I. Hệ thống đa tác vụ cho xe tự hành tại HCMUTE Tổng quan
Công trình nghiên cứu Hệ thống đa tác vụ cho xe tự hành tại HCMUTE (Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh) tập trung vào việc thiết kế và triển khai một hệ thống xử lý thông tin đa nhiệm thời gian thực, nhằm cải thiện hiệu suất và độ tin cậy của hệ thống lái tự động. Nghiên cứu xe tự hành hiện nay thường sử dụng các mô hình xử lý độc lập các tác vụ, dẫn đến độ trễ cao và tiêu tốn tài nguyên. Ngược lại, hệ thống đa tác vụ được đề xuất trong nghiên cứu này cho phép thực hiện đồng thời nhiều tác vụ quan trọng, bao gồm nhận diện biển báo, phát hiện vật cản, và phân đoạn làn đường. Việc tích hợp các tác vụ này vào một hệ thống thống nhất nhằm mục đích giảm thiểu độ trễ, tối ưu hóa sử dụng tài nguyên và nâng cao an toàn giao thông. Ứng dụng thực tế của hệ thống này hướng tới việc hỗ trợ người lái và cuối cùng là xây dựng hệ thống lái tự động hoàn toàn. Công nghệ xe tự hành là trọng tâm của nghiên cứu, đặc biệt là xu hướng xe tự hành hiện đại. Nghiên cứu này đóng góp vào sự phát triển của công nghệ xe tự hành tại Việt Nam và mang lại các ứng dụng thực tiễn đáng kể.
1.1. Mục tiêu và phạm vi nghiên cứu
Mục tiêu chính là thiết kế và triển khai một hệ thống đa tác vụ hiệu quả cho xe tự hành, xử lý đồng thời các tác vụ: nhận diện biển báo, phát hiện vật cản, và phân đoạn làn đường. Phạm vi nghiên cứu tập trung vào việc thiết kế kiến trúc hệ thống, lựa chọn và tối ưu hóa thuật toán điều khiển, và đánh giá hiệu suất trên môi trường mô phỏng. Phần mềm nhúng đóng vai trò quan trọng trong việc thực hiện hệ thống. Nghiên cứu này sử dụng framework Pytorch và ngôn ngữ lập trình Python. Các thử nghiệm được thực hiện trên các video thu sẵn trong môi trường mô phỏng như Unity và Carla, điều này giúp giảm chi phí và rủi ro trong giai đoạn phát triển ban đầu. Kiến trúc hệ thống được thiết kế để đáp ứng yêu cầu thời gian thực, đảm bảo độ chính xác và độ tin cậy cao. An toàn xe tự hành là yếu tố được đặt lên hàng đầu trong suốt quá trình nghiên cứu và phát triển.
1.2. Phương pháp nghiên cứu
Nghiên cứu này sử dụng phương pháp nghiên cứu xe tự hành dựa trên học máy và học sâu. Cụ thể, nhóm nghiên cứu đã tổng hợp và phân tích các công trình nghiên cứu hiện có về mạng nơ ron tích chập (CNN), phát hiện vật thể, phân đoạn hình ảnh, và học đa tác vụ. Thuật toán điều khiển được lựa chọn dựa trên hiệu quả và khả năng đáp ứng yêu cầu thời gian thực. Mạng Nanodet được sử dụng cho nhiệm vụ phát hiện và nhận diện vật thể. Hệ thống định vị dựa trên dữ liệu từ camera và các cảm biến khác. Dữ liệu xử lý được tiến hành để đảm bảo chất lượng dữ liệu đầu vào. Lập kế hoạch đường đi là một phần quan trọng của hệ thống. Khả năng xử lý dữ liệu của hệ thống được đánh giá dựa trên tốc độ xử lý, độ chính xác và khả năng hoạt động trong điều kiện thực tế. Mô phỏng xe tự hành đóng vai trò quan trọng trong việc đánh giá hiệu quả của hệ thống. Trí tuệ nhân tạo (AI), cụ thể là học máy, được ứng dụng để xử lý thông tin hình ảnh và ra quyết định.
1.3. Kết quả và đóng góp
Kết quả nghiên cứu cho thấy hệ thống đa tác vụ đã đạt được hiệu quả đáng kể về tốc độ và độ chính xác so với các phương pháp xử lý độc lập. Cụ thể, hệ thống đã cải thiện tốc độ xử lý hơn 40 frames/s, đồng thời đạt độ chính xác cao hơn trong các nhiệm vụ nhận diện biển báo, phát hiện vật cản, và phân đoạn làn đường. Nghiên cứu đã chứng minh khả năng xử lý dữ liệu hiệu quả của hệ thống đa tác vụ, mở ra hướng phát triển mới cho xe tự hành tại Việt Nam. Cơ sở lý thuyết đã được xây dựng vững chắc, dựa trên các kiến thức về hệ điều hành thời gian thực (RTOS) và thiết kế hệ thống nhúng. Kết quả nghiên cứu được công bố tại hội nghị quốc tế, góp phần vào sự phát triển của cộng đồng nghiên cứu xe tự hành. An toàn xe tự hành được đảm bảo thông qua việc tối ưu hóa tốc độ xử lý và độ chính xác của hệ thống. Đây là một đóng góp quan trọng cho nghiên cứu xe tự hành và công nghệ xe tự hành nói chung.
