Autonomous Vehicles

Xe tự hành (AVs), thường được gọi là xe tự lái, sử dụng cảm biến và trí tuệ nhân tạo (AI) để nhận biết môi trường xung quanh, dự đoán hành động của những người tham gia giao thông khác, lập lộ trình, đánh lái, tăng tốc và phanh mà không cần tài xế. Thuật ngữ này bao quát nhiều cấp độ, từ xe giữ làn trên đường cao tốc khi có người giám sát đến robotaxi không có người ngồi ở ghế lái. Dịch vụ không người lái hiện đã được thương mại hóa: Waymo, bắt đầu cung cấp dịch vụ đi xe hoàn toàn không người lái cho công chúng tại Phoenix năm 2020, chở khách trả phí tại ít nhất mười khu vực đô thị ở Mỹ; Apollo Go của Baidu vận hành robotaxi không người lái tại các thành phố Trung Quốc như Wuhan. Xe dành cho người tiêu dùng chủ yếu cung cấp tính năng hỗ trợ lái xe cần có người giám sát liên tục; đây vẫn là hình thức AI trong ngành ô tô phổ biến nhất.

Cách Xe Tự hành Hoạt động#

Hệ thống tự lái lặp lại cùng một quy trình nhiều lần mỗi giây:

• Cảm nhận: Camera ghi nhận vạch kẻ đường, biển báo và đèn giao thông; lidar đo khoảng cách 3D chính xác bằng xung laser; radar đo khoảng cách và tốc độ, đồng thời vẫn hoạt động trong sương mù và mưa; GNSS, cảm biến quán tính và odometry bánh xe theo dõi chuyển động của chính xe.
• Nhận thức: Neural network phát hiện, phân loại và theo dõi mọi ô tô, người đi xe đạp và người đi bộ, xác định làn đường và khu vực có thể lái xe, đồng thời ước tính khoảng cách.
• Dự đoán: Hệ thống dự báo vị trí mà mỗi người tham gia giao thông có thể đi đến trong vài giây tiếp theo, thường đưa ra một số quỹ đạo khả dĩ kèm xác suất.
• Lập kế hoạch: Bộ lập kế hoạch chọn lộ trình và tốc độ giúp xe di chuyển, tuân thủ luật giao thông và duy trì khoảng cách an toàn với mọi quỹ đạo dự đoán.
• Điều khiển: Bộ điều khiển cấp thấp chuyển kế hoạch thành lệnh đánh lái, tăng ga và phanh.

Không cảm biến nào hoạt động tốt trong mọi điều kiện, vì vậy hợp nhất cảm biến kết hợp dữ liệu từ nhiều cảm biến. Nhận thức dựa vào phát hiện đối tượng, phân đoạn ngữ nghĩa đường, vỉa hè và thảm thực vật, phát hiện đối tượng 3D trong đám mây điểm lidar và theo dõi nhiều đối tượng; trong khi đó, hệ thống chỉ dùng camera ước tính khoảng cách bằng ước tính độ sâu và thị giác lập thể. Bộ điều khiển theo dõi lộ trình thường sử dụng điều khiển dự đoán theo model để đi theo quỹ đạo đã lập trong giới hạn đánh lái và gia tốc. Các dataset công khai như KITTI và Argoverse cung cấp dữ liệu lái xe đã gán nhãn để huấn luyện và đánh giá các model này.

Theo dõi Người tham gia Giao thông bằng Code#

Dự đoán cần biết chuyển động của từng người tham gia giao thông, vì vậy hệ thống nhận thức phải theo dõi mọi đối tượng qua từng frame với một ID ổn định. Ultralytics YOLO26 ở chế độ tracking thực hiện việc này bằng cách gán ID cố định cho mỗi bounding box được phát hiện. Ví dụ này theo dõi người đi bộ trong video có cảnh mọi người đang đi bộ:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Track pedestrians (COCO class 0) across video frames, keeping one ID per person
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
results = model.track(source=video, classes=[0], stream=True)

ids_seen = set()
for result in results:
    if result.boxes.is_track:
        ids_seen.update(result.boxes.id.int().tolist())

print(f"Unique pedestrians tracked: {len(ids_seen)}")

Chương trình in ra số người riêng biệt được gán ID trong đoạn video. Mỗi ID liên kết các bounding box của một người qua nhiều frame; sự thay đổi vị trí của bounding box giữa các frame tạo thành lịch sử chuyển động để module dự đoán ngoại suy.

Hệ thống Lái xe Mô-đun và End-to-End#

Phần mềm AV truyền thống có kiến trúc mô-đun: các thành phần riêng biệt, được kiểm thử riêng cho nhận thức, dự đoán, lập kế hoạch và điều khiển, kết nối thông qua các interface được thiết kế thủ công như danh sách đối tượng đã theo dõi. Hệ thống end-to-end thay thế phần lớn quy trình này bằng một neural network ánh xạ dữ liệu cảm biến thành quỹ đạo, được huấn luyện bằng bắt chước hành vi trên lượng lớn dữ liệu lái xe của con người. Năm 2024, Tesla chuyển phần mềm hỗ trợ lái xe FSD (Supervised) sang network end-to-end ở phiên bản 12; model nghiên cứu UniAD, kết nối nhận thức, dự đoán và lập kế hoạch trong một network được tối ưu cho lập kế hoạch, đã giành giải bài báo xuất sắc nhất tại CVPR 2023. Nhiều hệ thống production nằm giữa hai hướng này, với các module học được huấn luyện cùng nhau nhưng vẫn cung cấp đầu ra có thể diễn giải để kỹ sư kiểm thử.

