Những gã khổng lồ công nghệ như Tesla và Google đã biến xe tự lái trở thành chủ đề được bàn tán nhiều trong giới đam mê công nghệ. Nhiều công ty trên toàn cầu đang nỗ lực phát triển các phương tiện tự lái cho các địa hình khác nhau.
Để làm cho công nghệ lái xe tự động được kết nối có thể truy cập, giá cả phải chăng và khả dụng cho tất cả mọi người, Swaayatt Robots có trụ sở tại Bhopal đã tham gia nhóm. Tuy nhiên, với kiến thức sâu rộng về tất cả các công nghệ liên quan đến Autonomous Robotics, Giám đốc điều hành của công ty, ông Sanjeev Sharma đã khiến nhiều công ty công nghệ tụt lại phía sau trong cuộc đua. Kể từ năm 2009, anh đã nghiên cứu rất nhiều và trải qua các tính toán toán học liên quan đến việc đưa ra các giải pháp thông minh cho ô tô tự lái.
Chúng tôi có cơ hội nói chuyện với ông Sanjeev và biết từng chút về công nghệ đằng sau Xe tự hành và Robot mà Swaayatt Robots đang phát triển cũng như kế hoạch tương lai của họ. Nhấn một bước để đọc toàn bộ cuộc trò chuyện mà chúng tôi đã có với anh ấy. Ngoài ra, bạn cũng có thể xem video bên dưới để nghe cuộc trò chuyện giữa biên tập viên của chúng tôi và chính Sanjeev
Q. Làm cho công nghệ lái xe tự hành trở nên dễ tiếp cận và giá cả phải chăng đối với tất cả mọi người là sứ mệnh chính của Swaayatt Robots. Cuộc hành trình bắt đầu như thế nào?
Tôi đã nghiên cứu về lĩnh vực điều hướng tự trị trong 11 năm qua. Trở lại năm 2009, tôi đã được truyền cảm hứng từ những Thử thách lớn của DARPAđiều đó đã xảy ra ở Mỹ. Lái xe tự hành đã trở thành mục tiêu của tôi trong suốt những năm đó. Trong nhiều năm, tôi tiếp tục nghiên cứu và tự nghiên cứu cụ thể về lập kế hoạch chuyển động và ra quyết định trong điều kiện không chắc chắn. Trọng tâm là sử dụng tối ưu học máy, học tăng cường và các kỹ thuật khác nhau. Tôi bắt đầu Swaayatt Robots vào năm 2014 nhưng nó không chỉ đơn giản là áp dụng các nghiên cứu và các nghiên cứu mà tôi đã thực hiện trong vài năm qua. Áp dụng một số ý tưởng trong chuyển động và ra quyết định, tôi cũng phải giải quyết vấn đề lập kế hoạch nhận thức và bản địa hóa. Tôi chỉ có kinh nghiệm nghiên cứu trong lĩnh vực ra quyết định và lập kế hoạch chuyển động. Nhưng các lĩnh vực nhận thức và bản địa hóa khá mới mẻ đối với tôi. Nền tảng toán học to lớn của tôi đã giúp tôi rất nhiều.
Khi tôi bắt đầu phát triển các khuôn khổ thuật toán để cho phép lái xe tự hành vào khoảng năm 2015, tôi nhận ra rằng đây có thể là một điều gì đó rất lớn và chúng tôi thực sự có thể giải quyết vấn đề lái xe tự hành trong các tình huống giao thông đối nghịch rất ngẫu nhiên. Và kể từ năm 2014, tôi đã làm việc toàn thời gian cho công ty khởi nghiệp này. Nghiên cứu của tôi đặc biệt bao gồm một số ngành, nhưng đặc biệt, phần lớn trọng tâm của công ty chúng tôi là phát triển các thuật toán lập kế hoạch chuyển động và ra quyết định cho phép các phương tiện tự hành đối phó với mức độ ngẫu nhiên rất cao trong động lực giao thông. Con số này chiếm khoảng 65% đến 70% nghiên cứu xảy ra tại Swaayatt Robots. Khoảng 25% - 27% nghiên cứu đi vào lĩnh vực nhận thức, bao gồm tất cả các loại thuật toán xử lý dữ liệu cảm biến từ một hệ thống robot xe cộ,và xây dựng hình ảnh đại diện 3D của thế giới xung quanh nó.
