Lựa chọn mắt của xe tự hành: Trận chiến của cảm biến, chiến lược và sự đánh đổi

Vào năm 2030, thị trường xe tự hành dự kiến sẽ vượt quá 2,2 nghìn tỷ đô la, với hàng triệu xe ô tô điều hướng trên đường bằng trí tuệ nhân tạo và hệ thống cảm biến tiên tiến. Tuy nhiên, trong sự tăng trưởng nhanh chóng này, một cuộc tranh luận cơ bản vẫn chưa được giải quyết: loại cảm biến nào phù hợp nhất cho việc lái xe tự hành – cảm biến lidar, camera, radar, hay một thứ gì đó hoàn toàn mới?

Câu hỏi này không chỉ là lý thuyết. Lựa chọn cảm biến ảnh hưởng đến mọi thứ, từ an toàn và hiệu suất đến chi phí và hiệu quả năng lượng. Một số công ty, như Waymo, đặt cược vào sự dư thừa và đa dạng, trang bị xe của họ với bộ cảm biến đầy đủ, bao gồm lidar, camera và radar. Những công ty khác, như Tesla, theo đuổi một cách tiếp cận tối giản và tiết kiệm chi phí hơn, dựa nhiều vào camera và đổi mới phần mềm.

Hãy cùng khám phá những chiến lược phân kỳ này, những nghịch lý kỹ thuật mà chúng phải đối mặt và logic kinh doanh thúc đẩy quyết định của họ.

Tại sao máy móc thông minh hơn đòi hỏi giải pháp năng lượng thông minh hơn

Đây thực sự là một vấn đề quan trọng. Tôi đã gặp phải một tình huống tương tự khi tôi khởi nghiệp một công ty liên quan đến drone vào năm 2013. Chúng tôi đang cố gắng tạo ra những chiếc drone có khả năng theo dõi chuyển động của con người. Lúc đó, ý tưởng này còn vượt trước thời đại, nhưng sớm chóng trở nên rõ ràng rằng có một nghịch lý kỹ thuật.

Để một chiếc drone có thể theo dõi một vật thể, nó phải phân tích dữ liệu cảm biến, điều này đòi hỏi sức mạnh tính toán – một máy tính trên bo mạch. Tuy nhiên, máy tính càng mạnh thì càng tiêu thụ nhiều năng lượng. Do đó, cần một pin có dung lượng cao hơn. Tuy nhiên, pin càng lớn thì càng tăng trọng lượng của drone, và trọng lượng càng lớn thì càng đòi hỏi nhiều năng lượng hơn. Một vòng luẩn quẩn xuất hiện: tăng nhu cầu năng lượng dẫn đến tiêu thụ năng lượng cao hơn, trọng lượng và cuối cùng là chi phí.

Vấn đề tương tự cũng áp dụng cho xe tự hành. Một mặt, bạn muốn trang bị xe với tất cả các cảm biến có thể để thu thập càng nhiều dữ liệu càng tốt, đồng bộ hóa nó và đưa ra quyết định chính xác nhất. Mặt khác, điều này làm tăng đáng kể chi phí và tiêu thụ năng lượng của hệ thống. Điều quan trọng là phải xem xét không chỉ chi phí của chính cảm biến mà còn năng lượng cần thiết để xử lý dữ liệu của chúng.

Lượng dữ liệu đang tăng lên, và tải trọng tính toán cũng tăng theo. Tất nhiên, theo thời gian, các hệ thống tính toán đã trở nên nhỏ gọn và tiết kiệm năng lượng hơn, và phần mềm cũng trở nên tối ưu hơn. Vào những năm 1980, việc xử lý một hình ảnh 10×10 pixel có thể mất hàng giờ; ngày nay, hệ thống phân tích video 4K theo thời gian thực và thực hiện các tính toán bổ sung trên thiết bị mà không tiêu thụ quá nhiều năng lượng. Tuy nhiên, nghịch lý hiệu suất vẫn còn, và các công ty xe tự hành đang cải tiến không chỉ cảm biến mà còn phần cứng tính toán và thuật toán tối ưu hóa.

Xử lý hay nhận thức?

