Tầm quan trọng của mô phỏng toàn cảnh của phòng thí nghiệm trong việc nâng cao cấp độ tự chủ của xe tự hành

Tầm nhìn về xe tự hành hoàn toàn đang được hiện thực hóa rất nhanh chóng, hứa hẹn sẽ cải thiện hiệu quả tổng thể của hệ thống giao thông, nâng cao an toàn hơn cho lái xe và hành khách.

Tuy nhiên, để có thể biến tầm nhìn này thành hiện thực, các nhà sản xuất OEM ô tô cần phải đạt và vượt yêu cầu của Hiệp hội kỹ sư ô tô (SAE) về cấp độ tự chủ của phương tiện — từ cấp 2 + / 3 đến cấp 5.

Trong quá trình này các nhà sản xuất ô tô phải đối mặt với một loạt những thách thức đặc biệt về đo kiểm cảm biến radar ô tô trong hệ thống lái xe tự động và huấn luyện các thuật toán lái xe tự động mà các giải pháp thông thường không thể giải quyết.

Phó Chủ tịch cấp cao kiêm Chủ tịch Nhóm giải pháp công nghiệp điện tử của Keysight Ee Huei Sin.

Để hiểu thêm về những thách thức hiện tại về đo kiểm và cách tiếp cận mới để các nhà sản xuất OEM có thể nâng cấp độ mức độ tự chủ của xe tự hành, chúng tôi đã trao đổi với bà Ee Huei Sin, Phó Chủ tịch cấp cao của Keysight Technologies, kiêm Chủ tịch của Nhóm giải pháp công nghiệp điện tử của Keysight, để tìm câu trả lời.

PV: Những thách thức chính mà các nhà sản xuất OEM ô tô phải vượt qua để nâng cao khả năng tự chủ của xe tự hành là gì?

Bà Ee Huei Sin: Các nhà sản xuất OEM ô tô phải đối mặt với 2 thách thức chính sau đây:

Rút ngắn khoảng cách giữa mô phỏng phần mềm và thử nghiệm trên đường.

Ngày nay các bộ cảm biến và mô-đun điều khiển được đo kiểm bằng cách mô phỏng môi trường bằng phần mềm trong bài đo vòng lặp. Dù mang lại nhiều giá trị, nhưng mô phỏng bằng phần mềm không thể tái tạo đầy đủ phản ứng của các bộ cảm biến không hoàn hảo trong thế giới thực. Các phương tiện tự hành hoàn toàn phải xử lý được những khiếm khuyết đó.

Thử nghiệm thực địa hệ thống hoàn chỉnh đã được tích hợp trong nguyên mẫu hoặc xe được phép lưu hành cho phép các nhà sản xuất OEM xác nhận hợp chuẩn sản phẩm cuối trước khi đưa ra thị trường.

Mặc dù thử nghiệm trên thực địa là một phần quan trọng và cần thiết của quá trình phát triển, nhưng yêu cầu về chi phí, thời gian và những khó khăn thách thức trong việc lặp lại thử nghiệm khiến việc chỉ tiến hành thử nghiệm trên thực địa trở nên không thực tế.

Với cách tiếp cận này, sẽ phải mất hàng trăm năm để các phương tiện có được mức độ tin cậy đủ để di chuyển trên đường bộ ở khu vực đô thị và nông thôn an toàn trong 100% thời gian.

Huấn luyện các thuật toán Hệ thống hỗ trợ người lái nâng cao (ADAS)/Xe tự hành (AV) trong các điều kiện thế giới thực.

Đo kiểm radar ô tô là hoạt động trọng yếu để huấn luyện các thuật toán tự lái xe. Các thuật toán này sử dụng dữ liệu do cảm biến radar của xe thu được để ra quyết định về phản ứng của xe trong mọi tình huống. Nếu không được huấn luyện thích hợp, các thuật toán này có thể đưa ra những quyết định bất ngờ làm ảnh hưởng đến sự an toàn của người lái xe, hành khách hoặc người đi bộ.

Hãy lấy ví dụ về một người phải ra nhiều quyết định trong khi lái xe. Cần có thời gian và kinh nghiệm để trở thành một người lái xe giỏi. Nâng mức độ tự chủ của phương tiện lên một tầm cao mới đòi hỏi phải có những hệ thống phức tạp vượt quá khả năng của những người lái xe giỏi nhất.

Tổ hợp các thiết bị cảm biến, các thuật toán phức tạp và các bộ vi xử lý mạnh mẽ là những phần tử quan trọng để hiện thực hóa xe tự hành. Các cảm biến giúp cảm nhận môi trường xung quanh, các bộ xử lý và thuật toán cho phép ra quyết định đúng đắn và đảm bảo tuân thủ luật giao thông. Các chức năng ADAS mới phải tuyệt đối đáng tin cậy.

