【國產物流自駕車關鍵人物：工研院機械 - 價格

原文連結：
https://www.ithome.com.tw/news/148050

原文內容：
【國產物流自駕車關鍵人物：工研院機械所數位長王傑智 】上路關鍵是在地化，這輛自
駕車能模仿臺灣人開車習性

工研院機械所研發的自駕車不只能讀懂臺灣駕駛習慣，讓自己開車像當地人，還能靠在地
化高精地圖避開三寶雷區。

最近有個第一人稱視角拍攝的自駕車影片在網路爆紅，一輛工研院國產自駕車在交通繁忙
新竹市區及大街小巷中行駛，片中不時可見凌亂的紅綠燈位置、違停併排車輛、人車爭道
，還有從小巷竄出的機車、走在車道上的路人，這是國外看不到的複雜交通景象，是臺灣
獨有的交通特色。但面對這些挑戰，這輛自駕車依然在沒有人為介入的情況下跑完全程，
「你可以請Waymo自駕車到新竹來試開看看。」工研院機械所數位長王傑智自豪地說。

影片中的自駕車行駛路線，正是這次新竹物流自駕物流實驗路線。為了具備有這樣的市區
自駕能力，王傑智和工研院機械所自駕車團隊花了3年多，持續在臺灣各種道路上磨練精
進車輛自駕技術，才讓片中的自駕車練就一身開車技術的好本領。

除了送貨自駕貨車，王傑智和自駕車團隊目前正在打造一套自駕系統，可供35噸重的大型
聯結車做自駕使用，這輛自駕聯結車不論重量或身型都比一般貨車高大許多，對於這項新
挑戰，王傑智只簡單回答： 「做就對了。」

身為臺灣國產自駕系統研發重要核心人物，王傑智長久以來主打的訴求，就是不論任何車
型都能改裝成自駕車，從小貨車、轎車、休旅車，到大卡車、傳統柴油巴士都難不倒他。
他經手的自駕車數量，從一開始只有3輛車，到現在發展10多輛自駕車，每部自駕車的改
造及其搭載的國產自駕決策系統，全都由工研院機械所自駕車團隊一手包辦。

為了讓自駕車能夠適應各種路況，測試團隊不只在封閉場域做訓練，更把握各種實證場域
不斷練兵來精進自駕車技術，迄今已經能夠做到特定開放場域全自駕。像是他們研發的自
駕車在新竹南寮漁港的路上，已經足足開了兩年，不分天候、時段鍛鍊提升國產自駕系統
能力，後來更將這套自駕系統，裝進一輛柴油巴士改裝的自駕大巴，行駛在臺中水湳的開
放道路上，學習應對混合車流的情境。這些年來，累積自駕里程超過六千公里。

如果將90-90法則套用到自駕車發展上，也就是IT界或軟體圈常聽到的「90%程式要花費團
隊90%的開發時間，剩下10%要再花費相同時間來開發」，王傑智自評，工研院機械所自駕
車團隊現在不只從0分到90分，還從90分進步到91分，「雖然只是增加1分，這已經相當厲
害，代表持續進步。」他這樣說。

在接下來一年當中，工研院機械所自駕車團隊將以2輛克萊斯勒Pacifica改裝的自駕物流
車和一輛5噸重的堅達自駕貨車，在全長約1.9公里市區道路上，配送貨物往返新竹物流兩
個營業所。雖然是行駛固定路線，但自駕地點不僅緊鄰火車站，距離竹科也不到5公里遠
， 測試時段不只安排了上下午， 還有半夜凌晨時段，這也意味著，會遭遇到上、下班人
車潮的考驗。

不過，王傑智一點也不擔心，對於他們的自駕車很有信心，甚至他很早就開始布局，透過
各種方式，讓這套自駕決策系統逐步適應臺灣本土的交通特色與駕駛行為。

克服背景複雜的紅綠燈辨識有一套

紅綠燈就是其中一個例子。紅綠燈辨識一直是自駕車上路的挑戰，在臺灣更是如此，需要
克服各種複雜背景下的紅綠燈、夜間號誌辨識的考驗，但工研院機械所自駕車遇到紅綠燈
時，卻一點也沒有這個問題，不論紅綠燈擺放位置遠近、數量多寡，周圍背景有多複雜，
也不分白天或夜間，都能夠處理得宜。

王傑智解釋，最主要的原因是，團隊不只用了一套紅綠燈辨識技術，而是採用複合方式來
確保交通號誌判別正確性。例如在紅綠燈辨識系統上，底層雖採用深度學習技術，但自駕
車決策時還會搭配高精地圖來看，從拍攝照片比對車上相機位置和每個紅綠燈的幾何關係
，來推算出紅綠燈在照片上的相對位置，來縮小檢測範圍，甚至還會結合時間訊息，只要
加入基本邏輯判斷，自駕車就能知道其他角度的號誌應該亮紅燈或綠燈，現在可以左轉或
右轉。「我們光是紅綠燈辨識就有很多層」，他說，針對紅綠燈辨識，除了有強化深度學
習分析模型，還會將所有可用的空間幾何、時間的訊息放進來，加強整個系統的穩定度和
正確性。

