Công nghệ mô phỏng mới cải thiện đáng kể sự an toàn cho xe tự lái

Nhà khoa học máy tính nổi tiếng đến từ Đại học Maryland, Dinesh Manocha, gần đây đã hợp tác với một nhóm các kỹ sư CNTT khác từ nghiên cứu của Baidu và Đại học Hồng Kông để phát triển thành công một hệ thống. Mô phỏng hình ảnh thực tế (hệ thống mô phỏng hình ảnh thực tế) để huấn luyện và kiểm tra an toàn cho phương tiện vận tải tự hành. Theo đó, hệ thống mới này sẽ cung cấp một thế giới mô phỏng phong phú và chân thực hơn nhiều so với các hệ thống mô phỏng hiện tại, sử dụng các công cụ trò chơi hoặc đồ họa máy tính. Độ chính xác cao, kết hợp với dữ liệu kết xuất lưu lượng được hiển thị theo mô hình toán học.

Hệ thống mô phỏng hình ảnh thực

  • Volvo giới thiệu xe buýt điện không người lái đầu tiên ở Singapore

Công nghệ mô phỏng mới này được gọi là Mô phỏng lái xe tự động Augmented (AADS), và được kỳ vọng sẽ giúp tạo điều kiện thuận lợi cho các chuyên gia trong việc đánh giá sự an toàn của hệ thống xe tự lái. Nó dễ dàng hơn ngay trong môi trường phòng thí nghiệm, trong khi vẫn đảm bảo độ tin cậy tối đa cho các sản phẩm giao thông không người lái trước khi chúng được thử nghiệm chính thức trên đường phố.

Các nhà khoa học đã mô tả phương pháp mà họ đã áp dụng thành công trong một bài nghiên cứu được xuất bản vào ngày 27 tháng 3 năm 2019 trên Science Robotics.

"Dự án của chúng tôi sẽ đại diện cho một mô hình mô phỏng giao thông mới, qua đó chúng tôi có thể dễ dàng và kiểm tra chính xác độ tin cậy và an toàn của công nghệ xe tự hành. Hơn trước khi quyết định triển khai thử nghiệm trên đường cao tốc hoặc đường phố công cộng", Dinesh Manocha, một trong những người chịu trách nhiệm nghiên cứu, và giáo sư khoa học máy tính và kỹ thuật điện. và là chủ tịch của Viện nghiên cứu máy tính tiên tiến của Đại học Maryland chia sẻ.

Dự án của chúng tôi sẽ đại diện cho một mô hình mô phỏng giao thông mới, qua đó chúng tôi có thể dễ dàng và đáng tin cậy kiểm tra độ tin cậy và an toàn của công nghệ xe tự hành.

  • Chiếc xe tương lai của bạn có thể sẽ được trang bị túi khí an toàn … bên ngoài

Một trong những lợi ích tiềm năng hàng đầu của công nghệ xe tự hành là chúng có thể đóng vai trò "người lái" một cách hoàn hảo, không thua kém hay thậm chí tốt hơn con người, đặc biệt là khi những người lái xe "thực sự" thường bị phân tâm, mệt mỏi và những quyết định về cảm xúc đã phạm sai lầm và kết thúc kết quả là một tai nạn giao thông. Tuy nhiên, mọi thứ không đơn giản như thế. Để đảm bảo an toàn, xe tự hành phải trải qua quá trình kiểm tra và đánh giá nghiêm ngặt mà không gặp phải bất kỳ lỗi nào. Nói cách khác, với vô số các tình huống khác nhau mà một chiếc xe có thể gặp phải khi về giao thông, hệ thống xe tự lái đòi hỏi an toàn được đáp ứng bởi hàng trăm tiêu chí, hàng triệu dặm đường. thử nghiệm, trong điều kiện cực kỳ khó khăn để chứng minh độ tin cậy trong hoạt động thực tế.

