[ 前言 ]

小弟我並沒有自駕車領域的工作經驗，以下只是#我的觀察啦。希望讀者能藉此略懂自駕車，有錯的地方歡迎指正。

此文章的架構為 Why-What-How 的三大段落：

• Why - 為什麼自駕車很重要呢
• What - 什麼是自駕車
• How - 自駕車是如何運作的

那麼開始吧，GoGoGo！

[ 為什麼自駕車很重要呢 ]

主要有三個原因，因為：

• 自駕車可以救大家的命
• 自駕車可以節省大家的時間
• 自駕車可以賺好多好多錢

自駕車可以救大家的命

以下這些不良的駕駛行為造成的車禍傷亡將在自駕車普及後消失，像是 技術不好的人：初學者、反應較慢的老人、女...（ Mymy 已被 WomanTalk 板隔空水桶 ），或是 分心的駕駛行為：玩手機、打噴嚏、酒駕等。總之下面極度政治不正確的圖片以後可能無法在 PTT 車禍文章中的推文見到了。

（ Photo Credit: 三寶飯 ）

事實上，Google 創辦人施密特就曾經說人們根本就不該開車，電腦應該比車子更早發明。當然，以 Google 研發多年自駕車的立場來說，這段言論是再正確不過了。

（ Photo Credit: AZQuotes ）

自駕車可以節省大家的時間

如何省時呢？

• 減少塞車
• 利用開車時間

如何減少塞車呢？自駕車減少車禍必然能減少塞車，但更多的塞車是因為駕駛煞車時產生的衝擊波造成的。看下面這段影片就可以了解大概的原理。這實驗本來是希望大家在圓圈裡等速地開車，但只要有一個人（ 一顆鼠屎 ）踩了不必要的煞車，圓圈就開始塞車了。

詳細的理論我不多做介紹了，有興趣的可以看下面的兩篇文章：

• 塞車：看不見的時間小偷
• 我們能否杜絕「塞車幽靈」？

想像一下在未來車聯網的時代，每一輛汽車都知道周圍有哪些車輛和這些車輛的車速，當駕駛知道前方遠處的車輛減速時，就可以透過自動駕駛放鬆油門慢慢減速，減少衝擊波的傳遞來避免塞車。

如何利用開車時間呢？基本上以後不用開車了，駕駛的這段時間你都能好好利用，還保有隱私呢！只要好好發揮人們懶惰的天性和情慾流動的本能，想像力就會是你的超能力。如下示意圖。

（ 上班睡過頭 - Photo Credit: Her Campus Media ）

（ 我倆惺惺相惜 - Photo Credit: 壹週刊 ）

自駕車可以賺好多好多錢

為什麼可以賺好多錢呢？在 2012 年時，因為駕駛輔助的裝置開始受到各國法律的重視，像是行車紀錄器、胎壓偵測或是防撞偵測的設備，IC 產業的分析公司 IC Market 就預測車用電子（ Auto ）會是通訊電子（ Comm ）後成長率第二高的產業。如下圖。這些駕駛輔助的車用電子即是自駕車發展的重要基礎設備。

（ Photo Credit: IC Market ）

如今到了 2016 年，IC Market 預估的車用電子成長率（ 10.3% ）已經超越通訊電子成長率（ 4.8% ）了，僅次於 IoT 成長率（ 13.3% ）。是的，沒錯！目前手機市場已經開始飽和了，所以現在很多公司都轉往開發車用電子的市場，一些車用電子相關的股票都漲不停。

（ Photo Credit: IC Market ）

簡單來說：手機和 PC 市場已飽和，快沒搞頭了 -> 許多公司們的未來必須靠車用電子了 -> 自駕車剛好是個能集車用電子於大成的酷炫好題目呢！

因此各家廠商從車用電子的軟體端到硬體端，不論軟體廠、系統廠、晶片廠、車廠，都開始積極投入資源開發自駕車，因為真的可以賺好多好多錢。下圖列出幾家代表性的廠商。

（ Photo Credit: CB Insights ）

簡單舉例一下其中代表性的幾家近期做了啥：

• Apple - 2014 年就開始名為 Taitan 的自駕車計畫，因發展方向一直不大明確，團隊成員相繼出走。最近據傳在瑞士祕密實驗室招聘研究員，低調開發自動駕駛技術。