Với hệ thống chưa được kiểm chứng, việc thử nghiệm sớm trên đường thực chứa đựng nhiều rủi ro. Do đó, cần có khả năng giả lập các tình huống trong thế giới thực cho phép xác nhận các cảm biến thực tế, các khối điều khiển điện tử (ECU), logic trí tuệ nhân tạo (AI) và các khả năng khác.

Việc thử nghiệm sớm nhiều kịch bản giúp các nhà sản xuất OEM thấy được khi nào nên dừng và khi nào có thể tự tin phê chuẩn chức năng ADAS.

PV: Các giải pháp đo kiểm thông thường có thể giải quyết được những vấn đề này không thưa bà?

Bà Ee Huei Sin: Các hệ thống đo kiểm ngày nay không giải quyết hiệu quả những vấn đề này. Một số hệ thống sử dụng nhiều bộ mô phỏng mục tiêu radar (RTS), mỗi bộ đại diện cho các điểm mục tiêu của cảm biến radar và giả lập vị trí ngang và dọc bằng cách di chuyển cơ học ăng-ten.

Tự động hóa cơ học kéo dài thời gian đo kiểm tổng thể. Các giải pháp khác tạo ra một bức tường ăng-ten với chỉ một vài RTS. Điều này có nghĩa là một đối tượng có thể xuất hiện bất kỳ đâu trong phân cảnh, nhưng không xuất hiện được đồng thời.

Trong môi trường tĩnh hoặc gần tĩnh, phương pháp này cho phép đo kiểm với một số mục tiêu di chuyển theo chiều ngang với tốc độ bị giới hạn bởi tốc độ của các cánh tay robot.

Các giải pháp đo kiểm cảm biến radar hiện tại cũng có ảnh trường (FOV) hạn chế và không thể phân biệt được các vật thể ở khoảng cách dưới 4 mét. Thử nghiệm cảm biến radar bằng một số lượng đối tượng giới hạn không mang lại bức tranh đầy đủ về các tình huống lái xe và không thể hiện được sự phức tạp của thế giới thực.

PV: Cần có những sáng tạo công nghệ nào để giải quyết những vấn đề này?

Bà Ee Huei Sin: Để giải quyết những vấn đề này cần có phương pháp đo kiểm cảm biến radar mới, sử dụng giả lập giao thông toàn cảnh thay cho phát hiện đối tượng thông qua mô phỏng mục tiêu và thực hiện được trong phòng thí nghiệm trước khi kiểm tra trên đường.

Bộ giả lập Radar Scene Emulator mới được Keysight ra mắt phiên bản mới mang lại những giải pháp hoàn toàn mới cho xe tự hành.

Thử nghiệm cảm biến radar bằng một số lượng đối tượng giới hạn không mang lại bức tranh đầy đủ về các tình huống lái xe và không thể hiện được sự phức tạp của thế giới thực.

Giả lập toàn cảnh trong phòng thí nghiệm cung cấp cho các nhà sản xuất OEM một phương pháp thử nghiệm sớm hơn các tình huống lái xe với các phân cảnh phức tạp có thể lặp lại, với mật độ vật thể cao (tĩnh hay động) và các đặc điểm môi trường hoặc tổ hợp bất kỳ của các yếu tố nói trên.

Nhờ đó việc huấn luyện các hệ thống hỗ trợ lái xe tiên tiến (ADAS)/xe tự hành (AV) được đẩy nhanh đáng kể.

Keysight Technologies đang làm gì để giải quyết những khó khăn thách thức này?

Bà Ee Huei Sin: Keysight đã đưa ra giải pháp Bộ giả lập phân cảnh radar Radar Scene Emulation để sử dụng trong phòng thí nghiệm, đây là bộ giả lập phân cảnh giao thông đầy đủ đầu tiên trên thị trường kết hợp hàng trăm thiết bị đầu cuối tần số vô tuyến thu nhỏ (RF) vào một màn hình giả lập có thể mở rộng đại diện cho tối đa 512 đối tượng và khoảng cách từ 1,5 mét.

Giải pháp này cho phép các nhà sản xuất OEM ô tô đưa việc kiểm thử các tình huống lái xe phức tạp từ đường giao thông vào phòng thí nghiệm, đẩy nhanh tốc độ kiểm thử so với sử dụng đường thử.

PV: Có cần ứng dụng bất kỳ cải tiến công nghệ nào để đưa bộ giả lập phân cảnh radar ra thị trường không thưa bà?