Về nhận thức, chúng tôi là một trong số rất ít công ty trên thế giới có thể cho phép các phương tiện tự hành nhận biết môi trường chỉ bằng các camera ngoại hoạt hoạt động cả ngày lẫn đêm. Đại khái đây là hành trình đã trải qua cho đến nay.
Q. Bạn bắt đầu xác thực ý tưởng của mình vào năm 2014 và sau đó bạn đã hoàn toàn bắt kịp con đường vào năm 2015. Vậy chúng ta nên làm gì trong một năm này? Làm thế nào bạn kiểm tra được rằng tự lái xe có thể được thực hiện ở Ấn Độ?
Lái xe tự động là sự kết hợp của ba đường ống dẫn thuật toán ghép lại với nhau. nhận thức, lập kế hoạch và địa phương hóa. Các thuật toán lấy dữ liệu giác quan, xử lý nó và xây dựng một biểu diễn 3D xung quanh một chiếc xe. Chúng tôi gọi chúng là các thuật toán nhận thức. Các thuật toán bản địa hóa cố gắng xác định chính xác toàn cầu vị trí của xe trên đường. Đây là cách robot được sử dụng để làm việc trong môi trường học tập. Vào năm 2009, mô hình lái xe tự hành này đã được Google đi tiên phong. Trước khi một chiếc xe tự hành điều hướng trên một con đường nhất định, toàn bộ con đường phải được lập bản đồ với độ chi tiết rất cao dưới dạng 3D. Chúng tôi gọi những bản đồ này là bản đồ có độ trung thực cao. Những bản đồ có độ trung thực cao này lưu trữ một số thông tin rất quan trọng về môi trường. Chúng thường lưu trữ tất cả các loại dấu phân cách khác nhau trong môi trường.
Trước khi xe tự hành điều hướng trong một môi trường, toàn bộ môi trường được lập bản đồ theo cách rất chính xác. Tất cả các điểm đánh dấu làn đường, ranh giới đường và bất kỳ loại dấu phân cách nào trong môi trường thực sự được lưu trữ trong các loại bản đồ có độ trung thực cao này.
Khi xe điều hướng qua môi trường mà bạn đã có bản đồ độ trung thực cao, thì bạn lại thu thập dữ liệu từ các cảm biến khác nhau trên xe và cố gắng khớp dữ liệu với bản đồ tham chiếu mà bạn đã tạo. Quá trình đối sánh này cung cấp cho bạn một vectơ tư thế cho bạn biết phương tiện đang ở đâu trên hành tinh trái đất và cấu hình của phương tiện là gì. Khi bạn biết vị trí và cấu hình của xe trên đường, toàn bộ thông tin bạn đã lưu trữ trong bản đồ có độ trung thực cao sẽ được chiếu lên trên cấu hình hiện tại của xe. Khi bạn chiếu thông tin này như vạch kẻ đường, vạch kẻ làn đường và bất kỳ loại vạch phân cách đường hoặc vạch phân cách môi trường nào; xe tự hành biết nó đang ở đâu đối với một dấu phân cách cụ thể hoặc từ một điểm đánh dấu làn đường cụ thể. Vì thế,đây là những gì thuật toán bản địa hóa làm.
Lĩnh vực cuối cùng của lái xe tự hành là lập kế hoạch và ra quyết định. Bạn có các thuật toán lập kế hoạch và ra quyết định càng phức tạp và tốt hơn thì phương tiện tự hành của bạn càng có khả năng hoạt động tốt hơn. Ví dụ, thuật toán lập kế hoạch và ra quyết định sẽ phân biệt các công ty đang ở mức độ tự chủ cấp độ hai, cấp ba, cấp bốn và cấp năm. Bất kỳ thuật toán nào chịu trách nhiệm ra quyết định hoặc lập kế hoạch chuyển động và hành vi của xe đều là thuật toán lập kế hoạch.
