TIỂU LUẬN ĐÁNH GIÁ CUỐI KỲ CƠ SỞ CÔNG NGHỆ THÔNG TIN CÔNG NGHỆ ô TÔ KHÔNG NGƯỜI LÁI

ĐẠI HỌC UEH TRƯỜNG CÔNG NGHỆ VÀ THIẾT KẾ KHOA CÔNG NGHỆ THÔNG TIN KINH DOANH  TIỂU LUẬN ĐÁNH GIÁ CUỐI KỲ CƠ SỞ CÔNG NGHỆ THÔNG TIN CÔNG NGHỆ Ô TÔ KHÔNG NGƯỜI LÁI Giảng viên hướng dẫn : Th.S Trương Việt Phương Sinh viên thực : Nguyễn Văn Khải Lớp : EC003 MSSV : 31201023868 MỤC LỤC A Mở đầu Lý chọn đề tài Một nghiên cứu gần 90% vụ tai nạn đường lỗi người Và đằng sau tay lái, sai lầm thường thảm khốc Các vụ tai nạn dẫn đến số lượng lớn chết không đáng có - sinh mạng mà lẽ cứu cách lái xe an toàn Đây nguyên nhân xuất xe khơng người lái Vậy xe có gì? Thứ nhất, Xe tơ tự lái an tồn nhiều so với ô tô người điều khiển Chúng không bị ảnh hưởng yếu tố mệt mỏi người lái xe, cảm xúc bệnh tật Điều làm cho chúng an toàn Thứ hai, Xe tự lái quan sát môi trường xung quanh quét nhiều hướng Sẽ khó để có di chuyển mà xe khơng lường trước Thứ ba, Việc sử dụng ô tô tự lái đồng nghĩa với việc đường an toàn hơn, đồng nghĩa với việc giảm nhu cầu dịch vụ ứng cứu khẩn cấp, phí bảo hiểm đắt đỏ, chưa kể đến việc tiết kiệm chi phí chăm sóc sức khỏe liên quan đến tai nạn cho người Vậy xe tự lái gì, làm để mang lại lợi ích trên? Sơ lược xe tự lái Xe ô tô tự lái (hay gọi xe tự hành) phương tiện dựa vào phần cứng phần mềm để lái xe đường mà không cần người nhập liệu hay điều khiển Phần cứng thu thập liệu; phần mềm xếp xử lý Hiện có nhiều công ty phát triển/ thử nghiệm ô tô tự lái là: Audi, BMW, Ford, Google, Tesla,… Các cấp độ xe tự lái Khi nghĩ phương tiện tự lái xe tự lái, có lẽ nghĩ đến xe xe bán tải tự lái hồn tồn mà khơng cần người Trong điều tự trị Khái niệm "tự lái hoàn toàn" đại diện cho xe tự hành cấp độ Các cấp độ từ đến thể mức độ tự động hóa xe , từ hoàn toàn điểu khiển người đến hồn tồn máy tính Cụ thể: • • Cấp độ 0: Người lái xe hồn tồn kiểm sốt xe lúc Cấp độ 1: Hệ thống hỗ trợ lái xe tiên tiến - Advanced Driver Assistance System (ADAS) hỗ trợ người lái xe cách đánh lái, phanh tăng tốc, không đồng thời ADAS bao gồm camera chiếu hậu tính cảnh báo ghế rung lái xe họ lệch khỏi đường di chuyển để cảnh báo người • Cấp độ 2: Một ADAS lái phanh tăng tốc đồng thời người lái xe hồn tồn nhận thức phía sau tay lái tiếp tục đóng vai trị người lái xe • Cấp độ 3: Hệ thống lái xe tự động - Automated Driving System (ADS) thực tất nhiệm vụ lái xe số trường hợp định, chẳng hạn đỗ xe Trong trường hợp này, người lái xe phải sẵn sàng kiểm soát lại xem người điều khiển phương tiện • Cấp độ 4: Một ADS thực tất nhiệm vụ lái xe giám sát môi trường lái xe số trường hợp định Trong trường hợp đó, ADS đủ tin cậy để người lái xe không cần ý • Cấp độ 5: ADS xe hoạt động tài xế ảo thực tất công việc lái xe trường hợp Những người ngồi xe hành khách không phép lái xe Dự đoán sau năm 2025 thấy ô tô tự hành cấp độ lưu thông đường, tại, cấp độ trở nên phổ biến ô tô đại Các cấp độ đến với sớm B Công nghệ Phần cứng: Cảm biến Cảm biến thiết bị công nghệ tập hợp thông tin môi trường gần (và xe) chuyển tiếp thơng tin đến máy tính xe Vậy xe tự hành cần công nghệ cảm biến nào? Ta bắt đầu tìm hiểu a Cơng nghệ GPS GPS hoạt động cách sử dụng vệ tinh phát