Vấn đề của xe tự lái và cách giải quyết chúng – Lãnh đạo tư duy

Xe tự lái đòi hỏi hơn là trí tuệ nhân tạo đơn giản. Một chiếc xe tự lái nhận dữ liệu từ nhiều nguồn như sonar, camera, radar, GPS và lidar cho phép nó điều hướng trong bất kỳ môi trường nào. Thông tin từ các thiết bị này nên được xử lý nhanh chóng, và khối lượng dữ liệu là khổng lồ.

Thông tin từ các cảm biến không chỉ được xử lý bởi máy tính trên xe trong thời gian thực. Một số dữ liệu được gửi đến các trung tâm dữ liệu ngoại vi để phân tích thêm. Và sau đó, thông qua một hệ thống phân cấp phức tạp, nó được chuyển hướng đến các đám mây.

Trí tuệ nhân tạo mà xe được trang bị là rất quan trọng, nhưng cũng là khả năng xử lý của máy tính trên xe, máy chủ ngoại vi và đám mây. Tốc độ gửi và nhận dữ liệu của xe, cùng với độ trễ thấp, đều rất quan trọng.

Vấn đề về khối lượng dữ liệu

Thậm chí những chiếc xe thông thường, với người lái phía sau tay lái, đang tạo ra ngày càng nhiều dữ liệu. Xe tự lái có thể tạo ra khoảng 1TB dữ liệu mỗi giờ. Khối lượng dữ liệu này đơn giản là khổng lồ. Và nó đại diện cho một trong những rào cản đối với việc áp dụng rộng rãi xe tự lái.

Thật không may, tất cả dữ liệu của xe tự lái không thể được xử lý trong đám mây hoặc trung tâm dữ liệu ngoại vi vì điều này sẽ gây ra sự chậm trễ quá mức. Thậm chí một độ trễ 100 ms có thể tạo ra sự khác biệt giữa sự sống và cái chết của hành khách hoặc người đi bộ. Xe phải phản ứng với các tình huống mới xuất hiện càng nhanh càng tốt.

Để giảm độ trễ giữa việc nhận thông tin và phản ứng với nó, một phần thông tin được phân tích bởi máy tính trên xe. Ví dụ, các mẫu xe Jeep mới được trang bị máy tính trên xe với 25-50 lõi xử lý phục vụ điều khiển hành trình, cảnh báo điểm mù, cảnh báo chướng ngại vật, phanh tự động, v.v. Các nút xe giao tiếp với nhau qua mạng nội bộ. Nó cũng phù hợp với khái niệm tính toán ngoại vi nếu chúng ta coi máy tính trên xe là một nút ngoại vi của mạng. Kết quả là xe tự lái tạo thành một mạng lai phức tạp kết hợp các trung tâm dữ liệu tập trung, đám mây và nhiều nút ngoại vi. Những nút này không chỉ nằm trong xe mà còn trong đèn giao thông, trạm kiểm soát, trạm sạc, v.v.

Những máy chủ và trung tâm dữ liệu ngoài xe cung cấp tất cả sự hỗ trợ có thể cho việc lái xe tự động. Chúng cho phép xe “nhìn” vượt quá phạm vi của các cảm biến, điều phối tải trên mạng đường và giúp đưa ra quyết định tối ưu.

Sự tương tác với nhau và cơ sở hạ tầng

Hệ thống GPS và tầm nhìn máy tính cung cấp cho xe tự lái thông tin về vị trí và môi trường xung quanh. Tuy nhiên, phạm vi của môi trường tính toán đang tăng不断. Vẫn còn một chiếc xe chỉ có thể thu thập một lượng thông tin hạn chế. Vì vậy, việc trao đổi dữ liệu là tuyệt đối cần thiết. Kết quả là mỗi xe có thể phân tích tốt hơn điều kiện lái dựa trên tập dữ liệu lớn hơn được thu thập bởi đội xe tự lái. Hệ thống giao tiếp xe với xe (V2V) dựa trên mạng lưới được tạo bởi các xe trong cùng một khu vực địa lý. V2V được sử dụng để trao đổi thông tin và gửi tín hiệu đến các xe khác, chẳng hạn như cảnh báo khoảng cách.

Các mạng V2V có thể được mở rộng để chia sẻ thông tin với cơ sở hạ tầng giao thông như đèn giao thông. Hiện tại, đã có thể nói về giao tiếp xe với cơ sở hạ tầng (V2I) ở đây. Các tiêu chuẩn V2I tiếp tục phát triển. Tại Hoa Kỳ, Cục Quản lý Đường cao tốc Liên bang (FHWA) thường xuyên phát hành các hướng dẫn và báo cáo V2I để giúp cải thiện công nghệ. Lợi ích của V2I mở rộng vượt ra ngoài an toàn. Ngoài việc tăng cường an toàn, công nghệ xe – cơ sở hạ tầng cung cấp lợi thế về khả năng di chuyển và tương tác với môi trường.