Mặc dù về mặt lý thuyết, để đạt được điều này, các nhà nghiên cứu có thể mất tới hàng thập kỷ để tiến hành các thử nghiệm trên đường phố, nhưng việc đánh giá sơ bộ có thể được tiến hành nhanh chóng và hiệu quả. Hiệu quả và an toàn hơn thông qua các công nghệ mô phỏng giao thông dựa trên máy tính, có thể thể hiện chính xác các tình huống trong thế giới thực, cũng như mô hình hóa hành vi của các đối tượng xung quanh.

Mặc dù về mặt lý thuyết, để đạt được điều này, các nhà nghiên cứu có thể mất tới hàng thập kỷ để tiến hành các thử nghiệm trên đường phố, nhưng việc đánh giá sơ bộ có thể được tiến hành nhanh chóng.

  • EU đặt mục tiêu mang lại công nghệ giới hạn tốc độ cho tất cả các xe ô tô trong tương lai gần

AADS là một hệ thống kiểm soát dữ liệu có thể thể hiện chính xác hơn các tình huống đầu vào mà một chiếc xe tự lái có thể gặp phải khi vận hành trên đường. Về cơ bản, một chiếc xe tự lái sẽ hoạt động dựa trên hai hệ thống mô-đun. Đặc biệt, hệ thống các mô-đun nhận thức sẽ chịu trách nhiệm nhận cũng như giải mã thông tin thu được từ thế giới thực và mô-đun điều hướng – bộ phận đóng vai trò đưa ra quyết định phù hợp, như lái xe nào, có nên lái xe không phanh hoặc tăng tốc … dựa trên thông tin thu được từ mô đun nhận thức.

Trong thế giới thực, mô-đun nhận thức của một chiếc xe tự lái thường nhận được đầu vào thông qua hệ thống camera và cảm biến Lidar được lắp đặt xung quanh xe. Nếu bạn chưa biết, Lidar là phương pháp khảo sát khoảng cách đến mục tiêu bằng cách chiếu sáng mục tiêu bằng laser, sau đó đo các xung phản xạ bằng cảm biến. Trong công nghệ mô phỏng hiện tại mới của Giáo sư Dinesh Manocha và các đồng nghiệp, mô đun nhận thức sẽ nhận dữ liệu đầu vào từ hình ảnh do máy tính tạo ra thay vì thế giới thực và các chuyển động sẽ được mô hình hóa bằng các phương pháp toán học, đại diện cho các đối tượng như người đi bộ, xe đạp và các loại khác vận chuyển. Tất nhiên để làm như vậy, các nhà nghiên cứu đã phải dành rất nhiều thời gian để tạo ra hình ảnh vì các mô hình hình ảnh máy tính phải được tạo hoàn toàn thủ công.

Trong thế giới thực, mô-đun nhận thức của một chiếc xe tự lái thường nhận được thông tin đầu vào thông qua hệ thống camera và cảm biến nắp được lắp đặt xung quanh xe.

  • Đây là 12 mục tiêu đầy tham vọng mà Tesla muốn hoàn thành trước năm 2020

Hệ thống AADS kết hợp công nghệ hình ảnh, video và công nghệ Lidar – như kết xuất 3D với dữ liệu quỹ đạo trong thế giới thực cho người đi bộ, xe đạp và các phương tiện khác. Những quỹ đạo này có thể được sử dụng để dự đoán hành vi lái xe và vị trí tiếp theo của phương tiện hoặc người đi bộ trên đường để hệ thống tự lái đưa ra quyết định điều hướng an toàn hơn.

"Chúng tôi đang cố gắng hình dung và mô phỏng thế giới thực, bằng cách sử dụng kết hợp video và hình ảnh, do đó nắm bắt được hành vi và mô hình chuyển động thực tế. Thực tế, cách mọi người lái xe hoàn toàn không dễ nắm bắt cũng như mô phỏng bằng mô hình toán học hoặc vật lý Luật pháp, và đó thực sự là một thách thức lớn. Chủ nghĩa hiện thực từ tất cả các video chúng tôi có, sau đó mô hình hóa các hành vi lái xe khoa học xã hội, phương pháp dựa trên dữ liệu này đã cho phép chúng tôi tạo ra một trình giả lập Hành vi giao thông thực tế với độ chính xác cực cao, được chia sẻ Dinesh Manocha.

