自動駕駛已成為科技產業勢不可擋的其中一項趨勢，各大汽車品牌及汽車電子元件供應商紛紛投入此一領域發展，其市場產值也持續上揚，根據研調機構BCG預測指出，2025年自動駕駛市場產值將達420億美元，而到了2035年自動駕駛車輛將占全球汽車銷量25%。
在市場發展如此蓬勃的情況下，自駕車技術逐漸成熟，搭載輔助駕駛功能的LV1及LV2車型已陸續上市，而車廠和汽車電子元件供應商仍然持續推動自駕車發展進程，致力在2019年開始，推出更多LV2甚至是LV3的車種。
LV1/LV2車款紛問世 車商開始朝L3全速邁進
瑞薩(Renesas)電子車用事業部市場行銷經理何吉哲(圖1)指出，目前市面上搭載先進駕駛輔助系統(ADAS)的車款，多處於LV1、LV2的階段，例如道路偏移警示系統(LDWS)、盲點偵測等功能是屬於LV1，而ACC自動巡航系統和自動煞車等應用則歸類於LV2。然而，在強化行車安全以及提升消費者體驗的驅動之下，車廠和一級供應商(Tier 1)一定會朝著越來越高的規格發展，也就是LV1會加速朝LV2升級，LV2的汽車則是想盡辦法升級到LV3，換言之，從2019年開始，LV2、LV3的車型將會逐漸增多。
NVIDIA業務協理蕭怡祺(圖2)則表示，自駕車發展已有一段時日，產業期待自駕車能從初期的研發轉為實際應用，因此紛紛朝LV2和LV3的車型進行量產規畫。同時自動駕駛的市場驅動因素仍有增無減，除了安全需求之外，例如東京奧運這類型國際性大型運動賽事，往往是車廠、汽車電子元件供應商展現實力的最佳場所，不論是日系、歐美或中國汽車品牌，都會希望在2020東京奧運上展現自駕車研發成果；因此，此一競爭態勢也成為加速自動駕駛發展的原因之一。
誠如上述，在LV1、LV2車款相繼量產後，各大汽車品牌也動作頻頻，發展LV3的車型。像是Toyota在2016~2021年投入10億美元在TRI發展AI，與Preferred Networks合作高精度圖資，採用NVIDIA新處理器，與Azure雲端運算平台，採用Keymeta衛星天線用於解決大量數據的下載。
或是VW在自動駕駛方面則與LG、NVIDIA等合作，期能在2021年推出具有人工智慧的自動駕駛，在2025年實現自駕計程車隊，2025年以後LV5的車型可以實際進入應用；又或是雷諾計劃在2019年Cilio、Espace車款達成LV2，2021年達到LV3，2022年達到LV4。
ADI大中華區汽車電子市場經理崔正昊認為，從市場落地角度來看，自動駕駛會率先在共用租車、商用車、特種車輛等有限應用場景條件車輛上實現。這些高度重視性能、對成本不敏感的產業市場，將帶動自動駕駛整體市場快速發展，推動技術成熟、硬體成本降低，最後在乘用車市場得以廣泛應用。
另外，隨著自動駕駛設備在工業和智慧農業領域的廣泛應用，如礦場的自卸卡車、農田中的自動駕駛拖拉機及無人機自動澆灌等，社會公眾對自動駕駛技術的恐懼心會逐漸消散，並逐步認可新技術給行車帶來安全和便利、提升社會效率，不用太久，越來越多人將樂於接受並踴躍嘗試自動駕駛技術。
邁向自動駕駛 感測融合不可或缺
眾所皆知，要實現自動駕駛，感測元件如毫米波雷達(Millimeter Wave Radar)、光達(LiDAR)和影像感測器(Camera)等皆不可或缺。何吉哲指出，目前已出廠的新車，越來越多的車款開始搭載ADAS功能，ADAS普及率和滲透率可說逐漸提高。不過，這是單指新車的部分，但在已上路的舊型車種上，大多數的車子仍未具備ADAS功能。然而要達到全自動駕駛目標，除了新出產的車型開始搭載ADAS功能外，舊型車款也應該要增添感測器，從輔助駕駛開始做起，再慢慢轉變成全自動駕駛。
然而，要實現自動駕駛，並不只是安裝感測器後便得以實現，更重要的是如何將各式感測器所收集到的資訊加以匯集並進行判斷，也就是實現所謂的「感測融合(Sensor Fusion)」。感測融合的概念意指同時匯集多顆感測器(相同類型或不同類型)的資訊，進行整合並由中央處理器進行判讀和運算後，做出更快、更好、更安全的車輛控制指令。