Bạn càng tinh vi hơn trong các thuật toán lập kế hoạch, thì phương tiện của bạn sẽ càng tốt. Một số người lập kế hoạch chuyển động và người ra quyết định giúp đánh giá mức độ an toàn của xe và môi trường, tốc độ bạn đang điều hướng, xung quanh xe và tất cả các thông số mà bạn có thể tính toán từ môi trường của mình. Đây là những gì các thuật toán lập kế hoạch làm.
Tôi đang nghiên cứu về lĩnh vực lập kế hoạch. Nếu bạn có loại thuật toán có thể đối phó với tính ngẫu nhiên trong động lực giao thông ở Ấn Độ. Nếu bạn có thể đối phó với điều đó và nếu bạn có các thuật toán, thì bạn đã chứng minh rằng nếu bạn chỉ có thể xây dựng hệ thống nhận thức và bản địa hóa, bạn có một công nghệ lái xe tự hành hoàn chỉnh.
Bạn không cần phải phát triển tất cả các thuật toán khác nhau để xác minh những gì hoạt động tốt nhất. Bạn chỉ cần xây dựng ba hoặc bốn thuật toán khác nhau mà bạn biết là sẽ giải quyết được vấn đề then chốt trong lái xe tự hành. An toàn là vấn đề chính tại sao bạn không thấy xe tự hành thương mại trên đường. Chi phí và tất cả các vấn đề khác chỉ là thứ yếu. Tôi có thể đã xây dựng toàn bộ công ty khởi động chỉ trên một hoặc hai thuật toán như khía cạnh bản địa hóa và lập bản đồ của lái xe tự hành. Nhưng mục tiêu của tôi là phát triển một phương tiện tự hành hoàn chỉnh chứ không phải một hoặc hai thuật toán ở đây và ở đó. Việc chứng minh được khía cạnh quan trọng trong lĩnh vực lập kế hoạch và ra quyết định đã cho tôi sự tự tin để giải quyết toàn bộ vấn đề về lái xe tự hành nói chung.
Q. Swaayatt Robots đang hoạt động ở cấp độ lái xe tự động nào? Và bạn nghĩ mức độ nào là có thể ở Ấn Độ?
Mục tiêu của chúng tôi là đạt được quyền tự chủ cấp độ 5 và đảm bảo rằng công nghệ an toàn trong các loại môi trường này. Chúng ta đang ở đâu đó giữa cấp ba và cấp bốn. Một số nghiên cứu thuật toán mà chúng tôi đang thực hiện là lập kế hoạch chuyển động và ra quyết định được nhắm mục tiêu đến cấp năm.
Chúng tôi cũng đang nghiên cứu để tạo điều kiện cho các phương tiện tự lái có thể băng qua giao lộ vào những giờ cao điểm mà không cần đèn giao thông. Chúng tôi đang đặt mục tiêu đạt được quyền tự chủ cấp độ năm bằng cách cho phép các phương tiện tự hành đối phó với không gian chật hẹp với lưu lượng truy cập dồn dập. Chúng tôi đã thực hiện việc lái xe tự động trong một môi trường rất chật hẹp khi một chiếc xe hoặc một chiếc xe đạp cũng đang lao tới từ đầu đối diện. Ở cấp độ POC, chúng tôi đã đạt được từ ba đến bốn cấp. Chúng tôi đã chuyển POCs thành quyền tự chủ cấp bốn bằng cách tiến hành các thử nghiệm trong lưu lượng truy cập ngẫu nhiên cao với không gian chật hẹp. Mục tiêu hiện tại của chúng tôi là đạt được 101 km / giờ lái xe tự hành trên đường của Ấn Độ.
Khi bạn đã chứng minh được sự an toàn của chiếc xe trong những loại môi trường này, bạn có thể sử dụng công nghệ của mình và áp dụng nó ở bất kỳ nơi nào khác như ở Bắc Mỹ và Châu Âu, nơi giao thông có cấu trúc hơn nhiều, nơi môi trường cũng nghiêm ngặt hơn nhiều so với ở Ấn môi trường. Vì vậy, Ấn Độ cho đến thời điểm hiện tại là nơi thử nghiệm để chúng tôi chứng minh rằng chúng tôi có điều gì đó mà chưa ai làm được vào lúc này.
