Waymo

自動駕駛汽車(AV)正飛速發展，傳統的汽車製造商和新的參與者都大筆投資於此推動創新的技術。雖然AV具有提高汽車安全性和駕駛便利性的潛力，但有鑑於其複雜度，業者需要使用嚴格的測試和驗證系統，確保汽車在所有交通、道路及天候狀況下的安全性。當然，AV將使用基於人工智慧(AI)的方法，讓汽車能夠透過電信服務和基礎設施供應商進行通訊。 車聯網是AV技術的基礎。系統與汽車就道路和交通狀況、附近的汽車以及有關駕駛體驗的其他重要元素進行通訊。AV技術結合了多個感測器、電腦和軟體，來生產自動駕駛汽車。這些汽車在行駛里程方面相較由人力駕駛的汽車在統計上已被證明更加安全。 Waymo(先前稱為Google自動駕駛汽車計劃)，在以時速每小時2英哩，總駕駛距離超過500萬英哩的紀錄下，僅出現了一次無人受傷的錯誤事故報告。即便如此，要建立消費者對完全自動駕駛汽車的信任仍然是一項挑戰。例如，有73%的美國駕駛人表示，他們非常害怕乘坐完全自動駕駛汽車，而根據一份2018年美國汽車協會(AAA)的調查，有63%的美國成年人表示，當他們在步行或騎腳踏車時，對必須和自動駕駛汽車共用道路感到不安全。 自動駕駛旨在提升行車安全 基於駕駛人錯誤導致的事故數量，安全問題是首要考量。根據統計，大約有94%的嚴重碰撞，部分是由於頻繁且可預測的駕駛錯誤造成，例如超速、駕駛能力降低或在分心狀態下駕駛。因此安全性改進也常常是AV潛在優點列表的第一名，將人為錯誤因素從駕駛方程式中排除，大幅減少交通傷亡事故。部署AV技術還有其他優點，如隨著人口老化，AV技術可為年長者和殘障人士提供更多的便利和自由。此外，還有新的運輸模式和商業模型潛能，例如自動化計程車隊和共享自動駕駛汽車；這將帶來個人生產力更加提高的願景。 自動駕駛層級概述 今天，有各種自動化選項能夠協助駕駛人，有些也已經進入市場。為了正確看待此技術，汽車工程師協會(SAE)已經為AV建立了自動化層級，如圖1所示。 圖1　SAE 自動化層級(SAE Automation Level)描述了不同級別的自動駕駛汽車能力。 ．層級0乃完全非自動化；由駕駛人完成所有工作。 ．層級1則增加了一些駕駛輔助功能，例如主動車距巡航控制和盲點偵測。 ．層級2仍然需要駕駛人駕駛，但提供轉向輔助和速度控制功能。 ．層級3汽車可自動駕駛，但仍需要人力駕駛保持專注並在指定的時間內負責控制。 ．到了層級4和層級5，AV才變得真正自動化。例如，層級4自動駕駛限制特定條件，例如特定地理位置或路線、天氣、交通類型、速度和道路。層級5則是沒有限制條件的自動駕駛汽車。 汽車產業正在層級1和層級2迅速地為汽車增加功能，並且擁有很多協助駕駛人的機會，同時維持駕駛人主動控制的現有車型。各種不同的感測器(攝影機、雷達、光達和超音波感測器)，讓汽車「看見」周圍發生的事情並自動協助駕駛人。許多汽車都已提供駕駛人輔助功能，例如盲點偵測、倒車攝影、自動遠光燈、主動車距巡航控制、車道維持輔助和自動煞車。 部份專家對層級3自動化的可行性表示憂慮，因該層級要求駕駛人在汽車進行一段長時間的自動駕駛時保持警惕。一項需要考慮的重點是，在什麼情況下必須由駕駛人控制以及對該情況有多少反應時間。Audi汽車表示，其交通堵塞導航功能可在交通回堵期間，或是以最高達65公里/小時(40.4英哩/小時)的速度行駛時，提供層級3自動化。在塞車期間此系統允許駕駛人暫時放鬆，但要求駕駛人在系統發出通知後10秒鐘內接管控制。 層級1到層級3能夠提高汽車安全性，但需要層級4和層級5來提供額外的潛在優點，包括殘障人士和年長者的行動性改善、個人生產力的提高，以及新的運輸模型。