệ thị giác máy tính và cảm biến để cách mạng hóa giao thông với sự an toàn, hiệu quả và đổi mới.

Xe tự hành (AV), còn được gọi là xe tự lái, là những phương tiện có khả năng cảm nhận môi trường xung quanh và tự điều hướng mà không cần sự can thiệp của con người. Chúng đại diện cho một ứng dụng đột phá của Trí tuệ Nhân tạo (AI) , kết hợp các cảm biến tiên tiến, thuật toán phức tạp và bộ xử lý mạnh mẽ để thực hiện tất cả các chức năng lái xe. Mục tiêu chính của AV là nâng cao an toàn, cải thiện lưu lượng giao thông và tăng khả năng di chuyển cho những người không thể lái xe. Công nghệ này đang đi đầu trong đổi mới trong ngành công nghiệp ô tô , hứa hẹn sẽ định hình lại ngành vận tải và hậu cần.

Công nghệ cốt lõi

Cốt lõi của mỗi xe tự hành là một hệ thống tinh vi có khả năng nhận thức thế giới, đưa ra quyết định và điều khiển hành động của xe. Hệ thống này phụ thuộc rất nhiều vào Thị giác Máy tính (CV) , hoạt động như đôi mắt của xe.

  • Nhận thức: Xe tự lái (AV) sử dụng một bộ cảm biến—bao gồm camera, radar và LiDAR —để thu thập dữ liệu về môi trường xung quanh. Các mô hình Học sâu xử lý dữ liệu này để thực hiện các nhiệm vụ quan trọng như Phát hiện Đối tượng để xác định người đi bộ, các phương tiện khác và biển báo đường bộ; Phân đoạn Hình ảnh để phân biệt bề mặt có thể lái xe với vỉa hè; và Ước tính Tư thế để dự đoán ý định của người đi bộ và người đi xe đạp.
  • Hợp nhất cảm biến: Dữ liệu từ các cảm biến khác nhau được kết hợp thông qua một quy trình gọi là hợp nhất cảm biến . Quá trình này tạo ra một mô hình môi trường duy nhất, chính xác hơn bất kỳ cảm biến đơn lẻ nào, giúp tăng cường độ tin cậy và an toàn.
  • Ra quyết định: Sau khi hiểu rõ môi trường, AI phải đưa ra quyết định. Việc này bao gồm lập kế hoạch đường đi, điều chỉnh tốc độ và xử lý các tình huống giao thông phức tạp. "Bộ não" của xe tự lái này tận dụng các mô hình học máy được đào tạo dựa trên lượng dữ liệu lái xe khổng lồ.

Các cấp độ tự chủ

Sự phát triển của AV thường được phân loại thành sáu cấp độ theo tiêu chuẩn SAE International J3016 , trong đó nêu rõ quá trình phát triển từ không tự động hóa đến tự động hóa hoàn toàn.

  • Cấp độ 0-2: Các cấp độ này bao gồm các tính năng mà người lái vẫn kiểm soát được xe nhưng được hỗ trợ bởi các hệ thống như phanh khẩn cấp tự động hoặc hỗ trợ giữ làn đường. Nhiều xe ô tô hiện đại được trang bị Hệ thống Hỗ trợ Người lái Tiên tiến (ADAS).
  • Cấp độ 3-5: Các cấp độ này liên quan đến mức độ tự động hóa ngày càng tăng, trong đó xe tự lái trong một số điều kiện cụ thể (Cấp độ 3), hầu hết các điều kiện (Cấp độ 4) hoặc tất cả các điều kiện (Cấp độ 5). "Tự lái" thực sự thường gắn liền với Cấp độ 4 và 5. Việc vận hành an toàn các hệ thống tiên tiến này là trọng tâm chính của các cơ quan quản lý như NHTSA .

Ứng dụng trong thế giới thực

Mặc dù xe tự hành hoàn toàn vẫn chưa phổ biến nhưng công nghệ này đang được triển khai và thử nghiệm tích cực trong nhiều ứng dụng khác nhau.

  1. Dịch vụ Robotaxi: Các công ty như WaymoCruise đang vận hành dịch vụ gọi xe thương mại với xe tự lái hoàn toàn tại một số thành phố. Các dịch vụ này sử dụng AI tiên tiến trên xe tự lái để điều hướng trong môi trường đô thị, dựa trên khả năng phát hiện và theo dõi vật thể theo thời gian thực để đảm bảo an toàn cho hành khách.
  2. Hệ thống Hỗ trợ Người lái Tiên tiến (ADAS): Các tính năng như Autopilot của Tesla và các hệ thống tương tự từ các nhà sản xuất khác rất phổ biến trên các phương tiện mới. Các hệ thống này sử dụng camera và AI để tự động hóa các tác vụ như đánh lái, tăng tốc và phanh, thể hiện một bước tiến dần dần hướng tới khả năng tự động hoàn toàn.

Phát triển và Đào tạo

Việc phát triển AV đòi hỏi phải kiểm tra và xác thực nghiêm ngặt, thường sử dụng các tập dữ liệu lớn như COCO hoặc các tập dữ liệu lái xe chuyên biệt như ArgoversenuScenes . Việc đào tạo các mô hình cơ bản với các kiến trúc mạnh mẽ như YOLO11 đòi hỏi tài nguyên tính toán ( GPU ) và các khung công tác như PyTorch hoặc TensorFlow đáng kể. Các môi trường mô phỏng như CARLA đóng vai trò quan trọng trong việc kiểm tra an toàn các thuật toán trong vô số tình huống trước khi triển khai thực tế. Việc xác thực tính an toàn của AV là một thách thức phức tạp, như đã được nêu bật trong nghiên cứu từ các tổ chức như RAND Corporation .

Việc triển khai mô hình thường bao gồm các kỹ thuật tối ưu hóa như lượng tử hóa mô hình cho các bộ tăng tốc phần cứng chuyên dụng như thiết bị Edge AINVIDIA Jetson . Toàn bộ vòng đời được hưởng lợi từ các phương pháp MLOps mạnh mẽ để cải tiến và giám sát liên tục.

Xe tự hành so với Robot

Mặc dù xe tự hành là một dạng robot chuyên biệt, nhưng thuật ngữ Robotics lại có phạm vi rộng hơn nhiều. Robotics bao gồm nhiều loại máy móc tự động, bao gồm cánh tay sản xuất công nghiệp, robot phẫu thuật và máy bay không người lái. Xe tự hành là những robot mặt đất được thiết kế chuyên biệt để vận chuyển người hoặc hàng hóa, đại diện cho một ứng dụng phức tạp và dễ thấy trong lĩnh vực robot rộng lớn hơn.

Tham gia cộng đồng Ultralytics

Tham gia vào tương lai của AI. Kết nối, cộng tác và phát triển với những nhà đổi mới toàn cầu

Tham gia ngay
Liên kết đã được sao chép vào clipboard