Trang chủ Đời sống công nghệ Smart Life Đâu là lý do mà xe tự hành trở nên đắt đỏ

Đâu là lý do mà xe tự hành trở nên đắt đỏ

Xe tự hành đã có thể hoạt động tốt trong khuôn viên nơi giao thông di chuyển chậm.

Để di chuyến trong khoảng cách trung gian ngắn có tốc độ hạn chế như khuôn viên trường đại học và khu công nghiệp thì phương tiện tự hành, tốc độ thấp chạy bằng điện là lý tưởng.

Công ty khởi nghiệp PerceptIn đang triển khai các phương tiện này và hoạt động tại các địa điểm du lịch ở Nara và Fukuoka, Nhật Bản và một số nước khác trên thế giới.

Mặc dù lái xe tự động là một nỗ lực phức tạp, nhưng thách thức thực sự đối với PerceptIn không phải vấn đề công nghệ mà là giảm chi phí.

Những chiếc xe tự hành đắt tiền có thể khiến bạn phải trả khoảng 300.000 đô la Mỹ do các công nghệ cần thiết để đảm bảo hoạt động của xe trong môi trường phức tạp. Ngược lại, mẫu xe PerceptIn hiện được bán ở mức giá khoảng 70.000 USD và giá chắc chắn sẽ giảm trong tương lai. Tại sao lại có sự khác biệt như vậy?

Tại sao xe tự hành lại đắt?

Xe tự hành đắt đỏ vì các cảm biến và máy tính mang theo rất đắt tiền.

Bộ cảm biến cần thiết cho việc lái xe tự động thông thường bao gồm một máy GPS cao cấp, nắp đậy (phát hiện ánh sáng và phạm vi), một hoặc nhiều máy quay video, radar và sonar. Chiếc xe cũng cần ít nhất một máy tính rất mạnh.

Các máy thu GPS được sử dụng trong bối cảnh này không giống như cái được tìm thấy trong điện thoại của bạn. GPS sử dụng trên các phương tiện tự có khả năng động học thời gian thực cho vị trí có độ chính xác cao, sửa lỗi xuống còn 10 cm. Các thiết bị này thường có giá khoảng 4.000 đô la. Tuy nhiên, ngay cả các máy GPS đắt tiền này cũng không thể cung cấp thông tin chính xác vị trí của chiếc xe. Trong một số trường hơp tín hiệu có thể bị trễ, bị tắt hoặc bị nhiễu. Ngoài ra, GPS cần một tầm nhìn không bị cản trở lên bầu trời. Trong các môi trường kín, chẳng hạn như các đường hầm, thiết bị GPS sẽ không hoạt động.

May mắn thay, các phương tiện tự trị có những cách khác để tìm ra vị trí của chúng. Cụ thể, họ có thể sử dụng ma trận, xác định khoảng cách đến các vật bằng cách quét một chùm tia laser và đánh giá thời gian ánh sáng phản xạ trở lại. Một thiết bị điển hình cho xe tự hành có phạm vi quét 150 mét và lấy mẫu hơn 1 triệu điểm không gian mỗi giây.

Quét như vậy có thể được sử dụng để xác định các hình dạng khác nhau trong môi trường xung quanh. Sau đó, máy tính trên xe sẽ so sánh các hình dạng quan sát được với các hình dạng được ghi trong bản đồ kỹ thuật số độ nét cao của khu vực, cho phép nó theo dõi vị trí chính xác của chiếc xe mọi lúc. Lidar cũng có thể được sử dụng để xác định và tránh các chướng ngại vật thoáng qua, chẳng hạn như người đi bộ và xe khác.

Lidar là một công nghệ tuyệt vời, nhưng nó tồn tại hai vấn đề. Đầu tiên, các thiết bị này cực kỳ đắt đỏ: Một thiết bị Lidar cao cấp trên xe tự hành có thể dễ dàng tiêu tốn hơn 80.000 đô la, mặc dù chi phí đang giảm và đối với các ứng dụng tốc độ thấp, một thiết bị phù hợp chỉ có giá khoảng 4.000 đô la. Ngoài ra, thiết bị Lidar quang học có thể không cung cấp các phép đo hợp lý trong thời tiết xấu, chẳng hạn như mưa lớn hoặc sương mù.

