Khi ngành công nghiệp ô tô bước sâu vào kỷ nguyên điện hóa và tự động hóa, phần mềm ngày càng giữ vai trò trung tâm trong việc đảm bảo xe vận hành an toàn và hiệu quả. Không còn đơn thuần là phương tiện cơ khí, xe điện hiện đại là những hệ thống phức tạp, nơi các thuật toán phải liên tục đánh giá trạng thái chuyển động để đưa ra quyết định trong tích tắc.
Một trong những thách thức lớn nhất của xe tự hành là khả năng hiểu chính xác cách chiếc xe đang di chuyển trên mặt đường thực. Chỉ một sai lệch nhỏ trong việc ước tính vận tốc, gia tốc hay góc trượt cũng có thể dẫn đến phản ứng chậm trễ của hệ thống phanh hoặc đánh lái. Trong môi trường lái xe tự động, những sai số này không chỉ tồn tại đơn lẻ mà còn có thể cộng dồn rất nhanh, làm tăng nguy cơ mất kiểm soát.
Chính vì vậy, các kỹ sư xem việc ước tính trạng thái xe là nền tảng cốt lõi của giao thông tương lai. Tuy nhiên, các mô hình vật lý truyền thống vốn được xây dựng dựa trên những giả định lý tưởng đang bộc lộ giới hạn rõ rệt. Đường sá thực tế luôn biến đổi, lốp xe bị biến dạng, độ bám thay đổi và các thao tác lái đột ngột xảy ra liên tục, khiến các mô hình cổ điển khó theo kịp.
Trong bối cảnh đó, một nhóm nghiên cứu do Giáo sư Kanghyun Nam tại DGIST dẫn đầu đã đề xuất một hướng tiếp cận mới. Thay vì chỉ dựa vào vật lý hay hoàn toàn phó mặc cho trí tuệ nhân tạo, nhóm đã kết hợp cả hai trong một hệ thống ước tính trạng thái dựa trên AI vật lý. Dự án được thực hiện với sự hợp tác của Đại học Giao thông Thượng Hải và Đại học Tokyo, cho thấy tính liên ngành và quốc tế của nghiên cứu.
Hệ thống này tập trung vào việc ước tính các trạng thái chuyển động mà cảm biến trên xe không thể đo trực tiếp, trong đó quan trọng nhất là góc trượt ngang. Đây là thông số phản ánh mức độ xe trượt sang bên khi vào cua hoặc di chuyển trên bề mặt trơn trượt. Nếu không được phát hiện kịp thời, góc trượt có thể khiến xe mất ổn định trước khi hệ thống điều khiển kịp phản ứng.
Vấn đề nằm ở chỗ hành vi của lốp xe không cố định. Nó thay đổi theo tốc độ, mặt đường và điều kiện vận hành, khiến các phương pháp ước tính truyền thống trở nên kém hiệu quả. Để giải quyết, nhóm nghiên cứu đã xây dựng một khung ước tính lai, trong đó mô hình vật lý của lốp xe được tăng cường bằng khả năng học hỏi của trí tuệ nhân tạo.
Các nhà nghiên cứu hiện cho rằng chỉ dựa vào các mô hình truyền thống là không đủ. Đường sá thực tế luôn tồn tại những yếu tố khó lường như biến dạng lốp, thay đổi bề mặt đường và các thao tác đột ngột. Những yếu tố này thường nằm ngoài các giả định của mô hình xe cổ điển.
Cụ thể, hệ thống kết hợp một mô hình lốp vật lý với phương pháp hồi quy dựa trên AI. Dữ liệu cảm biến đo lực ngang của lốp được đưa vào liên tục, cho phép mô hình thích ứng với các hành vi phi tuyến và sự biến đổi của môi trường. Trọng tâm của kiến trúc này là bộ quan sát lọc Kalman không mùi, được tích hợp cùng hồi quy quá trình Gaussian.
Bộ lọc Kalman đóng vai trò đảm bảo tính nhất quán vật lý, ngăn hệ thống đưa ra các ước tính phi thực tế. Trong khi đó, thành phần AI mang lại sự linh hoạt, giúp mô hình học từ dữ liệu và bù đắp cho những sai lệch mà vật lý thuần túy không thể giải thích. Sự kết hợp này tạo ra một hệ thống vừa chính xác vừa đáng tin cậy.
Để kiểm chứng hiệu quả, các nhà nghiên cứu đã thử nghiệm hệ thống trên một nền tảng xe điện thực tế. Các bài thử bao gồm nhiều loại mặt đường, tốc độ khác nhau và các kịch bản vào cua đa dạng. Kết quả cho thấy hệ thống duy trì độ chính xác cao trong tất cả các điều kiện, một yếu tố được xem là then chốt để ứng dụng trong thực tế.
Việc ước tính chính xác trạng thái xe mang lại lợi ích cho nhiều chức năng quan trọng, từ kiểm soát ổn định, đảm bảo an toàn cho xe tự hành cho tới tối ưu hiệu quả năng lượng. Khi hệ thống nắm bắt được sớm dấu hiệu mất ổn định, nó có thể can thiệp kịp thời và chính xác hơn, giảm thiểu rủi ro cho người ngồi trong xe.
Giáo sư Kanghyun Nam cho biết nhóm nghiên cứu không chỉ nhắm tới độ chính xác mà còn đặt trọng tâm vào độ tin cậy lâu dài. Theo ông, việc kết hợp mô hình vật lý và trí tuệ nhân tạo đã giúp lấp đầy những khoảng trống mà các phương pháp truyền thống để lại, mở ra hướng đi mới cho kiến trúc điều khiển phương tiện trong tương lai.
Nghiên cứu được công bố trên tạp chí IEEE Transactions on Industrial Electronics , đánh dấu một bước tiến quan trọng trong nỗ lực đưa trí tuệ nhân tạo vào kiểm soát vật lý mà không đánh đổi sự an toàn. Trong bối cảnh xe điện và xe tự hành ngày càng phổ biến, những hệ thống như vậy có thể trở thành nền móng cho thế hệ phương tiện thông minh tiếp theo.