Các vấn đề về hiệu suất nơi hệ thống phải quyết định dữ liệu nào để bỏ qua chủ yếu là do hạn chế về tính toán chứ không phải vấn đề với cảm biến lidar, camera hoặc radar. Những cảm biến này hoạt động như mắt và tai của xe, liên tục thu thập lượng lớn dữ liệu môi trường. Tuy nhiên, nếu bộ não tính toán trên bo mạch thiếu sức mạnh xử lý để xử lý tất cả thông tin này theo thời gian thực, nó sẽ trở nên quá tải. Kết quả là hệ thống phải ưu tiên một số luồng dữ liệu hơn những luồng khác, có thể bỏ qua một số vật thể hoặc cảnh trong các tình huống cụ thể để tập trung vào các nhiệm vụ ưu tiên cao hơn.

Nghịch lý tính toán này có nghĩa là ngay cả khi cảm biến hoạt động hoàn hảo, và thường chúng có sự dư thừa để đảm bảo độ tin cậy, xe vẫn có thể gặp khó khăn trong việc xử lý tất cả dữ liệu một cách hiệu quả. Việc đổ lỗi cho cảm biến là không phù hợp trong bối cảnh này vì vấn đề nằm ở khả năng xử lý dữ liệu. Cải tiến phần cứng tính toán và tối ưu hóa thuật toán là những bước quan trọng để giảm thiểu những thách thức này. Bằng cách cải thiện khả năng xử lý lượng lớn dữ liệu của hệ thống, xe tự hành có thể giảm khả năng bỏ lỡ thông tin quan trọng, dẫn đến hoạt động an toàn và tin cậy hơn.

Cảm biến lidar, camera và radar: Ưu và nhược điểm

Không thể nói rằng một loại cảm biến nào tốt hơn loại khác – mỗi loại đều có mục đích riêng. Các vấn đề được giải quyết bằng cách chọn cảm biến phù hợp cho một nhiệm vụ cụ thể.

Cảm biến lidar, mặc dù cung cấp bản đồ 3D chính xác, nhưng lại đắt tiền và gặp khó khăn trong điều kiện thời tiết bất lợi như mưa và sương mù, điều này có thể làm tán xạ tín hiệu laser của nó. Nó cũng đòi hỏi tài nguyên tính toán đáng kể để xử lý dữ liệu dày đặc của nó.

Camera, mặc dù tiết kiệm chi phí, lại phụ thuộc nhiều vào điều kiện ánh sáng, hoạt động kém trong điều kiện ánh sáng yếu, chói chang hoặc thay đổi ánh sáng nhanh. Chúng cũng thiếu nhận thức độ sâu vốn có và gặp khó khăn với các chướng ngại vật như bụi, mưa hoặc tuyết trên ống kính.

Radar là đáng tin cậy trong việc phát hiện vật thể trong các điều kiện thời tiết khác nhau, nhưng độ phân giải thấp của nó làm cho việc phân biệt giữa các vật thể nhỏ hoặc gần nhau trở nên khó khăn. Nó thường tạo ra tín hiệu giả, phát hiện các vật thể không liên quan có thể kích hoạt phản ứng không cần thiết. Ngoài ra, radar không thể giải mã ngữ cảnh hoặc giúp nhận dạng vật thể theo cách mà camera có thể.

Bằng cách tận dụng sự kết hợp cảm biến – kết hợp dữ liệu từ lidar, radar và camera – những hệ thống này đạt được sự hiểu biết toàn diện và chính xác hơn về môi trường của chúng, điều này nâng cao cả an toàn và khả năng ra quyết định theo thời gian thực. Sự hợp tác của Keymakr với các nhà phát triển ADAS hàng đầu đã chỉ ra rằng cách tiếp cận này là quan trọng đối với độ tin cậy của hệ thống. Chúng tôi đã làm việc liên tục trên các tập dữ liệu đa dạng và chất lượng cao để hỗ trợ đào tạo và tinh chỉnh mô hình.

Waymo so với Tesla: Câu chuyện về hai tầm nhìn tự hành

Trong lĩnh vực xe tự hành, ít so sánh nào gây ra tranh luận nhiều như so sánh giữa Tesla và Waymo. Cả hai đều đang tiên phong trong tương lai của di chuyển – nhưng với những triết lý hoàn toàn khác nhau. Vậy tại sao một chiếc xe Waymo lại trông giống như một tàu vũ trụ đầy cảm biến, trong khi Tesla dường như không có cảm biến bên ngoài?

