深度學(xué)習(xí)日益成熟 自駕貨車可望率先上路

　　利用人工智能實現(xiàn)自動駕駛功能，是目前科技業(yè)內(nèi)最熱門的發(fā)展方向。 不過，相較于在市區(qū)內(nèi)行駛的小轎車，負(fù)責(zé)長程運輸?shù)纳逃么笮拓涇囉捎诘缆翻h(huán)境單純許多，對于長途駕車亦有相當(dāng)大的需求，因此商用貨車看來是能夠最快實現(xiàn)自動駕駛理想的環(huán)境。

　　NVIDIA汽車業(yè)務(wù)開發(fā)資深經(jīng)理蕭怡祺指出，在美國，商用長程運輸是產(chǎn)值相當(dāng)龐大的物流業(yè)務(wù)，其中駕駛?cè)耸鲁杀靖荚撔袠I(yè)成本25%以上。 另外，長程駕駛運輸環(huán)境單純、運輸時間長，很容易因疲勞駕駛影響行車安全。 在這樣的情況之下，蕭怡祺認(rèn)為，最快實現(xiàn)自動駕駛的場域，將會是商用貨車的物流應(yīng)用。

　　蕭怡祺認(rèn)為，目前自動駕駛常見的Rule-based影像辨識方式只有辨識特定對象，依然有其限制。 在Tesla發(fā)生車禍意外之后，Tesla才發(fā)現(xiàn)到透過深度學(xué)習(xí)的人工智能影像辨識方法，才能夠有效辨別車輛大小與動態(tài)移動位置，進(jìn)而解決撞車意外情況。 同樣的功能與深度學(xué)習(xí)成果，一樣可以運用在貨車駕駛上。

　　蕭怡祺進(jìn)一步指出，自動駕駛車的深度學(xué)習(xí)(Deep Learning)訓(xùn)練過程不外乎以下過程：首先，必須在車輛建置各類傳感器，讓車輛具備偵測能力，接著運用影像深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN) 方式深度學(xué)習(xí);最后，透過配合地圖建檔，建立端到端的自動駕駛能力。 同樣一套深度學(xué)習(xí)方式，可以用于一般駕車與商用貨車上，更能夠使用同一套邏輯，進(jìn)一步開發(fā)自動駕駛飛機(jī)、智能機(jī)器人等等應(yīng)用。 目前，由NVIDIA所研發(fā)的自動駕駛車BB8，在經(jīng)過兩年的深度學(xué)習(xí)之后，已經(jīng)能夠做到過彎減速、出彎加速，駕駛行為越來越像職業(yè)車手。

　　目前各大車廠普遍認(rèn)為2020年將是自動駕駛汽車的爆發(fā)成長時期，蕭怡祺認(rèn)為，在那之前，業(yè)者還有時間將自動駕駛做的更完善安全。

　　Tesla共同創(chuàng)辦人暨執(zhí)行長Elon Musk近日也已透過Twitter宣布，將會于2017年10月26日正式發(fā)表他們的半自動重型貨車(Semi-Truck)，并舉辦試駕活動。 由此可見，商用貨車已是各大自動、電動車廠的重要開發(fā)項目。