Đội ngũ Quốc tế Đưa ra Bước tiến Lớn trong Công nghệ Xe tự hành

Xe tự hành đang được thiết lập để 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 bên ngoài. Từ các thuật toán xử lý tín hiệu và phân tích hình ảnh thông qua các hệ thống thông minh học sâu tích hợp với cơ sở hạ tầng IoT, một loạt các công nghệ phải được sử dụng để xe tự hành cung cấp hoạt động an toàn trên các địa hình khác nhau. Để đảm bảo an toàn của hành khách không bị ảnh hưởng khi những chiếc xe hơi tiên tiến này trở nên phổ biến hơn, các phương pháp mạnh mẽ cần được phát triển để có thể phát hiện các mối nguy hiểm tiềm ẩn một cách nhanh chóng và đáng tin cậy.

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

Bước tiến Lớn trong Công nghệ Xe tự hành

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 hành. Hệ thống thông minh IoT được kích hoạt từ đầu đến 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 một cách chính xác, thậm chí trong môi trường đầy 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 xung quanh các tình huống giao thông khác nhau, nâng cao tiêu chuẩn cho các hệ thống xe tự hành 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 hành, nhận thức môi trường là rất quan trọng để trả lời một câu hỏi cốt lõi, ‘Cái gì xung quanh tôi?’ Điều quan trọng là một xe tự hành có thể hiểu hiệu quả và chính xác các điều kiện và môi trường xung quanh để thực hiện một 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 trên Mô hình 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 các hộp giới hạn với điểm số tin cậy. Hiệu suất của nó sau đó được thử nghiệm 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 trội so với các mô hình phát hiện tiên tiến khác. 

Phương pháp mới này có thể được sử dụng cho xe tự hành, 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 và chướng ngại vật, theo dõi và định vị hình ảnh là cần thiết. 

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