演化(革命)中的自駕車核心技術
問題三：自駕車的軟體就是大家說的 AI 嗎？
目前多數的自駕車團隊裏的軟體有四大模組：車輛定位(地圖建構)、物件偵測辨識追蹤、移動物件預測、車輛決策控制。
車輛定位模組的主要任務是根據自駕車高精地圖與自駕車感測器所收集到的數據來精準地估測車輛的位置與姿態。下面是我們在桃園國際機場所進行的定位系統驗證的影片。定位系統的精準度，往往直接影響基本的車輛控制性能。一個精準的地圖、定位與車控整合系統可以讓自駕車看起來就像捷運車輛一樣，在一個虛擬的軌道中精準的行進著。
但是自駕車並不是在一個封閉的軌道場域運行，因此自駕車還要有感知周遭環境的能力。物件偵測辨識追蹤模組主要任務是處理來自各種感測器(相機、光達與雷達)的資料，來估測在車輛周遭環境的各種狀態。下面影片展示一個自駕車開放數據庫(nuScenes) 中各種感測器數據。六個相機的數據中還有其對應的各種物體標記。在影片正中央中，較小白點是光達數據，較大的黃點則是五個車用雷達的數據，對應的各種物體標記亦以各種大小的長方體表示。
而只是偵測辨識追蹤周遭物件還不夠，自駕車還要能預測周遭移動物件未來五至十秒內的動態，以便能讓決策控制模組決定最佳的操縱與控制策略。目前深度學習是被用來完成物件偵測、辨識與預測的主流方法。一般大家口中自駕車的 AI 通常是指用在這裡的深度學習。但我所認知的 AI 則還包含許多其他理論與演算法。
決策控制系統則是根據所設目標、任務與感知系統所提供周遭環境的狀態估測，決定車輛路線規劃與行車策略。在考慮車輛動態性能下，具體下達控制指令，完成決策系統所下達的命令。跟捷運車輛比起來，自駕車的決策控制複雜很多。而要在台灣運行的自駕車則要處理比起歐美國家更複雜的交通狀況。讀者可觀看我們團隊在新竹南寮的自駕車測試驗證影片。
另外也有團隊主張不要區分這些模組，直接以 深度學習 完成所有自駕車感知、預測與決策功能。但這個路線目前並不是很成功，還需要更大的突破與進展。
問題四：自駕車一定要用到所有的感測器嗎？
前面我們有提到自駕車用來感知周遭環境的感測器主要有相機、光達與雷達。現今有先進駕駛輔助系統的車子上已裝置了相機與雷達。雷達主要用測量與前方車輛的距離與相對速度，用來計算車輛需要維持速度、加速還是減速煞車，進一步對車控電腦下達控制縱向運動的命令。相機主要則用來偵測車道線，計算出方向盤所需移動的角度及角速度來維持車輛在車道中行駛不壓線。讀者可參閱筆者下列文章來獲得更多細節資料。
以雷達與相機在有清楚車道線且交通狀況相對簡單的高速公路路段來實施自駕或已足夠，越來越多的車廠追隨特斯拉腳步來提供先進輔助駕駛的功能。這邊有兩點需要留意：1) 這些先進輔助駕駛系統並不是全自駕系統，人類駕駛還是要隨時注意路況，並在緊急情況下隨時接管。讀者可參考下文來理解這些特斯拉事故背後可能的原因。2) 城市低速自駕遠比高速公路快速自駕困難。車輛的高低速控制並不是問題，主要的挑戰是城市多樣多變的交通狀況、感知系統的精準度與控制策略的複雜與合宜度。
雖然特斯拉堅信以深度學習來處理相機的數據已經足夠產出高速公路與城市自駕所需要的感知能力，但多數的自駕團隊還是把光達當作自駕車感測器主力之一，其中 Waymo 已經在多個城市中驗證全自駕系統的效能與安全性，但特斯拉的系統目前還是無法有效在城市中使用。目前自駕車採用光達的障礙主要是其成本太高，以及硬體或不能滿足車規要求。雷達在這自駕車感測器之戰中，似乎不受重視或只是淪為配角，但其全天候均可使用的特性，與未來更高解析度、立體的新雷達或許會讓整個戰局改觀。由於這些感測器具有不同的特性，與其說是互相競爭，倒不如說是互補的。基於安全性的考量下，未來的自駕車產品應不會摒棄任一有效的感測器。先前以相機為主要感測器的 Mobileye 公司亦開始研發與使用光達。對自駕車這個安全第一的系統而言，使用所有有效的感測器或許是必然的方向。
問題五：我們應該要學什麼才能做自駕車？
前面我們說做好自駕車必須好好整合車輛系統與資通訊技術，但是這並不是意味著我們這些都要學才能做好自駕車，畢竟全世界也沒有幾個人能同時擁有這麼多的知識與技能。
你如果對資訊工程有興趣，程式語言、演算法、線性代數、機器人學、電腦視覺、人工智慧、機器學習、軟體工程的課程都很有用。你如果對電機工程有興趣，除了與資訊工程相似的課程外，控制理論、最佳化理論、系統工程、半導體、通訊等學科亦在自駕車系統中扮演重要角色。當然也可以在機械工程、車輛工程中，學到車輛系統與車輛控制的專業。
除了培養專業知識外，學會與不同領域專家一同打造一個(自駕車)系統的態度與方法也是非常重要。跟同學一起完成作業，在社團裡跟不同科系的人一起完成一件任務，或是在企業裡參與暑期實習應該都能幫助你建立這些能力。
結語
這裏我們很簡要的介紹自駕車的核心技術。台灣這幾年將有好幾個自駕車的實證計畫在各地實施，大家應該有機會搭乘體驗。也歡迎大家在我的 YouTube 頻道或是 Medium 關注我們團隊的進展。
我們或許很難預測革命式的技術創造，但可以保持一顆開放的心來了解、接受新科技與新方法，一起以積極的方式來創造未來、迎向未來。
瀏覽 1,420 次
