Kakao Mobility đang chuyển trọng tâm phát triển xe tự lái từ mở rộng quy mô thu thập dữ liệu sang chọn lọc dữ liệu trong các tình huống khó, nhằm nâng hiệu quả huấn luyện AI. Trên nền dữ liệu đã tích lũy, công ty đặt mục tiêu trong năm nay tích hợp năng lực nhận thức và ra quyết định vào một mô hình E2E (end-to-end).

Tại buổi trao đổi với báo chí ngày 9/9, Lim In-ho, Trưởng nhóm AI Driving thuộc bộ phận phát triển xe tự lái của Kakao Mobility, cho biết năng lực cạnh tranh của AI hiện nay nằm ở khả năng chọn ra các dữ liệu “khó” từ một kho dữ liệu khổng lồ.

Theo ông, mô hình E2E là cách tiếp cận cho phép AI tiếp nhận trực tiếp dữ liệu cảm biến và tạo ra lệnh điều khiển. Thay vì tách riêng từng bước theo quy trình truyền thống, mô hình này giúp hệ thống học cách lái thông qua lượng lớn dữ liệu vận hành thực tế.

Kakao Mobility cho biết đã triển khai dịch vụ xe tự lái đêm khuya tại Gangnam bằng công nghệ tự phát triển từ ngày 16/3. Tính đến 31/8, dịch vụ đã ghi nhận lũy kế hơn 2.000 chuyến đi hoàn tất, với tổng quãng đường vượt 13.000 km. Toàn bộ dữ liệu vận hành trong giai đoạn này đang được sử dụng làm nguồn huấn luyện cho AI.

Doanh nghiệp hiện phân loại dữ liệu theo 5 cấp độ tình huống. Cấp 1 là tuân thủ tín hiệu và quy tắc giao thông; cấp 2 tập trung vào lái xe phòng vệ; cấp 3 là nhận diện tương tác với phương tiện xung quanh để chuyển làn hoặc rẽ; cấp 4 là xử lý tình huống có xe cắt ngang và xe máy; còn cấp 5 là ứng phó với các rủi ro khó dự đoán. Độ khó tăng dần theo từng cấp, trong khi lượng dữ liệu ngày càng khan hiếm.

Lim In-ho cho rằng khác biệt về năng lực xe tự lái chủ yếu nằm ở dữ liệu cấp 4 và 5, cũng là nhóm dữ liệu hiếm nhất. Ông nói lượng dữ liệu và hiệu năng vận hành chỉ tỷ lệ thuận đến một ngưỡng nhất định; sau ngưỡng đó, ngay cả khi bổ sung cùng một lượng dữ liệu, mức cải thiện hiệu quả cũng không còn giống nhau. Yếu tố tạo ra chênh lệch, theo ông, chính là chất lượng dữ liệu.

Kakao Mobility gọi nhóm dữ liệu hiếm này là “edge case”. Hệ thống xe tự lái của công ty tự động phát hiện và lưu lại các tình huống như vậy bằng cách coi thời điểm chuyển từ chế độ tự lái sang điều khiển thủ công là một ngoại lệ, đồng thời ghi lại cả dữ liệu trước và sau thời điểm đó.

Một số ví dụ được công ty nêu ra gồm xe quay đầu trái phép vào rạng sáng, đoạn đường buộc phải lấn qua vạch giữa vì thi công cống thoát nước, hay trường hợp người say bất ngờ lao ra trên đại lộ gần ga Gangnam. Các dữ liệu thu thập được sau đó đi qua quy trình tuần hoàn 5 bước để trở thành dữ liệu huấn luyện. Trước đây, việc rà soát và phân loại phải do con người thực hiện theo từng khung hình; nay AI có thể xử lý trong vài chục phút sau khi dữ liệu được tải lên máy chủ.

Lim In-ho nhận định rằng “một tháng vận hành ở Gangnam có giá trị với mô hình AI hơn nhiều so với một năm chạy ở khu vực có độ khó thấp”.

Phần dữ liệu còn thiếu khi chỉ tích lũy các kịch bản “không tai nạn” sẽ được bù đắp bằng mô phỏng. Theo Kakao Mobility, nếu AI chỉ học từ các bản ghi không có tai nạn, hệ thống có thể gặp hiện tượng survivorship bias và không học được chính những tình huống va chạm cần xử lý. Lim In-ho cho biết, với giả định chưa từng xảy ra tai nạn gây thương tích hoặc thiệt hại tài sản do lỗi của công ty, Kakao Mobility đang chủ động tạo ra các tình huống tai nạn trong môi trường mô phỏng để kiểm chứng hệ thống.

Ông cho biết mô phỏng được dùng để đánh giá xe sẽ phản ứng ra sao khi xảy ra va chạm, cũng như cách hệ thống tự lái phòng vệ khi bị phương tiện khác gây nguy hiểm.

Nền tảng dữ liệu này được Kakao Mobility tích lũy trong 8 năm thử nghiệm thực tế. Công ty thành lập lực lượng chuyên trách xe tự lái vào năm 2018, nhận giấy phép vận hành tạm thời từ Bộ Đất đai, Hạ tầng và Giao thông Hàn Quốc vào tháng 3/2020, rồi triển khai dịch vụ chở khách tại Pangyo vào tháng 12/2021. Đến tháng 9/2024, doanh nghiệp tiếp quản hoạt động vận hành tích hợp nền tảng giao thông tự lái của chính quyền Seoul. Ngày 16/3 năm nay, hãng bắt đầu dịch vụ đêm khuya tại Gangnam với 2 xe, trước khi tăng lên 6 xe vào ngày 20/8.

Trong giai đoạn tiếp theo, Kakao Mobility dự kiến đưa lượng dữ liệu đã tích lũy vào quá trình tái cấu trúc thuật toán ra quyết định. Đến năm 2025, hệ thống vẫn sử dụng kiến trúc mô đun 3 tầng, tách riêng nhận thức, ra quyết định và điều khiển. Sang quý I năm nay, phần ra quyết định tiếp tục được chia thành hai nhánh: planner dựa trên quy tắc và planner AI.

Mục tiêu vào cuối năm là tích hợp nhận thức và ra quyết định vào một mô hình E2E, sau đó để bộ phận đánh giá an toàn dựa trên quy tắc kiểm chứng kết quả trước khi chuyển thành lệnh điều khiển.

Theo Lim In-ho, việc chuyển sang E2E có thể giúp giảm lỗi ở khâu nhận thức, qua đó hạn chế những tình huống gây khó chịu cho hành khách như xe giảm tốc đột ngột do nhận diện sai. Ông nhấn mạnh “con đường tiến tới xe tự lái là rất rõ ràng”, đồng thời cho biết mô hình E2E được thiết kế với ưu tiên hàng đầu là an toàn, kết hợp cùng dữ liệu chất lượng cao để tạo ra hệ thống tự lái thông minh hơn.