Những người lái xe đi cùng một tuyến đường mỗi ngày nhớ tất cả các ổ gà trên đường. Xe tự lái cũng đang不断 học hỏi. Xe tự lái sẽ tải thông tin hữu ích có sẵn lên các trung tâm dữ liệu ngoại vi, ví dụ như tích hợp vào trạm sạc. Trạm sạc sẽ dựa trên các thuật toán trí tuệ nhân tạo giúp phân tích dữ liệu nhận được từ xe và đề xuất các giải pháp có thể. Thông qua đám mây, dữ liệu này sẽ được truyền đến các xe tự lái khác trong mạng chung.

Nếu mô hình trao đổi dữ liệu giữa tất cả các xe tự lái thực sự hiện thực hóa trong vài năm tới, thì chúng ta có thể mong đợi exabyte (triệu terabyte) dữ liệu mỗi ngày. Theo các ước tính khác nhau, từ hàng trăm nghìn đến vài chục triệu xe tự lái có thể xuất hiện trên đường vào thời điểm đó.

5G là chìa khóa thành công

Như đã đề cập ở trên, xe tự lái có thể nhận thông tin về người đi bộ và người đi xe đạp không chỉ từ các cảm biến của chúng mà còn thông qua việc trao đổi dữ liệu với các xe khác, đèn giao thông và cơ sở hạ tầng đô thị khác.

Có một số dự án xe kết nối 5G hiện có. Xe sử dụng mạng 5G của nhà cung cấp dịch vụ di động và công nghệ C-V2X (Cellular Vehicle-to-Everything) để giao tiếp với các xe khác, người đi xe đạp và thậm chí đèn giao thông. Những chiếc đèn giao thông này được trang bị máy ảnh nhiệt phát hiện người đi bộ đang tiếp cận điểm giao cắt; kết quả là một cảnh báo xuất hiện trên bảng điều khiển của xe. Người đi xe đạp được kết nối được thông báo về vị trí của họ, điều này ngăn chặn các tình huống nguy hiểm. Trong trường hợp tầm nhìn kém, các xe đỗ tự động bật đèn cảnh báo, thông báo cho tất cả các xe tiếp cận về vị trí của chúng.

Khả năng của mạng di động 5G rất hữu ích ở đây. Chúng cung cấp tốc độ nhanh, độ trễ rất thấp và khả năng hỗ trợ số lượng kết nối đồng thời lớn. Xe tự lái không có khả năng xử lý dữ liệu như vậy sẽ không thể thực hiện nhiều nhiệm vụ nhanh hơn con người. Ví dụ, để xác định sự xuất hiện của người đi bộ tại điểm giao cắt gần nhất. Hơn nữa, độ trễ nên được giảm thiểu, vì thậm chí một độ trễ nhỏ có thể dẫn đến tai nạn.

Các nhà sản xuất xe hơi lớn như BMW, Daimler, Hyundai, Ford và Toyota đã tích hợp công nghệ 5G vào sản phẩm của họ. Hàng tỷ đô la đã được các nhà cung cấp dịch vụ di động chi để xây dựng mạng 5G. Vì vậy, đây là thời điểm phù hợp để cung cấp cho xe một bộ kỹ năng sẽ hữu ích trong hoạt động hàng ngày.

Tất cả các thí nghiệm với xe tự lái kết nối 5G sẽ dừng lại nếu không có cơ sở hạ tầng 5G. Một lần nữa, một xe tự lái có thể tạo ra 1TB dữ liệu mỗi giờ, vì vậy mạng di động phải sẵn sàng chuyển dữ liệu này.

Làm thế nào để xử lý và lưu trữ exabyte dữ liệu

Không phải tất cả các loại dữ liệu đều yêu cầu xử lý ngay lập tức, và máy tính trên xe có khả năng hiệu suất và lưu trữ hạn chế. Do đó, dữ liệu có thể “chờ” nên được tích lũy và phân tích trong các trung tâm dữ liệu ngoại vi, trong khi một số dữ liệu sẽ di chuyển đến đám mây và được xử lý ở đó.

Đó là trách nhiệm của chính quyền thành phố và nhà sản xuất xe hơi để thu thập, xử lý, truyền, bảo vệ và phân tích dữ liệu về mọi xe, ùn tắc giao thông, người đi bộ hoặc ổ gà. Một số kiến trúc sư thành phố thông minh đã thử nghiệm các thuật toán học máy phân tích dữ liệu giao thông hiệu quả hơn để nhanh chóng xác định các ổ gà trên đường, điều chỉnh giao thông và phản ứng ngay lập tức với các tai nạn. Từ góc độ toàn cầu, các thuật toán học máy cung cấp các khuyến nghị để cải thiện cơ sở hạ tầng đô thị.