• Audi、BMW、Daimler - 2015 年聯手買下 HERE Map，為研發自動駕駛技術鋪路。

• Google - 最早開始，也是目前技術最領先的。但隨著競爭對手變多、遲遲未商業化、CTO Chris Urmson 離職，讓外界開始有 Google 將在自動駕駛車領域落後的聲音，不過 Google 馬上用降低 Lidar 成本的關鍵突破打臉各方的質疑。

• Mobileye - 透過影像辨識開發防撞系統聞名的公司，目前各車廠的 ADAS（ Advanced Driver Assistance Systems ）幾乎都是跟它合作。2016 年與 Intel、BMW 結盟開發自駕車，2017 年就被 Intel 收購了。

• Nvidia - 因為自動駕駛的技術需要高速運算，所以以 GPU 高速運算聞名的 Nvidia 也來分一杯羹。在 2016 年的 CES 展推出了給自駕車裝載的超級電腦，用 GPU 加速 Deep Learning 的運算（ 目前許多自駕相關的技術都用到 Deep Learning ）。2016 年底，Tesla 推出的車款就是使用此硬體架構。

• Tesla - 2016 年 7 月時結束了與 Mobileye 合作開發自駕車的關係。同年 10 月轉向與 Nvidia 合作。

• Uber - 本來也想買 Here Map 的，但敵不過車廠們的合作。近期在亞利桑那州的自駕車發生車禍，加上被控盜取 Waymo 自駕車技術，前景堪憂。

從 2016、2017 年的消費電子展（ Consumer Electronics Show，CES ），就可以看出各家廠商對於自駕車市場有多麼看重。有興趣可以參考下面幾則新聞：

• 2016 CES 展全球車廠精銳盡出，無人駕駛與新能源車為最大趨勢
• CES 2017 擘劃後自駕車時代藍圖，發展關鍵在法規而非技術
• 2017 年 CES 五大主流：VR、自駕車、穿戴裝置、AI、IoT
• CES 2017自動駕駛車起飛，台灣車聯網的機會在哪裡？
• Here's why self-driving cars took center stage at CES

[ 什麼是自駕車 ]

講完自駕車重要的原因後，來談談到底什麼是自駕車吧。先來看看 Wikipedia 對自駕車的定義。

“An autonomous car ( driverless car, self-driving car, robotic car ) is a vehicle that is capable of sensing its environment and navigating without human input.” – Wikipedia

蒟篛一下：自駕車、無人車、或是機器車，是一種可以 感知環境 和 駕駛時不需人類操作 的車輛。

自駕車如何感知環境

主要是用以下的電子設備：

• Radar - 用 Radio 來針測物體方位、距離和速度。主要拿來防撞。

• Lidar - Radar 是用 Radio，Lidar 是用 Laser，可以更精準且範圍更廣（ 大概 100 公尺 ）的測量物體的方位、角度、距離。主要拿來建超精細的 3D Map。

• Camera - 負責電腦視覺處理，辨識行人、交通號誌、物體距離、道路白線。

• Ultrasonic Sensor - 用聲波針測物體方位、距離和速度，拿來防撞和偵測停車空間。

• GPS - 用來定位，缺點是有誤差。

自動駕駛時不需什麼人為操作

自駕時有三個項目可以不需要人為操作：

• 加速
• 煞車
• 方向盤

不需操作的項目愈多，人為的介入愈少，代表自駕車的等級愈高。以下會詳細介紹怎麼將自駕車作等級分類。

SAE 自駕車等級分類表

SAE（ Society of Automotive Engineers ）International 美國汽車工程師協會針對不同自動駕駛的程度，分成 0~5 的等級，等級愈高自駕的程度愈高，但也愈難達成。如下圖。

（ Photo Credit: SAE International ）

事實上上面這張圖已經超詳細了（ 字太多又英文大家一定懶得看 ），但為了方便解釋我用白話整理成下表。

由左到右是 0~5 的自駕車等級，各個 Level 的重點如下：

• Level 0：沒有自駕、但會警告。舉例來說，裝有 Mobileye 的車子，車內會有螢幕顯示車道偏離警示（ Lane Departure Warning ）和前方碰撞警示（ Forward Collision Warning ）。此種車就是落在這個 Level。

