Tổng quan nghiên cứu

Trong bối cảnh cuộc cách mạng công nghiệp lần thứ tư, trí tuệ nhân tạo (AI) và robotics trở thành những công nghệ then chốt, đặc biệt trong lĩnh vực robot tự hành và xe tự lái. Theo ước tính, các hệ thống robot tự hành cần khả năng định vị và tạo bản đồ chính xác trong môi trường biến đổi liên tục để hoạt động hiệu quả. Công nghệ định vị và tạo bản đồ đồng thời (Simultaneous Localization and Mapping – SLAM) là nền tảng quan trọng giúp robot tự hành nhận biết vị trí và môi trường xung quanh. Tuy nhiên, các phương pháp SLAM truyền thống sử dụng cảm biến như LIDAR hay siêu âm gặp nhiều khó khăn khi áp dụng trong môi trường ngoài trời với biến đổi phức tạp.

Mục tiêu nghiên cứu của luận văn là phát triển giải thuật định vị và tạo bản đồ cho robot tự hành thông minh ứng dụng trí tuệ nhân tạo, tập trung vào việc ứng dụng các mạng học sâu trong thị giác máy tính để cải tiến phần tiền xử lý của hệ thống SLAM. Nghiên cứu được thực hiện trong phạm vi môi trường đường phố với điều kiện ánh sáng ban ngày, sử dụng bộ dữ liệu thực nghiệm như Zalo AI Challenge 2020 và ApolloScape. Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao độ chính xác nhận dạng vật mốc, cải thiện khả năng bù sai số khép vòng, đồng thời giảm tài nguyên tính toán, giúp hệ thống SLAM hoạt động hiệu quả trên các máy tính nhúng phổ biến như Jetson Nano và Jetson Xavier.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: công nghệ SLAM và học sâu (Deep Learning). SLAM là bài toán đồng thời định vị và tạo bản đồ trong môi trường chưa biết, gồm hai dạng bản đồ phổ biến là bản đồ lưới (Grid map) và bản đồ dựa vào vật mốc (Landmark-based map). Thuật toán SLAM được phân loại thành SLAM trực tuyến (online SLAM) và SLAM đầy đủ (full SLAM), trong đó GraphSLAM là một thuật toán SLAM đầy đủ sử dụng đồ thị để biểu diễn trạng thái robot và vật mốc, tối ưu hóa sai số tổng thể bằng phương pháp bình phương tối thiểu.

Học sâu là nhánh của học máy sử dụng mạng nơ-ron sâu để trích xuất đặc trưng và nhận dạng đối tượng trong ảnh. Các mô hình học sâu như YOLOv5s, RetinaFace, MobileNetV1-SSD được áp dụng để nhận dạng vật mốc trong ảnh, trong khi các mạng như AANet+ và LEAStereo được sử dụng để dự đoán khoảng cách qua ảnh stereo. Các khái niệm chính bao gồm: nhận dạng đối tượng (object detection), dự đoán khoảng cách (depth estimation), mạng học sâu (deep neural networks), và kỹ thuật Tiling để xử lý ảnh có nhiều vật thể nhỏ.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm bộ dữ liệu Zalo AI Challenge 2020 với nhiều biển báo nhỏ và bộ dữ liệu ApolloScape chứa ảnh stereo và dữ liệu ground truth về khoảng cách. Cỡ mẫu huấn luyện cho các mô hình nhận dạng biển báo và dự đoán khoảng cách được chuẩn bị kỹ lưỡng, với các siêu tham số được điều chỉnh phù hợp.

Phương pháp phân tích gồm hai bước chính: (1) huấn luyện và đánh giá các mô hình học sâu nhận dạng đối tượng và dự đoán khoảng cách, (2) kết hợp hai mô-đun này trong hệ thống trích xuất vật mốc cho SLAM. Các mô hình được thử nghiệm trên hai máy tính nhúng Jetson Nano và Jetson Xavier để đánh giá hiệu quả về độ chính xác và tài nguyên tính toán. Timeline nghiên cứu kéo dài từ việc chuẩn bị dữ liệu, huấn luyện mô hình, thử nghiệm tích hợp hệ thống đến đánh giá triển khai trên phần cứng nhúng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ chính xác nhận dạng biển báo: Mô hình YOLOv5s đạt độ chính xác mAP50 khoảng 64% trên bộ dữ liệu Zalo AI Challenge 2020, trong khi phương pháp kết hợp RetinaFace và MobileNetV1-SSD cũng cho kết quả tương đương. Kỹ thuật Tiling giúp tránh mất thông tin đối tượng nhỏ, cải thiện hiệu quả nhận dạng.

