趨勢觀點

從新創看自駕車發展趨勢與機會

iAUTO 林明彥總經理

看到這個題目時,心中不免咯噔了一下,「從新創看自駕車發展趨勢與機會」,這題目好廣!從新創公司,到自駕車,還有整個產業的趨勢與機會。參與新創團隊這段時間,對於這三個主題難免有些感觸,我們先從自駕車說起。

自駕車

「自駕車」顧名思義就是自動駕駛的車輛,拆開看分別是「自動」、「駕駛」、以及「車」三項,這也是相對於「人」所「駕駛」的「車」。人們對於自動駕駛的想像從汽車上路後就沒停過,最直覺的想像應該是跟搭計程車一樣,你跟司機說你想去哪邊,接下來其他問題就交給司機解決,在車上你可以做自己的事情直到到達目的地。開發自動駕駛的技術就是希望用電腦取代人開車,讓電腦可以在沒有人類的操作下,自動且安全地操作車輛。

現在講自動駕駛技術一般會分成導航定位、環境感知、規劃決策、控制執行等次項目,並沒有提到車子本身,車子被預期是穩定沒有問題的。然而有在開車的你我都知道,車子由數以萬計的零件組成,這麼多機械與電子零件壽命不一損耗不同隨著使用時間性能一定會有退化的情況;像2005 DARPA的Grand Challenge自駕車競賽,原本冠軍呼聲最高的是Carnegie Mellon's Red Team,但比賽過程中卻因動力系統突然出問題,導致車速達不到預期設定,因此輸給Stanford Racing Team落居第二[1]。如剛才提到搭計程車的例子,計程車司機除了聽從目的地指令,判斷最佳路徑(導航定位、規劃決策),注意路上周遭人車與交通號誌(環境感知、規劃決策)以外,事實上司機還會注意車上原本的儀表板,包含警告或故障燈號。以運輸為目的的車輛來說,安全是最高的指導原則,這也是接下來自動駕駛技術需要進行的工作,跟「車」更緊密的結合,才能做到更高度滿足安全期待的自動化。

除此之外,關於「駕駛」這件事,台灣駕駛執照種類會粗分為普通汽車駕照跟職業汽車駕照,持有普通駕照一段時間後才能報考職業駕照,車種再細分為小客車、大客車、大貨車、聯結車,只有小客車駕照是不能駕駛其它大車的。回到自動駕駛,我們會希望電腦開車時只需要輸入一些車輛的參數諸如長、寬、高、軸距、重量、質心位置等,程式便能各種車型一體適用,然而實際狀況下這是很難達到的。畢竟車子不是一個理想剛體,需要考慮到隨著速度、荷重等變化產生的輪胎、底盤、車身形變,因而產生所謂的車輛動態控制。因此,我們在設計自動駕駛的架構時,不是用常見的Top-down(感知>決策>控制)方式而是採取bottom-up的思維,先把車搞好,再往上長出感知決策的部分。把車搞好這件事包含精準的車輛動態控制與連結電腦與車子本身的線傳系統(x-by-wire)。這塊在我們的自動駕駛架構屬於中層與下層控制,中層的車輛動態控制包含規劃決策裡面跟車身相關的縱向與橫向控制。

上層的控制包含導航定位、環境感知、規劃決策裡,環境感知的部分工作比較明確,透過各種感測器監測周圍環境狀況,常用的感測器也是眾廠商如火如荼開發的重點,主要包括毫米波雷達、2D光達、3D光達、超音波感測器、視覺鏡頭等,這些感測器可以放在車上也可以放在道路週遭配合智慧路口的環境建設。環境感知更進一步則是需要感測器的融合,像是毫米波雷達加上視覺鏡頭可以告訴上層系統現在看到的障礙物是甚麼,且其相對位置跟距離為何。感測器融合分析可以更加準確可靠地描述車外環境,進而提高後續規劃決策的正確性。雖然在原理上看似簡單,但以時速30公里的速度來看,每秒鐘即前進8.3公尺;因此感測器融合需要快速處理且傳遞大量的資訊,以便提供系統進行即時決策以應對突發的交通情況,這也是目前自駕車技術開發的重點之一。有一派的想法是車上的感測器收集了大量的影像資料,即時送到雲端儲存,與HD Map進行比較與分析,再送回車端使用即可完成自動駕駛;但這種作法成本高又不夠即時,因此他們把希望放在比現有4G快了近十倍的第五代行動通訊技術(5G)。然而在車聯網(V2X,Vehicle to everything)尚未普及的當下,我們已經必須面對這些自動駕駛車上資料傳遞與處理的延遲、反應時間問題。且在沒有網路連結的情況下也要能確保行車的安全性也是必要的課題。