這使得層級4和層級5成為大多數AV方案的最終目標，即將駕駛交給汽車本身。而層級4是層級5的前身並限制了操作適用範圍(ODD)；即AV只有在某些特定條件下是自動化的。例如，層級4的AV可能只處理特定類型的道路，像是高速公路、HOV車道、AV專用車道、鄉村道路或封閉的校園；視能見度可能存在限制；在極端天候下沒有AV行為。另一項限制可能是對預先劃定區域的AV或道路的特定基礎設施支援。 部署可能是本地或區域性的，要達到納入所有情境的100%涵蓋率是困難的。而要達到95%並不是太難，但最後的5%具有挑戰性；因此減少ODD會產生重大影響。 例如，早期的層級4使用案例可能是一項受限的自動化計程車服務，在使用已知街道、較低速度、極端天候等資料良好劃定的區域，提供所需的最低能見度。另一種可能的首波部署選項是長途貨運卡車，限制在特定、已知的路線。層級5自動化帶來了處理每一種可能駕駛狀況的挑戰，且由於具有軟體提供的系統擴充性，可實現了以世界功能最強大的軟體定義驅動程式，取代普通驅動程式的願景。 感測/通訊助力自動駕駛實現 結合使用的新技術讓AV的實現成為可能，像是感測器、運算能力、智慧軟體、通訊和導航。AV使用感測器觀察周圍世界，就像人類駕駛一樣；或許比人類更好，因為它們可同時看到所有方向(圖2)。 圖2　自動駕駛汽車使用一系列的感測器來查看駕駛環境。 AV用來監控駕駛環境的感測器包括： ．攝影機拍攝影像 ．雷達偵測和測距系統(RADAR) ．光達偵測和測距(LIDAR) 顯示系統使用必須處理獲取有幫助的資訊之影像感測器。雷達感測器安裝於汽車的前方或後方，在24GHz的短距或77GHz的長距下運作，以監控交通和障礙物。它們可以偵測到範圍從幾公分到幾百公尺遠的物體，而超音波感測器可在停車或其他有需要的活動時，用近拍功能來偵測物體。 光達感測器使用脈衝雷射來偵測物體，通常具有比雷達更高的解析度但距離較短。光達仍然是一種尚未成熟的技術，通常也更昂貴；但其更高解析度能夠提供更完整的汽車環境顯示，可用來分辨不同類型的物體。無線通訊藉由AV扮演重要角色，讓汽車能夠和其他汽車(V2V)、行人(V2P)或路邊基礎設施(V2I)交換資訊。通常，這些都包含在車聯網(V2X)裡。這些通訊通道為AV提供重要資訊，包括交通堵塞和危險道路通知。兩種主要的競爭通訊手段是5.9GHz頻段的專用短距通訊(DSRC)、和使用未來5G能力的蜂巢式V2X。 例如全球定位系統(GPS)這樣的導航輔助功能，將會以AV技術進行整合。GPS可以給予AV從一個地點到另一個地點的路線，但它也可以和詳細的地圖結合使用，以改善自動駕駛、行駛車道位置和交通訊號。 嚴格測試對獲得認可非常重要 所有新技術都面臨採用的障礙，AV也不例外。由於涉及安全問題，可預期AV的採用初期將會遭遇到許多消費者的抵制。近期一項對美國公路駕駛人的調查，發現有63%的美國駕駛人表示，對乘坐完全自動駕駛汽車感到害怕；而此數據已低於更早之前的調查。 大眾輿論、熟悉和信任度，在消費者接受AV技術的意願中扮演重要角色。隨著AV技術被證明並變得更令人熟悉，消費者的看法可能會隨著時間的推移而改變。AV測試對於驗證自動駕駛汽車是否足夠安全到上路行駛至關重要。隨著汽車製造商為其汽車添加更多駕駛人輔助功能，層級1到層級3的自動化方案正逐步被採用；層級4和層級5則代表更大的挑戰，因為人為駕駛已從系統中移除，讓AV自行駕駛。 複雜環境驗證系統效能 系統都具有非零的故障率，因此，雖然希望能夠設計出一部永遠不會做出錯誤決策的AV，但真正的問題是它必須要有多好，畢竟一般人會預期AV設計的表現將優於人類駕駛；然而，究竟要怎麼知道AV已經達到可信賴的水準。 