Điều tương tự cũng đúng đối với các camera được tìm thấy trên các phương tiện này, phần lớn được sử dụng để nhận biết và theo dõi các vật thể khác nhau, như ranh giới của làn đường lái xe, đèn giao thông và người đi bộ. Thông thường, nhiều camera được gắn xung quanh xe. Những máy camera này thường chạy ở tốc độ 60 khung hình mỗi giây và nhiều máy camera được sử dụng có thể tạo ra hơn 1 gigabyte dữ liệu thô mỗi giây. Tất nhiên, việc xử lý lượng thông tin khổng lồ này đặt ra nhu cầu tính toán rất lớn trên máy tính đặt trên xe.

Các hệ thống radar và sonar được tìm thấy trong các phương tiện tự hành được sử dụng để tránh chướng ngại vật. Các bộ dữ liệu mà chúng tạo ra cho thấy khoảng cách từ vật thể gần nhất trong đường dẫn xe cộ. Ưu điểm chính của các hệ thống này là chúng hoạt động trong mọi điều kiện thời tiết. Sonar thường có phạm vi hoạt động tới 10 mét, trong khi radar thường có tầm quét tới 200 mét. Giống như máy ảnh, các cảm biến này tương đối rẻ tiền, thường có giá dưới 1.000 USD mỗi chiếc.

Nhiều phép đo cung cấp cảm biến như vậy được đưa vào các máy tính của xe, chúng phải tích hợp tất cả thông tin này để tạo ra sự hiểu biết về môi trường. Mạng lưới thần kinh nhân tạo và học tập sâu, một cách tiếp cận đã phát triển nhanh chóng trong những năm gần đây, đóng một vai trò lớn ở đây. Với các kỹ thuật này, máy tính có thể theo dõi các phương tiện khác đang di chuyển gần đó, cũng như của người đi bộ băng qua đường, đảm bảo phương tiện tự trị không va chạm với bất cứ ai hoặc bất cứ ai.

Tất nhiên, các máy tính trên xe tự hành phải làm nhiều việc hơn là chỉ tránh đụng phải thứ gì đó. Họ phải đưa ra một số lượng lớn các quyết định về nơi để lái và tốc độ di chuyển. Do đó, các máy tính của xe cộ cần tạo ra các dự đoán về chuyển động sắp tới của các phương tiện gần đó trước khi quyết định một kế hoạch hành động dựa trên những dự đoán đó và nơi mà người sử dụng cần tới.

Cuối cùng, một chiếc xe tự hành cần một bản đồ tốt. Bản đồ kỹ thuật số truyền thống thường được tạo ra từ hình ảnh vệ tinh và có độ chính xác ở mức mét. Mặc dù điều đó quá đủ cho người lái xe, nhưng xe tự hành đòi hỏi độ chính xác cao hơn cho thông tin ở làn đường. Do đó, bản đồ độ nét cao đặc biệt là cần thiết.

Cũng giống như các bản đồ kỹ thuật số truyền thống, các bản đồ phân giải cao (HD) này chứa nhiều lớp thông tin. Lớp dưới cùng là một bản đồ với các ô lưới khoảng 5 x 5 cm; nó được tạo ra từ dữ liệu khai thác thô được thu thập bằng những chiếc xe đặc biệt. Lưới này ghi lại thông tin độ cao và phản xạ về các đối tượng trong môi trường.

Trên đầu lưới cơ sở đó, có một vài lớp thông tin bổ sung. Chẳng hạn, thông tin làn đường được thêm vào bản đồ lưới để cho phép các phương tiện tự trị xác định xem chúng có đi đúng làn hay không. Trên đầu trang của thông tin làn đường, các nhãn hiệu giao thông được thêm vào để thông báo cho các phương tiện tự trị về giới hạn tốc độ địa phương, cho dù họ đang tiếp cận đèn giao thông,… Điều này giúp ích trong trường hợp camera trên xe không thể đọc được biển báo.

Bản đồ kỹ thuật số truyền thống được cập nhật 6 đến 12 tháng một lần. Để đảm bảo các bản đồ mà xe tự hành sử dụng có chứa thông tin cập nhật, bản đồ HD nên được làm mới hàng tuần. Do đó, việc tạo và duy trì bản đồ HD có thể tốn hàng triệu đô la mỗi năm cho một thành phố hạng trung.