導航定位對自動駕駛來說重要性在於讓車輛知道自己在哪裡,才能進行下一步的路徑規劃。目前的趨勢是整合使用多年GNSS(Global Navigation Satellite System)與INS(Inertial Navigation System),加上預建的、已完成標註的3D地圖。
GNSS雖然古老且使用有其限制,像是在都市叢林、地下道、隧道等環境造成訊號遮蔽會導致其準確度下降,但搭配慣性導航(dead reckoning)便能在GNSS受到干擾或不可靠時提供即時的位置定位。另外則是自動駕駛需要更高精度、甚至達到公分等級的定位,RTK(Real Time Kinematic) GNSS可提供準確度在10公分內的定位資訊。

提供低成本高精度的定位服務已被各國列為重點項目,台灣政府也投入大量資源在建立HD Map。但在GNSS部分,日本電信業者在2019年開始提供RTK GNSS的服務,NTT Docomo在日本已安裝大約1,300個電子參考點,通過經由移動電話網絡分發到需要高精度位置信息的移動裝置,可以實現具有幾厘米誤差的高精度定位。NTT Docomo預計於2019年10月起提供RTK GNSS服務[2]。軟體銀行則是建立了3,300個參考點,2019年七月起與Yamaha、Kashima Construction和SB Drive 等企業合作,共同展示RTK GNSS在自動駕駛與農業機械的實際應用,並預計於十一月底開始對一般大眾提供服務[3]。透過電信公司提供服務可大幅降低當前市場中與GNSS相關的基礎設施設備的成本,而台灣目前則可透過國土測繪中心提供的VBS-RTK即時動態定位服務,現在在台灣有78個主站[4],或是只能仰賴業者自行架設局部區域、定位距離受限的傳統單主站 RTK。

RTK 測位方式RTK 測位方式

發展趨勢

加州大學Berkeley Deep Drive人工智慧自動系統研究中心的主任詹景堯博士對國際汽車工程師學會(SAE)的自動駕駛的分級有很生動的說明,“Level 1是駕駛可以把手或腳放開,但只能放開一個;Level 2則是手腳都可以放掉;Level 3是眼睛可以移開,也就是說駕駛可以看影片玩手機;Level 4是駕駛可以睡覺,但人要在那邊;Level 5則是可以不需要駕駛。”從Level 0到Level 5,車輛的自主駕駛程度逐漸升高。但在這其中Level 3是一個很尷尬的分類,駕駛可以把眼睛移開,但又需要隨時準備控制車輛;若駕駛需要全神貫注隨時準備接管,那似乎不如自己開車了。因此各大廠商在無人駕駛領域的技術發展方向和市場定位大致可分成兩個方向,一個是Level1、Level2級別的半自動駕駛或亦輔助駕駛,另一個則是Level4、Level5朝向不需要駕駛,不需要方向盤跟踏板的自動車輛,兩者的市場訴求不同待解決的技術問題也不太一樣[5]。傳統車廠選擇的是第一個方向,步步為營,自動的程度慢慢增加,且讓產品確實落地,但到Level3之後技術可能遇到瓶頸,因此車廠進行了大量的併購。而一步到位直接捨棄駕駛員的全自動駕駛則面臨了另外的難題,如何達到符合車規的量產規模,如何找到能獲利的商業模式以及市場究竟在哪裡。