對此，Rand Corporation最近一份研究報告得出以下結論。自動駕駛汽車必須行駛數億英哩，有時甚至是數千億英哩，才能證明其在傷亡事故方面的可靠性。雖然引用行駛的哩程數可以讓我們瞭解需要進行多少測試，但它並不是描述測試穩定性的可靠指標。在鄉村高速公路上進行1英哩的測試，和在複雜的城市環境中的1英哩測試，結果將截然不同。具體來說，必須確保對重要的邊緣案例進行測試，這些具挑戰性的情境在正常交通情況下很少發生，但一旦發生就可能會致命。 此外，同一報告也指出現有的測試和驗證方法可能不夠充足，AV技術的開發人員和第三方測試者，必須開發能夠證明其安全性和可靠度的創新方法；兼具硬體和軟體的複雜系統，需從一開始就包括品質和可靠度標準，若嘗試採用低效設計來測試品質，將無法產生最佳品質結果。 有效的驗證計劃是以考量整個系統運行的測試策略開始。電子和軟體的元件已成為現代汽車的一部分，因此汽車產業已具有設計和驗證系統可靠度的經驗。當前的測試策略採用分層式方法，在系統的各種抽象層級進行驗證。圖3展示了一種常見的V開發模型方法，其在系統的每個層級連接設計需求和測試規格。 圖3　V開發模型在系統的所有層級維持驗證和可追溯性。 ISO 26262是規範汽車電氣和電子系統功能之安全性的國際標準。該標準即使用 V開發模型來確保整個系統正常運作並維持高水準的安全性。系統中的每個元件都具有指定的汽車安全和完整性層級(ASIL)，其中「A」是最不嚴格的層級，而「D」是最嚴格的層級。它是一種基於風險的安全標準，對危險運作情況的風險進行定性評估，並定義安全措施以避免或控制系統故障，並檢測或控制隨機硬體故障或減輕其影響。 系統層級驗證確保車輛效能 在廣泛的環境、道路和交通條件下測試汽車，是AV系統效能的最終測試。理想情況下，這將涵蓋所有可能的駕駛情境，以確保AV能夠處理它們。由AV公司進行的公共道路測試已經得到了許多宣傳效果，因為它對一般大眾來說是確實可見的。 這種類型的道路測試非常寶貴，因為它將汽車展露在各種真實情境中。AV公司也使用私人測試軌道，這些軌道提供可控且可重複的環境，但測試情境的變異因素較少。虛擬測試軌道正以合理的成本，成為可產生各種可重複測試情境的重要工具。 模擬駕駛情況無疑地將在AV的測試策略中扮演重要角色。因為感測器和致動器發送和接收的是數位資料，所以其感測世界會以數位串流資料的形式進行擷取和播放。AV的虛擬表現以虛擬感測器及致動器達到完整，由和真實世界汽車相同的軟體所駕駛，在虛擬世界中進行測試。當汽車在這種環境中運行時，模型會複製汽車在真實世界中「看到」的內容。這種虛擬測試方法重建了AV駕駛情境，並且可以用更低的成本「行駛」數百萬英哩，同時提供比實際道路測試更易於重複的結果。 提高測試和記錄可靠度增加駕駛信心 消費者已經看到了AV技術的潛在價值，也就是安全性改進、便利性和更強的行動性，但他們仍然擔心這項新技術的整體安全性。只要業界持續發展穩定的安全追蹤記錄，實際體驗使用AV將有助於建立消費者的信心。要建立此追踪記錄，需要強大的測試和驗證系統。 我們需要在整個生態系統中應用系統工程設計原則。AV製造商正在開發強大的設計和測試策略，以證明他們的技術，同時提供可靠的汽車。對這些複雜系統進行嚴格測試對於驗證其安全性非常重要，並將決定AV是否足夠安全上路。雖然這一切並不容易，但AV產業必須不斷創新並找到新的方法來測試和驗證系統，打破信任障礙，贏得消費者信心。 (本文由是德科技提供)

