人工智慧不再只是一個領域，它已經成為家喻戶曉的縮寫–AI。社群媒體大幅渲染科技帶來的好處和隱憂，改變了人們的印象和期望，卻忽略了它在教育以及知識層面的本質。因此，今天大多數人提到人工智慧時，可能會將它視為一種自然語言處理模型 (NLP)，例如 ChatGPT。對於自駕車與人工智慧，尤其是牽涉到自然語言處理模型時，往往引發不必要的恐慌，例如「機器正在取代人類的工作」或「天網正在監控我們」，我想盡自己的棉薄之力消除人們的擔憂，提供一些人工智慧在自動駕駛領域的應用案例，以及分享我對此事的看法。
增強了自主性而非智慧
增強機器的自主性以及導入自動化並不是一個新概念。雖然 Karl Benz 於1886 年取得世界上第一輛燃油車的專利，但是在短短不到 20 年之內，1904 年 Sturtevant 即設計出第一台自動變速箱。儘管手動變速箱的燃油效率更高（介於 2% 到20% 之間），製造成本更低廉，重量更輕，性能更好，機械設計也更簡單，但有一個複雜之處–駕駛必須操作離合器並換檔。定速巡航系統也是如此，雖然早在 1908 年就在車輛中使用，但現代定速巡航系統卻是在1948 年發明的。當車輛可以為您代勞，為什麼您還要自己踩油門和煞車踏板調整速度呢？
我們非常重視改善駕駛體驗，追求一般人都希望的簡便操作。隨著多年來的發展進化，汽車配備了許多功能，例如主動式車距調節巡航系統、盲點偵測系統、後方橫向車流警示、車道偏離警示、車道維持輔助系統、自動手煞車等等。美國國家公路交通安全管理局 (NHTSA) 將車輛自動駕駛分為 6 個等級。上述所列的都是等級 3 的功能，有些人可能會說他們正在推動等級 4 的發展，方向盤不再是必需品。
從等級 4 提升到 5 並不容易，等級 4 為駕駛鋪平道路，讓生活更輕鬆，而等級 5 則消除了駕駛存在的必要性，因此，您需要的不是方向盤而是一本書。這是根本性的轉變，使問題不再是自動化，而是智慧。我們最終需要訓練一輛車，不僅可以減少駕駛的工作，而且還可以成為駕駛員本身。
自駕車的智慧
自駕車不會干涉您的自由，它是一個完全不同的產品。自駕車需要獲取駕駛人會考慮的資訊，通常更大量，並且依此採取相應的行動。採取行動比感知訊息來得簡單，主因是驅動介面或多或少是相同的，只要一至二個踏板，以及一個控制機構。然而，捕捉駕駛人的感知極為困難，人類能夠同時察覺數百輛汽車、行人、自行車騎士、松鼠、寵物、路標、號誌燈、坑洞、排水溝等，並推斷該物體是否會影響行車，這是機器或電腦無法比擬的。下圖是自駕車的感測器配置。
這是一個非常簡單的配置，但它已經比普通駕駛的眼睛更靈敏。自駕車的安全性和可靠性來自其系統冗餘和多個感測器的監控以反映真實情況。雷達和光達等測距感測器在天候惡劣時至關重要，例如下雪、濃霧或夜間行駛的情況。相機是電腦對人眼的模擬，因此本文的範例將重點放在只要使用相機即可完成的操作。
具有洞察力的感知能力
以下就不同任務性質，將幾個影像處理演算法分別做介紹。
物件偵測和追蹤
這個演算法的目的在於找出場景中有哪些物件、他們的位置、如何移動，並且區分出動態障礙物，例如汽車、自行車騎士和行人，與靜態障礙物，例如停放的車輛、建築物和交通號誌。以下影片範例使用 FPN 網路架構，另有其他演算法，例如 RCN、Fast-RCN 和 Faster-RCN。
光流分析
偵測物件運動的另一種方法是使用影像中的相對運動來估計障礙物的位移。以下是自動駕駛場景中使用 FlowNet 的範例，一旦知道車輛上相機的運動軌跡，就可藉由光流計算出影像中物件的運動方向。
像人類一樣駕駛
深度學習操駕演算法 PilotNet 藉由擷取影像中的資訊，學習相同情況下人類會採取的駕駛行為，請參照下面的影片。雖然這個方法對於快速學習非常有效，但您認為該如何處理人為的判斷偏誤呢？畢竟，自駕車必須像人類一樣駕駛，真是這樣嗎？
車道分析
一些演算法可以找出影像中的車道線位置，並且在沒有人為介入的情況下將車輛保持在車道中央。LaneNet 能夠偵測場景中的車道線，與其他控制法（例如 Stanley 橫向控制）結合之後，您就得到了自動控制系統。
找出重要的物件
最後一個演算法著重於將實際上有意義的物件分類出來。雖然駕駛的典型視野（以及相機的視野）包括鳥類、樹木和天空，但這些物體與即時車輛決策未必有關。SegNet 在這方面功能強大，創造了「影像分割」。
接下來的發展
本篇介紹的技術和方法，目前已有一些應用在等級 4 的自駕車中，自動駕駛技術和人工智慧在未來還有極大的發展空間。我認為 NLP 在自動駕駛領域肯定有一席之地，儘管我個人更偏好自己開車。
如果本篇闡明了一些與自動駕駛和人工智慧相關的技術，請務必追蹤我們，以了解未來Quanser 的自主系統和人工智慧應用產品的最新資訊。我們有移動機器人和自動駕駛範例，以及簡單直覺式的 API，即將向您的學生和實驗室介紹。
本文轉載自 Quanser 原廠網站，作者 Murtaza Bohra, R&D Manager, Academic Applications
コメント