元鼎音訊
活動+

AI扮演創新觸媒 推動汽車智慧化革命

  • 洪千惠
隨著智慧車的進展,未來汽車所使用的電子元件數量將會激增,所佔的成本比例也會快速攀升。STMicroelectronics

DIGITIMES企劃

無人車帶起了汽車科技的變革,包括汽車與電子在內的廠商都開始投入,而經過過去幾年的技術研發,應用市場也轉趨熱絡,各大車廠開始與大型科技業者合作,從前幾年就已攜手研發的Audi與NVIDIA,到今年5月底簽訂無人車開發計畫的福斯和Apple,在2018 COMPUTEX的新創特展InnoVEX中,德系大廠BMW也將針對未來智慧移動發表專題演講,從業界的積極投入,都將可看到智慧車輛趨勢的成形。

在這波汽車革命中,AI與物聯網無疑是最重要的推手,因為在汽車歷史中,無人車並非新概念,過去在1925年就有美國工程師研發出無人車,並從百老匯一路開到第五大道,只不過雖稱之為無人車,但操作方式是由這位工程師在另一輛車上以無線電遙控,因此雖然「無人」,但與現在的自動駕駛無關,頂多只能算是大型遙控汽車。

真正具有現代定義的無人車出現在1980年代,由美國卡內基梅隆大學電腦科學學院的機器人研究中心所研發的Naclab,這輛無人車車上裝了3台Sun工作站、1台卡內基大學自行研發的WARP平行計算陣列、1部GPS訊號接收器,不過由於是實驗車,因此實用性不高,時速僅有32公里。1989年卡內基梅隆大學進一步在車上加入神經網路,並使用感測器和控制器,成為現在無人車的雛形。

卡內基梅隆大學的無人車,與現在的各汽車和科技大廠類似,都是透過感測器、傳輸網路與AI做為主架構,這類型架構與物聯網相同,只不過在車輛運作環境下,系統的穩定性、即時性與運算效能都有更高一級的提升,尤其是在運算效能部分,拜神經網路之父的英國學者Geoffrey Hinton之賜,在2007年提出了全新的深度學習(Deep Learning)演算法,開啟了AI全然不同的發展,也讓無人車有了新起點。

深度學習主要是透過大量數據建立起模型,讓機器不斷修正預測,逐漸逼近最佳值,而深度學習在無人車的應用,就是透過影像、雷達、光達等感測器回傳的資料,建立起物體辨識、可行駛區域檢測、行駛路徑辨識等三種模型,這三種模型再加上自動控制,就可落實無人車願景。

要達到此一目標,目前雖然還有漫漫長路要走,不過無人車本來就不是一蹴可幾,而是逐步完成。美國國際汽車工程師協會(SAE)將自動駕駛技術,從0~5分為6級,其中0~2級屬於人類駕駛環境,3~5級則是自動駕駛,有趣的是現在投入發展無人車的廠商分屬科技和汽車兩大陣營,這兩類廠商的發展方向也截然不同。

汽車廠商在無人車這領域是由下往上走,因此現在車廠的無人車雖仍未上路,不過市場上已經可看到LDW(Lane Departure Warning;車道偏移警示)與FCW(Forward Collision Warning;前方碰撞警示)兩種功能的車輛。至於科技廠商的作法則是從第5級的無人車往回推,看看要達到完全無人駕駛,需要補足哪些技術?因此我們可以看到Google、Amazon都已著手投入無人車的測試,包括Uber、Tesla這些泛科技類的車商或相關業者,也都動作頻頻。從發展方向來看,汽車與科技廠商各從無人車的兩端點出發,未來將會在某個功能點會合,屆時就會是無人車完全落實的時機。

再從目前產業中不同廠商的發展來看,現在深度學習在無人車的應用案例已不斷浮現,雖然無人車的所有功能,都必須建構在車輛動力技術上,不過這仍然屬於全新的領域,因此也吸引了大量的新創業者投入,並由此激發出許多應用創意,例如瑞典的Uniti就與NVIDIA攜手,設計出平價全電動車「Uniti One」,此車款可透過由頭部與手部追蹤功能,操控抬頭顯示器的3D介面,同時以滑動表面和手勢控制取代按鈕與操作桿,Uniti One已預定於2019年開始交車。

除了自用車外,有業者認為特定用途的商業車輛,將會先一步啟動,例如法國的NAVYA就將產品鎖定在半封閉環境下的接駁車,所謂的半封閉環境包括了園區、機場、工業區等,這類型環境簡單,所有的因素都可被控制,非常適合初期的無人車使用。另外一種則是長距離的物流車輛,在大陸型國家如美國,長距離的跨州貨運是當地物流業常態,這種駕駛路線不僅距離長且景色單調,駕駛容易因疲勞造成事故,但也由於路線和周邊環境都相對簡單,因此十分適合無人車。日前舊金山新創公司Embark已完成從加州洛杉磯到佛羅里達州傑克遜維爾(Jacksonville)全程2,400英里、總計5天的跨州自駕路測,預計2018年底將有40台車開始測試。

觀察目前發展,AI在無人車的應用主要是接收感測、GPS等訊號,進行物體辨識、可行駛區域檢測、行駛路徑辨識等工作,這三大功能都必須結合外部技術,方能讓AI的運算與判斷更準確。物體辨識部分,目前主要的技術是影像、雷達、光達等感測器,用以偵測物體的形狀與距離,不過這三種感測技術都仍有缺陷,近年來被應用於智慧手機的3D感測,已被視為未來主流車用感測技術。

至於可行駛區域檢測、行駛路徑辨識兩種功能,前者2016年Google與行動商務公司Proxama合作,在倫敦推出即時交通警示服務MyStop,透過Google Physical Web計畫和Beacon定位技術,打造即時交通警示服務,雖然當時主要以手機作為連結設備,不過未來要連接到無人車並非難事。至於行駛路徑辨識則必須與基礎交通建置鏈結,先由城市安全監控系統中的AI分析車流,車輛經由遠距通訊技術連結城市交通系統,取得車流分布數據後,再由車內的AI分析出最佳路徑。

無人車是車輛技術的終極目標,要達到此一目標,AI是最重要的核心技術,但在汽車發展中,AI不會只出現在第5級自動駕駛階段,從第2級的部分自動化、第3級的有條件自動化和第4級的高度自動化中,AI就會開始有程度不一的應用。近期出現的FCW與LDW就都有用到功能較弱的AI運算,至於未來,隨著運算功能的逐漸強大,再加上環境測試數據的漸趨完整,AI在汽車領域的應用將會越來越深,並與智慧交通系統結合,打造出下一世代的汽車面貌。