Xe tự hành là sự kết hợp của nhiều công nghệ khác nhau, được chia thành 03 phần chính như sau:
- Các thuật toán (algorithms) bao gồm cảm quan (sensing), nhận thức (perception), quyết định (decision).
- Hệ thống điều hành và nền tảng phần cứng
- Nền tảng đám mây
Nguồn: Sách “Creating Autonomous Vehicle Systems”- Morgan and Claypool (2017)
1. Các cảm biến
Mỗi xe tự hành đều có một hệ thống cảm biến bao gồm rất nhiều loại khác nhau, mỗi loại có ưu điểm và nhược điểm riêng, và điều khó nhất là kết nối dữ liệu của các cảm biến lại với nhau.
- GPS/IMU: Giúp xe tự hành định vị vị trí trong không gian. Sự kết hợp của GPS và IMU là kết quả của sự tính toán kỹ lưỡng vì GPS có độ chính xác cao tuy nhiên độ trễ khá cao, trong khi đó IMU truyền thông tin nhanh nhưng sai số vị trí lớn, kết hợp sẽ giúp cập nhật vị trí của phương tiện chính xác với thời gian thực nhất.
- LiDAR: Sử dụng để lập bản đồ, định vị và tránh vật cản.
- Camera: Dùng để phát hiện, nhận dạng và theo dõi các vật thể như làn đường, biển báo giao thông, người đi bộ…
- Radar và Sonar: Đây được xem là hàng rào bảo vệ cuối cùng cho xe tự hành trong việc tránh các vật cản. Nếu vật thể được phát hiện không quá xa xe, phanh xe sẽ hoạt động hoặc xe sẽ tránh vật cản.
Tất cả các dữ liệu được lấy từ các cảm biến được gửi về máy tính trung tâm để xử lí và đưa ra các quyết định di chuyển.
2. Nền tảng công nghệ cơ bản
- Nhận thức và mô hình hoá môi trường (Environmental perception and modeling): phát hiện đường, làn đường, biển báo giao thông, các phương tiện hoặc vật thể cố định và chuyển động, phân tích thái độ, hiểu về hoàn cảnh…;
- Phương pháp phát hiện vị trí hiện tại của xe trên bản đồ, xây dựng bản đồ, cách thức xóa các vật thể chuyển động ra khỏi bản đồ, cách thức phát hiện các vật thể cố định có trên bản đồ, cách thức nối các bản đồ với nhau, …(localization and map building);
- Lập kế hoạch di chuyển và đưa quyết định (path planning and decision-making): path planning bao gồm 2 phần chính, global path planning – định vị được đường đi cơ bản sẽ thực hiện và local path planning – thông qua việc nhận diện các vật cản, các biển báo, các phương tiện, các hành vi, cung đường cụ thể sẽ được ứng biến và quyết định tùy thuộc vào tình huống. Local path planning có thể khác biệt so với global path planning những điểm xuất phát và điểm kết thúc là như nhau);
- Điều khiển chuyển động (Motion control): toàn bộ những phần trên sẽ đưa ra các quyết định để cho hệ thống chuyển động được điều khiển theo đúng hướng đã vạch ra.
3. Nền tảng đám mây
Xe tự hành là hệ thống di động và do đó chúng cần một nền tảng đám mây (cloud) để hỗ trợ. Hai chức năng chính được cung cấp bởi cloud bao gồm điện toán phân tán và lưu trữ để thực hiện các công việc sau:
- Mô phỏng: Đối với một thuật toán mới, kỹ sư cần phải kiểm tra kỹ càng trên trình mô phỏng trước khi áp dụng thuật toán đó và xe trong thực tế. Việc thực hiện thuật toán mới trực tiếp trên xe mà chưa qua mô phỏng có rất nhiều rủi ro, tốn thời gian và tiền bạc, thế nên trình mô phỏng và một ứng dụng khá quan trọng.
- Bản đồ HD (Bản đồ độ phân giải cao): Sản xuất bản đồ HD là một quá trình phức tạp bao gồm nhiều giai đoạn, bao gồm xử lý dữ liệu thô, sản xuất đám mây điểm, căn chỉnh đám mây điểm, tạo bản đồ phản xạ 2D, dán nhãn bản đồ HD và tạo bản đồ cuối cùng.
- Lưu trữ dữ liệu: Một lượng lớn dữ liệu được thu thập từ các cảm biến được lưu trữ tại nền tảng đám mây này.
- Đào tạo mô hình học sâu: Các dữ liệu sau khi thu thập sẽ được dùng làm training data cho các mô hình học máy, học sâu.
4. Xe tự hành Phenikaa-X
Xe tự hành Phenikaa-X được nghiên cứu và phát triển 100% bởi các chuyên gia Việt Nam hiện tại đã đạt được cấp độ 4 dựa trên thang đo 5 cấp độ theo SAE (Society of Automotive Engineers).
Trong tương lai Phenikaa-X sẽ tiếp tục nâng cấp xe tự hành và thương mại hóa xe tại các khu nghỉ dưỡng, khu vực dân cư khép kín…