Mô phỏng đảm nhận phần lớn công việc validation, vì không thể chủ động thu thập các sự kiện hiếm gặp. World model được huấn luyện trên dữ liệu đội xe, chẳng hạn Waymo World Model được công bố vào tháng 2 năm 2026, tạo dữ liệu camera và lidar chân thực cho những tình huống mà đội xe chưa từng ghi nhận; học tăng cường trong mô phỏng giúp bộ lập kế hoạch xử lý các tình huống hiếm gặp trong dữ liệu lái xe của con người.

Các Cấp độ Tự động hóa Lái xe#

Tiêu chuẩn SAE J3016, được sửa đổi cùng ISO vào năm 2021, xác định sáu cấp độ tự động hóa lái xe. Cấp độ 0 đến 2 là các tính năng hỗ trợ tài xế: con người vẫn lái xe, kể cả khi chân không đặt lên bàn đạp và tay không đặt lên vô lăng, đồng thời phải giám sát mọi lúc. Cấp độ 3 đến 5 là các hệ thống lái xe tự động tự thực hiện nhiệm vụ lái xe, ít nhất trong miền thiết kế vận hành của chúng — tức đường sá, tốc độ và điều kiện mà hệ thống được xây dựng để hoạt động:

Các hệ thống lái xe rảnh tay trên đường cao tốc như Super Cruise của GM thuộc Cấp độ 2, vì tài xế phải tiếp tục quan sát đường. Drive Pilot của Mercedes-Benz là hệ thống Cấp độ 3 được phê duyệt trên một số đường cao tốc ở Đức, California và Nevada; tài xế có thể rời mắt khỏi đường nhưng phải tiếp quản khi được yêu cầu. Robotaxi của Waymo thuộc Cấp độ 4, hoạt động không người lái trong các khu vực dịch vụ đã lập bản đồ; hiện chưa có xe Cấp độ 5 nào có thể lái ở mọi nơi như con người.

Ứng dụng thực tế#

• Robotaxi: Waymo, Baidu Apollo Go và các dịch vụ khác chở hành khách mà không có tài xế an toàn bên trong, trong các khu vực dịch vụ được xác định rõ; đội ngũ hỗ trợ từ xa có thể giải đáp thắc mắc của xe.
• Xe tải: Aurora bắt đầu vận chuyển hàng hóa cho khách hàng bằng xe tải không người lái giữa Dallas và Houston vào năm 2025, trên các tuyến đường cao tốc có điều kiện lái xe ổn định, dễ dự đoán, phù hợp với tự động hóa.
• Hỗ trợ lái xe: Điều khiển hành trình thích ứng, giữ xe ở giữa làn và phanh khẩn cấp tự động sử dụng các loại model nhận thức tương tự trên hàng triệu xe dành cho người tiêu dùng, thường kết hợp với camera giám sát tài xế để kiểm tra mức độ chú ý.
• Xe công nghiệp: Xe ben tự hành trong mỏ, máy kéo sân bãi và xe nâng trong kho vận hành tại các khu vực tư nhân, nơi lộ trình và giao thông được kiểm soát.

Xe Tự hành và các Thuật ngữ Liên quan#

• Hệ thống hỗ trợ lái xe tiên tiến (ADAS): Các tính năng Cấp độ 0 đến 2 hỗ trợ tài xế, người vẫn chịu trách nhiệm lái xe. Theo nghĩa chặt chẽ, AV tự thực hiện toàn bộ nhiệm vụ lái xe.
• Xe kết nối (V2X): Xe trao đổi dữ liệu với nhau và với hạ tầng, chẳng hạn như đèn tín hiệu giao thông. Xe có thể được kết nối mà không tự động hóa; khả năng kết nối cũng có thể mở rộng phạm vi nhận biết của AV vượt ra ngoài các cảm biến riêng của xe.
• Hỗ trợ từ xa và lái xe từ xa: Bản sửa đổi năm 2021 của SAE phân biệt hai khái niệm này. Nhân viên hỗ trợ từ xa tư vấn cho xe không người lái, chẳng hạn xác nhận xe có thể đi vòng qua một xe tải bị chết máy, trong khi xe vẫn tự lái; người lái từ xa điều khiển trực tiếp xe từ một vị trí cách xa.
• AI vật lý và robotics: AV là robot di động được chuyên biệt hóa cho đường công cộng, là ứng dụng AI vật lý thương mại lớn nhất; các phương pháp nhận thức và lập kế hoạch của AV cũng được dùng cho robot kho hàng, drone và robot hình người.