2024年自動駕駛技術已成為汽車行業和高科技行業的熱門話題,尤其在技術展覽會、企業戰略發布以及相關技術會議中頻繁被提及。
自動駕駛技術的等級劃分主要是依據國際汽車工程師學會(SAE International)的標準,從Level 0到Level 5,每個等級代表的自動化程度逐漸提升:
Level 0 - 無自動化 (No Automation),駕駛者完全控制車輛。
Level 1 - 駕駛輔助 (Driver Assistance),車輛在特定情況下能自動執行一項駕駛任務,例如自動巡航控制或車道保持輔助,駕駛者仍需隨時監控道路狀況並隨時準備接管控制權。
Level 2 - 部分自動化 (Partial Automation),車輛可同時自動執行多項駕駛任務,如加速和轉向,駕駛者仍需監控環境,隨時準備介入操作。
Level 3 - 條件自動化 (Conditional Automation),車輛可在特定環境下完全自主駕駛,如高速公路自動駕駛,駕駛者在車輛要求時必須能夠接管控制,但在自動模式下不需要持續監控。
Level 4 - 高度自動化 (High Automation),車輛在特定環境或條件下能夠完全自主操作,不需要駕駛者的介入,車輛即使在出現技術問題時也能安全地處理情況。
Level 5 - 完全自動化 (Full Automation),車輛在所有道路條件和環境下能夠完全自主運行,不需要駕駛者的存在,車輛可能也不設有駕駛控制裝置,如方向盤或踏板。
在自動駕駛技術中,Level 2與Level 3的實際應用案例已在市場上相當常見。Level 2技術如特斯拉的Autopilot,提供了自動換道、自適應巡航控制及車道保持等功能,儘管具備這些先進功能,駕駛員仍需隨時準備接管控制。
在Level 3上,如奧迪A8的Traffic Jam Pilot允許在高速公路上低於60公里/小時的情況下完全自動駕駛,駕駛員可以暫時不參與駕駛,但需在系統要求時迅速接管。
反觀Level 4,這項技術則須在限定的場景中才可以執行,例如,在美國,亞利桑那州鳳凰城的郊區提供Waymo One服務,在中國,百度Apollo則推出了名為RoboTaxi的無人計程車服務,於北京、長沙等城市進行試運行。目前Level 4自動駕駛技術需要在可受控環境中行駛,大多數仍處於試運行階段。
儘管目前Level 4自動駕駛技術提供了高度自動化的可能,但在技術成熟、法律完善、公眾充分信任之前,它的應用仍將侷限於特定的、可控的環境中。
關於全自動駕駛實現的可能性
過去在Level 4的實驗場域中,採用”雲端”運算,雲端運算採用的模式是將車子感測器上收集到大部分的影像跟資料,回傳至雲端上,進行AI運算,再將計算結果傳入邊緣端進行反應,而車輛這種對時間要求極高的運具,如果沒有在邊緣端進行運作並立刻做出反應的話,就會造成安全上的疑慮。
以特斯拉為例,車輛會記錄並收集數據,如駕駛行為和環境數據,這些數據被傳送至雲端,用於升級和改進其自駕演算法,最終這些自駕模型,會被更新於車輛的邊緣系統中。特斯拉還設有專門的雲端數據中心,以支持這一數據流和演算法升級過程。
未來邊緣運算在Level 4至Level 5自動駕駛技術中極其重要,邊緣運算可大幅降低數據傳輸的延遲,這對於需要即時處理大量感測器數據以迅速做出決策來說,是不可或缺的。例如,在緊急迴避或複雜交通情況下,車輛必須在幾毫秒內作出反應,這種速度只有通過在車輛本身進行數據處理才能實現。
要實現全自動駕駛場域,業界談到一項技術,自動移動機器人(Autonomous Mobile Robot, AMR),目前主要應用在倉儲和物流,AMR在倉庫中自主運送商品,從貨架到打包區,已大幅提高物流效率。
假設未來所有車輛都能彼此互聯,甚至與交通信號燈等基礎設施也能進行互聯,那麼就能在更宏觀的層面上進行交通調控。例如,可以在容易發生交通擁堵或事故的地點自動降低車速,這種智能交通系統的實施將大大提高道路的安全性和流暢性。
你可以想像在一個車輛A行駛到路口時,可能會遇到盲點或死角的問題。此時,如果另一輛車B裝有感測器或攝像頭,並且能夠察覺到A車未能觀察到的盲點,B車就可以通過車輛間的通信技術向A車發送警告, 進行群機溝通,這就是AMR的關鍵技術。
這項技術的應用是未來執行Level 5的可能性之一。