自動駕駛車(Automated Vehicles;AV)正成為時下最時髦的關鍵詞,幾乎每週都有相關新聞發生。本月初,Waymo和Navya分別發佈自家的自動駕駛計程車(robo-taxi)計劃,緊接著又發生了自動駕駛巴士試營運的意外事故。

Navya的無人駕駛接駁車才剛在美國賭城拉斯維加斯(Las Vegas)展開試營運服務的第一天,就發生了與貨車輕微擦撞的一場「小車禍」。

媒體以及大眾(包括工程師社群)都在鼓噪自動駕駛將會跟司機搶飯碗的簡單看法。許多工程師推崇人工智慧(AI)帶來的超強運算能力,以及雲端運算強化連網世界的潛力。

普遍的看法對於宣傳自動駕駛都成了一些一成不變的陳腔濫調:高度自動化駕駛將會讓行車更安全,而且也有助於提升我們(乘客)的生活或工作效率。同時,自動駕駛帶來共乘共享的機制還能讓車輛減少,都市的塞車和污染問題就能因此迎刃而解。

事實上,對於這些烏托邦的看法並未存在多少佐證或資料分析支持。技術產業一向對於促進更強大、更快速且更智慧的技術不遺餘力,而媒體則以拉拉隊之姿助陣。

關於一項技術是否較另一項技術更優越,這當然存在大量的看法。但是,在發表各種評論之前,很少有人會先思考這些論點的前提,或甚至問問早就該問的問題:為什麼需要自動駕駛車?它到底有什麼用處?

走過自動駕駛20年…

美國版《EETimes》最近專訪了AutoKab的執行長Carlos Holguin與總裁Michel Parent。AutoKab是一家致力於開發「為商用車隊確保安全自動化」技術的新創公司,該公司位於法國電腦科學與自動化研究所(French Institute for Research in Computer Science and Automation;INRIA)園區;INRIA總部位於原北大西洋公約組織(NATO)軍隊的中央指揮所。

儘管才成立兩年,AutoKab的創辦人團隊在公共運輸規劃、道路車輛自動化和運作方面都有超過20年的經驗。

AutoKab 的研發(R&D)中心看起來就像車庫,裡面放滿了過去 20 年來所設計和使用的各種舊型自動駕駛接駁車、高爾夫球車和小客車,看起來簡直成了自動駕駛車博物館。

在Michel Parent 的職業生涯中,有一半的時間都花在像史丹佛大學(Stanford University)、麻省理工學院(MIT)和INRIA等單位做研究,另一半時間則投入於機器人產業,對於交通運輸的「自動化」領域貢獻了不少想法。Parent 說:「沒錯,20 年前,我一直想設計一個能像人一樣開車的機器人。後來我問了自己一個問題,研發這樣的機器人有什麼樂趣?」不過,他認為最該捫心自問的是「我們在試圖解決什麼問題?」

對於當今的都市來說,要解決的就是塞車、空間擁擠(還得留些空間停車)、交通不便(離大眾運輸系統太遠)以及能源浪費等問題。Parent指出,「我們需要互連、共乘且速度更快的公共交通工具與電動車(EV)」AutoKab執行長Holguin則總結道,「我們試圖解決的就是最後這一哩路的問題。」

Holguin預期,除非自動駕駛能提供像自動駕駛巴士或自動駕駛計程車等共乘服務,「否則就算有自動駕駛車也無法緩解交通壅塞的問題,更糟糕的情況是讓塞車情況變得更嚴重。」他認為,AutoKab的目標就在於解決「一人一車」或「低乘載」的交通資源浪費問題。

AutoKab 的主要員工來自兩個不同的領域:「技術」和「運輸」。Holguin 表示:「我們利用技術填補商用自動駕駛車營運時所缺少的環節。」更準確地說,該公司是在為公共交通運輸業者提供一種「以里程計的自動化服務」。

為汽車和巴士打造的自動化套件

AutoKab 致力於安全和資料分析兩方面的技術開發,同時還與許多都市合作,聯手打造更有效率的大眾運輸系統。

AutoKab 的名稱來自於‘Automation Kits for Autos and Buses’(專為汽車和巴士設計的自動化套件)的縮寫。當然,它也有硬體開發的能力。該公司技術長Cristian Sandu表示,AutoKab 的自動化套件的設計可安裝在任何車輛上,包括大量的感測器,如雷達、光達、視覺系統和運算處理器(來自英特爾和Nvidia等供應商)等,以實現安全駕駛。

