Nội dung trích từ 1 bài giảng trong khoá học AI for Everyone trên Coursera
Một trong những sản phẩm thú vị nhất của thời đại AI là xe tự lái. Xe tự lái cũng là một trong những điều bí ẩn nhất mà bạn thường nghe nói đến trong lĩnh vực AI hiện nay. Trong video này, điều mình muốn làm là chia sẻ với bạn một mô tả đơn giản hóa về xe tự lái, để bạn hiểu được cách kết hợp nhiều thành phần AI lại với nhau nhằm xây dựng nên những công nghệ tuyệt vời như thế này.
Bắt đầu nhé!
Dưới đây là những bước chính để quyết định cách điều khiển một chiếc xe tự lái.
Chiếc xe sẽ nhận đầu vào từ nhiều loại cảm biến, ví dụ như:
- Hình ảnh phía trước, hai bên và phía sau xe
- Radar hoặc Lidar (cảm biến bằng laser)
Từ những dữ liệu đầu vào như hình ảnh và có thể là các thông tin khác, xe cần phát hiện các xe khác xung quanh. Vậy nên, hi vọng xe sẽ “nhận ra” có chiếc xe khác ở đó, đồng thời phát hiện người đi bộ, vì xe cần tránh cả xe cộ lẫn người đi bộ.
Cả hai nhiệm vụ — phát hiện xe và phát hiện người đi bộ — đều có thể được thực hiện bằng machine learning (học máy), thông qua cách gọi là mappings từ A đến B, nghĩa là nhận đầu vào là hình ảnh (có thể kèm radar, lidar), rồi trả về vị trí của các xe và người đi bộ.
Cuối cùng, sau khi đã biết vị trí các xe và người đi bộ, thông tin này sẽ được đưa vào một phần mềm chuyên biệt gọi là motion planning (lập kế hoạch chuyển động), để lên kế hoạch cho đường đi của xe sao cho:
- Tiến đến đích,
- Tránh va chạm với mọi thứ xung quanh.
Khi đã có kế hoạch di chuyển, hệ thống sẽ chuyển kế hoạch đó thành:
- Góc lái (xoay vô lăng bao nhiêu),
- Lệnh tăng tốc và phanh,
để xe di chuyển đúng hướng và với tốc độ mong muốn.
Ba bước chính gồm:
- Phát hiện xe
- Phát hiện người đi bộ
- Lập kế hoạch chuyển động
1. Phát hiện xe
Sử dụng supervised learning (học có giám sát).
Thuật toán sẽ học từ các bức ảnh đầu vào, để phát hiện vị trí xe.
Thông thường, xe tự lái không chỉ dùng camera phía trước mà còn dùng:
- Camera trái, phải, sau
- Cảm biến radar và lidar để “nhìn” mọi hướng xung quanh
2. Phát hiện người đi bộ
Cũng sử dụng loại cảm biến và kỹ thuật tương tự. Xe sẽ nhận biết người đi bộ dựa trên các mô hình AI.
3. Lập kế hoạch chuyển động
Ví dụ, nếu có một chiếc xe xanh dương nhạt phía trước, phần mềm sẽ tính toán lộ trình (đường đỏ) để:
- Tiếp tục di chuyển theo đường,
- Không đâm vào xe khác
Hoặc nếu có một chiếc xe màu xám đang đỗ bên phải, phần mềm sẽ:
- Lên kế hoạch rẽ nhẹ sang trái để vượt qua xe đang dừng một cách an toàn
Bản mô tả mở rộng hơn:
Thực tế, một chiếc xe tự lái còn dùng nhiều hơn camera, radar và lidar. Các hệ thống khác bao gồm:
- GPS để định vị vị trí
- Gia tốc kế, con quay hồi chuyển (IMU)
- Bản đồ số để biết xe thường đi trên đường, còn người đi bộ thường đi trên vỉa hè
Tất cả thông tin này sẽ được đưa vào hệ thống AI để phát hiện:
- Xe, người đi bộ, và cả vật thể khác (traffic cone, bầy ngỗng, v.v.)
Ngoài phát hiện, hệ thống còn phải dự đoán đường đi trong tương lai của các đối tượng đó (gọi là trajectory prediction), ví dụ xe khác hoặc người đi bộ sẽ đi đâu trong vài giây tới, để tránh va chạm.
Xe còn cần:
- Nhận biết vạch kẻ đường, đèn giao thông (đỏ, vàng, xanh)
- Tránh các chướng ngại vật không lường trước
Đội ngũ phát triển xe tự lái:
Với một dự án xe tự lái lớn, thường sẽ có mỗi đội hoặc ít nhất một vài người phụ trách riêng từng phần như:
- Phát hiện xe
- Phát hiện người đi bộ
- Nhận diện đèn tín hiệu
- Lập kế hoạch di chuyển
- Dự đoán chuyển động…
Việc xây dựng được một chiếc xe tự lái là kết quả của việc tích hợp nhiều thành phần AI nhỏ, vận hành trơn tru cùng nhau.
Kết luận:
Bạn có thể thấy rõ rằng để xây dựng một sản phẩm AI phức tạp như xe tự lái, cần sự đóng góp của cả một đội ngũ làm nhiều phần khác nhau. Trong video tiếp theo, mình sẽ chia sẻ về các vai trò chủ chốt trong một đội AI lớn. Nếu hiện tại bạn chỉ là một cá nhân hoặc nhóm nhỏ thì cũng không sao, điều quan trọng là bạn có được tầm nhìn để biết cách tổ chức và mở rộng trong tương lai.