Q. Swaayatt Robots đã tiến bộ bao nhiêu trong việc phát triển giải pháp Lái xe tự hành? Bạn hiện đang học ở cấp độ lái xe nào?
Hiện tại, chúng tôi có thuật toán lập kế hoạch chuyển động nhanh nhất thế giới có thể lập kế hoạch quỹ đạo tham số thời gian gần tối ưu cho xe tự hành trong 500 micro giây. Vì vậy, thuật toán hoạt động khoảng 2000 hertz. Chúng tôi có công nghệ cho phép lái xe tự động lên đến 80 km / giờ trên các đường cao tốc của Ấn Độ. Để đạt được tốc độ như vậy trên đường cao tốc Ấn Độ là rất khó khăn. Thông thường, nếu bạn có thể làm điều đó, bạn cũng có thể mang nó đi nơi khác. Bạn có thể áp dụng nó trong giao thông nước ngoài và về cơ bản, bạn đang ở rất gần cấp độ bốn. Để cung cấp cho bạn một ý tưởng, chúng tôi đã làm việc trên cái mà chúng tôi gọi là phân tích và thương lượng ý định của nhiều tác nhân. Khung này cho phép phương tiện của chúng tôi không chỉ tính toán xác suất ý định của các phương tiện hoặc tác nhân khác trên đường.Nó có thể tính toán xác suất của toàn bộ đường đi mà các tác nhân hoặc phương tiện hoặc chướng ngại vật khác trong môi trường không làm được. Tuy nhiên, chỉ riêng khả năng này là không đủ. Ví dụ: bạn có thể xây dựng một hệ thống đòi hỏi rất nhiều tính toán để có thể dự đoán quỹ đạo chuyển động trong tương lai và có thể tính toán xác suất của tất cả các tập hợp đường đi của các phương tiện khác nhau. Đây là lúc bạn phải tập trung vào yêu cầu tính toán. Nhu cầu tính toán trong vấn đề phân tích ý định và đàm phán đa tác nhân này sẽ tăng theo cấp số nhân nếu bạn chưa thực hiện bất kỳ nghiên cứu nào, chưa sử dụng toán học đúng cách hoặc nếu bạn không thiết kế chúng đúng cách. Tôi đang nghiên cứu một số khái niệm từ toán học ứng dụng, đặc biệt là trong lĩnh vực lý thuyết tôpô. Tôi đang sử dụng một số khái niệm như bản đồ đồng hình,cho phép công nghệ của chúng tôi mở rộng quy mô tính toán. Ít nhất là cho đến thời điểm hiện tại, nó là siêu tuyến tính về số lượng tác nhân trái ngược với sự bùng nổ theo cấp số nhân mà bạn sẽ gặp phải nếu bạn không tính toán đằng sau các thuật toán đúng cách.
Khung thương lượng phân tích ý định của nhiều tác nhân được chia nhỏ thành hai nhánh khác nhau mà chúng tôi hiện đang làm việc. Một là TSN (Khung thương lượng không gian chặt chẽ) và một là mô hình vượt. TSN cho phép các phương tiện tự hành thỏa thuận cả trong môi trường chật hẹp và giao thông ngẫu nhiên, cả ở tốc độ thấp và cao. Vì vậy, tốc độ cao sẽ rất hữu ích đối với các tình huống giao thông hỗn loạn trên đường cao tốc và tốc độ thấp sẽ rất hữu ích khi xe đang điều hướng trong tình huống đô thị, nơi bạn thường gặp phải những con đường chật hẹp nhất với quá nhiều xe cộ và tiếng ồn. có quá nhiều bất ổn trong động lực giao thông.
Chúng tôi đã làm việc này trong hai năm rưỡi qua và chúng tôi đã phát triển nó dưới dạng POC. Một số bit và mảnh của các khuôn khổ này mà tôi đang nói đến có thể được hiển thị trong bản trình diễn trong thử nghiệm tiếp theo của chúng tôi, sẽ được nhắm mục tiêu để đạt được 101 km / giờ hoạt động trên đường của Ấn Độ.