  2. Hiệu quả dự đoán khoảng cách: Mạng AANet+ được finetune trên bộ dữ liệu ApolloScape cho kết quả tốt nhất trong số các mạng học sâu dự đoán khoảng cách, với sai số khoảng cách pixel trung bình (EPE) thấp và tỉ lệ pixel xấu dưới ngưỡng 3 pixel được cải thiện đáng kể so với các mô hình khác.

  3. Hệ thống kết hợp nhận dạng và định vị: Việc tích hợp hai mô-đun nhận dạng đối tượng và dự đoán khoảng cách giúp tăng độ chính xác trích xuất vật mốc, đồng thời giảm tài nguyên tính toán cần thiết. Thử nghiệm trên Jetson Nano và Jetson Xavier cho thấy hệ thống hoạt động ổn định với tốc độ xử lý phù hợp cho ứng dụng thời gian thực.

  4. Tài nguyên tính toán: Khi thay đổi kích thước ảnh đầu vào, tài nguyên tính toán tiêu thụ thay đổi rõ rệt, cho thấy cần cân bằng giữa độ phân giải ảnh và hiệu suất tính toán để tối ưu hóa hệ thống trên các thiết bị nhúng.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện độ chính xác là do các mạng học sâu có khả năng trích xuất thông tin ngữ nghĩa cao hơn so với các phương pháp truyền thống, giúp nhận dạng vật mốc chính xác hơn trong môi trường biến đổi. Kết quả này phù hợp với xu hướng phát triển SLAM trong thời kỳ nhận thức mạnh mẽ, khi các hệ thống SLAM cần hiểu được thông tin bậc cao và hoạt động hiệu quả trong môi trường phức tạp.

So sánh với các nghiên cứu trước đây, việc sử dụng mạng AANet+ và kỹ thuật Tiling là điểm mới giúp giảm sai số và tăng độ chính xác nhận dạng vật mốc. Hệ thống cũng thể hiện khả năng triển khai trên phần cứng nhúng phổ biến, điều này có ý nghĩa lớn trong việc ứng dụng thực tế cho robot tự hành và xe tự lái.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác mAP50 của các mô hình nhận dạng, biểu đồ sai số khoảng cách pixel trung bình của các mạng dự đoán khoảng cách, và bảng đánh giá tài nguyên tính toán theo kích thước ảnh đầu vào trên các thiết bị nhúng.

Đề xuất và khuyến nghị

  1. Tối ưu hóa mô hình nhận dạng đối tượng: Áp dụng kỹ thuật Tiling và điều chỉnh siêu tham số để nâng cao độ chính xác nhận dạng vật mốc, hướng tới mục tiêu mAP50 trên 70% trong vòng 12 tháng, do nhóm nghiên cứu AI và Robotics thực hiện.

  2. Phát triển mô hình dự đoán khoảng cách: Tiếp tục finetune và cải tiến mạng AANet+ hoặc LEAStereo để giảm sai số khoảng cách pixel trung bình xuống dưới 1.5 pixel trong 6 tháng tới, nhằm nâng cao độ chính xác định vị.

  3. Tích hợp hệ thống SLAM trên phần cứng nhúng: Triển khai và tối ưu hóa hệ thống trên các máy tính nhúng phổ biến, giảm tài nguyên tính toán tiêu thụ ít nhất 20% trong vòng 9 tháng, do nhóm kỹ thuật phần cứng và phần mềm phối hợp thực hiện.