Tất cả dữ liệu trên các bản đồ HD đó phải được lưu trữ trên xe trong bộ nhớ trạng thái rắn (SSD) để truy cập sẵn sàng, thêm vào chi phí cho phần cứng máy tính, cần phải khá mạnh. Ước tính sơ bộ, một hệ thống điện toán cơ bản cho xe tự hành sử dụng bộ xử lý Intel Xeon E5 và 4 – 8 GPU Nvidia K80. Hệ thống này có khả năng cung cấp 64,5 nghìn tỷ hoạt động tính toán mỗi giây, nhưng nó tiêu thụ khoảng 3.000 watt và tạo ra một lượng nhiệt khổng lồ. Và nó có giá khoảng 30.000 đô la.

Khi mà chỉ những cảm biến và máy tính có thể dễ dàng tiêu tốn hơn 100.000 đô la, thật dễ để hiểu tại sao các phương tiện tự lại đắt như vậy, ít nhất là ngày nay. Chắc chắn, giá sẽ giảm khi tổng số lượng sản xuất tăng. Nhưng vẫn chưa rõ chi phí tạo và duy trì bản đồ HD sẽ được tính như thế nào. Trong mọi trường hợp, sẽ cần thời gian cho công nghệ tốt hơn để giải quyết tất cả các mối quan tâm an toàn rõ ràng đi kèm với lái xe tự hành trên đường thông thường và đường cao tốc.

Giải quyết thách thức từ PerceptIn

PerceptIn đã cố gắng giải quyết những thách thức này bằng cách tập trung vào các phương tiện nhỏ, tốc độ chậm hoạt động trong khu vực hạn chế như trong khuôn viên các trường đại học và khu công nghiệp với hệ thống đường di chuyển nội bộ hơn là các cao tốc giao thông cao tốc.

Chiến thuật chính mà công ty sử dụng để giảm chi phi là loại bỏ hoàn toàn hệ thống Lidar và sử dụng các cảm biến giá cả phải chăng hơn: máy ảnh, thiết bị đo quán tính, GPS, bộ mã hóa bánh xe, radar và sonar. Dữ liệu mà mỗi cảm biến này cung cấp sau đó có thể được kết hợp qua một quá trình gọi là phản ứng tổng hợp cảm biến.

Với sự cân bằng của những hạn chế và lợi thế, các cảm biến này có xu hướng bổ sung cho nhau. Khi một lỗi hoặc trục trặc, những cảm biến/thiết bị khác có thể đảm nhận để đảm bảo rằng hệ thống vẫn đáng tin cậy. Với phương pháp kết hợp cảm biến này, chi phí có thể giảm xuống còn khoảng 2.000 USD.

Bởi vì xe chạy ở tốc độ thấp, nên chỉ mất tối đa 7 mét để dừng lại, làm cho nó an toàn hơn nhiều so với một chiếc xe bình thường, có thể mất hàng chục mét để dừng lại. Và với tốc độ thấp, các hệ thống máy tính có yêu cầu độ trễ ít nghiêm trọng hơn so với những hệ thống được sử dụng trong xe tự hành tốc độ cao.

Xe PerceptIn sử dụng định vị vệ tinh để định vị ban đầu. Mặc dù không chính xác như các hệ thống được tìm thấy trên những chiếc xe tự hành có khả năng đi trên đường cao tốc, những máy thu điều hướng vệ tinh này vẫn cung cấp độ chính xác của máy bay. Sử dụng kết hợp hình ảnh và dữ liệu của máy ảnh từ các đơn vị đo lường quán tính (trong một kỹ thuật gọi là đo thị lực quán tính trực quan), máy tính xe cày cải thiện thêm độ chính xác, cố định vị trí xuống mức độ giảm dần.

Để chụp ảnh, PerceptIn đã tích hợp bốn camera vào một mô-đun phần cứng. Một cặp đối diện với phía trước của chiếc xe, và một cặp khác phải đối mặt với phía sau. Mỗi cặp camera cung cấp tầm nhìn hai mắt, cho phép nó chụp được loại thông tin không gian thông thường được cung cấp bởi flipar. Hơn nữa, bốn máy ảnh cùng nhau có thể chụp được góc nhìn 360 độ về môi trường, với đủ các vùng không gian chồng chéo giữa các khung để đảm bảo rằng phép đo thị giác hoạt động theo bất kỳ hướng nào.

Ngay cả khi đo thị giác không thành công và tín hiệu định vị vệ tinh bị rơi ra, tất cả sẽ không bị mất. Chiếc xe vẫn có thể thực hiện cập nhật vị trí bằng cách sử dụng bộ mã hóa quay gắn vào bánh xe của mình theo một chiến lược chung mà các thủy thủ sử dụng trong nhiều thế kỷ, được gọi là tính toán chết (dead reckoning).

