BigBoy
03-12-2023, 03:33
LINCOLN, Nebraska (NV) – Việc phát minh ra xe tự lái được chứng minh là một tiến bộ thú vị trong lănh vực kỹ nghệ, nhưng nhiều người vẫn e ngại về việc ứng dụng chúng trong xă hội do lo ngại về an toàn. Giáo Sư Tiến Sĩ Dũng Hoàng Trần thuộc đại học University of Nebraska–Lincoln đang nghiên cứu giải pháp mới để thay đổi điều đó.
Với khoản tài trợ mới trị giá $529,041 từ Quỹ Khoa Học Quốc Gia NSF, GSTS Dũng Trần sẽ tiếp tục nghiên cứu một công cụ xác minh giúp các loại xe tự lái và các loại máy móc robot khác an toàn và thông minh hơn.
Xe tự lái có thể hoạt động trong môi trường không quen thuộc nhờ các thành phần tự học được mô h́nh hóa theo các t́nh huống thực tế và được tích hợp vào hệ thống của chúng. Khi có quá nhiều thành phần được kết hợp với các yếu tố không thể lường trước và chưa từng có trong môi trường sống, việc đánh giá an toàn và quản lư rủi ro có thể trở nên tương đối khó khăn đối với các kỹ sư.
https://www.nguoi-viet.com/wp-content/uploads/2023/12/20211106-schoolofcomputing-02-nt.jpg (https://www.nguoi-viet.com/wp-content/uploads/2023/12/20211106-schoolofcomputing-02-nt.jpg)
GSTS Dũng Hoàng Trần nói chuyện về công cụ mới đang phát triển trong pḥng thí nghiệm NIMBUS ngày 6 Tháng Mười, 2021 (H́nh: Craig Chandler/University of Nebraska)
“Chúng tôi phải thiết lập một khuôn khổ toán học và tính toán rất phức tạp để có thể phân tích một hệ thống phức tạp như thế này,” Dũng Trần, giáo sư hàm “assistant professor” tại Khoa Kỹ Thuật Điện Toán cho biết. “Khi chúng tôi thiết kế hệ thống đó, các mô h́nh máy tự học sâu có thể hoạt động theo cách có thể làm cho hệ thống của chúng tôi rơi vào hoàn cảnh không mong muốn.”
Khi c̣n là nghiên cứu sinh tại đại học Vanderbilt University, GSTS Dũng Trần từng tạo ra công cụ Xác Minh Mạng Thần Kinh (Neural Network Verification – NNV), một nhu liệu xác minh an toàn hiện vẫn được các công ty lớn trong nhiều ngành công nghiệp, gồm có Apple, Boeing và Toyota, ứng dụng rộng răi. Công cụ mới của GSTS Dũng Trần sẽ dựa trên công việc trước đây của anh nhằm đưa ra cho các kỹ sư những đánh giá và kết quả an toàn toàn diện hơn nhiều.
Công cụ mới của GSTS Dũng Trần sẽ đo lường mức độ an toàn bằng cả phương pháp định tính và định lượng. Ngoài việc xác nhận rằng hệ thống vượt qua hoặc thất bại trong các bài kiểm tra an toàn, công cụ mới cũng sẽ phân tích xác suất rủi ro liên quan nhằm đưa ra đánh giá kịp thời, chi tiết và chính xác ở cấp độ hệ thống.
“Trong khuôn khổ mới của chúng tôi, chúng tôi cũng có thể đưa ra câu hỏi, ‘Nếu nó không an toàn, th́ không an toàn như thế nào mới được?’” GSTS Dũng Trần nói. “Công cụ này mô h́nh hóa sự không chắc chắn của môi trường và điều đó sẽ cho chúng ta thấy một thông số kỹ thuật hoặc một yêu cầu có thể bị vi phạm, điều này rất quan trọng cho việc ra quyết định hoặc kiểm soát.”
Đề án của GSTS Dũng Trần sẽ áp dụng cùng một ngôn ngữ mới mà anh từng phát triển cho NNV, ngôn ngữ đặc tả logic thời gian của ngôi sao xác suất. Ngôn ngữ này cho phép các kỹ sư xác định các yêu cầu cần thiết để hệ thống hoạt động chuẩn xác và an toàn. Sau đó, GSTS Dũng Trần và các đồng sự của anh sẽ bắt tay thiết kế các kỹ thuật và thuật toán xác minh hiệu quả nhằm đo lường mức độ an toàn của hệ thống so với yêu cầu.
Sau khi gia nhập đại học University of Nebraska–Lincoln và trở thành đồng giám đốc của Pḥng Thí Nghiệm Hệ Thống Không Người Lái Thông Minh MoBile tại Nebraska vào năm 2018, GSTS Dũng Trần bắt đầu kiến tạo một môi trường thử nghiệm trong pḥng thí nghiệm để kiểm tra máy móc và nhu liệu chế tạo robot. Nền tảng thử nghiệm F1TENTH hỗ trợ máy tính tự học là một hệ thống quy mô nhỏ dùng để tạo ra các kịch bản trong thế giới thực cho các loại xe tự lái nhằm đánh giá khả năng ứng dụng, khả năng mở rộng và độ tin cậy.