tín hiệu hẹn xác từ vị trí biết khơng gian Ơ tô tự lái sử dụng máy thu GPS để kiểm tra thời gian tín hiệu từ vệ tinh để tính tốn vĩ độ kinh độ phương tiện b Công nghệ radar Nhiều phương tiện không người lái sử dụng cảm biến radar để phát vị trí vật thể xung quanh, chẳng hạn ô tô đường khác Nếu sóng xạ phát sau bị phản xạ trở lại, dấu hiệu cho thấy có vật thể Hệ thống radar tính tốn vị trí, tốc độ, chuyển động, hướng đối tượng cách quan sát góc, thời gian cường độ sóng phản xạ Sau đó, liệu chuyển tiếp tới hệ thống máy tính xe để lập đồ vị trí chuyển động tơ gần Cơng nghệ lidar Lidar cơng nghệ Phát đo ánh sáng Như mô tả trước đó, hệ thống radar phát vật thể gần cách phân tích thời gian sóng vơ tuyến truyền đến vật thể phản xạ trở lại Hệ thống Lidar tương tự radar, ngoại trừ hệ thống lidar phản xạ chùm tia laze khỏi vật thể gần để phát vị trí chúng Một lợi quan trọng việc sử dụng lidar độ xác Vì lidar sử dụng chùm tia laze nhỏ sóng vơ tuyến để thực phép đo, xác định xác milimet khoảng cách đến đối tượng gần điều kiện khơ Lidar sử dụng để thực hai chức riêng biệt: Một xác định vị trí đường xác xe không người lái hai phát vật thể xung quanh xe, chẳng hạn xe ô tô khác d Công nghệ video cameras Và công nghệ cảm biến cuối video cameras Video cameras thuật ngữ quen thuộc sống Được sử dụng để thu nhận hình ảnh chuyển động điện tử để phục vụ cho việc thu nhập liệu cảm biến Thông thường ta lắp đặt hai nhiều máy quay video đặt xung quanh phương tiện biết trước khoảng cách Việc bố trí nhiều máy quay video theo cách cho phép máy tính xe để nhận hình ảnh song song đối tượng giống từ góc độ khác Xem đối tượng từ nhiều góc biết cho phép máy tính ước tính khoảng cách đối tượng, tượng gọi “hiện tượng lập thể” Việc sử dụng máy quay video song song tương tự cách đánh giá trực quan khoảng cách Não sử dụng hình ảnh khác đối tượng giống từ mắt trái mắt phải để ước tính độ sâu khoảng cách c Bản đồ kỹ thuật có thích Bên cạnh cảm biến, nhiều phương tiện dựa đồ kỹ thuật số xây dựng trước để lái xe tự động Các đồ kỹ thuật số chứa dự kiến thông tin địa lý, chẳng hạn bố trí cao đường tọa độ kết hợp (tức kinh độ vĩ độ) cho điểm đường Ở mức độ đó, đồ kỹ thuật số giống với người tiêu dùng gặp phải hệ thống định vị xe cung cấp rộng rãi Tuy nhiên, điều quan trọng đồ kỹ thuật số cho xe tự lái thường chứa lượng lớn thông tin bổ sung đặc biệt hỗ trợ xe tự lái Đầu tiên, đồ thường có hình ảnh chi tiết hầu hết vị trí đường thường quét laser 360 độ đường, chụp phố Những hình ảnh từ góc độ mặt đất xe lái Các công ty có hình ảnh cách đến trước đường mà xe không người lái qua Các phương tiện lập đồ chuyên dụng trang bị máy quét laser lidar (và cảm biến khác) chụp lưu trữ chi tiết hình ảnh quan trọng cho đoạn đường mà sau xe tự lái sử dụng Mỗi hình ảnh vị trí đường dán xác với vị trí GPS xác Những hình ảnh đồ thu thập trước sau lấy lại phương tiện tương tự đến địa điểm Xe kiểm tra hình ảnh thu thập trước để biết đường trơng tính lái xe cần có Một xe khơng người lái so sánh mơi trường xung quanh với sở liệu hình ảnh tải sẵn để giúp xác định xác vị trí Có hình ảnh đường phố vị trí địa lý ngồi tọa độ đồ cao truyền thống cải