Để đưa lái xe tự động vào cuộc sống, cần phải giải quyết vấn đề xử lý và lưu trữ khối lượng lớn dữ liệu. Mỗi ngày, một xe tự lái có thể tạo ra tới 20 TB dữ liệu. Chỉ một chiếc xe! Trong tương lai, nó có thể dẫn đến exabyte dữ liệu được tạo ra trong một ngày. Để lưu trữ dữ liệu này, cần có cơ sở hạ tầng cạnh có hiệu suất cao, linh hoạt, bảo mật và đáng tin cậy. Cũng có vấn đề về xử lý dữ liệu hiệu quả.

Để máy tính trên xe đưa ra quyết định trong thời gian thực, nó cần thông tin mới nhất về môi trường. Dữ liệu cũ, chẳng hạn như thông tin về vị trí của xe và tốc độ một giờ trước, thường không còn cần thiết. Tuy nhiên, dữ liệu này hữu ích cho việc cải tiến thêm các thuật toán lái xe tự động.

Các nhà phát triển hệ thống trí tuệ nhân tạo phải nhận được lượng lớn dữ liệu để đào tạo mạng học sâu: xác định đối tượng và chuyển động của chúng thông qua camera, thông tin lidar và kết hợp tối ưu thông tin về môi trường và cơ sở hạ tầng để đưa ra quyết định. Đối với các chuyên gia an toàn đường bộ, dữ liệu thu thập được bởi xe ngay trước các tai nạn hoặc tình huống nguy hiểm trên đường là rất quan trọng.

Khi dữ liệu được thu thập bởi xe tự lái và truyền từ chúng đến các trung tâm dữ liệu ngoại vi, sau đó di chuyển đến lưu trữ đám mây, vấn đề sử dụng kiến trúc lưu trữ dữ liệu được tối ưu hóa và phân cấp trở nên liên quan hơn. Dữ liệu mới phải được phân tích ngay lập tức để cải thiện các mô hình học máy. Thông lượng cao và độ trễ thấp là cần thiết ở đây. SSD và đĩa cứng HAMR có dung lượng cao với hỗ trợ công nghệ đa ổ đĩa là phù hợp nhất cho mục đích này.

Sau khi dữ liệu đã qua giai đoạn phân tích ban đầu, nó phải được lưu trữ hiệu quả hơn: trên lưu trữ gần tuyến có dung lượng cao nhưng chi phí thấp. Các máy chủ lưu trữ này rất phù hợp nếu dữ liệu có thể được yêu cầu trong tương lai. Dữ liệu cũ mà không có khả năng cần thiết nhưng phải được giữ cho một số lý do khác, có thể được di chuyển đến cấp lưu trữ.

Dữ liệu sẽ ngày càng được xử lý và phân tích ở cấp độ cạnh, mở ra kỷ nguyên Công nghiệp 4.0, đang thay đổi cách chúng ta sử dụng dữ liệu. Việc tính toán ở cấp độ cạnh sẽ cho phép dữ liệu được xử lý gần với nơi nó được thu thập, chứ không phải máy chủ đám mây truyền thống, cho phép nó được phân tích nhanh hơn, phản ứng ngay lập tức với các tình huống thay đổi. Một mạng thông tin trao đổi tốc độ cao giữa xe và các trung tâm dữ liệu ngoại vi sẽ giúp lái xe tự động an toàn và đáng tin cậy hơn.

Kết luận

Hy vọng rằng phân tích này đã làm sáng tỏ tầm quan trọng của dữ liệu trong lĩnh vực lái xe tự động. Việc áp dụng rộng rãi xe tự lái liên quan đến việc thu thập một lượng lớn dữ liệu mà không chỉ được xử lý bởi máy tính trên xe mà còn bởi máy chủ ngoại vi và đám mây. Cơ sở hạ tầng xử lý dữ liệu nên được chuẩn bị sẵn.

Khi việc áp dụng 5G lan rộng, xe tự lái sẽ bắt đầu tạo ra ngày càng nhiều dữ liệu, sau đó sẽ được phân tích và sử dụng để biến các thành phố thông minh thành hiện thực. Việc đạt được mục tiêu này sẽ không dễ dàng, nhưng cuối cùng, chúng ta sẽ mở ra một chương mới trong lịch sử của một phương tiện giao thông phổ biến như xe hơi.

Xe tự lái đang ở tiền phong của công nghệ trí tuệ nhân tạo, truyền thông và lưu trữ dữ liệu. Để đạt được mức độ lái xe tự động hoàn toàn, cần phải tiếp tục phát triển và cải tiến các công nghệ này.