【国产物流自驾车关键人物：工研院机械所数位长王杰智】上路关键是在地化，这辆自驾车能模仿台湾人开车习性最新消息

图片来源:

工研院机械所数位长王杰智脸书

最近有个第一人称视角拍摄的自驾车影片在网络爆红，一辆工研院国产自驾车在交通繁忙新竹市区及大街小巷中行驶，片中不时可见凌乱的红绿灯位置、违停并排车辆、人车争道，还有从小巷窜出的机车、走在车道上的路人，这是国外看不到的复杂交通景象，是台湾独有的交通特色。但面对这些挑战，这辆自驾车依然在没有人为介入的情况下跑完全程，“你可以请Waymo自驾车到新竹来试开看看。”工研院机械所数位长王杰智自豪地说。

影片中的自驾车行驶路线，正是这次新竹物流自驾物流实验路线。为了具备有这样的市区自驾能力，王杰智和工研院机械所自驾车团队花了3年多，持续在台湾各种道路上磨练精进车辆自驾技术，才让片中的自驾车练就一身开车技术的好本领。

除了送货自驾货车，王杰智和自驾车团队目前正在打造一套自驾系统，可供35吨重的大型联结车做自驾使用，这辆自驾联结车不论重量或身型都比一般货车高大许多，对于这项新挑战，王杰智只简单回答： “做就对了。”

除了测试自驾货车，工研院机械所自驾车团队目前正在打造一套自驾系统，可供35吨重的大型联结车做自驾使用，这辆自驾联结车不论是重量或体型都比一般货车大上许多。图片来源／工研院机械所数位长王杰智脸书

身为台湾国产自驾系统研发重要核心人物，王杰智长久以来主打的诉求，就是不论任何车型都能改装成自驾车，从小货车、轿车、休旅车，到大卡车、传统柴油巴士都难不倒他。他经手的自驾车数量，从一开始只有3辆车，到现在发展10多辆自驾车，每部自驾车的改造及其搭载的国产自驾决策系统，全都由工研院机械所自驾车团队一手包办。

为了让自驾车能够适应各种路况，测试团队不只在封闭场域做训练，更把握各种实证场域不断练兵来精进自驾车技术，迄今已经能够做到特定开放场域全自驾。像是他们研发的自驾车在新竹南寮渔港的路上，已经足足开了两年，不分天候、时段锻炼提升国产自驾系统能力，后来更将这套自驾系统，装进一辆柴油巴士改装的自驾大巴，行驶在台中水湳的开放道路上，学习应对混合车流的情境。这些年来，累积自驾里程超过六千公里。

如果将90-90法则套用到自驾车发展上，也就是IT界或软件圈常听到的“90%程式要花费团队90%的开发时间，剩下10%要再花费相同时间来开发”，王杰智自评，工研院机械所自驾车团队现在不只从0分到90分，还从90分进步到91分，“虽然只是增加1分，这已经相当厉害，代表持续进步。”他这样说。

工研院机械所数位长王杰智表示，如果将90-90法则套用到自驾车发展上，工研院机械所自驾车团队现在不只从0分到90分，还从90分进步到91分，虽然只是增加1分，这已经相当厉害，代表持续进步。摄影／苏文彬

在接下来一年当中，工研院机械所自驾车团队将以2辆克莱斯勒Pacifica改装的自驾物流车和一辆5吨重的坚达自驾货车，在全长约1.9公里市区道路上，配送货物往返新竹物流两个营业所。虽然是行驶固定路线，但自驾地点不仅紧邻火车站，距离竹科也不到5公里远，测试时段不只安排了上下午，还有半夜凌晨时段，这也意味着，会遭遇到上、下班人车潮的考验。

不过，王杰智一点也不担心，对于他们的自驾车很有信心，甚至他很早就开始布局，透过各种方式，让这套自驾决策系统逐步适应台湾本土的交通特色与驾驶行为。

克服背景复杂的红绿灯辨识有一套

红绿灯就是其中一个例子。红绿灯辨识一直是自驾车上路的挑战，在台湾更是如此，需要克服各种复杂背景下的红绿灯、夜间号志辨识的考验，但工研院机械所自驾车遇到红绿灯时，却一点也没有这个问题，不论红绿灯摆放位置远近、数量多寡，周围背景有多复杂，也不分白天或夜间，都能够处理得宜。

