跳到主要內容

科技大觀園商標

分類項目
Menu

讓「自駕車」全自動還有多遠的路要走?專訪國立臺北科技大學車輛工程系教授陳柏全

112/03/30 瀏覽次數 1116
圖一:車輛要「智慧」,不能只靠自己,更需要仰靠「智慧道路」與「車聯網」的協助。(影像來源:shutterstock)

圖一:車輛要「智慧」,不能只靠自己,更需要仰靠「智慧道路」與「車聯網」的協助。(影像來源:shutterstock)

近幾年汽車產業最受矚目的技術,莫過於有如科幻設定的「自動駕駛」。隨著近年來電子零組件硬體如感知的鏡頭光達(Lidar)、定位晶片更加輕量化與精確,以及相關軟體如決策控制演算法、人機與車聯網系統整合,諸多技術也進展飛快。本次科技大觀園專訪現任國立臺北科技大學車輛工程學系教授暨車輛科技研發中心主任陳柏全,為我們解答現行的技術,離真正的「自駕車」還有多長的路要走?

「現階段的技術,離想像中的『自駕車』還有好一段距離。」陳柏全強調,現階段的技術離科幻片中無視環境變化、隨處皆可達的自駕車還太過遙遠。根據美國汽車工程師學會(SAE ,Society of Automotive Engineers )對自駕程度的分級,目前市面上的產品多集中在第一級與第二級,可提供某些自動化功能,如現在常見的先進駕駛輔助系統(ADAS, Advanced Driver Assistance Systems);在某些受限的場景中如高速公路塞車、時速在 60 公里以下時可達到接近第三級的全程自駕操控;現階段最先進的,還有第四級試營運階段的自駕計程車車隊,是在有高精地圖圖資與訓練過的限定路線、時間與場景中運行。

車子智慧還不夠,還需智慧道路與車聯網配合

任何技術在應用到講求高安全性的市場上,都需要層層的驗證。而最關鍵的一點則是,車輛要「智慧」,不能只靠自己,更需要仰靠「智慧道路」與「車聯網」的協助,因此專為自駕車設計的道路系統非常重要。「像是紅綠燈是為人設計的,在不同的光線情況下會有所變化,對自駕車來說就很難判讀,」陳柏全表示。

「即使開發成功,自駕車的開車模式跟人類也會有一點差異。」陳柏全分享,雖然在科幻場景與各種想像中,自駕車開車的效率可以更快更好,但實際上如果在陌生環境中駕駛,比如說開車從臺北到淡水有複雜環境的路線,自駕車抵達目的地的時間可能會遠比人開車來的慢上許多。「人開車比較會去冒驗,但(為了安全起見)自駕車不允許冒險,」陳柏全分析。

近期陳柏全實驗室工作一大令人興奮的進展,就是團隊開發的車道維持輔助系統(LKA, Lane Keeping Assist )演算法,被業界應用於電動大巴。車道維持輔助系統可以依據影像判讀與車道線的距離,加上本車動態預估,根據偏離車道時間(TLC, Time-to-Lane-Crossing),在即將偏離時介入轉向控制,提供方向盤轉動的扭矩。陳柏全分享,參考人類開車的邏輯所設計的車道維持輔助系統,就可以減緩搖晃程度、讓乘客比較舒適。

AI 人工智慧目前最普遍用於處理自駕車的「感知」

自駕車的關鍵功能模組可以區分為定位、環境感知、路徑規劃、決策控制四塊,而談及最近最火熱的人工智慧應用,陳柏全表示相關的應用最普遍用於處理「感知」,如分析鏡頭或是光達的資訊進行物件辨識,這方面的技術已經相對成熟。如前述的車道維持輔助系統,在影像的部分就有使用到人工智慧協助判讀。而目前在「決策與控制」的模組仍在熱烈發展中,採用人工智慧技術是相當熱門的選擇,但其可靠性仍存在許多爭論。

全自動的自駕車不會很快出現,近期自駕車技術將通往何方?隨著近幾年大量的投入與試誤,陳柏全觀察,相關的技術研發將開始進入收斂階段,預估將逐步轉向整合現有的先進駕駛輔助系統、提升現有的性能,繼續往第三級與第四級的自駕應用邁進,這也是臺灣現階段相關研發的重點之一。

資料來源

●    採訪國立臺北科技大學車輛工程系教授陳柏全

創用 CC 授權條款 姓名標示─非商業性─禁止改作

本著作係採用 創用 CC 姓名標示─非商業性─禁止改作 3.0 台灣 授權條款 授權.

本授權條款允許使用者重製、散布、傳輸著作,但不得為商業目的之使用,亦不得修改該著作。 使用時必須按照著作人指定的方式表彰其姓名。
閱讀授權標章授權條款法律文字

OPEN
回頂部