• Level 1：加減速、轉向一次一個。例如 Mobileye 針測到障礙物時自動煞車，或是針測到偏離車道時幫你調整方向盤。現在很多跟 Mobileye 合作的車廠就是這類型。

• Level 2：加減速、轉向一次多個。至少有兩項控制能階調地自動化，例如一邊跟前車保持等速，又一邊維持在車道內。

• Level 3： 一些情境下，可以完全不用人為操作，例如高速公路。不過現在搭載 Hardware-1 的 Tesla 在高速公路上使用 Autopilot 駕駛時還不能全程放手（ 要放手當然也是可以，但 Tesla 有免責聲明呦 ），如果能放手做自己想做的事，就符合 Level 3，目前姑且稱它 Level 2.5 吧。（ 事實上在 2016 年底 Tesla 跟 Nvidia 合作推出了新的硬體架構 Hardware-2，目標是在 2017 年底推出 Level 4~5 的全自駕技術。礙於版面配置和後段解說方便，Tesla 晚輩你就先在此文章待在 Level 2~3 好好反省吧，未來是你的！ ）

• Level 4：除了一些特殊情境自駕車開不了，例如：大雨、下雪、強光、沒有超精細的 Map（ 後面會提 ）的地方，或是後面的警察叫你停下來，其它狀況此 Level 的自駕車都可以 Carry。

• Level 5：Level 5 的車，駕駛要在車上做什麼都行（ >///< ），車上也沒有方向盤。這也是 Google 的最終目標。

[ 自駕車是如何運作的 ]

自駕車大概是怎麼運作的呢，以下將用上段 Level 表中提到的公司：Mobileye、Tesla、Google，從 Level 0~5 逐一介紹。

後裝市場的 Mobileye - Level 0

（ Photo Credit: Mobileye、Mazda 5 ）

先從裝載 Mobileye 的 Level 0 自駕車來解釋。賣出去的車，裝上 Mobileye Sensor - EyeQ Camera 的影像辨識處理器，再加上 EyeWatch 警報器，就可以完成下圖的警報功能：

（ Photo Credit: Mobileye ）

• 前車碰撞警報 - 提醒駕駛踩煞車
• 車道偏移警報 - 提醒轉方向盤
• 高速公路監視警報 - 提醒離前車過遠，該加速了

雖然沒有自駕，需要人為操作，但有警報，所以符合 Level 0。

前裝市場的 Mobileye - Level 1

（ Photo Credit: Mobileye、Mazda 5、CarPlay ）

以下用 Mobileye 的前裝市場來解釋 Level 1。在汽車售出前，就會先裝好 Mobileye 的 Camera 作為 Sensor 或是別家廠商的 Camera，車裝主機再搭配 Mobileye 的影像辨識功能，就可以在影像辨識出不同狀況時，讓汽車自動加減速或轉方向盤。如下圖三種狀況：

（ Photo Credit: Mobileye ）

• 前車碰撞預防系統 - 影像辨識出快撞到前車了，汽車就自動減速
• 車道保持輔助系統 - 影像辨識出快偏離車道了，汽車就自動轉方向盤
• 車距控制巡航系統 - 影像辨識出離前車過遠，汽車就自動加速

但這個等級一次只能執行一個任務，沒辦法階段性的完成兩個任務。例如一邊開在車道又一邊開啟巡航系統，那是下一個等級 Level 2 做的事。

Tesla Autopilot - Level 2~3

下個等級，也就是 Tesla 目前的等級 Level 2.5（ 上述有提到要能在高速公路完全放手才算是 Level 3 ）。它的自駕輔助系統名字是 Autopilot，在 2016 年底前搭載 Hardware-1 的 Autopilot 主要有三個功能：Autosteer、Auto Lane Change、Autopark，每個功能都可以階段性的完成兩個功能以上，舉例來說：

• Autosteer - 可以一邊跟車，一邊保持在車道內。階段性的完成車距控制巡航系統（ Adaptive Cruise Control ）＋ 車道保持輔助系統（ Lane Keeping Assist ）。