王杰智解释，最主要的原因是，团队不只用了一套红绿灯辨识技术，而是采用复合方式来确保交通号志判别正确性。例如在红绿灯辨识系统上，底层虽采用深度学习技术，但自驾车决策时还会搭配高精地图来看，从拍摄照片比对车上相机位置和每个红绿灯的几何关系，来推算出红绿灯在照片上的相对位置，来缩小检测范围，甚至还会结合时间讯息，只要加入基本逻辑判断，自驾车就能知道其他角度的号志应该亮红灯或绿灯，现在可以左转或右转。“我们光是红绿灯辨识就有很多层”，他说，针对红绿灯辨识，除了有强化深度学习分析模型，还会将所有可用的空间几何、时间的讯息放进来，加强整个系统的稳定度和正确性。

不只应付静态的交通，工研院机械所自驾车的厉害之处，在于遇到各种动态的交通状况也能迅速反应。以台湾道路上常见的“多事件同时发生”的情况为例，王杰智表示，当自驾车遇到这种情况时，可以慢下来等待，也可以选择绕开，这时候，自驾决策系统根据感知系统侦测和追踪到多个事件时，就会从可能影响的行驶路径中，找出所有可能的解决方式，再从这些解法中，挑出一个最安全且合理的方法来执行，让自驾车避开这些事件。他强调，最重要的是，要能迅速找到一个安全解法，而且是附近的人都可接受的合理方式。这不是一件容易的事，需要靠融合传统和新式作法，反复提高自驾系统的决策能力，才有办法做到。

甚至遇到开车争道，谁该礼让谁的问题，自驾车团队也有设计一套处置方式，来传达出自驾车要卡位或让位的讯息，例如缓慢一步步逼进，让对方知道你的车要先过，或是知道安全情况下表现毫不畏惧快速通过，就像当地人自己在开车那样。为了设计出能够贴近在地化的开车行为，他们会将一些原本人类驾驶习惯的行为转换为规则，放进自驾决策系统中，也有结合行为树（Behavior Tree）决策，根据每个地方路况需求调整参数，进而让自驾车表现更在地化，“到目前为止，我们自驾车只要表现凶一点，对方就会礼让”他满意的说。在他眼中，这套国产自驾车系统越来越像是一位道地的台湾人。

高精地图也要在地化，帮助自驾车避开三宝雷区

不只读懂台湾驾驶习惯，自驾车团队也会透过车上装的高精地图，来让自驾车可以避开一些开车雷区，比如三宝区，常有行人穿越马路或出现违停车，工程师就会将这些资讯标示于高精地图上，车辆行经时会主动加强对这个区域的人车进行追踪，来确保行驶安全。在规划路径时，自驾车也会根据地图上需要留意的资讯，安排较少人穿越的道路来开，甚至还没开到违停路段前，自驾车自己会先预设前方车道可能有违停车，于是选择改走内侧车道，而不走外侧道。“这在一般高精地图上看不到，可是车开久了，人类驾驶会知道当地人习性，将这些在地化资讯考虑进来，自驾车开起来才会更顺。”他表示。

正因为自驾车每到一个新场地练习，工研院机械所自驾车团队第一件事，就是建置高精地图，这些年来，自驾车团队发展出一套低成本且快速建置的作法，像是建立点云地图时，有结合不少算法和自动化工具，来缩短地图绘制所需的人力和时间，还利用AI等各种自动化工具标记语意地图上的辅助资讯，如开车规则、红绿灯位置，然后以人工进行确认，也会结合其他工具修正错误，提高地图精度。

王杰智表示，这样做的好处是，不只能更快建好地图，而且成本相对低廉，跟一台动辄1～2千万元的高精密测量仪器设备相比，自驾车团队只用十分之一价格的设备，就能绘制出相同高品质的地图，同样可提供公分等级的精度。

将虚拟的动态交通状况叠加到真实道路，测试自驾车决策系统的临场反应

当自驾车遇到一些从没看过或罕见的路况时，测试团队也会结合虚实混合技术，来加强这方面的训练，除了在虚拟世界产生类似交通情境来加以验证，还会将这些虚拟的动态交通状况放进实体环境中来测试，如同透过手机屏幕看到眼前的虚拟宝可梦出现，他们也把这些虚拟状况叠加到真实道路上，用来测试实体自驾车的临场反应，能否做出对应的处置。在这次物流自驾实验中，自驾车团队就有使用自驾车数位分身，在新竹市道路的数位分身中来进行自驾车行为决策的验证。

不过，王杰智也表示，在模拟环境训练完的自驾车数位分身，要使用在真实环境的自驾车上，需考虑到虚拟与真实世界的差距，尤其，想要模拟出一个高拟真的感知系统，目前仍十分困难。这也是为何他们建立自驾车数位分身时，先以自驾决策系统的数位分身来验证，而没有使用感知系统的数位分身。