Xe tự hành

Xe tự hành (AV), thường được gọi là ô tô tự lái, là hệ thống giao thông thông minh có khả năng cảm nhận môi trường xung quanh và hoạt động mà không cần sự can thiệp của con người. Các hệ thống này đại diện cho đỉnh cao của trí tuệ nhân tạo (AI) trong lĩnh vực ô tô , kết hợp phần cứng tinh vi với các thuật toán phần mềm tiên tiến để diễn giải môi trường phức tạp. Mục tiêu chính của công nghệ xe tự hành là nâng cao an toàn giao thông bằng cách giảm thiểu tai nạn do lỗi của con người, đồng thời tối ưu hóa hiệu quả giao thông và cung cấp phương tiện di chuyển cho những người không thể lái xe. Về bản chất, những chiếc xe này dựa vào trí tuệ nhân tạo (AI) để cảm nhận các kích thích, xử lý thông tin và đưa ra quyết định lái xe trong tích tắc.

Công nghệ cảm nhận và tri giác

Để một phương tiện tự hành có thể di chuyển an toàn, nó phải có sự hiểu biết toàn diện về môi trường xung quanh. Điều này đạt được thông qua một lớp nhận thức tổng hợp dữ liệu từ một loạt các cảm biến.

• Thị giác máy tính (CV) : Camera đóng vai trò là cảm biến hình ảnh chính, mô phỏng thị giác của con người. Các thuật toán xử lý nguồn cấp dữ liệu video để nhận dạng vạch kẻ đường, đèn giao thông và biển báo.
• Công nghệ LiDAR : Công nghệ phát hiện và đo khoảng cách bằng ánh sáng (LiDAR) sử dụng các xung laser để tạo ra bản đồ 3D chính xác, độ phân giải cao của môi trường, rất cần thiết cho việc nhận biết chiều sâu.
• Phát hiện đối tượng : Các mô hình học sâu xác định và định vị các vật cản động. Các mô hình tốc độ cao như YOLO26 rất quan trọng ở đây để phát hiện người đi bộ và các phương tiện khác với độ trễ thấp.
• Kết hợp cảm biến : Không có cảm biến nào hoàn hảo trong mọi điều kiện (ví dụ: máy ảnh trong sương mù). Các thuật toán kết hợp dữ liệu từ máy ảnh, radar và LiDAR để tạo ra một mô hình môi trường mạnh mẽ.
• Phân đoạn ngữ nghĩa : Kỹ thuật này phân loại từng pixel trong ảnh, giúp xe phân biệt giữa mặt đường có thể lái được, vỉa hè và thảm thực vật.

Các cấp độ tự chủ

Khả năng của các hệ thống tự hành được phân loại theo các cấp độ tự động hóa lái xe SAE J3016 , xác định mức độ điều khiển của máy tính so với sự can thiệp của con người.

• Hệ thống hỗ trợ lái xe nâng cao (ADAS) : Bao gồm cấp độ 1 và 2, các hệ thống này hỗ trợ việc điều khiển vô lăng hoặc tăng tốc (ví dụ: kiểm soát hành trình thích ứng) nhưng yêu cầu người lái phải luôn tập trung.
• Tự động hóa có điều kiện : Ở cấp độ 3, xe có thể xử lý hầu hết các nhiệm vụ lái xe trong các điều kiện cụ thể, chẳng hạn như tắc đường trên đường cao tốc, nhưng người lái phải sẵn sàng can thiệp khi được cảnh báo.
• Tự động hóa cao và hoàn toàn : Cấp độ 4 và 5 đại diện cho các phương tiện có thể hoạt động mà không cần sự can thiệp của con người. Cấp độ 4 bị giới hạn trong các khu vực được khoanh vùng địa lý, trong khi cấp độ 5 hướng đến khả năng tự hành hoàn toàn trên mọi con đường, thường yêu cầu phần cứng AI biên mạnh mẽ.

Ứng dụng AI trong thế giới thực

Công nghệ xe tự hành hiện đang được triển khai rộng rãi trong nhiều lĩnh vực, dựa vào khả năng tính toán máy học (ML) mạnh mẽ để xử lý sự phức tạp của thế giới thực.

1. Taxi tự lái : Các công ty như Waymo sử dụng đội xe tự lái hoàn toàn để vận chuyển hành khách trong môi trường đô thị. Những chiếc xe này sử dụng mô hình dự đoán để lường trước hành vi của người đi bộ và các tài xế khác trong cảnh quan thành phố phức tạp.
2. Vận tải đường bộ tự hành : Vận chuyển đường dài được hưởng lợi từ tự động hóa trên các tuyến đường cao tốc có thể dự đoán được. Các nhà đổi mới như Aurora phát triển xe tải tự lái tận dụng khả năng nhận biết tầm xa để cải thiện hiệu quả nhiên liệu và an toàn.
3. Giao hàng chặng cuối : Các robot tự hành nhỏ sử dụng công nghệ nhận diện vật thể để di chuyển trên vỉa hè và giao hàng, giảm chi phí và lượng khí thải carbon trong hoạt động hậu cần.

Phân biệt các khái niệm liên quan

Điều quan trọng là phải phân biệt Xe tự hành với các thuật ngữ liên quan trong lĩnh vực robot và ô tô.

• So với Robot : Mặc dù về mặt kỹ thuật, xe tự lái (AV) là robot di động, nhưng lĩnh vực robot học rộng hơn, bao gồm cả các cánh tay robot công nghiệp cố định và trợ lý hình người. Xe tự lái được chuyên dụng cho logic vận chuyển.
• So với Xe Kết Nối (V2X) : Xe kết nối giao tiếp với nhau (V2V) và với cơ sở hạ tầng (V2I) để chia sẻ dữ liệu như tốc độ và vị trí. Một chiếc xe có thể được kết nối mà không cần phải tự lái, mặc dù khả năng kết nối thường tăng cường sự an toàn cho xe tự lái.
• So với điều khiển từ xa : Điều khiển từ xa liên quan đến việc con người điều khiển phương tiện từ xa. Ngược lại, xe tự lái thực sự dựa vào mạng lưới thần kinh tích hợp để đưa ra quyết định tại chỗ.

Ứng dụng Nhận thức với YOLO26

Một thành phần quan trọng của bất kỳ hệ thống tự động nào là khả năng track các đối tượng theo thời gian. Ví dụ sau đây minh họa cách sử dụng Ultralytics Nền tảng tương thích ultralytics Thư viện này dùng để thực hiện theo dõi đối tượng trên video, mô phỏng hệ thống nhận thức của xe.

from ultralytics import YOLO

# Load the YOLO26 model, optimized for speed and accuracy
model = YOLO("yolo26n.pt")

# Track vehicles and pedestrians in a video stream
# This simulates the continuous perception required by an AV
results = model.track(
    source="https://www.ultralytics.com/blog/ultralytics-yolov8-for-speed-estimation-in-computer-vision-projects",
    show=True,
)

# Process results (e.g., counting objects or estimating speed)
for r in results:
    print(r.boxes.xywh)  # Print bounding box coordinates