• Auto Lane Change - 讓車子可以自動換道，又可以避免撞到旁車。使用旁側碰撞預防系統（ Side Collision Avoidance ）＋ 盲點偵測系統（ Blind Spot Detection ）。

• Autopark - 可以自動停車。使用停車區域偵測系統（ Parking Space Detection ）＋前/旁側碰撞預防系統（ Forward/Side Collision Avoidance ）。

此款 Autopilot 的這些功能除了自動停車以外，只能在高速公路上使用。能實現這些功能靠的是以下這些 Sensors：Radar、Camera、Ultrasonic Sensor。如下圖。

（ Photo Credit: Tesla ）

Tesla 的車頭裝著 Radar，可以針測前車的位置和速度，在定速巡航時可以避免撞到前車；擋風玻璃上裝著 Camera，可以做許多電腦視覺處理，像是辨識行人、交通號誌、物體距離、道路白線，此款 Camera 在 Hardware-1 架構下是買 Mobileye 作為 Solution（ 2016 年底後的 Hardware-2 架構則是跟 Nvidia 合作 ）；12 個超聲波的 Sensors 均勻的裝在汽車底部，針測範圍大概 5 公尺，主要是為了防撞，還有偵測盲點和停車位。

來看一下 Tesla 官方釋出的 Demo 影片吧！

影片幾個重點如下：

• 操作桿壓兩下就開啟 Autosteer 定速巡航
• 巡航時會跟著車道轉彎，不會偏移車道
• 想要換車道的話打個方向燈就好，Tesla 就會自動換道
• 超聲波會偵測停車空間，按下按鈕後就會自動停車

Google Waymo - Level 4~5

介紹完 Tesla 後，再來介紹一下目標最遠大，想做全自動駕駛車的 Google。其自駕車名稱為 Waymo，因 Google 日前將自駕車部門拆分出來成立了獨立公司。

想做到這類型的自駕車，主要需要以下功能：

• 超精細的 Map - 只有現今 Google Map 的資訊對於全自動駕駛車是完全不夠的，地圖必須精細到清楚市區上的道路、十字路口、斑馬線有多寬，還要知道紅綠燈、交通號誌、人行道、消防栓在哪，以及他們的高度等等。

（ Photo Credit: Google ）

• 精準的定位系統 - 有了精細的地圖，還必須搭配精準的定位系統，才能讓自駕車無誤差地行駛在一般道路上。另外因為 GPS 有誤差，無法確切的知道車子現在在哪個線道，此精準定位系統必須搭配其它 Sensor 幫忙。

• 物體偵測和辨識 - 一般道路上相對於高速公路會碰到更多的障礙物，像是行人、機車、汽車、腳踏車，還有動物，還要知道什麼時候紅燈，什麼時候綠燈等等，這些都需要物體偵測和辨識的功能。

• 路徑規劃 - 單單只有讓車子維持在白線內是完全不夠用的，例如遇到坑洞、路障、道路施工的時候要繞開，或是提早閃避要開門的汽車。

再來看一下實現這些功能 Waymo 需要裝哪些 Sensor 吧！

（ Photo Credit: WIRED ）

• Lidar - Waymo 跟 Tesla 最主要的差別是在於 Waymo 車頂裝了 Lidar。除了可以幫忙建超精細的 3D Map 外，還可以感應到方圓 100 公尺內物體的方位、角度、距離。

• Video Cameras - 因為有超精細的 3D Map，所以 Camera 不太需要偵測道路白線，主要用來辨識紅綠燈和輔助其它 Lidar 做不到的事。

• Radar Sensors - 偵測障礙物以及避免碰撞。

• Central Computer - 分析所有 Sensors 傳過來的 Input，規劃出要走的路徑和決定自駕車方向盤轉向、加減速。

• Odometry Sensors - 輔助 GPS 的側距 Sensors，讓汽車能更精準的定位在超精細的 3D Map 上

• Ultrasonic Sensors - 盲點偵測以及停車位偵測。

• GPS - 結合轉速計、測高儀、迴轉儀的資訊來提供更精準的定位。

這些 Sensor 中，最貴的就是車頂上的 Lidar，最貴可以到 8000 美金（ ~= 4856份營養午餐 ）。

大家目前比較有印象的應該是下面這台原型車，車上裝的 Sensor 跟上一張圖差不多，主要的差別是原型車上沒有方向盤，因為目標是實現 Level 5 的全自動駕駛車。