在Level 2的先進駕駛輔助(ADAS)技術逐漸成熟後，眾多國際車廠持續精進自駕系統效能，期早日實現自動駕駛願景。然而，在Level 3自動駕駛車輛定義難明的情況下，Level 4自動駕駛車輛由於定義較明確，且多在限定區域內行駛，環境較為單純，對於車廠、新創及系統/車用電子元件等業者而言有更多的發展誘因。也因此，Level 4的自動駕駛車輛從2018年下半年開始不斷浮現，同時，新的營運模式也應用而生，眾多車商、租賃業者和新創業者紛紛透過自駕車實現公共接駁、貨物運送、定點接送等。換言之，以營運服務為主的Level 4車輛，成為自駕產業新的發展目標，且發展腳步相當迅速。 自駕接駁/運送車輛紛紛浮現 講到Level 4的自動接駁車輛，最令人印象深刻的應該就是Waymo。2018年年底Waymo推出首款自駕叫車服務Waymo One，在鳳凰城上路試驗；而到了2019年，Waymo擴大服務，與Lyft合作，不僅有更多的駕駛來體驗自動駕駛服務，同時在Lyft平台上部署Waymo自動駕駛車輛，可以讓鳳凰城地區的Lyft使用者選擇自動駕駛乘車體驗，讓Waymo獲得更多的乘客回饋意見，以改進自動駕駛技術。 另一方面，福特(Ford)旗下自動駕駛子公司Argo AI近期也在美國底特律推出第三代自動駕駛車隊，並規劃在邁阿密、華盛頓特區、匹茲堡、帕洛阿爾托、迪爾伯恩和底特律等城市逐步進行自動駕駛系統測試。 第三代自動駕駛車隊採用Ford Fusion Hybrid系統，並搭載了光達、攝影機和雷達以強化環境感知能力；同時還搭載了全新的運算系統，該運算系統提供的處理能力優於過往，並改進熱管理系統，使得車輛內部產生的熱能、噪音更少，這意味著任何乘客都將能體驗到更智慧的車輛，獲得更安靜、舒適的乘坐經驗。 除了Waymo、Argo AI之外，日產(Nissan)也積極推動無人計程車服務。Nissan計畫在2020啟動自駕計程車業務，該公司早先已與日本網路公司DeNA合作，推出自駕計程車新品牌Easy Ride，並進行實際上路測試；參與者可以沿著設定的路線(從Nissan全球總部到橫濱World Porters購物中心)，搭乘自動駕駛車輛，距離約4.5公里。 同時，日產和DeNA也將測試Easy Ride的獨特服務功能，使用專用的行動應用程序，乘客可以通過文字或語音輸入想要做的事情，而車載平板電腦螢幕將顯示附近500個推薦景點和活動，乘客可以從推薦列表中自行選擇想去的目的地，還可以從自己的智慧手機下載該地區零售業者和餐廳的優惠券。 至於在運送方面，2018年Kroger攜手Nuro，於亞利桑那州斯科茨代爾(Scottsdale)使用自駕車，為居民提供運送雜貨的服務；到了2019年，雙方將自動駕駛配送服務延伸至休士頓。 Kroger指出，自2018年8月以來，該公司與Nuro在科茨代爾開始營運自動駕駛雜貨送貨服務，在經過試營運後，雙方成功完成了科茨代爾數千筆的交易，證明了雙方的綜合技術和數位專業技術可以改變雜貨配送的體驗；基於此一經驗，便計畫將自動雜貨配送服務轉移至休士頓進行下一階段的試驗。 定義難明導致Level 3車款遲遲未現 財團法人車輛研究中心研究發展處經理陳建次(圖1)表示，根據國際自動機工程師學會(SAE)J3016標準，將自駕車自動化程度區分為Level 0~Level 5，目前Level 2的車型已陸續問世，且普及速度越來越快，不僅高階車款有配備，在中低階車款也愈來愈普遍。 圖1　財團法人車輛研究中心研究發展處經理陳建次表示，Level 3挑戰在於責任歸屬不明確。 然而，在Level 2的技術已逐漸成熟後，一般認為這些自動駕駛發展業者會繼續乘勝追擊，加速往Level 3邁進。然而，實際上這些自動駕駛發展業者所發布的Level 3車型或消息和預期相比，卻是十分有限；反而是Level 4自駕車的議題不斷出現，不禁會讓人思考，Level...