20171129_AV_NT04P1 AutoKab執行長Carlos Holguin、技術長Cristian Sandu與總裁Michel Parent (由左至右)

不過,Sandu指出,要將這個套件完美地安裝到車子上得費一番功夫,包括軟體校正。但以隨插即用的念來看,這款自動化套件「可以透過CAN匯流排或FlexRay連接車體,根據車子的需求進行安裝或卸載。」AutoKab 打造該套件並不是因為對於銷售硬體感興趣,而是由於該套件對於想要降低自動駕駛車成本的人來說至關重要。

然而,Holguin 強調,AutoKab 對賣硬體沒興趣。相反地,它更看重與各大都市的合作,共同發展出能讓交通運輸業者更有率地執行「最後一哩」服務的計劃。而AutoKab則是從城市中自動駕駛車行駛哩程取得利潤。

成本太高了!

例如,AutoKab 參與了多項歐洲計劃,其中包括 CityMobil2。Holguin 指出,從2014 年 10 月至 2015 年 4 月,該公司在法國拉羅歇爾(La Rochelle)展開自動駕駛測試,「以零事故的好成績實現了超過 6 萬人次的載客量。」

此外,La Rochelle當地居民對於這項自動駕駛服務的評價也相當高。不過,他們並不知道這只是個測試。更重要的是,媒體與一般民眾並未擔心測試期間的資料搜集問題。

同時,AutoKab表示在參與歐盟計劃中累積了不少經驗。Sandu 說:「我們深入研究在這些資料背後隱藏的意義。」首先,即使是低速的自動駕駛車共乘,營運成本也非常高。此外,這些共乘的車輛「經常乏人問津」。如果自動駕駛車和大眾運輸系統之間無法有效協調,想提升服務簡直是天方夜譚。

Sandu 還指出,自動駕駛車的大小及其載客量必須根據不同城市的大小與實際情況來決定。

在 CityMobil2計劃案的展示階段,來自合作夥伴 Robosoft 和 Easy Mile 的兩支測試車隊分別在 7 個城市進行了階段性測試,但這些車輛並不一定適合其他城市的情況。

Christian 說:「我們只能利用這些車隊進行測試,因為目前只有它們能協助配合,」當然,未來仍有待進一步的分析。

其次,都市也需要加以調適與配合。Holguin 說:「它們必須對於V2X交通號誌等基礎設施進行投資。」光是打造自動駕駛車並不是解決都市所有問題的靈丹妙藥,都市交通問題需要更全面的考慮,包括自動駕駛車專用的上下車區域。

兩種不同途徑

對外行人來說,Waymo的自動駕駛車可能相當酷炫。至於Navya的無人駕駛接駁車呢?可能就相形見絀了。

20171129_AV_NT04 AAA、Keolis與 Navya聯手打造的第一輛無人駕駛接駁公車,在拉斯維加斯展開試營運。(來源:AAA、Keolis)

在美國,人們並不信任政府交通部門或政客對於投資都市基礎設施的承諾,普遍都認為這些承諾很難兌現。如果人們不相信市政府官方願意花錢架設支援V2X通訊技術的交通號誌,如果他們信不過任何人打造自動駕駛專用的高速公路,那麼,唯一的選擇就是相信Google、Nvidia以及Intel/Mobileye了。這些巨擘正積極地打造夠智慧的自動駕駛技術,以便能偵測路況、察覺路上的障礙物,以及建立即時的3D地圖,而不必改變現有的道路基礎設施。

歐洲(EC)的情況正好相反,類似 CityMobil2 的EC投資計劃需要自動駕駛車成為自動道路交通系統(ARTS)的一部份。如同EC計劃中所解釋的:「ARTS 是基於全自動駕駛車(無駕駛座也未配置方向盤)的道路交通運輸系統,對於所要使用的基礎設施具有先驗知識。即使未配置自動駕駛功能的 ARTS 車輛,也會由控制中心的人類操作員持續進行遠端監督和管理。」