Các bộ dữ liệu từ tất cả các cảm biến này được kết hợp để cung cấp cho chiếc xe sự hiểu biết tổng thể về môi trường của nó. Dựa trên sự hiểu biết này, máy tính xe cộ có thể đưa ra các quyết định cần thiết để đảm bảo chuyến đi suôn sẻ và an toàn. Chiếc xe cũng có một hệ thống chống va chạm hoạt động độc lập với máy tính chính của nó, cung cấp một tuyến phòng thủ cuối cùng. Điều này sử dụng sự kết hợp của radar sóng milimet và sonar để cảm nhận khi chiếc xe nằm trong phạm vi 5 mét của vật thể, trong trường hợp đó, nó ngay lập tức dừng lại.

Mặc dù có nhiều tiến bộ trong thập kỷ qua, nhưng có lẽ sẽ còn một thập kỷ nữa hoặc hơn trước khi những chiếc xe tự trị hoàn toàn bắt đầu đi đến hầu hết các con đường và đường cao tốc. Trong khi đó, một cách tiếp cận thực tế là sử dụng các phương tiện tự trị tốc độ thấp trong các thiết lập hạn chế. Một số công ty, bao gồm Navya, EasyMile và May Mobility, cùng với PerceptIn, đã theo đuổi chiến lược này một cách nghiêm túc và đang có những tiến bộ tốt.

Không quá xa trong tương lai, xe tự hành có thể là thiết bị tự hành sử dụng năng lượng sạch chuyên chở hành khách tại các trung tâm thành phố như trung tâm thương mại Manhattan, nơi tốc độ trung bình của giao thông hiện nay chỉ 7 dặm một giờ. Một hệ thống phương tiện như vậy sẽ giảm đáng kể chi phí, cải thiện điều kiện giao thông, tăng cường an toàn và cải thiện chất lượng không khí.

Ta Tuyên (theo IEEE Spectrum)

BÌNH LUẬN

Vui lòng nhập bình luận của bạn
Vui lòng nhập tên của bạn ở đây

Bài viết cùng chủ đề

Ra mắt giải pháp chiếu sáng thông minh Lumi Smart Lighting

Ngày 26/11, Công ty Lumi – đơn vị tiên phong trong lĩnh vực Smart home chính thức ra mắt giải pháp chiếu sáng thông...

Vinh danh Biển Bạc tại Lễ trao giải thưởng Thành phố thông minh

Giải pháp camera giám sát, phát hiện, xử lý vi phạm giao thông và quản lý an ninh trật tự bằng hình ảnh -...

HUS Racing 2020: Sôi động cuộc đua xe mô hình ô tô tự động

Vòng chung kết cuộc thi đua xe công nghệ mang tên HUS Racing dành cho học sinh trường THPT Chuyên KHTN và sinh viên trường...

Tetra Pak tổ chức cuộc thi “Cùng bé thu gom vỏ hộp giấy” cho học sinh tại Hà Nội

Tetra Pak, nhà cung cấp hộp giấy đựng đồ uống đến từ Thụy Điển phối hợp với Sở Tài Nguyên và Môi trường, Sở...

Schneider Electric tổ chức Hội nghị trực tuyến thúc đẩy chuyển đổi số

Hội nghị trực tuyến Innovation Summit East Asia 2020 vừa được Schneider Electric tổ chức từ ngày 8 tháng 10 đến ngày 26 tháng...

Bài viết nổi bật

Ra mắt giải pháp chiếu sáng thông minh Lumi Smart Lighting

Ngày 26/11, Công ty Lumi – đơn vị tiên phong trong lĩnh vực Smart home chính thức ra mắt giải pháp chiếu sáng thông...

Khai mạc Hội nghị CAFEO 38: Bền vững và Thịnh vượng

Phát biểu trong Lễ Khai mạc Hội nghị thường niên Diễn đàn Kỹ sư các nước Đông Nam Á lần thứ 38 (CAFEO 38) sáng...

Nhanh nhạy, linh hoạt là yếu tố then chốt để khởi nghiệp Việt Nam phát triển

Ngày 25/11, Diễn đàn Quỹ đầu tư khởi nghiệp sáng tạo Việt Nam 2020 – Vietnam Venture Summit 2020 với chủ đề “Going Digital...