（ Photo Credit: Waymo ）

一樣來看一下 Waymo 官方釋出的 Demo 影片吧！

影片幾個重點如下：

• 黑白不動的部分就是超精細的 Map，紫色就是透過 Lidar 偵測到的物體
• 辨識到路障時進行道路規劃然後閃避它
• 針測到路邊障礙物時進行道路規劃然後閃避它
• 辨識到鐵路柵欄時，小心翼翼地等前一台車離開後才繼續開
• 辨識到腳踏車和他的手勢時，調整車速並改變方向

Tesla vs Google

最後我們來比較一下搭載 Hardware-1 的 Tesla 和 Google Waymo。因為主要感知環境的方法不同，大家也把它看作是 Camera 和 Lidar 的輸贏。

• 自駕等級 - 自駕等級分別是 2~3 和 4~5。
• 超精細 Map - Tesla 沒有超精細 Map 而 Google Waymo 有，所以一個只能在高速公路使用，另一個已經能在一般道路上開。
• 主要的 Sensor - 感知環境的 Sensor 主要是 Camera 和 Lidar。
• Sensor 的花費 - Lidar 目前非常貴，而且 Waymo 還需要額外的定位 Sensor。
• Sensors 感應半徑 - 讓汽車前後左右都能感知環境，Tesla 前面是靠 Camera，但左右和後面是透過超聲波，半徑只能到 5 公尺左右，而 Waymo Lidar 的半徑則能到 100 公尺左右。
• Sensor 解析度 - Camera 的解析度很高，而 Lidar 出來的影像雖然是 3D 資訊，但解析度卻不高。
• CPU - Camera 的高解析度造成 Tesla 主機的 CPU 在解析 Camera 影像時會需要更大的運算量。

光看這樣好像會覺得 Google Waymo 的解法除了 Lidar 比較貴無法接受以外（ 最近 Lidar 還降低成本了呢 ），根本大勝！但 Google Waymo 目前還無法推行有一個很大的原因，因為建立超精細的 3D Map 非常耗時，維護也需要很大的成本。

從前面的文章大家應該可以察覺到自駕車運用 Sensor 感知周遭環境一切事物的重要性，而我個人覺得 Sensor 想做的事跟獵人的高等應用技 < 圓 > 很像，在圓內可以感知一切物體的形狀和動作。

（ Photo Credit: HunterXHunter 要復刊了耶耶 ）

舉例來說，我認為目前 Hardware-1 的 Tesla 就是獵人裡的信長，而 Google Waymo 就是奇犽他爺爺。

（ Photo Credit: HunterXHunter 但結局還是燒給我嗚嗚 ）

[ 總結 ]

這篇文章主要是我 2016 年時的觀察，有些地方可能跟現今自駕車的產業有些出入，但畢竟這產業瞬息萬變，不只上述提到的大公司，許多新創小公司（ Drive.ai、Comma.ai、nuTomomy、OTTO ）也搶著擠進這還算藍海的產業。

五年後自駕車 Level 0~5 的排名有很大的機率就會打臉我上面整理的等級表，也許 Mobileye + Intel + BMW 會先實現全自動駕駛車，也許是 Tesla + Nvidia，也許依舊是 Google Waymo，其它公司都是快樂夥伴。Who knows！（ 曾經精準預測 AMD 大漲的 obov 倒是有在 PTT 留言開示 ）就繼續觀察下去吧！

總之希望觀察到這篇文章的讀者能略懂：

• Why - 為什麼自駕車很重要呢 - 救命、省時、賺大錢
• What - 什麼是自駕車 - 能感知環境、不需人類操作、有 0~5 個等級
• How - 自駕車是如何運作的 - 用 Sensor 偵測和辨識物體、決策加減速和轉向

有機會、有時間的話之後再聊聊：

• Deep Learning 為什麼在自駕車中扮演關鍵角色
• 自駕車產業目前和未來有什麼難題要克服
• 自駕車未來的商業模式

就這樣啦，以上只是我的觀察啦，掰！

關於作者：
@mymykuo 一個嘴賤但中肯、瑣事觀察系、跳嘻哈的偽陽光真宅軟體工程師