thiện đáng kể hiệu việc lái xe không người lái Thứ hai, đồ kỹ thuật số thường thích thủ cơng với thơng tin tính lái xe quan trọng đèn giao thông, biển báo, đường lái xe vạch kẻ đường Các chuyên gia đồ phân tích tỉ mỉ đồ kỹ thuật số xây dựng trước sau thêm thơng tin lái xe quan trọng Bản đồ có thích hữu ích phương tiện khơng người lái biết thơng tin quan trọng vị trí định đến gần Việc kết hợp đồ chi tiết tạo sẵn với cảm biến trực tiếp giúp cải thiện đáng kể khả phát xác tín hiệu giao thơng, biển báo dừng tính lái khác xe so với việc dựa vào thông tin cảm biến trực tiếp Có khác biệt quan trọng thơng tin đồ tạo sẵn thông tin thời gian thực từ cảm biến xe Các đồ xây dựng trước chứa liệu thu thập thời điểm khứ Ngược lại, cảm biến xe phát thông tin “trực tiếp” xung quanh xe thời điểm Do đó, có khả có bất đồng thơng tin tìm thấy đồ kỹ thuật số xây dựng trước thực tế, điều kiện đường xá giao thơng thay đổi thời điểm đồ tạo thời điểm Trong trường hợp vậy, phương tiện có khả dựa vào cảm biến để điều hướng cách an tồn xác điều kiện thay đổi Ngồi ra, cập nhật đồ dựa báo cáo thay đổi từ nhiều phương tiện xác nhận trước Tóm lại, xe kết hợp thơng tin khứ từ đồ kỹ thuật số xây dựng trước với thông tin trực tiếp từ cảm biến mơi trường xung quanh, thường chiến lược hiệu để đạt khả lái xe khơng người lái có độ tin cậy cao Hệ thống máy tính điều phối Công nghệ quan trọng thứ ba bên cạnh cảm biến đồ hệ thống máy tính điều phối Hệ thống tổ chức lập kế hoạch cho tất hoạt động xe Hệ thống kết hợp liệu từ cảm biến đồ, đồng thời sử dụng nhiều thuật toán máy tính phức tạp để xác định xem việc di chuyển xe đến vị trí an tồn, tối ưu hợp pháp hay khơng Sau đó, hướng xe đến vị trí Các nhà phát triển ô tô tự hành sử dụng lượng lớn liệu từ hệ thống nhận dạng hình ảnh kết hợp với “Machine learning” “neural networks” để xây dựng hệ thống tự lái Neural networks xác định mẫu liệu, cung cấp cho thuật toán machine learning Dữ liệu bao gồm hình ảnh từ camera tơ tự lái mà từ neural networks học cách xác định đèn giao thông, cối, lề đường, người bộ, biển báo đường phố phận khác môi trường lái xe a Hệ thống máy tính Tất tơ tự lái ô tô yêu cầu máy tính xe để xử lý thứ xảy với xe thời gian thực Ơ tơ tự lái u cầu sức mạnh xử lý cực lớn, thay CPU truyền thống, chúng sử dụng đơn vị xử lý đồ họa GPU để thực tính tốn Tuy nhiên, GPU tốt không đủ cho nhu cầu xử lý liệu khắc nghiệt thấy phương tiện tự lái, Tesla giới thiệu chip tăng tốc mạng thần kinh - Neural Network Accelerator chip (NNA) Các NNA có sức mạnh xử lý cực cao thời gian thực, có khả xử lý hình ảnh theo thời gian thực Để so sánh CPU, GPU NNA, số lượng gigabyte hoạt động giây mà chúng xử lý: • CPU: 1.5 • GPU: 17 • NNA: 2100 NNA người chiến thắng rõ ràng, nhiều lần Machine learning Machine learning tập AI Nó lĩnh vực nhỏ khoa học máy tính lĩnh vực nghiên cứu cho phép máy tính có khả cải thiện thân chúng dựa liệu mẫu (training data) dựa vào kinh nghiệm (những học) Machine learning tự dự đốn đưa định mà không cần lập trình cụ thể Thuật tốn machine learning quan sát liệu lái, phanh gia tốc người lái xe nhiều vị trí khác với số liệu cảm biến khác phương tiện xung quanh