Quang Nhat Duong

Pipeline lái tự động end-to-end trong CARLA: nhận thức đa cảm biến, hành lang phanh khẩn cấp quét qua LiDAR theo hình học thay vì phụ thuộc vào độ tin cậy của bộ phát hiện, bộ phân xử an toàn committed, và bộ điều khiển tốc độ học tăng cường chỉ đề xuất tốc độ, bị kẹp dưới một trần an toàn. Chỉ trong mô phỏng — chưa chạy trên xe thật.

Lịch sử của các con số này: một lần chạy ban đầu cũng báo 45/45, nhưng khi đó tiêu chí độ trễ phản ứng trên thực tế đang bị vô hiệu — harness không có mốc thời điểm nguy hiểm để đo từ đó, nên tiêu chí ấy không thể trượt. Sau khi sửa, lần chạy 19/09/2026 cho 43/45 và cổng nghiệm thu trượt. Một lần tự rà soát sau đó tìm thêm những chỗ phép đo bị thiếu hoặc không hợp lệ vẫn được tính là đạt; sau khi sửa, lần chạy lại 27/09/2026 cho kết quả 45/45 ở trên. Điều đó không có nghĩa là lỗi phản ứng chậm đã được khắc phục: cùng kịch bản người đi bộ đó mất từ 0,5 đến 1,225 giây giữa các lần chạy và vẫn trượt khi có bão, và mỗi trường hợp chỉ chạy một lần thì chưa phân biệt được đâu là sửa được, đâu là may mắn. Đây vẫn là một lỗi còn mở.

Một quyết định của tôi: phanh được kích hoạt bằng kiểm tra hành lang từ LiDAR/radar, không bằng độ tin cậy của bộ phát hiện, nên khi hình học, đường đi và dữ liệu cảm biến giữ nguyên, một khung bao bị bỏ sót tự nó không làm mất yêu cầu phanh. Điều đó vẫn phụ thuộc vào dữ liệu khoảng cách hợp lệ, làn đường được chọn và vùng cảm nhận khoảng 30 m phía trước. Bộ điều khiển học chỉ đề xuất tốc độ bên dưới lớp an toàn đó.

Lớp giám sát trạng thái tài xế nằm trên ADAS, đọc cả con người lẫn con đường: độ khép mi mắt trên một cửa sổ trượt, lần nhắm mắt liên tục dài nhất, và độ mở hàm — rồi giải thích mọi can thiệp bằng một câu. Chạy cục bộ bằng Python; chưa được đo trên phần cứng nhúng.

Hãy đọc cột đầu tiên như kết quả thật: trên những tài xế mô hình chưa từng thấy, bài toán này khó, và điểm trung thực nằm gần đáy. Thí nghiệm đối chứng ở cột thứ ba chính là lý do các con số được báo cáo theo cách này — cùng pipeline ấy nếu đánh giá cẩu thả sẽ cho ra 99%, và con số 99% đó sẽ chẳng có nghĩa gì.

Một quyết định của tôi: các fold kiểm định được chia theo tài xế, không theo khung hình. Chia theo khung hình sẽ đặt cùng một người ở cả hai phía và biến một khuôn mặt bị học thuộc thành một kết quả trông như thật.

Nhận diện trạng thái mắt trên người lạ: với 13 người trong bộ dữ liệu DMD, đánh giá leave-one-person-out, bộ phân loại mắt mở/đang nhắm/nhắm/đang mở đạt balanced accuracy 0,87, và PERCLOS nó tính ra lệch trung bình 0,023 so với nhãn. Mọi bản ghi đều quay trong xe đứng yên, và DMD không có nhãn buồn ngủ, nên kết quả này chưa nói gì về độ chính xác phát hiện buồn ngủ khi xe chạy.

Demo của engine dựa trên luật trên 6 bản ghi lái có nhãn (3.600 khung ở 20 fps) đánh dấu 2.083 trên 2.100 khung suy giảm và 147 trên 1.500 khung bình thường. Các ngưỡng không được chỉnh trên tài xế giữ lại, và các khung liền kề không độc lập, nên đây là số liệu demo cho sáu người — không phải tỉ lệ trên quần thể, và không cho biết tài xế sẽ nhận bao nhiêu cảnh báo nhầm mỗi giờ.