Hãy xem xét chiếc xe Waymo. Đó là một chiếc Jaguar cơ bản được sửa đổi cho việc lái xe tự hành. Trên nóc xe có hàng chục cảm biến: lidar, camera, hệ thống laser quay (còn gọi là “spinners”) và radar. Thực sự có rất nhiều cảm biến: camera trong gương, cảm biến ở cản trước và sau, hệ thống quan sát từ xa – tất cả đều được đồng bộ hóa.

Nếu một chiếc xe như vậy gặp tai nạn, đội kỹ sư sẽ thêm cảm biến mới để thu thập thông tin thiếu hụt. Cách tiếp cận của họ là sử dụng số lượng công nghệ có sẵn tối đa.

Vậy tại sao Tesla lại không đi theo con đường tương tự? Một trong những lý do chính là Tesla chưa tung ra thị trường Robotaxi của mình. Ngoài ra, cách tiếp cận của họ tập trung vào việc tối thiểu hóa chi phí và đổi mới. Tesla tin rằng sử dụng lidar là không thực tế do chi phí cao của chúng: chi phí sản xuất của một camera RGB là khoảng 3 đô la, trong khi một lidar có thể có giá 400 đô la hoặc hơn. Hơn nữa, lidar chứa các bộ phận cơ học – gương quay và động cơ – điều này làm cho chúng dễ bị hỏng hóc và cần thay thế hơn.

Camera, ngược lại, là tĩnh. Chúng không có bộ phận chuyển động, đáng tin cậy hơn và có thể hoạt động trong nhiều thập kỷ cho đến khi vỏ bị hư hỏng hoặc ống kính bị mờ. Hơn nữa, camera dễ dàng tích hợp vào thiết kế của xe: chúng có thể được ẩn bên trong thân xe, gần như vô hình.

Các phương pháp sản xuất cũng khác nhau đáng kể. Waymo sử dụng một nền tảng hiện có – một chiếc Jaguar sản xuất – và gắn cảm biến lên đó. Họ không có lựa chọn nào khác. Tesla, mặt khác, sản xuất xe từ đầu và có thể lên kế hoạch tích hợp cảm biến vào thân xe ngay từ đầu, che giấu chúng khỏi tầm nhìn. Về mặt chính thức, chúng sẽ được liệt kê trong thông số kỹ thuật, nhưng về mặt trực quan, chúng sẽ gần như không thể nhìn thấy.

Hiện tại, Tesla sử dụng tám camera xung quanh xe – ở phía trước, sau, gương chiếu hậu và cửa. Liệu họ có sử dụng cảm biến bổ sung không? Tôi tin là có.

Dựa trên kinh nghiệm của tôi là một tài xế Tesla, người cũng đã đi trong xe Waymo, tôi tin rằng việc tích hợp lidar sẽ cải thiện hệ thống lái tự động Full Self-Driving của Tesla. Nó feels với tôi rằng hệ thống FSD của Tesla hiện tại thiếu một số độ chính xác khi lái xe. Thêm công nghệ lidar có thể tăng cường khả năng của nó trong việc điều hướng các điều kiện khó khăn như chói nắng mạnh, bụi bay hoặc sương mù. Sự cải thiện này sẽ làm cho hệ thống trở nên an toàn và đáng tin cậy hơn so với việc chỉ dựa vào camera.

Nhưng từ góc độ kinh doanh, khi một công ty phát triển công nghệ của riêng mình, nó nhằm mục đích tạo ra một lợi thế cạnh tranh – một lợi thế công nghệ. Nếu nó có thể tạo ra một giải pháp Dramatically hiệu quả và rẻ hơn, nó sẽ mở ra cánh cửa dẫn đến sự thống trị thị trường.

Tesla theo đuổi logic này. Musk không muốn đi theo con đường của các công ty khác như Volkswagen hoặc Baidu, những công ty cũng đã đạt được tiến bộ đáng kể. Ngay cả các hệ thống như Mobileye và iSight, được lắp đặt trên xe cũ, đã thể hiện sự tự chủ khá tốt.

Nhưng Tesla nhằm mục đích trở nên độc đáo – và đó là logic kinh doanh. Nếu bạn không cung cấp một thứ gì đó tốt hơn đáng kể, thị trường sẽ không chọn bạn.