產業研究機構Yole Développement(Yole)宣稱，雷射雷達(LiDAR, 光達)市場在2018年市場規模達到13億美元。自駕車的發展帶來了許多商機，預計光達產業規模在2024年前達到60億美元，其中70%將應用于汽車領域，高度完全的自動駕駛即將在不久的將來成為現實。在更低的生產成本和新科技推動下，光達正成為汽車應用中的關鍵零組件，這一市場可望出現高度成長，從2018年到2024年間的年複合成長率CAGR高達64%，整體光達市場的CAGR則為29%。 自2010年以來，光達的相關專利活動有顯著成長。汽車光達的故事從一場賽車開始，DARPA“大挑戰”是一項為鼓勵開發全自動駕駛地面車輛而進行的無人車競賽。2005年是這項競賽第二次舉行，那一年比賽中導入了光達。兩年後的2007年，完成比賽的六輛車中有五輛在車頂嵌入了光達。自那時起越來越多公司製造出了採用光達的無人車原型，如今Waymo擁有超過600輛車的陣容。在汽車生產商方面，奧迪自2017年底已在A8車型中整合了由Valeo供貨的一款光達，並計畫延伸到其他車型，如Q8、A7和A6。 近期由Valeo和Ibeo合作開發的新型光達名為SCALA，意在推出一款能辨別物體並在任何環境中測距的機械3D掃描雷射器，這項創新是為搭載了ADAS並具備自動駕駛功能的車輛而設計的。一面嵌入式旋轉鏡對高功率雷射二極體中通過發射透鏡發射出來的光束進行偏轉反射，同時接收到通過聚光透鏡返回的反射光，然後由一個三元素雪崩光電二極體陣列捕捉到反射光。  

為促進自駕車發展以及拓展創新應用，同時推動光達業務，Waymo決定提供旗下自行研發的光達(LIDAR)「Laser Bear Honeycomb」讓合作夥伴也可以使用；換言之Waymo除了自行研發自駕車之外，也開始投入光達銷售市場。 Waymo光達團隊負責人Simon Verghese表示，Waymo正為自動駕駛以外的公司提供自己開發的感測器，從機器人技術、國防、農業技術等等開始，幫助他們提升技術水平。該公司旗下的3D光達Laser Bear Honeycomb，已可以提供特定合作夥伴使用。 據悉，Waymo開發自動駕駛技術已有十多年，但在計劃的最初階段，Waymo僅開發了自己的軟體，感測器仍是以購買現成的方式為主。然而經過多次的測試，Waymo了解到現成的感測器逐漸無法滿足市場要求的水準。於是，在2011年Waymo著手開發自己的感測器，其中包括三種不同類型的光達。 Waymo計劃提供合作夥伴使用的光達為Laser Bear Honeycomb。Honeycomb的特點是有相當寬敞的視角，其垂直視角為95°，再加上360°水平視角，意味著單一Honeycomb可以達成三個一般3D感測器堆疊起來才能達成的效果。 另外，Honeycomb發射的光脈衝會多次返回，因此當Honeycomb發射出一束光脈衝時，它不只能看到光脈衝接觸的第一個物體，它可以在光脈衝的視線路徑上看到多達四個不同的物體(比方說，它可以看到樹枝前方的樹葉，以及樹枝本身)。這提供了對周遭環境更完整且詳細的視野，以發現可能被忽略的物體。  值得一提的是，Honeycomb的最小距離(Minimum Range)為零，這代表它可以立即看到感測器正前方的物體。這個特性在關鍵的時刻能發揮相當重要的功能，例如感測近物和即時避開障礙物。