不只應付靜態的交通，工研院機械所自駕車的厲害之處，在於遇到各種動態的交通狀況也
能迅速反應。以臺灣道路上常見的「多事件同時發生」的情況為例，王傑智表示，當自駕
車遇到這種情況時，可以慢下來等待，也可以選擇繞開，這時候，自駕決策系統根據感知
系統偵測和追蹤到多個事件時，就會從可能影響的行駛路徑中，找出所有可能的解決方式
，再從這些解法中，挑出一個最安全且合理的方法來執行，讓自駕車避開這些事件。

他強調，最重要的是，要能迅速找到一個安全解法，而且是附近的人都可接受的合理方式
。這不是一件容易的事，需要靠融合傳統和新式作法，反覆提高自駕系統的決策能力，才
有辦法做到。

甚至遇到開車爭道，誰該禮讓誰的問題，自駕車團隊也有設計一套處置方式，來傳達出自
駕車要卡位或讓位的訊息，例如緩慢一步步逼進，讓對方知道你的車要先過，或是知道安
全情況下表現毫不畏懼快速通過，就像當地人自己在開車那樣。為了設計出能夠貼近在地
化的開車行為，他們會將一些原本人類駕駛習慣的行為轉換為規則，放進自駕決策系統中
，也有結合行為樹（Behavior Tree）決策，根據每個地方路況需求調整參數，進而讓自
駕車表現更在地化，「到目前為止，我們自駕車只要表現兇一點，對方就會禮讓」他滿意
的說。在他眼中，這套國產自駕車系統越來越像是一位道地的臺灣人。

高精地圖也要在地化，幫助自駕車避開三寶雷區

不只讀懂臺灣駕駛習慣，自駕車團隊也會透過車上裝的高精地圖，來讓自駕車可以避開一
些開車雷區，比如三寶區，常有行人穿越馬路或出現違停車，工程師就會將這些資訊標示
於高精地圖上，車輛行經時會主動加強對這個區域的人車進行追蹤，來確保行駛安全。

在規畫路徑時，自駕車也會根據地圖上需要留意的資訊，安排較少人穿越的道路來開，甚
至還沒開到違停路段前，自駕車自己會先預設前方車道可能有違停車，於是選擇改走內側
車道，而不走外側道。「這在一般高精地圖上看不到，可是車開久了，人類駕駛會知道當
地人習性，將這些在地化資訊考慮進來，自駕車開起來才會更順。」他表示。

正因為自駕車每到一個新場地練習時，工研院機械所自駕車團隊第一件事，就是建置高精
地圖，這些年來，自駕車團隊發展出一套低成本且快速建置的作法，像是建立點雲地圖時
，有結合不少演算法和自動化工具，來縮短地圖繪製所需的人力和時間，還利用AI等各種
自動化工具標記語意地圖上的輔助資訊，如開車規則、紅綠燈位置，然後以人工進行確認
，也會結合其他工具修正錯誤，提高地圖精度。

王傑智表示，這樣做的好處是，不只能更快建好地圖，而且成本相對低廉，跟一臺動輒1
～2千萬元的高精密測量儀器設備相比，自駕車團隊只用十分之一價格的設備，就能繪製
出相同高品質的地圖，同樣可提供公分等級的精度。

將虛擬的動態交通狀況疊加到真實道路，測試自駕車決策系統的臨場反應

當自駕車遇到一些從沒看過或罕見的路況時，測試團隊也會結合虛實混合技術，來加強這
方面的訓練，除了在虛擬世界產生類似交通情境來加以驗證，還會將這些虛擬的動態交通
狀況放進實體環境中來測試，如同透過手機螢幕看到眼前的虛擬寶可夢出現， 他們也把
這些虛擬狀況疊加到真實道路上，用來測試實體自駕車的臨場反應，能否做出對應的處置
。在這次物流自駕實驗中，自駕車團隊就有使用自駕車數位分身，在新竹市道路的數位分
身中來進行自駕車行為決策的驗證。

不過，王傑智也表示，在模擬環境訓練完的自駕車數位分身，要使用在真實環境的自駕車
上，需考慮到虛擬與真實世界的差距，尤其，想要模擬出一個高擬真的感知系統，目前仍
十分困難。這也是為何他們建立自駕車數位分身時，先以自駕決策系統的數位分身來驗證
，而沒有使用感知系統的數位分身。

3年多來全心投入專研自駕車技術，儘管已經和自駕車團隊打造出了10多臺國產自駕車，
王傑智認為還有努力的空間，跟自己原先預期的數百臺仍有差距，即使如此，他仍持審慎
樂觀的態度，「雖然這件事不容易成，我還是會努力來達成」他堅定的說。

心得/說明：(30字以上)
讓自駕車去學習台灣人的開車習性會不會最後變成AI三寶啊
現在連自駕車在台灣的道路行駛都要比兇的

--