Trong thời đại xe tự hành đang lên ngôi, việc xe "hiểu" chính xác mình đang di chuyển như thế nào là điều siêu quan trọng luôn! Giờ đây, một hệ thống AI vật lý mới cho phép xe điện tự "cảm nhận" nguy cơ mất ổn định theo thời gian thực, hứa hẹn sẽ nâng tầm độ an toàn lên một level hoàn toàn mới
Khi ngành công nghiệp ô tô đang lao vào kỷ nguyên điện hóa và tự động hóa, phần mềm ngày càng trở thành "trái tim" của chiếc xe, đảm bảo mọi thứ vận hành an toàn và mượt mà. Xe điện hiện đại không còn đơn giản là một khối sắt chạy nữa, mà là cả một hệ thống siêu phức tạp với các thuật toán phải liên tục đánh giá trạng thái chuyển động để đưa ra quyết định trong tích tắc
Một trong những thách thức khó nhằn nhất của xe tự hành chính là khả năng "hiểu" chính xác cách chiếc xe đang di chuyển trên mặt đường thực tế. Chỉ cần sai lệch tí xíu trong việc tính toán vận tốc, gia tốc hay góc trượt cũng có thể khiến hệ thống phanh hoặc đánh lái phản ứng chậm. Trong môi trường lái xe tự động, những sai số này không chỉ tồn tại lẻ tẻ mà còn có thể cộng dồn siêu nhanh, làm tăng nguy cơ mất kiểm soát
Chính vì thế, các kỹ sư xem việc ước tính trạng thái xe là nền tảng cốt lõi của giao thông tương lai. Tuy nhiên, các mô hình vật lý truyền thống vốn được xây dựng dựa trên những giả định lý tưởng đang bộc lộ giới hạn rõ rệt. Đường sá thực tế luôn biến đổi khó lường, lốp xe bị biến dạng, độ bám thay đổi và các thao tác lái đột ngột xảy ra liên tục, khiến các mô hình cổ điển khó mà theo kịp.
Trong bối cảnh đó, một nhóm nghiên cứu do Giáo sư Kanghyun Nam tại DGIST dẫn đầu đã đề xuất một hướng tiếp cận mới siu xịn. Thay vì chỉ dựa vào vật lý hay hoàn toàn phó mặc cho trí tuệ nhân tạo, nhóm đã kết hợp cả hai trong một hệ thống ước tính trạng thái dựa trên AI vật lý. Dự án được thực hiện với sự hợp tác của Đại học Giao thông Thượng Hải và Đại học Tokyo, cho thấy tính liên ngành và quốc tế của nghiên cứu
Hệ thống này tập trung vào việc ước tính các trạng thái chuyển động mà cảm biến trên xe không thể đo trực tiếp, trong đó quan trọng nhất là góc trượt ngang. Đây là thông số phản ánh mức độ xe trượt sang bên khi vào cua hoặc di chuyển trên bề mặt trơn trượt. Nếu không được phát hiện kịp thời, góc trượt có thể khiến xe mất ổn định trước khi hệ thống điều khiển kịp phản ứng
Vấn đề nằm ở chỗ hành vi của lốp xe không cố định chút nào. Nó thay đổi theo tốc độ, mặt đường và điều kiện vận hành, khiến các phương pháp ước tính truyền thống trở nên kém hiệu quả. Để giải quyết, nhóm nghiên cứu đã xây dựng một khung ước tính lai, trong đó mô hình vật lý của lốp xe được "boost" bằng khả năng học hỏi của trí tuệ nhân tạo.
Các nhà nghiên cứu hiện cho rằng chỉ dựa vào các mô hình truyền thống là chưa đủ xịn. Đường sá thực tế luôn tồn tại những yếu tố khó lường như biến dạng lốp, thay đổi bề mặt đường và các thao tác đột ngột. Những yếu tố này thường nằm ngoài các giả định của mô hình xe cổ điển.
Cụ thể, hệ thống kết hợp một mô hình lốp vật lý với phương pháp hồi quy dựa trên AI. Dữ liệu cảm biến đo lực ngang của lốp được đưa vào liên tục, cho phép mô hình thích ứng với các hành vi phi tuyến và sự biến đổi của môi trường. Trọng tâm của kiến trúc này là bộ quan sát lọc Kalman không mùi, được tích hợp cùng hồi quy quá trình Gaussian.
Bộ lọc Kalman đóng vai trò đảm bảo tính nhất quán vật lý, ngăn hệ thống đưa ra các ước tính phi thực tế. Trong khi đó, thành phần AI mang lại sự linh hoạt, giúp mô hình học từ dữ liệu và bù đắp cho những sai lệch mà vật lý thuần túy không thể giải thích được. Sự kết hợp này tạo ra một hệ thống vừa chính xác vừa đáng tin cậy
Để kiểm chứng hiệu quả, các nhà nghiên cứu đã thử nghiệm hệ thống trên một nền tảng xe điện thực tế. Các bài test bao gồm nhiều loại mặt đường, tốc độ khác nhau và các kịch bản vào cua đa dạng. Kết quả cho thấy hệ thống duy trì độ chính xác cao trong tất cả các điều kiện, một yếu tố được xem là then chốt để ứng dụng trong thực tế
Việc ước tính chính xác trạng thái xe mang lại lợi ích cho nhiều chức năng quan trọng, từ kiểm soát ổn định, đảm bảo an toàn cho xe tự hành cho tới tối ưu hiệu quả năng lượng. Khi hệ thống nắm bắt được sớm dấu hiệu mất ổn định, nó có thể can thiệp kịp thời và chính xác hơn, giảm thiểu rủi ro cho người ngồi trong xe ️
Giáo sư Kanghyun Nam cho biết nhóm nghiên cứu không chỉ nhắm tới độ chính xác mà còn đặt trọng tâm vào độ tin cậy lâu dài. Theo ông, việc kết hợp mô hình vật lý và trí tuệ nhân tạo đã giúp lấp đầy những khoảng trống mà các phương pháp truyền thống để lại, mở ra hướng đi mới cho kiến trúc điều khiển phương tiện trong tương lai.
Nguồn: genk.vn