Hơn nữa, chúng tôi cũng đang nghiên cứu về các nhánh khác nhau của AI. Chúng tôi chủ yếu sử dụng học nghề, học tăng cường nghịch đảo. Vì vậy, chúng tôi hiện đang làm việc để cho phép xe tự hành vượt trên những con đường hai làn điển hình giống như những người lái xe Ấn Độ làm. Chúng tôi đang chứng minh cả trong mô phỏng cũng như trong thế giới thực ở mức tối đa có thể với kinh phí hạn chế. Đây là một số lĩnh vực nghiên cứu mà chúng tôi đã chứng minh trên thực địa và một số trong số chúng sẽ được chứng minh trong vài tháng tới.
Ngoài ra, chúng tôi là một trong những công ty duy nhất trên thế giới có thể cho phép lái xe tự hành trong những môi trường hoàn toàn không xác định và không thể nhìn thấy mà không có bản đồ độ trung thực cao nào cả. Chúng tôi có thể cho phép lái xe tự hành mà không cần sử dụng bản đồ có độ trung thực cao. Chúng tôi đang kinh doanh loại bỏ hoàn toàn nhu cầu về bản đồ có độ trung thực cao và việc loại bỏ này được thực hiện nhờ hai trong số các công nghệ quan trọng của chúng tôi. Khung TSN của chúng tôi được thực hiện để thiết lập một tiêu chuẩn quy định mới.
Q. Nói về kiến trúc phần cứng, bạn sử dụng loại phần cứng nào cho mục đích tính toán của mình. Ngoài ra, bạn sử dụng loại cảm biến và máy ảnh nào để lập bản đồ thế giới thực trên xe tự hành của mình?
Hiện tại, chúng tôi chỉ sử dụng máy ảnh bán sẵn. Nếu bạn xem bản demo của chúng tôi cho một chiếc xe tự hành, bạn sẽ nhận thấy rằng chúng tôi không sử dụng gì nhiều hơn một chiếc máy ảnh 3000 Rs. Nếu bạn nhìn vào nghiên cứu nhận thức đang diễn ra trên khắp thế giới với các công ty tự trị hoặc công ty chế tạo robot về vấn đề đó, họ đang sử dụng cả ba loại cảm biến khác nhau như máy ảnh, LiDAR và radar. Hiện tại, tất cả các thử nghiệm lái xe tự hành của chúng tôi chỉ diễn ra bằng camera. Khi tôi thành lập công ty, tôi chỉ có chuyên môn về lập kế hoạch nhưng từ năm 2016, tôi nhận ra rằng các bài báo nghiên cứu hiện đại nhất mà các phòng thí nghiệm trên toàn thế giới đang làm; nó chỉ không hoạt động trong thế giới thực. Nếu chúng hoạt động, chúng quá chuyên sâu về tính toán và chúng không hoạt động. Vì thế,Tôi cũng coi nhận thức là lĩnh vực nghiên cứu chính của mình và tôi dành khoảng 25% - 27% thời gian của mình cho việc nghiên cứu nhận thức. Giờ đây, mục tiêu nghiên cứu của công ty chúng tôi là cho phép các phương tiện tự hành có thể nhận biết chỉ bằng camera mà không cần đến LiDAR và radar. Đây là một tham vọng nghiên cứu mà chúng tôi muốn đạt được. Trong khi đạt được điều đó, chúng tôi cũng đã đảm bảo rằng chúng tôi có thuật toán nhanh nhất thế giới cho bất kỳ tác vụ thông thường nào.
Chúng tôi có hai mục tiêu trong nhận thức. Thứ nhất, thuật toán phải có khả năng cho phép các phương tiện tự hành nhận biết chỉ sử dụng camera cả ban ngày và ban đêm. Chúng tôi đã mở rộng khả năng nhận biết này không chỉ vào ban ngày mà còn vào ban đêm cũng như không sử dụng gì ngoài đèn pha của xe và các máy ảnh RGB và NIR thông thường, loại máy ảnh mà bạn có thể mua với giá 3000 Rs trong thị trường.
Chúng tôi tập trung