phân tích liệu để tìm mẫu Sau phân b tích, thuật tốn phát hiện, ví dụ: phanh ln xảy phát có xe dừng phía trước Sau đó, tự "học" liên kết, chẳng hạn thường dừng lại phát xe dừng phía trước Có nhiệm vụ khác chuyển động mà machine learning sử dụng xe không người lái Machine learning sử dụng để giúp phương tiện tự lái xác định loại vật thể khác xung quanh nó, chẳng hạn phân biệt xe đạp, ô tô, xe máy, người Việc phân loại đối tượng cách quan trọng, xe cần dự đốn vị trí tương lai đối tượng xung quanh Các hệ thống sử dụng phân loại để đưa ước tính tốt vị trí tương lai, chẳng hạn biết vật thể xác định xe máy có khả nhanh vật thể xác định xe đạp Vị trí tương lai tơ 60km/h khác so với xe đạp không 20km/h C Hoạt động Ở cấp độ cao, phương tiện không người lái hoạt động theo quy trình gồm giai đoạn: Sense - Plan - Act (Phát hiện, lập kế hoạch hành động) Nhưng trước tiến hành quy trình đó, xe cần xác định đâu Nên trước hết, tìm hiểu cách phương tiện xác định vị trí Phương tiện đâu? Trong hầu hết trường hợp, xe tự lái hoạt động tốt chúng xác định xác nơi chúng Và để xác định vị trí tại, phương tiện tự lái thường sử dụng hệ thống giai đoạn:  Đầu tiên họ sử dụng GPS để đạt giá trị gần vị trí họ, phát đường hướng  Sau xác định xác vị trí thực tế đường cách sử dụng liệu từ cảm biến khác (như xác định đường vị trí bên đường) GPS cung cấp ước lượng tốt vị trí xe khơng người lái định vị Mặc dù công nghệ GPS đủ cho nhiều mục đích lập đồ (ví dụ: hướng đường la bàn), khơng đủ xác cho nhiệm vụ lái xe không người lái Xe ô tô tự lái phải có khả xác định vị trí xác đến vài cm Lệch vị trí 20cm vơ tình đưa xe vào đường Một số trường hợp, GPS khơng xác tới mét nhiễu hạn chế khác Do đó, tơ khơng người lái thường phải bổ sung phương tiện xác định vị trí đường xác Để xác định vị trí đường cách xác hơn, xe khơng người lái thường bổ sung thơng tin từ lidar Lidar dùng để xác định xác khoảng cách đến đối tượng địa lý đường, chẳng hạn ranh giới đường gần đó, giúp phương tiện xác định vị trí xác Hãy nhớ lại phương tiện khơng người lái có quyền truy cập vào đồ kỹ thuật số tạo cách lái xe trước đường đồ thường có hình ảnh chi tiết vị trí đường, bao gồm vạch kẻ đường Sau ô tô không người lái xác định vị trí gần cách sử dụng GPS, sau truy xuất hình ảnh thu thập trước đường Sau đó, so sánh quét trực tiếp khu vực xung quanh với hình ảnh kỹ thuật số xây dựng trước để ước tính cách xác suất nơi nằm đồ Ví dụ: xe khơng người lái so sánh thơng tin trực tiếp từ cảm biến lidar vạch sơn phát với thông tin thu thập trước từ đồ kỹ thuật số với vị trí biết vạch kẻ làn, để xác định xem Sử dụng phép đo so sánh với đồ có thích, sau xác định xác vị trí đường định (chẳng hạn đường nào?) Giai đoạn phát hiện: Những trở ngại cần phải trách? Phần quan trọng lái xe tự động tránh chướng ngại vật, chẳng hạn ô tô xung quanh, người bộ, lề đường xe đạp Để làm vậy, phương tiện không người lái phải phát xác định vị trí trở ngại Nếu đối tượng chuyển động chẳng hạn tơ song song phải xác định tốc độ hướng chúng Tuy nhiên, việc xác định vị trí đối tượng chuyển động không đủ; ô tô tự lái phải dự đốn vị trí tương lai chúng dựa tốc độ quỹ đạo Lidar