Công bằng mà nói, các nhà khoa học đã phải đối mặt với một thách thức lâu dài để vượt qua trong việc sử dụng dữ liệu hình ảnh và video trong thế giới thực để tạo ra mô phỏng của họ: Mọi cảnh đều phải được chống lại. tương ứng với chuyển động của xe tự lái, mặc dù những chuyển động đó có thể không được chụp bởi máy ảnh gốc hoặc cảm biến nắp. Ngoài ra, bất kỳ góc hoặc cảnh không được chụp ảnh hoặc ghi lại phải được hiển thị hoặc mô phỏng bằng các phương pháp dự đoán. Đây là lý do tại sao công nghệ mô phỏng luôn phụ thuộc rất nhiều vào đồ họa do máy tính cung cấp, đồng thời, các kỹ thuật dự đoán dựa trên vật lý.

Xe tự hành

  • Công nghệ sạc mới cho phép ô tô điện sạc trong 3 phút để đi được 100km, nhanh như đổ xăng

Để vượt qua những thách thức này, các nhà nghiên cứu đã phát triển công nghệ cho phép cô lập nhiều thành phần khác nhau của cảnh đường phố trong thế giới thực, sau đó biến chúng thành các yếu tố riêng lẻ với Có thể được kết hợp để tạo ra vô số kịch bản lái xe thực tế khác nhau.

Với công nghệ AADS, xe cộ và người đi bộ có thể được "loại bỏ" khỏi một môi trường và được đặt trong một môi trường khác với các chế độ di chuyển và ánh sáng và điều kiện môi trường thích hợp. Bên cạnh đó, đường phố có thể được thiết kế lại với nhiều cấp độ giao thông khác nhau. Sự đa dạng trong phối cảnh của mỗi cảnh sẽ cung cấp các khía cạnh thực tế hơn về việc thay đổi làn đường và ngã rẽ. Ngoài ra, công nghệ xử lý hình ảnh tiên tiến cũng cho phép chuyển tiếp mượt mà, đồng thời giúp giảm sự biến dạng của các mô hình so với các kỹ thuật mô phỏng video thông thường. Mặt khác, các kỹ thuật xử lý hình ảnh cũng được sử dụng để trích xuất quỹ đạo và từ đó, giúp mô hình hóa hành vi của người lái xe.

"Vì chúng tôi đang sử dụng video và chuyển động trong thế giới thực, mô-đun nhận thức của chúng tôi sẽ sở hữu thông tin chính xác hơn nhiều so với các phương pháp được sử dụng trước đây. Và sau đó, do thực tế của trình giả lập, chúng tôi có thể đánh giá hiệu quả hơn quyết định điều hướng của hệ thống lái tự động, Giáo sư Dinesh Manocha nói thêm.

Các nhà khoa học cũng hy vọng rằng một số tập đoàn đang thực hiện các dự án phát triển xe tự hành có thể kết hợp cách tiếp cận dựa trên dữ liệu và công nghệ mô phỏng mới để cải thiện mô phỏng của chính họ.

  • Học sinh lớp 11 tự làm chiếc xe điện chạy bằng năng lượng mặt trời

Bên cạnh đó, Giáo sư Dinesh Manocha cũng cho biết, thông qua việc giới thiệu công nghệ này, các nhà khoa học cũng hy vọng rằng một số tập đoàn đang thực hiện các dự án phát triển xe tự hành có thể kết hợp phương pháp dựa trên dữ liệu và công nghệ mô phỏng mới để cải thiện mô phỏng của chính họ, từ đó giúp thử nghiệm và đánh giá hệ thống lái tự động chính xác hơn.