Cryolite.
Senior Member
https://tuoitre.vn/kich-tinh-giai-d...-learning-cua-sinh-vien-20230314133456139.htm
Thử thách cho các chiếc xe tự hành chạy bằng machine learning là những đoạn đường cong liên tiếp - Ảnh: TRỌNG NHÂN
Hơn 100 sinh viên từ các trường đại học, cao đẳng lớn tham gia trận chung kết giải đua xe AWS DeepRacer League - xe tự hành chạy bằng công nghệ machine learning (học máy), được tổ chức tại Trường cao đẳng Kỹ thuật Cao Thắng.
Đây là hoạt động nằm trong dự án "Thúc đẩy hợp tác trường đại học - doanh nghiệp thông qua đổi mới và công nghệ" (BUILD-IT) của Cơ quan Hợp tác quốc tế Mỹ (USAID).
Tối ưu công nghệ machine learning cho mô hình xe đua
10 "tay đua" vào vòng chung kết sẽ phải tự thiết kế mô hình điều khiển xe dựa trên các phần cứng đã có sẵn. Mô hình sẽ phải tận dụng được hệ thống camera, cảm biến để dễ dàng điều hướng đường đi và đạt được vận tốc cao nhất.
Mỗi thí sinh sẽ lần lượt cho xe chạy trên đường đua mô phỏng như ở sân chơi F1. Ban giám khảo sẽ so sánh kết quả dựa trên thời gian ngắn nhất hoàn thành một vòng đua của từng "tay đua".
Lê Văn Tâm - sinh viên năm 3, khoa công nghệ thông tin, Trường đại học Lạc Hồng - chia sẻ bạn đã phải mất nhiều thời gian để tối ưu công nghệ machine learning cho mô hình xe đua của mình.
Tâm viết một thuật toán cho xe "tự học" cách chạy trên đoạn đường đua bằng chính những trải nghiệm của xe. Mỗi khi học chạy đúng làn đường và đúng tốc độ, xe sẽ được "điểm thưởng", ngược lại xe sẽ bị trừ điểm.
Chiếc xe chạy theo mô hình của Lê Văn Tâm giữ được độ cân bằng và ổn định cao - Ảnh: TRỌNG NHÂN
Cứ thế sau 25 giờ huấn luyện, xe của Tâm có thể tự luyện trơn tru và tìm ra được cách di chuyển hợp lý nhất trong từng đoạn đường trong suốt chặng đua. Kết quả, xe về hạng 2 chung cuộc với thời gian hoàn thành một vòng đua nhanh nhất là 11,938 giây.
Nhanh hơn chỉ vài phần trăm giây, Nguyễn Đăng Khoa - sinh viên khoa kỹ thuật giao thông, Trường đại học Bách khoa (Đại học Quốc gia TP.HCM) - giành ngôi vị quán quân đua xe machine learning với thời gian hoàn thành vòng đua là 11,540 giây.
Mô hình xe của Nguyễn Đăng Khoa được ban giám khảo và khán giả đánh giá là có những cú ôm cua "gọn" và "đẹp" nhất.
Nhờ vậy, Khoa tối ưu được thời gian "chết" khi phải cho đặt xe trở lại đường đua nếu xe đi lệch vòng thi đấu.
"Mình dạy cho mô hình xe có thể tính toán các góc ôm cua để xe tự chọn ra được những góc cua cân bằng nhất, đặc biệt là những đoạn cua liên tiếp", Khoa nói.
Nguyễn Đăng Khoa (bìa phải) tập trung trong trận thi đấu - Ảnh: TRỌNG NHÂN
"Tay đua" tiềm năng sẽ tranh tài với thế giới
Trong khi đó, "tay đua" Tô Thanh Phong - sinh viên khoa công nghệ thông tin, Trường đại học Sư phạm Kỹ thuật TP.HCM - cho rằng một trong những thách thức khác mà các bạn phải đối mặt là cho xe di chuyển với tốc độ phù hợp nhất.
Trên đường bằng, xe phải tăng hết tốc lực, ngược lại đến đoạn cua phải giảm tốc sao cho "mượt" nhất. Nếu không, xe không chỉ trật hướng mà còn "đâm sầm" vào vách đường đua.
Sau chung kết AWS DeepRacer League tại Việt Nam, ban tổ chức sẽ tiếp tục tìm kiếm những "tay đua" tiềm năng để tham gia tranh tài trong cuộc thi với các đại diện khác đến từ những nước hàng đầu thế giới, dự kiến sẽ diễn ra tại Mỹ trong năm nay.
Không ít lần các xe F1 chệch hướng và được bộ phận hỗ trợ đưa trở lại vào đường đua. Khoảng thời gian "chết" này sẽ ảnh hưởng rất nhiều đến thời gian hoàn thành vòng đua của thí sinh - Ảnh: TRỌNG NHÂN
Phạm Thị Thảo Nguyên - "tay đua" nữ từ Trường đại học FPT - giành giải 3 chung cuộc với thời gian hoàn thành vòng đua 12,164 giây - Ảnh: TRỌNG NHÂN
Một chiếc xe đua băng qua vạch về đích. Hệ thống camera trên sân đấu sẽ ghi nhận thời gian hoàn thành từng vòng của xe - Ảnh: TRỌNG NHÂN
...