Bà Ee Huei Sin: Có. Cần có hai đột phá công nghệ quan trọng để cung cấp giải pháp này. Trước hết, Keysight đã phát triển đầu cuối RF thu nhỏ độc quyền, được trang bị ăng-ten riêng.

Thứ hai, Keysight tích hợp 8 đầu cuối RF đó vào một bảng mạch. Sau đó, 64 bảng mạch được sắp xếp thành một mảng hình bán nguyệt để tạo thành màn hình giả lập có thể mở rộng.

PV: Những lợi ích chính của giải pháp giả lập toàn cảnh như Radar Scene Emulation là gì?

Bà Ee Huei Sin: Radar Scene Emulator gồm 3 lợi ích chính khi sử dụng là:

Khả năng nhìn thấy bức tranh toàn cảnh. Bộ giả lập Radar Scene Emulator của Keysight giúp cảm biến radar quan sát được nhiều hơn với ảnh trường liên tục (FOV) rộng hơn (góc phương vị +/- 70° và góc ngẩng +/- 15°), hỗ trợ đầy đủ các mục tiêu gần và xa. Có thể tạo ra các mục tiêu tĩnh và động trong phạm vi từ 1,5 m đến 300 m với vận tốc từ 0 đến 400 km/h. Các kịch bản lái xe đa mục tiêu, nhiều góc độ được xử lý với giá trị phân giải góc nhỏ hơn 1 độ. Điều này giúp loại bỏ các khoảng trống trong tầm nhìn của radar, cho phép huấn luyện tốt hơn các thuật toán để phát hiện và phân biệt nhiều đối tượng trong các cảnh phức tạp, mật độ cao. Do đó, các phương tiện tự hành có thể ra quyết định trên cơ sở bức tranh toàn cảnh chứ không chỉ dựa trên dữ liệu từ thiết bị đo.

Đo kiểm độ phức tạp như trong thế giới thực. Bộ giả lập Radar Scene Emulation của Keysight cho phép các nhà sản xuất OEM mô phỏng phân cảnh lái xe thực tế trong phòng thí nghiệm với mọi điều kiện môi trường, mật độ giao thông, tốc độ, khoảng cách và tổng số mục tiêu khác nhau. Việc kiểm thử có thể được hoàn thành sớm hơn và đối với các kịch bản phổ biến cũng như hiếm gặp, giúp giảm thiểu rủi ro.

Đẩy nhanh quá trình học tập. Trình mô phỏng cảnh radar của Keysight cung cấp một môi trường thực tế đã được xác định để thử nghiệm trong phòng thí nghiệm các phân cảnh phức tạp mà ngày nay chỉ có thể được thử nghiệm trên đường.

Có thể kiểm thử sớm hơn các phân cảnh trong phòng thí nghiệm, đẩy nhanh việc học thuật toán ADAS / AV, đồng thời nâng cao hiệu quả vì không phải sử dụng tự động hóa thủ công hoặc rô bốt.

PV: Bộ giả lập Radar Scene Emulator có hoạt động với giải pháp Keysight nào khác không?

Bà Ee Huei Sin: Có. Bộ giả lập Radar Scene Emulator là một phần của nền tảng giả lập lái xe tự động (ADE) của Keysight. Nền tảng này là kết quả của nhiều năm hợp tác giữa Keysight, IPG Automotive và Nordsys.

Nền tảng ADE chạy phần mềm ADAS và AV thông qua việc xây dựng các phương án sử dụng đã được xác định trước, trong đó dữ liệu đầu vào đã được đồng bộ thời gian được đưa vào các bộ cảm biến và tiểu hệ thống thực tế trong ô tô, chẳng hạn như hệ thống vệ tinh định vị toàn cầu (GNSS), phương tiện giao thông kết nối vạn vật (V2X), máy quay và radar là một nền tảng mở, ADE cho phép các nhà sản xuất OEM ô tô và các đối tác của họ tập trung vào việc phát triển và thử nghiệm các hệ thống và thuật toán ADAS, bao gồm cả các thuật toán kết hợp cảm biến và ra quyết định.

Các nhà sản xuất OEM ô tô có thể tích hợp nền tảng này với các hệ thống lập mô hình 3D thương mại, các hệ thống mô phỏng phần cứng trong vòng lặp (HIL) và các môi trường thử nghiệm hiện có.

Bộ giả lập Radar Scene Emulator và nền tảng giả lập lái xe tự động Autonomous Drive Emulation cung cấp cho các nhà sản xuất OEM ô tô giải pháp lý tưởng để hiện thực hóa chức năng ADAS mới, hướng tới mức độ tự chủ hoàn toàn cho xe ô tô.

Theo Tạp chí Điện tử