  4. Mở rộng thử nghiệm trong môi trường thực tế: Thực hiện các thử nghiệm trên đường phố với điều kiện ánh sáng và thời tiết đa dạng trong 1 năm để đánh giá tính ổn định và khả năng thích ứng của hệ thống, do nhóm nghiên cứu ứng dụng và phát triển sản phẩm đảm nhiệm.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành Robotics và AI: Luận văn cung cấp kiến thức sâu về SLAM, học sâu trong thị giác máy tính, giúp phát triển các giải pháp robot tự hành chính xác và hiệu quả.

  2. Kỹ sư phát triển hệ thống robot tự hành và xe tự lái: Các giải thuật và mô hình được đề xuất có thể ứng dụng trực tiếp trong thiết kế và tối ưu hệ thống định vị, tạo bản đồ cho robot và xe tự lái.

  3. Nhà phát triển phần mềm và phần cứng nhúng: Thông tin về triển khai mô hình học sâu trên Jetson Nano và Jetson Xavier giúp tối ưu hóa tài nguyên tính toán và hiệu suất hệ thống trên thiết bị nhúng.

  4. Các tổ chức nghiên cứu và doanh nghiệp công nghệ: Luận văn cung cấp cơ sở khoa học và kỹ thuật để phát triển các sản phẩm robot tự hành thông minh, góp phần nâng cao năng lực cạnh tranh trong lĩnh vực công nghệ cao.

Câu hỏi thường gặp

  1. SLAM là gì và tại sao quan trọng trong robot tự hành?
    SLAM (Simultaneous Localization and Mapping) là công nghệ giúp robot đồng thời định vị vị trí và tạo bản đồ môi trường xung quanh. Đây là nền tảng để robot tự hành hoạt động độc lập và chính xác trong môi trường chưa biết trước.

  2. Tại sao sử dụng mạng học sâu trong SLAM?
    Mạng học sâu có khả năng trích xuất thông tin ngữ nghĩa cao từ ảnh, giúp nhận dạng vật mốc chính xác hơn và cải thiện việc bù sai số khép vòng, đặc biệt trong môi trường biến đổi phức tạp.

  3. Phương pháp nhận dạng biển báo nào được sử dụng trong nghiên cứu?
    Hai phương pháp chính là sử dụng mô hình YOLOv5s và kết hợp RetinaFace với MobileNetV1-SSD, cả hai đều áp dụng kỹ thuật Tiling để xử lý các biển báo nhỏ hiệu quả.

  4. Làm thế nào để dự đoán khoảng cách qua ảnh stereo?
    Dự đoán khoảng cách dựa trên độ chênh lệch (disparity) giữa hai ảnh stereo, sử dụng các mạng học sâu như AANet+ và LEAStereo để tính toán bản đồ chênh lệch chính xác và nhanh chóng.

  5. Hệ thống có thể triển khai trên thiết bị nào?
    Hệ thống được thử nghiệm và tối ưu trên các máy tính nhúng phổ biến như Jetson Nano Developer Kit và Jetson Xavier Developer Kit, đảm bảo khả năng vận hành thời gian thực với tài nguyên tính toán hạn chế.

Kết luận

  • Luận văn đã phát triển thành công hệ thống trích xuất vật mốc cho SLAM ứng dụng mạng học sâu, nâng cao độ chính xác nhận dạng và dự đoán khoảng cách.
  • Mô hình YOLOv5s và kết hợp RetinaFace-MobileNetV1-SSD đạt mAP50 khoảng 64% trên bộ dữ liệu biển báo nhỏ.
  • Mạng AANet+ được finetune trên ApolloScape cho kết quả dự đoán khoảng cách vượt trội với sai số thấp và tốc độ xử lý nhanh.
  • Hệ thống tích hợp hoạt động hiệu quả trên các máy tính nhúng Jetson Nano và Jetson Xavier, giảm tài nguyên tính toán cần thiết.
  • Các bước tiếp theo bao gồm tối ưu mô hình, mở rộng thử nghiệm thực tế và triển khai ứng dụng trong các sản phẩm robot tự hành thông minh.

Để tiếp tục phát triển và ứng dụng giải thuật, các nhà nghiên cứu và kỹ sư được khuyến khích tham khảo và áp dụng các phương pháp trong luận văn, đồng thời phối hợp thử nghiệm trên các nền tảng phần cứng phù hợp nhằm nâng cao hiệu quả và tính ứng dụng thực tiễn.