đóng vai trị quan trọng việc cho phép xe phát chướng ngại vật xung quanh chúng Hệ thống lidar thương lắp xe tự lái xoay nhanh 360 độ.Vị trí cao xoay nhanh cho phép lidar phát vật thể tất bên xe, bao gồm phía sau xe với tốc độ lên tới triệu lượt đọc giây Hệ thống lidar sử dụng tia laze để xác định xác vị trí đối tượng milimet điều kiện lí tưởng Do đó, hệ thống lidar phân biệt cách đáng tin cậy khoảng cách vật thể nhỏ cách xa tới 100 mét Xe ô tô tự lái thường sử dụng lidar để tạo biểu diễn máy tính trực tiếp đối tượng chuyển động đứng yên xung quanh xe Điều đơi gọi cách khó hiểu "bản đồ trực tiếp" “Bản đồ trực tiếp” tạo thời gian thực môi trường xung quanh xe cần phân biệt với đồ kỹ thuật số tạo vào thời điểm khứ bao gồm khu vực địa lý rộng nhiều Bản đồ trực tiếp thời gian thực quan trọng để dự đoán hành vi tương lai phương tiện lân cận đảm bảo phương tiện không người lái không va chạm với vật thể khác Ngoài lidar, phương tiện khơng người lái cịn sử dụng radar để phát vị trí tốc độ vật xung quanh Radar có vài lợi lidar nhiệm vụ định vị định Thứ nhất, phạm vi radar lớn nhiều, lên đến vài trăm mét Hơn nữa, hệ thống radar có xu hướng rẻ nhiều so với lidar Ưu điểm quan trọng radar hữu ích để đánh giá tốc độ nhiều đối tượng chuyển động, chẳng hạn phương tiện gần Nhược điểm radar so với lidar, độ xác, bị sai lệch vài inch đến vài feet phát vị trí chướng ngại vật đứng n Vì lý này, xe không người lái thường sử dụng song song thông tin từ radar lidar để thu nguồn thơng tin xác vị trí chướng ngại vật Cuối cùng, phương tiện không người lái sử dụng máy quay video để phát vị trí tốc độ chướng ngại vật gần Cũng đóng vai trị thị giác- vai trị quan trọng lái xe Ví dụ, máy quay video thường sử dụng để đọc từ biển báo giao thơng xác định xem tín hiệu giao thông màu xanh hay màu đỏ Giai đoạn lập kế hoạch: Nơi an toàn, hợp pháp mong muốn di chuyển? Giai đoạn trình lái xe tự động "lập kế hoạch", xe xác định nơi an tồn, hợp pháp mong muốn để di chuyển Trong giai đoạn này, hệ thống máy tính giám sát xe đảm nhiệm tất liệu từ cảm biến khác sử dụng để điều phối hành động tương lai phương tiện Kết hợp thông tin cảm biến trực tiếp với thông tin từ đồ kỹ thuật số thích trước với thuật tốn machine learning, máy tính lập kế hoạch cho chuyển động đánh lái, tăng tốc, phanh nghỉ “Lập kế hoạch” cốt lõi lái xe không người lái, hệ thống máy tính đưa định tự động hành động dựa phát mơi trường xung quanh Thơng thường, máy tính trung tâm xe sử dụng thơng tin cảm biến để xây dựng trình bày trực tiếp nội tất đối tượng xung quanh xe (ví dụ: tơ khác người bộ), đồng thời tính tốn vị trí dự đốn chúng Các máy tính sử dụng thông tin từ cảm biến đồ kỹ thuật số để xác định vị trí chướng ngại vật cố định lề đường quan trọng tính lái xe vạch kẻ đường, biển báo tín hiệu giao thơng Như thảo luận trước, phương tiện phải có khả xác định loại vật thể chuyển động, phân biệt người xe đạp, người bộ, với xe máy để phản ứng cách hợp lý Cuối cùng, phương tiện phải đáp ứng tính lưu lượng truy 10 cập động cốt lõi, chẳng hạn lưu lượng truy cập tín hiệu chuyển từ đỏ sang xanh Tất thông tin đưa vào một loạt thuật toán lập kế hoạch có tính đến