AI扮演创新触媒 推动汽车智能化革命

2018/06/07 - 洪千惠

DIGITIMES企划

无人车带起了汽车科技的变革，包括汽车与电子在内的厂商都开始投入，而经过过去几年的技术研发，应用市场也转趋热络，各大车厂开始与大型科技业者合作，从前几年就已携手研发的Audi与NVIDIA，到今年5月底签订无人车开发计划的大众和Apple，在2018 COMPUTEX的新创特展InnoVEX中，德系大厂BMW也将针对未来智能移动发表专题演讲，从业界的积极投入，都将可看到智能车辆趋势的成形。

在这波汽车革命中，AI与物联网无疑是最重要的推手，因为在汽车历史中，无人车并非新概念，过去在1925年就有美国工程师研发出无人车，并从百老汇一路开到第五大道，只不过虽称之为无人车，但操作方式是由这位工程师在另一辆车上以无线电遥控，因此虽然「无人」，但与现在的自动驾驶无关，顶多只能算是大型遥控汽车。

真正具有现代定义的无人车出现在1980年代，由美国卡内基梅隆大学电脑科学学院的机器人研究中心所研发的Naclab，这辆无人车车上装了3台Sun工作站、1台卡内基大学自行研发的WARP平行计算阵列、1部GPS信号接收器，不过由于是实验车，因此实用性不高，时速仅有32公里。1989年卡内基梅隆大学进一步在车上加入神经网络，并使用传感器和控制器，成为现在无人车的雏形。

卡内基梅隆大学的无人车，与现在的各汽车和科技大厂类似，都是透过传感器、传输网络与AI做为主架构，这类型架构与物联网相同，只不过在车辆运作环境下，系统的稳定性、实时性与运算效能都有更高一级的提升，尤其是在运算效能部分，拜神经网络之父的英国学者Geoffrey Hinton之赐，在2007年提出了全新的深度学习(Deep Learning)演算法，开启了AI全然不同的发展，也让无人车有了新起点。

深度学习主要是透过大量数据建立起模型，让机器不断修正预测，逐渐逼近最佳值，而深度学习在无人车的应用，就是透过影像、雷达、激光雷达等传感器回传的数据，建立起物体识别、可行驶区域检测、行驶路径识别等三种模型，这三种模型再加上自动控制，就可落实无人车愿景。

要达到此一目标，目前虽然还有漫漫长路要走，不过无人车本来就不是一蹴可几，而是逐步完成。美国国际汽车工程师协会(SAE)将自动驾驶技术，从0~5分为6级，其中0~2级属于人类驾驶环境，3~5级则是自动驾驶，有趣的是现在投入发展无人车的厂商分属科技和汽车两大阵营，这两类厂商的发展方向也截然不同。

汽车厂商在无人车这领域是由下往上走，因此现在车厂的无人车虽仍未上路，不过市场上已经可看到LDW(Lane Departure Warning；车道偏移警示)与FCW(Forward Collision Warning；前方碰撞警示)两种功能的车辆。至于科技厂商的作法则是从第5级的无人车往回推，看看要达到完全无人驾驶，需要补足哪些技术？因此我们可以看到Google、Amazon都已着手投入无人车的测试，包括Uber、Tesla这些泛科技类的车商或相关业者，也都动作频频。从发展方向来看，汽车与科技厂商各从无人车的两端点出发，未来将会在某个功能点会合，届时就会是无人车完全落实的时机。

再从目前产业中不同厂商的发展来看，现在深度学习在无人车的应用案例已不断浮现，虽然无人车的所有功能，都必须建构在车辆动力技术上，不过这仍然属于全新的领域，因此也吸引了大量的新创业者投入，并由此激发出许多应用创意，例如瑞典的Uniti就与NVIDIA携手，设计出平价全电动车「Uniti One」，此车款可透过由头部与手部追踪功能，操控抬头显示器的3D界面，同时以滑动表面和手势控制取代按钮与操作杆，Uniti One已预定于2019年开始交车。

除了自用车外，有业者认为特定用途的商业车辆，将会先一步启动，例如法国的NAVYA就将产品锁定在半封闭环境下的接驳车，所谓的半封闭环境包括了园区、机场、工业区等，这类型环境简单，所有的因素都可被控制，非常适合初期的无人车使用。另外一种则是长距离的物流车辆，在大陆型国家如美国，长距离的跨州货运是当地物流业常态，这种驾驶路线不仅距离长且景色单调，驾驶容易因疲劳造成事故，但也由于路线和周边环境都相对简单，因此十分适合无人车。日前旧金山新创公司Embark已完成从加州洛杉矶到佛罗里达州杰克逊维尔(Jacksonville)全程2,400英里、总计5天的跨州自驾路测，预计2018年底将有40台车开始测试。

观察目前发展，AI在无人车的应用主要是接收传感、GPS等信号，进行物体识别、可行驶区域检测、行驶路径识别等工作，这三大功能都必须结合外部技术，方能让AI的运算与判断更准确。物体识别部分，目前主要的技术是影像、雷达、激光雷达等传感器，用以侦测物体的形状与距离，不过这三种传感技术都仍有缺陷，近年来被应用于智能手机的3D传感，已被视为未来主流车用传感技术。

至于可行驶区域检测、行驶路径识别两种功能，前者2016年Google与移动商务公司Proxama合作，在伦敦推出实时交通警示服务MyStop，透过Google Physical Web计划和Beacon定位技术，打造实时交通警示服务，虽然当时主要以手机作为连结设备，不过未来要连接到无人车并非难事。至于行驶路径识别则必须与基础交通建置链结，先由城市安全监控系统中的AI分析车流，车辆经由线上通讯技术连结城市交通系统，取得车流分布数据后，再由车内的AI分析出最佳路径。

无人车是车辆技术的终极目标，要达到此一目标，AI是最重要的核心技术，但在汽车发展中，AI不会只出现在第5级自动驾驶阶段，从第2级的部分自动化、第3级的有条件自动化和第4级的高度自动化中，AI就会开始有程度不一的应用。近期出现的FCW与LDW就都有用到功能较弱的AI运算，至于未来，随着运算功能的逐渐强大，再加上环境测试数据的渐趋完整，AI在汽车领域的应用将会越来越深，并与智能交通系统结合，打造出下一时代的汽车面貌。 


图说：随着智能车的进展，未来汽车所使用的电子元件数量将会激增，所占的成本比例也会快速攀升。(STMicroelectronics)