感知系統工程師以人工方式標示影片中的物件，再為自駕感知系統編程，做出正確回應的過程耗時又昂貴，因此以人工方式辨識和標示每個邊緣案例，並非合理做法。此時ANSYS SCADE Vision便能派上用場(圖1)，其為一種以全像(HologrSam)為基礎的軟體工具，能迅速且有經濟效益辨別數百種潛在邊緣案例，以解決AI支援感知系統中既有的弱點，感知工程團隊可進而取得時間、成本及安全優勢。根據最早採用此創新科技的業者表示，該軟體工具偵測邊緣案例速度可達人工的30倍。
感知系統扮演AI核心
以近期科技發展而言，很少有比自動駕駛車、飛機、無人機和機器人更能激發媒體與大眾想像的事物，因為這些自駕系統運用極端複雜又涉及高度工程專業的AI和機器學習，為生活帶來革命性的變化。
雖然自動駕駛車或機器人的每個零件都有重要功能，但其中感知系統最關鍵，系統必須正確看到、辨識及回應周遭環境的數百種元素，藉此複製人類視覺和認知。
當感知系統出錯時，便可能威脅生命，因此工程師在設計系統時，會將其編列成車道標示、紅綠燈和行人等常見物件，工程團隊再針對如何回應這些物件進行定義和編程，像是啟動剎車系統或將車輛轉向至道路中間。不過無論工程師再如何細心徹底研究真實世界路況，並定義常見物件，但必定會出現失誤，導致產生感知系統潛在弱點，例如乘坐嬰兒車的小嬰兒或使用輪椅的成人，感知系統可能難以辨識不尋常的大小及生理輪廓，霧氣或眩光等天氣和照明效應也可能混淆感知系統，將其詮釋為實體物件而非光學現象。此類事件因難以分類及解決，因此被稱為「邊緣案例」。
此類問題需增強以AI為基礎的感知系統能力，以便在遭遇邊緣案例時正確辨認和回應物件，對自動駕駛車和機器人的安全可靠作業而言至關重要。在人們未能成功解決邊緣案例前，皆無法確保自駕系統在關鍵狀況下的效能(圖2)。
人工篩選成本所費不貲
以往感知系統開發者的作法是，讓軟體工程師觀看數百小時實際駕駛拍攝的影片，辨別及處理邊緣案例。
這些開發者會標示每個不尋常物件或邊緣案例，再替AI感知系統編程，確認實體物件並做出適當回應。人工除錯流程需大量投資，實際上要徹底觀看560小時的影片，可能需2,100小時，非常昂貴且耗時；不僅拉長自動駕駛車開發時間以致競爭劣勢，亦會大幅增加高額的自動駕駛車認證作業成本而侵蝕利潤，如有家大型車廠曾公開表示聘用1,500人觀看和標示實際駕駛影片，每月人工標示影片超過百萬個畫面。
考量自動駕駛車有如此龐大商機，如此時間和人工成本不符合商業效益，但只有當感知系統能通過大範圍操作設計領域(Operating Design Domains, ODDs)的測試和驗證，例如在多元化用路人、各種天候和照明狀況，及多種路況情境下，才可能推出全方位自駕產品。基於此因，可以印證自駕車市場的未來與成本效益及感知問題息息相關。
感知系統分析使效率最大化
為考量感知系統開發者實際需求，ANSYS回應上述挑戰並設計SCADE Vision解決方案。此方案能自動偵測系統弱點，將邊緣案例和認證感知系統成本最小化；透過檢視感測器影片資料，同時執行AI感測系統演算法，進一步擴大關鍵區域分析，其目的為複製部署系統時將碰到的多種狀況，在不需人工的情況下自動辨別及標示任何異常。
該方案引擎一旦分析視聽(Audio-visual, AV)資料庫，使用介面便會協助分析師，建議將感知軟體的可能缺失部分分類為觸發事件或根本原因，以此辨別系統弱點。
該解決方案會自動針對感知演算法開發和安全團隊生成報告，內容包括處理主要觸發事件的修正行動建議，以及缺失範例及相關影像，有助於組織分析結果，有利於與AV感知軟體開發團隊和虛擬回饋循環(Virtual Feedback Loop)內的其他相關人士溝通。至於使用該解決方案的效率，若以10輛車的車隊一天收集資料八小時、一周七天為例，合計560小時的影片，開發團隊利用自動化分析將人工分析所需的2100小時縮減至60小時，不僅將篩選時間加快30倍，也將人工成本減少約24.5萬美元。長久下來，這些優勢對開發和確認自駕汽車或飛機的速度可能產生關鍵性影響。
SCADE Vision會區隔駕駛數百小時捕捉到數百張畫面中的邊緣案例，再將影像編程納入以AI感知軟體，過程快速，緊接著自駕系統開始學習在遭遇邊緣案例時的回應方式(圖3)。
多效益克服辨識難題
現今軟體任務很少針對AI支援感知系統而開發，如自動駕駛車、飛機和機器人等複雜或具關鍵重要性的問題。
此外，過程消耗許多時間和資源，諸多企業皆在爭取率先推出前瞻性自駕產品上市。
此方案可提供以下附加效益，力助開發團隊克服重大障礙：
．更安全/更精確感知：
軟體工具針對感知系統固有問題設計，使效能更一致可靠，若配合傳統影片捕捉和道路測試，可最大化系統安全信心。
．更快實現產品價值：
軟體工具除了改善感知系統效能品質，還能加速開發週期，相較於人工分析需數千小時，自動辨認邊緣案例的相關影片畫面只需數十小時。
．放大工程資源：
對稀有的工程資源而言，以人工檢視數十小時影片為低價值的操作方式。軟體工程師可將該程序自動化，將時間和注意力放在更有策略性的加值任務上。
．提升產品開發流程：
自駕載具系統認證是自動駕駛車、飛機商業化及上市主要挑戰之一。該軟體工具可排除多個小時的單調人工作業，替認證程序再充能，創造有意義的競爭優勢。
．大幅節省成本/改善利潤：
媒體多聚焦於自動駕駛車、飛機和機器人開發、測試和辨識的高額成本上。市場領導業者在爭取率先推出產品上市之際，已成為承擔高風險的賭徒。該方案可加速並自動化解決真實邊緣案例問題，排除數千小時的人工作業時間並大幅降低成本。
現今全球的注意力都聚焦於自駕產品的挑戰。全世界每家汽車、飛機和機器人產業的企業莫不急切盼望率先推出經過認證、失效安全(Fail-safe)的自駕產品系統上市。若要保障自動駕駛車、飛機和機器人在各種潛在運作環境下皆能提供安全可靠的效能，必須克服許多工程挑戰。
好消息是，眼下此解決方案能助企業減輕AI感知系統的基本工程問題。SCADE Vision可將辨別邊緣案例過程自動化並大幅加速，排除整體開發週期重大時間和金錢成本。
最早採用此類創新科技的業者指出，偵測邊緣案例的速度可達人工方式的30倍，帶給其先馳得點的重大優勢。
(本文由ANSYS提供)
