專家傳真－克服自駕車技術發展挑戰 加速啓動智慧生活新時代

工研院的自駕車結合高精度3D動態地圖、深度學習感知系統等，並研發整合系統，可望滿足未來商用需求。圖／工研院提供

根據Frost市調公司資料顯示，2025年約有1/4的新車爲以 Level 2（指駕駛者主要控制車輛，但系統能對汽車進行部份自動駕駛功能）爲主的自駕車。波士頓顧問公司預估2025年自駕車市場產值將達420億美元、2035年自駕車將佔汽車銷售的25％。各國看好自駕車發展前景，競相投入開發自駕車，加速智慧駕駛發展。

然而當前自駕車在技術發展，必須要克服的挑戰還不少。包括如何提升感測器靈敏與感知可靠度、強化適應多元氣候的系統穩定性、克服國際習慣差異性、進行大規模量產等課題等。

首先，城市環境裡有各式車輛、建築物、行人、貓狗、紅綠燈與交通標誌等多種物件，自駕車行駛時需要感測與辨識的物件較多，相對地駕駛策略也較複雜。但目前感知系統還無法完全保證在市區環境中的感測感知準確度，雖然透過機器學習與深度學習已經大幅改善現有系統效能，但現今的AI人工智慧系統還無法完美完成自駕車中所有的感知任務，因此會面臨到都市環境不同下，感測靈敏度與感知可靠度不夠好的挑戰。因此，自駕車感知系統不應只靠單一技術來達成，而必須巧妙結合各種方法，確保行車安全。同時感知系統不應只依賴單一感測器，而應搭配雷達、相機與光達等，來確保感知系統正常運作與功能安全。

同時，人在道路駕駛汽車時，也會因應天氣變化，有不同的駕駛策略。自駕車亦是。當遇到下雨或下雪時，感測器所測量到的資料會不準確、也容易失靈。所以開發自駕車時，必須設法在惡劣的天氣環境，融合不同的感測器技術，相互確保行駛安全，讓自駕車在嚴苛天候中，也能穩定在多元氣候中行駛。

除上述情形，由於各國道路駕駛習慣不同也會增加挑戰。舉例來說，像美國路寬、交通順暢，自駕車較好開，但臺灣地狹人稠、交通擁擠，汽機車與行人混流，汽車就相對難開。因此，自駕車不僅要計算各種道路環境的變化，還需要適應各國用路習慣，所以開發自駕車時，還必須針對「國際間駕駛習慣與交通文化差異性」客製化，以利讓自駕車能在所有道路上順利上路。

最後，很多人以爲只要完成一輛自駕車，接下來要做十輛自駕車就很容易，但兩者的難度不同，譬如只有一輛自駕車時，把控制參數調好即可上路，但變成十輛車時，儘管每輛車的外觀都相同，但車體仍有些微差異，就可能會使車上的感測器位置偏差，而影響自駕決策結果，因此自駕車在大規模量產時，也需要花更多時間與功夫來重新調校參數，才能成功邁向量產。

基於上述挑戰，工研院希望能開發克服「因應都市環境不同，提升感測器靈敏與感知可靠度」、「適應多元氣候的穩定性」、「克服國際間駕駛習慣與交通文化差異性」、「大規模量產」的自駕車，以研發出能實際上路的自駕車。因此，工研院的自駕車結合高精度3D動態地圖、精準定位與地圖建構技術、使用機器與深度學習之感知系統、以及光達雷達相機之數據感知融合，協助感知更靈敏與精準，以及即使在大雨、容易訊號中斷的地下室，也能暢行無阻的系統。同時，工研院研發的「自駕車整合系統」，可以快速安裝至各型車款，適用於小貨卡、轎車、休旅車、巴士、大卡車等，能滿足未來的自駕車商用上的不同應用需求。

自駕車要商用的關鍵，須在開放的真實道路測試，才能驗證及增進自駕車功能、以利加速商轉。工研院已與新竹市政府合作開發自駕車，在無交通管制的南寮漁港試運行自駕車，透過行駛於汽機車、腳踏車、行人混流的道路進行測試，蒐集自駕車在真實道路的資訊與臺灣的駕駛習慣；並與臺中市政府合作，在水湳場域測試自動駕駛巴士。同時，也和物流業者合作，試行物流服務，加速實際落地的服務模式發展。工研院擘畫「2030技術發展策略與藍圖」，致力開發自駕車，帶動臺灣自駕車產業鏈發展，協助臺灣駛向智慧生活。