GSTS Dũng Trần hy vọng sẽ tiếp tục mở rộng nghiên cứu về công cụ của ḿnh trong tương lai và cuối cùng tạo ra một công cụ hữu ích cho các nhà phát triển robot khác, giống như các nhà nghiên cứu đồng sự NIMBUS của anh.
Với khoản tài trợ mới trị giá $529,041 từ Quỹ Khoa Học Quốc Gia NSF, GSTS Dũng Trần sẽ tiếp tục nghiên cứu một công cụ xác minh giúp các loại xe tự lái và các loại máy móc robot khác an toàn và thông minh hơn.
Xe tự lái có thể hoạt động trong môi trường không quen thuộc nhờ các thành phần tự học được mô h́nh hóa theo các t́nh huống thực tế và được tích hợp vào hệ thống của chúng. Khi có quá nhiều thành phần được kết hợp với các yếu tố không thể lường trước và chưa từng có trong môi trường sống, việc đánh giá an toàn và quản lư rủi ro có thể trở nên tương đối khó khăn đối với các kỹ sư.
https://www.nguoi-viet.com/wp-content/uploads/2023/12/20211106-schoolofcomputing-02-nt.jpg (https://www.nguoi-viet.com/wp-content/uploads/2023/12/20211106-schoolofcomputing-02-nt.jpg)
GSTS Dũng Hoàng Trần nói chuyện về công cụ mới đang phát triển trong pḥng thí nghiệm NIMBUS ngày 6 Tháng Mười, 2021 (H́nh: Craig Chandler/University of Nebraska)
“Chúng tôi phải thiết lập một khuôn khổ toán học và tính toán rất phức tạp để có thể phân tích một hệ thống phức tạp như thế này,” Dũng Trần, giáo sư hàm “assistant professor” tại Khoa Kỹ Thuật Điện Toán cho biết. “Khi chúng tôi thiết kế hệ thống đó, các mô h́nh máy tự học sâu có thể hoạt động theo cách có thể làm cho hệ thống của chúng tôi rơi vào hoàn cảnh không mong muốn.”
Khi c̣n là nghiên cứu sinh tại đại học Vanderbilt University, GSTS Dũng Trần từng tạo ra công cụ Xác Minh Mạng Thần Kinh (Neural Network Verification – NNV), một nhu liệu xác minh an toàn hiện vẫn được các công ty lớn trong nhiều ngành công nghiệp, gồm có Apple, Boeing và Toyota, ứng dụng rộng răi. Công cụ mới của GSTS Dũng Trần sẽ dựa trên công việc trước đây của anh nhằm đưa ra cho các kỹ sư những đánh giá và kết quả an toàn toàn diện hơn nhiều.
Công cụ mới của GSTS Dũng Trần sẽ đo lường mức độ an toàn bằng cả phương pháp định tính và định lượng. Ngoài việc xác nhận rằng hệ thống vượt qua hoặc thất bại trong các bài kiểm tra an toàn, công cụ mới cũng sẽ phân tích xác suất rủi ro liên quan nhằm đưa ra đánh giá kịp thời, chi tiết và chính xác ở cấp độ hệ thống.
“Trong khuôn khổ mới của chúng tôi, chúng tôi cũng có thể đưa ra câu hỏi, ‘Nếu nó không an toàn, th́ không an toàn như thế nào mới được?’” GSTS Dũng Trần nói. “Công cụ này mô h́nh hóa sự không chắc chắn của môi trường và điều đó sẽ cho chúng ta thấy một thông số kỹ thuật hoặc một yêu cầu có thể bị vi phạm, điều này rất quan trọng cho việc ra quyết định hoặc kiểm soát.”
Đề án của GSTS Dũng Trần sẽ áp dụng cùng một ngôn ngữ mới mà anh từng phát triển cho NNV, ngôn ngữ đặc tả logic thời gian của ngôi sao xác suất. Ngôn ngữ này cho phép các kỹ sư xác định các yêu cầu cần thiết để hệ thống hoạt động chuẩn xác và an toàn. Sau đó, GSTS Dũng Trần và các đồng sự của anh sẽ bắt tay thiết kế các kỹ thuật và thuật toán xác minh hiệu quả nhằm đo lường mức độ an toàn của hệ thống so với yêu cầu.
Sau khi gia nhập đại học University of Nebraska–Lincoln và trở thành đồng giám đốc của Pḥng Thí Nghiệm Hệ Thống Không Người Lái Thông Minh MoBile tại Nebraska vào năm 2018, GSTS Dũng Trần bắt đầu kiến tạo một môi trường thử nghiệm trong pḥng thí nghiệm để kiểm tra máy móc và nhu liệu chế tạo robot. Nền tảng thử nghiệm F1TENTH hỗ trợ máy tính tự học là một hệ thống quy mô nhỏ dùng để tạo ra các kịch bản trong thế giới thực cho các loại xe tự lái nhằm đánh giá khả năng ứng dụng, khả năng mở rộng và độ tin cậy.
GSTS Dũng Trần hy vọng sẽ tiếp tục mở rộng nghiên cứu về công cụ của ḿnh trong tương lai và cuối cùng tạo ra một công cụ hữu ích cho các nhà phát triển robot khác, giống như các nhà nghiên cứu đồng sự NIMBUS của anh.