AWS
Advantechline
 

AI、運算能力、車聯網三者到位 自駕車願景方能成真

自駕車必須即時處理車內外大量數據,才能兼具安全與效能考量。照片來源:IEEE Spectrum

無論是科技或汽車產業,自駕車議題都已經持續數年,而且熱度至今依然未退,這幾年國際大型消費性大展中,自駕車都仍是主要展出重點,原因在於除了科技業者的持續投入外,各大車廠也動作頻頻。不過從整體發展來看,AI演算法、車聯網與嵌入式運算等3大技術都必須到位,自駕車才有上路的可能。

AI是自駕車的技術核心,無論是車體內的嵌入式運算處理,或是與車體外與其他車輛、環境設施連結的車聯網,都必須透過AI的演算,才能做出判斷車體的下一步動作,而就SAE(國際汽車工程師協會)在2014年制定的規範,自動駕駛從0到5分為6個級別,包括0級非自動化、1級輔助駕駛、2級部分自動化駕駛、3級有條件自動化駕駛、4級高度自動化駕駛、5級全自動化駕駛。

 點擊圖片放大觀看

AUDI是目前推動自駕車最積極的車商,旗下的A8更是第一款SAE 3級自駕車。照片來源:AUDI提供

其中0級∼2級是人類駕駛者監控駕駛環境,3級∼5級就屬於自動駕駛系統監控駕駛環境,目前汽車已可做到2級,近年來各車廠推出的部分新車,所配備的前碰撞預警系統(FCW)與車道偏離系統(LDW)就屬於2級,而這兩者的智慧化雖與全自動化駕駛相去甚遠,不過仍是AI的一部分。

深度學習讓自駕車成真

從歷史軌跡來看,AI共有3波發展,且思維主軸各有不同,1950∼1970年的第1波是以邏輯推理為主,1980∼1990年的第2波為訓練系統知識表達,從2010年開始的第3波則為機器學習,而機器學習又衍生出深度學習,就成為現在主流。

深度學習將運作分為訓練(Training)與推論(inference)兩種,系統先在訓練模式中的各種腳本學習,之後再將學習到的模式下載至終端設備,終端設備接收實用環境中各感測器所傳回的訊息時,再從訓練模式中找出正確動作因應,FCW與LDW就是應用之一。

以LDW為例,是先透過訓練模式模擬汽車諞離車道時的狀況,再將訓練結果植入車機系統,之後車輛在行駛時,行車電腦發一旦發現感測器傳回路面影像中,車子已經偏離車道,即會做出對應動作,像是發出警示訊號、震動甚至是主動轉回方向盤。

功能較弱的FCW與LDW在SAE規範的級別中,屬於部分自動化的2級,至於3級則是則是在有條件下可以自動駕駛,車輛在大部分時間所以可自駕,但仍需要有駕駛人在車上,且必須隨時待命接手,與2級相較,3級已屬於自駕車級別,包括處理器運算功能、車聯網架構與AI運算法等技術都必須往前跨一大步,從目前發展來看,都仍僅停留在封閉場域中的試驗,離實際上路仍有一段時間。

深度學習是在2007年由後來被譽為神經網路之父的英國學者Geoffrey Hinton所提出,而也就在同一年NVIDIA推出了新的運算架構CUDA,成為深度運算的關鍵平台。

後來無人駕駛概念逐漸成形,隨著感測與運算技術的快速推進,各研究單位、車廠、科技公司不斷投入研發,到了2007年,自駕車開啟了新局,但並不是自駕車本身有技術突破,而是在這年被譽為神經網路之父的英國學者Geoffrey Hinton提出了全新的深度學習(Deep Learning)演算法,AI開始有爆發性成長,值得一提的是NVIDIA也在這年推出了新的運算架構CUDA,成為深度運算的關鍵平台。

自駕車倚靠大量感測器偵測車體內外的環境,因此海量數據的處理成為系統的嚴苛考驗,在IT架構中,CPU一直扮演主流處理器角色,CPU的單一處理能力強,可以快速循序運算數據,不過在AI、物聯網時代,必須即時處理海量數據,核心數量少的CPU已無法負荷。

尤其是在半導體技術逼近物理極限,摩爾定律逐漸趨緩後,CPU的效能提升有限,更讓CPU在AI的發展腳步變慢,以自駕車來說,自駕車內的子系統多,傳回的訊號量極大,根據統計,3級自駕系統的光是影像訊號量就有1TB/sec,4級是10T/sec,若是5級的完全自動駕駛,整體訊號量更會達到320TB/sec,如此龐大的數據量,CPU已無能為力,GPU會是最佳選擇。

以NVIDIA DRIVE Xavier為例,這款已推出1年多的處理器,內部就建置了超過90億個電晶體,每秒可以處理30兆次運算作業,比前一代架構的效能還要高出15倍,對需要即時處理大量數據的自駕車系統來說,是目前相對適用的處理器類型。

車聯網通訊標準上路

要達到自駕願景,除了車體內的演算法與處理器運算功能外,還需與車外環境連結,也就是所謂的V2X,V2X包括了車輛與車輛的V2V、車輛與道路設施的V2R、車輛對基礎建設的V2I、車輛對行人的V2P等類型。除了作為自駕車的重要技術外,V2X也是智慧交通系統的一環,透過通訊技術取得即時路況與道路和行人訊息,提升車輛行駛的安全性,並可避免交通壅塞,

車聯網高度倚賴通訊技術,目前則有市場則以WAVE/DSRC為主。WAVE為IEEE 802.11p標準,DSRC則是IEEE 1609系列,其特點是採用5.9GHz頻段,具有車聯網必要的低延遲特色,目前北美地區已採用DSRC標準。美國已在2016年啟動立法程序,從2020年開始,所有的出場的小型車輛,都必須有V2V車間通訊裝置,以降低交通意外發生機率。

就整體發展來看,自駕車現有由科技與汽車兩大產業各自發展,科技產業端以過去的科技思維出發,從SAE的5級要求往回看,看以目前技術能做甚麼地步,車廠則以安全為第一考量,從SAE的0級往上走,逐步堆疊智慧化功能,當雙方的技術探索產生交疊時,就代表技術已然到位,自駕車的願景將會成真,實際上路的時程也會到來。

  •     按讚加入DIGITIMES智慧應用粉絲團