Đội Quốc Tế Đưa Ra Một Bước Tiến Lớn Trong Công Nghệ Xe Tự Lái

Xe tự lái đang được kỳ vọng sẽ cách mạng hóa giao thông — tuy nhiên, việc triển khai thành công của chúng phụ thuộc vào khả năng nhận dạng và phản ứng chính xác với các mối đe dọa từ bên ngoài. Từ các thuật toán xử lý tín hiệu và phân tích hình ảnh đến các hệ thống thông minh tích hợp với cơ sở hạ tầng IoT, một loạt các công nghệ phải được sử dụng để xe tự lái có thể hoạt động an toàn trên các địa hình khác nhau. Để đảm bảo an toàn cho hành khách không bị ảnh hưởng khi những chiếc xe tự lái này trở nên phổ biến hơn, các phương pháp mạnh mẽ cần được phát triển để có thể phát hiện nhanh chóng và đáng tin cậy các mối đe dọa tiềm ẩn.

Xe tự lái dựa vào các cảm biến công nghệ cao như LiDAR, radar và máy ảnh RGB để tạo ra lượng lớn thông tin nhằm xác định chính xác người đi bộ, các phương tiện khác và các mối đe dọa tiềm ẩn. Sự tích hợp của các khả năng tính toán tiên tiến và Internet của vạn vật (IoT) vào những chiếc xe tự lái này cho phép xử lý nhanh chóng dữ liệu này tại chỗ để điều hướng các khu vực và vật thể khác nhau một cách hiệu quả hơn. Cuối cùng, điều này cho phép xe tự lái đưa ra quyết định trong thời gian thực với độ chính xác cao hơn nhiều so với các tài xế truyền thống.

Đưa Ra Một Bước Tiến Lớn Trong Công Nghệ Xe Tự Lái

Nghiên cứu đột phá được thực hiện bởi Giáo sư Gwanggil Jeon từ Đại học Quốc gia Incheon, Hàn Quốc và đội ngũ quốc tế của ông đã đánh dấu một bước tiến lớn trong công nghệ xe tự lái. Hệ thống thông minh IoT tích hợp đầu cuối mà họ đã phát triển cho phép phát hiện đối tượng 3D trong thời gian thực bằng cách sử dụng học sâu, làm cho nó trở nên đáng tin cậy và hiệu quả hơn bao giờ hết. Nó có thể phát hiện số lượng đối tượng tăng lên với độ chính xác cao hơn, ngay cả khi đối mặt với các môi trường thách thức như ánh sáng yếu hoặc điều kiện thời tiết bất thường – điều mà các hệ thống khác không thể làm được. Những khả năng này cho phép điều hướng an toàn hơn trong các tình huống giao thông khác nhau, nâng cao tiêu chuẩn cho các hệ thống xe tự lái và góp phần cải thiện an toàn giao thông trên toàn thế giới.

Nghiên cứu này đã được công bố trên tạp chí IEEE Transactions of Intelligent Transport Systems. 

“Đối với xe tự lái, nhận thức môi trường là rất quan trọng để trả lời câu hỏi cốt lõi, ‘Còn gì xung quanh tôi?’ Thật quan trọng rằng một chiếc xe tự lái có thể hiểu chính xác và hiệu quả các điều kiện và môi trường xung quanh để thực hiện hành động phản ứng,” Giáo sư Jeon giải thích. “Chúng tôi đã tạo ra một mô hình phát hiện dựa trên YOLOv3, một thuật toán nhận dạng nổi tiếng. Mô hình này ban đầu được sử dụng cho phát hiện đối tượng 2D và sau đó được sửa đổi cho đối tượng 3D,” ông tiếp tục.

Dựa Mô Hình Trên YOLOv3

Đội ngũ đã cung cấp các hình ảnh RGB và dữ liệu điểm mây cho YOLOv3, sau đó nó sẽ xuất ra các nhãn phân loại và hộp giới hạn với điểm số tin cậy. Hiệu suất của nó sau đó được kiểm tra với bộ dữ liệu Lyft, và kết quả sơ bộ cho thấy YOLOv3 đạt được độ chính xác phát hiện cực cao (>96%) cho cả đối tượng 2D và 3D. Mô hình này đã vượt qua các mô hình phát hiện tiên tiến khác. 

Phương pháp mới này có thể được sử dụng cho xe tự lái, đỗ xe tự động, giao hàng tự động và robot tự động trong tương lai. Nó cũng có thể được sử dụng trong các ứng dụng nơi phát hiện đối tượng, chướng ngại vật, theo dõi và định vị trực quan là cần thiết. 

“Hiện tại, lái xe tự động đang được thực hiện thông qua xử lý hình ảnh dựa trên LiDAR, nhưng dự đoán rằng máy ảnh thông thường sẽ thay thế vai trò của LiDAR trong tương lai. Như vậy, công nghệ được sử dụng trong xe tự lái đang thay đổi từng khoảnh khắc, và chúng tôi đang ở vị trí tiên phong,” Giáo sư Jeon nói. “Dựa trên sự phát triển của các công nghệ cơ bản, xe tự lái với an toàn cải thiện nên có sẵn trong vòng 5-10 năm tới.”