蕭怡祺說明，要達到自動駕駛，並且提高自駕車的安全性，需要大量的感測器，且每個感測器的性能也要相當強大，也就是感測器要能明確判斷出偵測到的物體為何(例如一隻貓、一輛腳踏車)，前端的處理須夠準確，接著再透過高效能的運算平台整合、分析感測器收集的大量資料；而要達到此一目標，不僅僅需要高運算能力的處理器，演算法也是另個不可或缺的關鍵利器。
因應此一需求，NVIDIA備有「NVIDIA DRIVE AGX Xavier」，該產品為專為自動化裝置設計的系統單晶片，提供30兆次運算(TOPS)的效能，但只消耗30瓦的電力，並整合了六個不同的處理器，以處理額外和多種不同的深度學習演算法，使自駕車產業得以大量生產，和立即進行測試。
此外，要使汽車達到LV3等級，或是更進一步的LV4、LV5，並不只是單靠一個具強運算效能的處理器就可達成，背後的演算法也是不可或缺。對此，NVIDIA也提供「NVIDIA DRIVE」應用軟體(包含NVIDIA AR、NVIDIA IX、NVIDIA AV等)，以支援融合感應器和認知等重要的自動駕駛功能，且此一開放式解決方案還包含程式庫、工具組、框架、開放原始碼套件和編譯器，供車輛製造商和供應商開發自動化和自駕車應用程式。
同時，擬真模擬也是自駕車實際上路前的重要試驗步驟，因此NVIDIA透過DRIVE Constellation方案在車輛上路前，先測試與驗證自駕平台功能。此一產品可模擬相機、雷達和光達，然後輸入到根據實際上路情況處理資料的DRIVE AGX Pegasus，產生多種自駕車測試情境的數十億英里道路，在部署前驗證硬體迴圈和應用軟體迴圈模擬。
何吉哲透露，因應自動駕駛發展，汽車上搭載的感測器種類越來越多；而感測融合的重點，便在於如何將感測器所收集到的資訊，快速的判斷、分析後，進而下指令給汽車的安全控制系統，讓汽車加速、減速、前進、後退、轉彎或是煞車等。換言之，感測融合的最主要目的是串接「感測」與「安全功能」。
例如奧迪A8的360度主動安全偵測系統(Pre Sense 360O Safety System)，當汽車時速達25km/h以上時，若側邊雷達偵測到有碰撞危險時，會在0.5秒內將撞擊面提高8公分，以車身底部結構較為安全的部位承受撞擊(而非車門)，以減少乘客或駕駛的撞擊損傷。
因應感測融合所需的高效能運算，瑞薩也備有R-Car H3處理器。該產品提供認知運算能力及強化的運算效能，可即時正確處理來自汽車感測器的大量資訊，並可讓系統製造商執行需要複雜處理的應用程式，例如障礙物偵測、駕駛人狀態辨識、危險預測，以及危險迴避。為進一步提升駕駛安全支援系統的速度，該產品亦符合ISO 26262(ASIL-B)汽車功能安全。
賽靈思(Xilinx)汽車事業部資深總監Willard Tu(圖3)則表示，智慧汽車的發展十分活躍，而目前大部分車輛都採用「分散式運算系統」，但最終將轉化為「集中式運算系統」。每家OEM可能都有不同的感測器配置組(攝影機、雷達、光達及超音波等)，一旦資料聚合起來，就能進行一定的預處理，在感測器將資料傳輸至中央控制單元中其他處理元素前，對其進行最佳化。
Willard Tu說明，在集中式運算解決方案中，所有感測器資料都聚合在中央節點上，而在這種情況下，All Programmable FPGA技術能顯著降低效能要求與系統成本，並能改變SoC的功能，讓其支援相互排斥的功能，例如駕駛監控與自動代客停車、全景低速和高速物體檢測等。
除此之外，OTA(Over The Air)晶片也扮演加速自動駕駛發展的關鍵角色。Willard Tu指出，目前OEM製造商要求所有ECU和感測器都必須做到OTA，也就是能支援「Over The Air」升級。由於ADAS仍在經歷創新的階段，每隔3到6個月就會有重大進步，而OTA晶片能夠最大限度地因應這種變更；其他系統採用固定的硬體方案只能進行軟體升級，但採用OTA晶片則能達到軟硬體的升級，為開發人員帶來更高的創新靈活性。