因此,歐洲和美國技術產業對於自動駕駛上路的看法完全不同。在歐洲的計劃中,關鍵字包括對於自動駕駛「基礎設施的先驗知識」和「認證」。

既定發展路線

關於部署在自動駕駛車的AI技術,Sandu 直言:「我們對於深度學習的興趣不大。我們有自己的既定發展途徑,能讓政府交通部門更輕鬆地認證自動駕駛車。」

美國卡耐基梅隆大學(Carnegie Mellon University)教授 Philip Koopman 曾經在接受《EETimes》的專訪時表示,自動駕駛車面臨的最大挑戰在於克服潛藏於機器學習中的基本測試問題——這個問題困擾科學/工程界已經很久了。Koopman 說:「想讓以機器學習為基礎的系統達到傳統安全標準可不容易。因為訓練資料集並不符合軟體要求與設計的傳期待。」

AutoKab認為,商用的自動駕駛車要想通過認證,汽車製造商必須打造出能為市政府監管部門提供安全保證的解決方案。Parent 強調,「自動駕駛車必須像現在的火車、公車和飛機一樣取得認證。」

機器人隨機夾取的問題

Parent可說是一名「久經沙場」的機器人專家,目前的自動駕駛車讓他想起機器人產業長久面對的「箱中取物問題」(bin picking problems)。

去年,機器人產業協會在一篇報導中到了產業面對著兩難的問題。「雖然技術不斷進步,但機器人箱中取物的能力依然有限,我們還是沒能達到最後的神聖目標——讓機器人擁有隨機取放的能力。不過,我們依然有所嶄穫,在先進的視覺技術、軟體和取放方案的輔助下,機器人正前進至一個從未達到的領域。」

「那麼,為什麼讓機器人學會隨機取放如此困難?答案就在於準確度。雖然機器人重複能力超強,但在一片混亂中隨機取放依然需要很高的精準度。機器人必須在環境開放的可用空間定位一個不斷更換位置和方向的元件。這就意味著機器人必須均衡各種靈敏度、機器視覺、軟體和運算能力,以便即時處理所有的資料並得出最佳的取放方案。這樣的要求雖然很高,但絕非無法實現。」

目前,機器人和自動駕駛產業解決這一問題主要都靠提升運算能力。但是,Parent解釋,「解決這個相同問題的方法是整齊地依序在托盤上擺放元件,讓機器人更迅速地取放元件。」換句話說,在發佈R2D2機器人之前,得先解決掉混亂的情況。

Parent 認為,將類似的思維應用在自動駕駛計程車和自動駕駛接駁車上,就能減少基礎設施的混亂,從而更有效率地解決都市交通問題。

以下是AutoKab「博物館」中放置的幾款自動駕駛車,它們可說是過去 20 年來自動駕駛產業的縮影。我們先從AutoKab今年推出的最新自動駕駛車開始。

20171129_AV_NT04P3 Cycab (來源:EE Times)

這輛由 INRIA-IMARA/RITS 團隊研發的高爾夫球造型車誕生於 1995 年, 1996 年製造,並在多個都市承擔自動駕駛交通服務的開發和測試工作。這些都市包括法國(1998)、英國Daventry (2006)、法國La Rochelle (2007)、比利時布魯塞爾(2009)、芬蘭Vantaa (2009)、法國Antibes (2003、2011)、義大利Formello (2011)與Reggio Calabria (2011)。

20171129_AV_NT04P4 Yamaha自動駕駛導引車(來源:EE Times)

山葉(Yamaha)的自動駕駛導引車由 INRIA 和Yamaha聯手於2000 年開發,隨後用於 AutoCab 總部所在地Rocquencourt,以及2008年在挪威Trondheim、2011年在義大利Formello等地巡迴展示自動駕駛服務。

20171129_AV_NT04P5 20171129_AV_NT04P6 La Rochelle的自動駕駛車 (來源:EE Times、AutoKab)

這些車在法國La Rochelle展示技術開發和自動駕駛服務,隨後在2003與2011年也部署於法國Antibes,2011年並在義大利Reggio Calabria展示。

(參考原文:It's Time to Ask: What Are Robo-cars For?,by Junko Yoshida)