đường lái xe, lưu lượng truy cập luật, quy ước lái xe an toàn tối ưu, để tạo đường phía trước Tóm lại, tất thông tin từ cảm biến, đồ, machine learning thuật toán khác kết hợp điều phối hệ thống giám sát có nhiệm vụ xác định hành động (nếu có) mà xe không người lái thực dựa mục tiêu đích xe mơi trường xung quanh xe Giai đoạn hành động: Di chuyển phương tiện theo kế hoạch Cuối cùng, giai đoạn hành động, xe không người lái thực thực hành động lái xe phù hợp với kế hoạch máy tính giám sát Máy tính trung tâm có khả kích hoạt điều khiển hệ thống chuyển động xe Xe tăng tốc, phanh, bẻ lái giữ nguyên vị trí, tùy thuộc vào định hệ thống máy tính giám sát trung tâm Như ra, q trình nhận thức mơi trường, lập kế hoạch hành động trình liên tục bao gồm việc đánh giá lại liên tục Điều đảm bảo định di chuyển thời điểm an toàn, hợp pháp tối ưu bối cảnh môi trường lái xe thay đổi nhanh chóng D Ứng dụng - Xe tải tự hành: Tự động hóa xe tải quan trọng, khơng khía cạnh an tồn cải thiện loại xe nặng này, mà khả tiết kiệm nhiên liệu Xe tải tự động sử dụng cửa hàng tạp hóa trực tuyến Ocado Nghiên cứu việc phân phối hàng hóa cấp độ vĩ mô (phân phối đô thị) vi mô ( giao hàng chặng cuối ) thực hiệu với việc sử dụng xe tự hành nhờ kích thước xe nhỏ - Hệ thống giao thông: Trung Quốc thử nghiệm xe buýt công cộng tự động tỉnh Hà Nam vào năm 2015, đường cao tốc nối Trịnh Châu Khai Phong Baidu King Long sản xuất xe buýt nhỏ tự động, loại xe có 14 chỗ ngồi khơng có ghế lái Ở châu Âu, thành phố Bỉ, Pháp, Ý Anh có kế hoạch vận hành hệ thống giao thông dành cho ô tô tự động, Đức, Hà Lan Tây Ban Nha cho phép thử nghiệm công cộng giao thông Vào năm 2015, Vương quốc Anh đưa thử nghiệm công khai pod tự động LUTZ Pathfinder Milton Keynes Bắt đầu từ mùa hè năm 2015, phủ Pháp cho phép PSA Peugeot-Citroen thử nghiệm điều kiện thực tế khu vực Paris Các thí nghiệm lên kế hoạch mở rộng sang thành phố khác Bordeaux Strasbourg vào năm 2016 Liên minh công ty Pháp THALES Valeo(nhà cung cấp hệ thống xe tự đỗ trang bị cho Audi 11 thử nghiệm hệ thống riêng New Zealand có Mercedes premier) kế hoạch sử dụng xe tự động cho giao thông công cộng Tauranga Christchurch DANH MỤC TÀI LIỆU THAM KHẢO [1] R Elezaj, "How Do Self-Driving Cars Work?," 22 2020 [2] M Sleugth, "How self-driving cars work?," 22 2021 [3] B Lutkevich, "Self-driving car (autonomous car or driverless car)" [4] M.-A W Harry Surden, "How Self-Driving Cars Work," 25 2016 [5] Synopsys, "What is an Autonomous Car?" [6] ITNavi, "Tổng quan Neural Network(mạng Nơ Ron nhân tạo) gì?," 13 2021 12 ... hợp thông tin môi trường gần (và xe) chuyển tiếp thơng tin đến máy tính xe Vậy xe tự hành cần công nghệ cảm biến nào? Ta bắt đầu tìm hiểu a Công nghệ GPS GPS hoạt động cách sử dụng vệ tinh phát... thơng, biển báo dừng tính lái khác xe so với việc dựa vào thông tin cảm biến trực tiếp Có khác biệt quan trọng thơng tin đồ tạo sẵn thông tin thời gian thực từ cảm biến xe Các đồ xây dựng trước chứa... kết hợp thông tin khứ từ đồ kỹ thuật số xây dựng trước với thông tin trực tiếp từ cảm biến mơi trường xung quanh, thường chiến lược hiệu để đạt khả lái xe không người lái có độ tin cậy cao Hệ