Willard Tu舉例，LV3或LV4的智慧車輛仍須要監控駕駛行為，某些情況下可能需要將控制權交還給駕駛，這就需要採用「駕駛監控」系統。當駕駛一旦離開車輛，車輛可以通過對軟硬體進行重新編程來改變運算SoC的功能，進而達到「自動代客」停車功能；而透過靈活的軟硬體功能，僅使用一個SoC，就可以落實這兩種操作，並降低效能需求，也減少熱管理需求及成本。
崔正昊則認為，自動駕駛進一步推動了車用感測器的融合，如今汽車裡整合了越來越多的感測器，讓不同的感測器之間融合，減少通訊損耗，提高回應速度，達到降低成本提升整體效率是未來發展趨勢。如何讓這些感測器融合良好並達到高效率則是業界關注的一大焦點問題(圖4)。
資料來源：ADI
崔正昊進一步說明，對於自動駕駛來說，視覺感測器可以實現對交通訊號、指示牌和路標的識別，但光線強弱、雨雪等惡劣天氣會嚴重影響其識別效果；毫米波雷達是現在熱門技術，但對特殊材質的反射及穿透力、系統雜訊等都限制其應用範圍；而超音波感測器成本低廉，然而目前技術可實現的探測範圍極為有限。而選擇何種組合、如何進行融合以形成高性能、低成本、差異化、系統級解決方案，在在考驗電子元件供應商的技術實現能力。
為此，ADI便推出Drive360技術平台，融合該公司旗下的毫米波雷達、光達和慣性量測單元(IMU)等產品組合，能可靠地檢測形狀更小、移動速度更快、距離更遠的物體(如摩托車、行人、動物等)，在自動駕駛汽車周圍打造一道360度保護屏障，全方位保護汽車和乘員安全。
安全/聯網/系統整合為自駕發展下階段挑戰
自動駕駛正蓬勃發展之中，如上述提到，在LV1、LV2車款紛紛問世之後，車廠和半導體業者皆致力加速打造LV3的智慧汽車，而這當中除了感測融合技術居於要角之外，聯網、功能安全和系統整合等也都是缺一不可。
Willard Tu表示，目前在自動駕駛方面，仍然有許多技術需要開發與部署，首先是V2X。須考慮5G能否解決相關問題？或者說專用短程通訊(DSRC)標準能否解決有關問題？另外，車載系統獲得的豐富資料對充分發揮雲端運算到邊緣運算(車輛)的優勢至關重要；又該是誰來承擔基礎架構部署的費用？假設整個產業都採用5G技術，或許問題較容易解決，因為電信公司肯定要支付5G部署費用。
其次是功能安全性，例如髒鏡頭檢測等。假如攝影機被髒污遮擋，導致其無法正常運作，在這種情況下，汽車製造商須通知駕駛。或是假設倒車時自動緊急煞車功能不能正常運作，駕駛須更依靠自動緊急煞車系統倒退支援(AEB Rear Backup)，且汽車製造商應當提醒駕駛視覺系統可能無法正常運作，並將警告資訊顯示在儀表板上，而且資訊應當有時間戳記標記，並記錄在黑盒子裡。
最後則是網路安全性，Willard Tu說明，將安全性聯想為鎖車機制，那麼機制就是硬體，車鑰匙就相當於軟體，而FPGA技術的一大優勢就是能改變硬體，以實現安全需求。
舉例而言，採用FPGA技術的鎖車機制，可使用從車鑰匙、密碼組合鎖到生物辨別鎖等多種形式，而機制的金鑰就是軟體資訊。駭客基本上使用相同的方法來入侵同樣類型的機制，一旦硬體保持不變，那駭客使用同一種辦法就能成功入侵；但如果不斷更改鎖車機制，那駭客就需要在入侵機制時從頭開始。
另一方面，何吉哲則指出，系統整合也是未來自動駕駛發展一大挑戰。以自動煞車為例，當雷達和影像感測器偵測到前方有物體時，會發送訊號至中央處理器，中央處理器經判斷分析後發出煞車訊號，再傳送至車身控制系統進行煞車。
何吉哲說明，然而，這些不同的元件分別來自於不同的供應商，若自動煞車功能出現問題(例如晚煞車或是根本沒有煞車)，供應商多不會認為是旗下產品出現問題；像雷達業者可能認為是煞車設計有缺失，但煞車系統業者卻認為是雷達太晚送訊號，因而衍生出難以釐清責任歸屬之困境。
也因此，若要實現自動駕駛，除了須高效能運算平台及演算法，以實現感測融合之外，系統整合也是十分關鍵，要怎麼讓汽車的「手」、「眼」、「大腦」能彼此串聯、協調運作，打造更安全的駕駛體驗，是未來車廠與汽車電子元件供應商須克服的挑戰。
