Thuật toán cho phép điều hướng tương đối về địa hình trong xe tự hành

Một thuật toán học sâu mới được các nhà nghiên cứu tại Viện Công nghệ California (Caltech) phát triển cho phép các hệ thống tự động nhận ra vị trí của chúng bằng cách quan sát địa hình xung quanh. Đây là lần đầu tiên công nghệ này có thể hoạt động bất kể sự thay đổi của mùa đối với địa hình.

Nghiên cứu được công bố vào ngày 23 tháng 6 trên tạp chí Science Robotics của Hiệp hội Phát triển Khoa học Hoa Kỳ (AAAS).

Điều hướng tương đối về địa hình

Quá trình này được gọi là điều hướng tương đối về địa hình (VTRN), và nó được phát triển lần đầu tiên vào những năm 1960. Các hệ thống tự động có thể xác định vị trí của mình thông qua VTRN bằng cách so sánh địa hình gần đó với hình ảnh vệ tinh có độ phân giải cao.

Tuy nhiên, thế hệ VTRN hiện tại yêu cầu địa hình nó quan sát phải khớp chặt với hình ảnh trong cơ sở dữ liệu. Bất kỳ sự thay đổi nào trong địa hình, chẳng hạn như tuyết hoặc lá rơi, có thể khiến hệ thống thất bại do hình ảnh không khớp. Điều này có nghĩa là các hệ thống VTRN có thể dễ dàng bị nhầm lẫn trừ khi có một cơ sở dữ liệu hình ảnh của cảnh quan dưới mọi điều kiện có thể.

Đội ngũ tham gia dự án này đến từ phòng thí nghiệm của Soon-Jo Chung, giáo sư Bren về Hàng không và Vũ trụ và Hệ thống Điều khiển và Động lực học, cũng như nhà khoa học nghiên cứu tại JPL. Đội ngũ đã sử dụng học sâu và trí tuệ nhân tạo (AI) để loại bỏ nội dung theo mùa có thể gây khó khăn cho các hệ thống VTRN.

Anthony Fragoso là một giảng viên và nhà khoa học nhân viên, cũng như tác giả chính của bài báo trên Science Robotics.

“Nguyên tắc chung là cả hai hình ảnh – hình ảnh từ vệ tinh và hình ảnh từ xe tự hành – phải có nội dung giống hệt nhau để các kỹ thuật hiện tại hoạt động. Sự khác biệt mà chúng có thể xử lý là về những gì có thể đạt được với một bộ lọc Instagram thay đổi sắc thái của hình ảnh”, Fragoso nói. “Tuy nhiên, trong các hệ thống thực tế, mọi thứ thay đổi đáng kể dựa trên mùa vì hình ảnh không còn chứa các đối tượng giống nhau và không thể so sánh trực tiếp.”

https://www.youtube.com/watch?v=U5Kr0YI3sec

Học tự giám sát

Quá trình này được phát triển bởi Chung và Fragoso cùng với sinh viên sau đại học Connor Lee và sinh viên đại học Austin McCoy, và nó sử dụng “học tự giám sát”.

Thay vì dựa vào các nhà chú thích người để tạo ra các tập dữ liệu lớn nhằm dạy cho một thuật toán cách nhận ra một thứ gì đó, như là trường hợp với hầu hết các chiến lược tầm nhìn máy tính, quá trình này cho phép thuật toán tự dạy mình. Trí tuệ nhân tạo phát hiện ra các mẫu trong hình ảnh bằng cách phân tích các chi tiết và tính năng mà mắt người sẽ bỏ qua.

Bằng cách bổ sung thế hệ hiện tại của VTRN với hệ thống mới, nó mang lại sự định vị chính xác hơn. Một thí nghiệm liên quan đến việc các nhà nghiên cứu cố gắng định vị hình ảnh của tán cây mùa hè so với hình ảnh lá rụng mùa đông bằng cách sử dụng một kỹ thuật VTRN dựa trên tương quan. Họ phát hiện ra rằng 50% số lần thử nghiệm dẫn đến thất bại trong điều hướng, nhưng khi họ chèn thuật toán mới vào VTRN, 92% số lần thử nghiệm được khớp chính xác, và 8% còn lại có thể được xác định là có vấn đề trước.

“Máy tính có thể tìm thấy các mẫu không rõ ràng mà mắt chúng ta không thể thấy và có thể nhận ra thậm chí cả xu hướng nhỏ nhất”, Lee nói. “VTRN đang gặp nguy cơ trở thành một công nghệ không khả thi trong các môi trường phổ biến nhưng đầy thách thức. Chúng tôi đã giải cứu nhiều thập kỷ công việc trong việc giải quyết vấn đề này.”

Ứng dụng trong không gian

Hệ thống mới này không chỉ có ứng dụng cho các máy bay không người lái tự hành trên Trái đất, mà nó cũng có thể được sử dụng cho các nhiệm vụ không gian. Sứ mệnh rover Mars 2020 Perseverance của JPL đã sử dụng VTRN trong giai đoạn nhập cảnh, hạ cánh và đổ bộ tại hố Jezero, từng được coi là quá nguy hiểm cho việc nhập cảnh an toàn.

Theo Chung, đối với các rover như Perseverance, “một lượng nhất định về lái xe tự động là cần thiết vì thời gian truyền tín hiệu giữa Trái đất và Sao Hỏa là 7 phút, và không có GPS trên Sao Hỏa”.

Đội ngũ tin rằng hệ thống mới này cũng có thể được sử dụng trong các khu vực cực của Sao Hỏa, những khu vực có sự thay đổi mùa mạnh mẽ. Nó có thể cho phép điều hướng được cải thiện để hỗ trợ các mục tiêu khoa học, chẳng hạn như tìm kiếm nước.

Đội ngũ sẽ mở rộng công nghệ để tính đến các thay đổi về thời tiết, chẳng hạn như sương mù, mưa và tuyết. Công việc này có thể dẫn đến các hệ thống điều hướng được cải thiện cho xe tự lái.