Cảm biến AI có thể giúp xe tự hành ở các thành phố tuyết

Một trong những thách thức lớn nhất đối với xe tự hành là chúng gặp khó khăn khi điều hướng trong điều kiện thời tiết xấu, điều này thực sự hạn chế việc triển khai chúng ở các thành phố tuyết như Detroit và Chicago. Xe tự hành dựa trên dữ liệu cảm biến quan trọng để phát hiện chướng ngại vật và giữ trên đúng làn đường, nhưng dữ liệu này gặp khó khăn trong tuyết. 

Trong hai bài báo mới được trình bày tại SPIE Defense + Commercial Sensing 2021, các nhà nghiên cứu từ Đại học Công nghệ Michigan đã thảo luận về các giải pháp mới cho các kịch bản lái xe tuyết với xe tự hành.

Có một loạt các loại xe tự hành, bao gồm một số xe có điểm mù hoặc hỗ trợ phanh, và những xe khác có chế độ tự lái trên và tắt. Một số xe tốt nhất có thể hoạt động hoàn toàn tự động. 

Bởi vì công nghệ vẫn còn trong giai đoạn sơ sinh ở nhiều cách, các nhà sản xuất ô tô và các trường đại học nghiên cứu đang liên tục làm việc để cải thiện công nghệ và thuật toán. Khi xảy ra tai nạn, chúng thường là kết quả của việc phán đoán sai của trí tuệ nhân tạo của xe hoặc lỗi của con người. 

Cảm biến Con người

Mắt người cũng là một loại cảm biến, vì chúng cảm nhận được sự cân bằng và chuyển động. Não bộ của chúng ta hoạt động như một bộ xử lý, giúp chúng ta hiểu môi trường xung quanh. Những thứ này cùng nhau cho phép chúng ta lái xe trong tất cả các kịch bản, thậm chí những kịch bản mới, vì não bộ của chúng ta có thể tổng quát hóa các trải nghiệm mới. 

Xe tự hành thường có hai máy ảnh gắn trên gimbal, và chúng quét và nhận thức độ sâu bằng thị giác stereo để mô phỏng thị giác của con người. Đồng thời, sự cân bằng và chuyển động có thể được đo bằng đơn vị đo lường quán tính. Máy tính, mặt khác, chỉ có thể phản ứng với các kịch bản đã gặp phải trước đó hoặc những kịch bản mà chúng đã được lập trình để nhận ra. 

Kết hợp Cảm biến

Xe tự hành dựa trên các thuật toán trí tuệ nhân tạo chuyên dụng, yêu cầu nhiều cảm biến như máy ảnh fisheye, cảm biến hồng ngoại, radar, phát hiện ánh sáng và lidar.

Nathir Rawashdeh là giáo sư trợ lý về tính toán tại Trường Khoa học Máy tính của Michigan Tech và là một trong những tác giả chính của nghiên cứu. 

“Mỗi cảm biến đều có những hạn chế, và mỗi cảm biến đều bù đắp cho hạn chế của cảm biến khác,” Rawashdeh nói. “Kết hợp cảm biến sử dụng nhiều cảm biến khác nhau để hiểu một cảnh. Bạn không thể lập trình một cách chi tiết cho mọi chi tiết khi các đầu vào có mẫu khó. Đó là lý do chúng ta cần trí tuệ nhân tạo.”

Các cộng tác viên của nghiên cứu bao gồm Nader Abu-Alrub, sinh viên tiến sĩ về kỹ thuật điện và máy tính, và Jeremy Bos, giáo sư trợ lý về kỹ thuật điện và máy tính. Các cộng tác viên khác bao gồm sinh viên và cựu sinh viên cấp bậc thạc sĩ từ phòng thí nghiệm của Bos: Akhil Kurup, Derek Chopp và Zach Jeffreies. 

Cảm biến tự hành và thuật toán tự lái gần như được phát triển độc quyền trong các phong cảnh nắng và rõ ràng. Phòng thí nghiệm của Bos đầu tiên bắt đầu thu thập dữ liệu trong xe tự hành của Michigan Tech trong tuyết nặng, và hơn 1.000 khung lidar, radar và dữ liệu hình ảnh đã được thu thập từ các con đường tuyết ở Đức và Na Uy. 

Theo Bos, việc phát hiện cảm biến khó khăn do nhiều loại tuyết. Điều quan trọng là phải tiền xử lý dữ liệu và đảm bảo nhãn chính xác. 

 “Tất cả tuyết không được tạo ra như nhau,” Bos nói “Trí tuệ nhân tạo giống như một đầu bếp — nếu bạn có nguyên liệu tốt, sẽ có một bữa ăn tuyệt vời,” ông nói. “Cho mạng lưới học tập trí tuệ nhân tạo dữ liệu cảm biến bẩn và bạn sẽ nhận được kết quả tồi tệ.”

Một số thách thức lớn khác liên quan đến dữ liệu chất lượng thấp và bẩn, và tuyết tích tụ trên cảm biến gây ra vấn đề của riêng nó. Ngay cả sau khi cảm biến được làm sạch, không phải lúc nào cũng có sự đồng thuận trong việc phát hiện chướng ngại vật. Điều này thường rất khó khăn để cảm biến và đánh giá rủi ro của chúng giao tiếp và học hỏi từ nhau, vì mỗi cảm biến có thể đưa ra kết luận riêng. Tuy nhiên, nhóm muốn cảm biến tự hành cùng nhau đưa ra một kết luận bằng cách sử dụng kết hợp cảm biến. 

“Thay vì bỏ phiếu nghiêm ngặt, bằng cách sử dụng kết hợp cảm biến, chúng tôi sẽ đưa ra một ước tính mới,” Bos nói. 

Cảm biến xe tự hành sẽ tiếp tục học hỏi và cải thiện trong thời tiết xấu, và các phương pháp mới như kết hợp cảm biến có thể dẫn đầu cho xe tự hành trên đường tuyết.