Tin tứcCác nhà khoa học vừa phát triển phương pháp Cached-DFL (Học liên kết phân tán lưu trữ đệm), cho phép xe tự lái trao đổi thông tin quan trọng mà không cần kết nối trực tiếp.
Công nghệ này hoạt động như một khung chia sẻ mô hình AI, giúp xe cập nhật dữ liệu về điều hướng, tình trạng giao thông, đường xá và biển báo khi di chuyển gần nhau.
Khác với phương pháp truyền thống, Cached-DFL tạo ra một "mạng xã hội giả lập" để xe tự lái xem "hồ sơ" của nhau mà không tiết lộ thông tin cá nhân.
Tiến sĩ Yong Liu (Đại học New York) ví von: "Xe từng chạy ở Manhattan có thể học đường ở Brooklyn nhờ dữ liệu chia sẻ, dù chưa từng đến đó". Ví dụ, xe sẽ biết cách xử lý ổ gà hình bầu dục nhờ kinh nghiệm của xe khác.
Hệ thống này cũng khắc phục nhược điểm của dữ liệu tập trung - vốn dễ bị tấn công quy mô lớn. Thay vì lưu trữ trên đám mây, Cached-DFL phân tán dữ liệu vào các mô hình AI riêng lẻ trên từng xe. Thử nghiệm tại Manhattan cho thấy, việc trao đổi thông tin trong phạm vi 100 mét giúp nâng cao độ chính xác và tốc độ xử lý.
Theo Tiến sĩ Jie Xu (Đại học Florida), ưu điểm lớn nhất là khả năng mở rộng: "Mỗi xe chỉ giao tiếp với những xe nó gặp, giảm chi phí kết nối khi mạng lưới phát triển". Công nghệ này còn hứa hẹn giảm giá thành hệ thống tự lái nhờ phân bổ tải xử lý, thay vì phụ thuộc vào máy chủ trung tâm.
Trong tương lai, nhóm nghiên cứu sẽ thử nghiệm Cached-DFL ngoài thực tế, đồng thời phá bỏ rào cản tương thích giữa các hãng xe. Mục tiêu xa hơn là kết nối với hạ tầng giao thông (V2X) và ứng dụng cho vệ tinh, drone hoặc robot. Javed Khan (Aptiv) khẳng định: "Đây là bước tiến quan trọng để tăng cường ra quyết định thời gian thực, đảm bảo an toàn cho xe tự hành".