杜拜官方舉辦了「2018-2019杜拜全球自駕運輸挑戰賽」,其總獎金超過五百萬美金也是受全球矚目的無人駕駛車競賽盛事,一共有六十多隊報名參加四個類組的比賽,競爭激烈。其大型企業類決賽名單包括:Navya和EasyMile(法國)、Drive.ai(美國)、Westfield(英國)、百度(中國)及2getthere(荷蘭)。但在決賽之前,Drive.ai由於創始團隊退出,部分人力及設備由Apple接收,不再派車到杜拜參加決賽; Google深度學習的大腦計畫創始人吳恩達在Drive.ai扮演了重要腳色,但這家明星自駕車新創公司還是黯然收場。Navya則是自動駕駛業的先驅,2014年就開始販售自動駕駛接駁巴士,2018年風光上市,當時市值高達1.9億歐元;但2019年Navya卻決定告別自動駕駛車業務,營運方向轉為幫協力廠商、客戶開發自動駕駛系統。另一家指標企業百度則是提供了完整的自動駕駛解決方案Baidu Apollo(阿波羅),也成功量產「阿波龍」無人小型巴士,但2019年八月初有媒體報導稱,百度與金龍客車合作的無人駕駛巴士項目“生變”,阿波龍小巴“賣一台虧一台”,百度主力研發人員已經撤出該專案。而百度在稍後對此回應表示,“相關報導不實,目前百度無人駕駛巴士業務在產品、技術和團隊方面都在健康發展。”同時,新一代產品阿波龍二代車很快將推出,也將在重慶等城市落地。這諸多跡象顯示接駁人員用途的自動駕駛雖已在世界各地遍地開花進行試營運,但安全性、法規政策以及社會大眾的接受度仍令其受到約束,自動駕駛的落地,開始妥協到封閉、低速、特殊場域,或是不載人的物流應用。

機會

Guy Kawasaki被創業家(Entrepreneur)雜誌稱為創業大師,也擔任過蘋果電腦的創意總監並榮登蘋果電腦的「Apple Fellow」,他認為追求獲利並不是創業的理由,追求獲利不如思考如何創造價值與意義。我很喜歡Guy Kawasaki的這個說法,作為新創必須創造意義,若無法創造意義,反會導致最終無法獲利的結果。他在The Art of Start[6]這本書提到三種創造意義的方式,

1. Increase the quality of life. Make people more productive or their lives easier or more enjoyable.

2. Right a wrong. A variant on the above. Be a part of the solution, not a part of the problem.

3. Prevent the end of something good. Preserve something classic or historical.


自動駕駛車輛的意義無疑是要改善人類的生活,過去五年內,自動駕駛的技術面或商業面都有顛覆性的變化。麥肯錫研究中心[7]預計,至2030年,自動駕駛相關的銷售及服務市場將超過5000億美元。且自動駕駛可減少90%以上的事故,並平均節省約每天50分鐘的駕駛時間。所有國家與汽車行業在包括法律法規、基礎設施、投資與消費者興趣在內各方面都有逐步實質性的進展。但自動駕駛系統成本過高、經濟方面不具備吸引力是影響其發展的最大瓶頸。麥肯錫研究中心也針對這一主題對相關領域專家進行了調查,僅27%認為至2025年可解決成本問題;另有37%認為2025-2030年之間可解決;新創公司在自動駕駛各方面還是有很多可以做的,但回歸初衷,還是回到Guy Kawasaki三種創造意義的方式,1, Increase the quality of life改善人類的生活,2, Right a wrong,改正一個不應該存在的錯誤,3. Prevent the end of something good.,防止美好事物的消逝。

參考文獻

[1] https://spectrum.ieee.org/cars-that-think/transportation/self-driving/cmu-solves-12-year-old-darpa-grand-challenge-mystery 19 Oct 2017
[2] https://www.nttdocomo.co.jp/info/news_release/2019/05/28_00.html 28 May 2019
[3] https://www.softbank.jp/corp/news/press/sbkk/2019/20190603_01/ 3 Jun 2019
[4] https://egnss.nlsc.gov.tw/_upload/page_content/20151021141420599/主備用站調整總表.pdf
[5] https://www.thepaper.cn/newsDetail_forward_2760927. 24 Dec 2018
[6] The Art of the Start: The Time-Tested, Battle-Hardened Guide for Anyone Starting Anything, Guy Kawasaki, 2004
[7] https://www.mckinsey.com/features/mckinsey-center-for-future-mobility/overview