無人車深度學習技術,代工三雄搶著要

在手機螢幕上,你可以看到系統把車道上的車子一個個框起來,然後進行物體偵測、車道偏移偵測等。」交大電子工程系教授郭峻因一邊展示團隊開發的App一邊說,由於自動駕駛輔助技術ADAS的突破,駕駛只要把手機放在擋風玻璃前,簡單做一些「定距」設定,就能藉由手機鏡頭使用ADAS功能。

近兩年,智慧車相關科技成為熱門,郭峻因團隊也相繼開發出20多種ADAS技術,包括車道偏移警示、前方防碰撞、全球速限偵測、用於倒車攝影的魚眼校正、物件偵測等,不只國際晶片公司如瑞薩找上合作,授權企業的家數也超過十間。在智慧車這個領域,台灣代工大廠低調布局車聯網,鮮少人知道,這些業者部份的技術源自這裡。據了解,和碩先前打入車廠資通訊娛樂系統,為了要進一步跨進無人車領域,找上了郭峻因,一口氣授權了七項技術,讓和碩在ADAS的實力從零到有,希望循過去Mobileyes路線,從汽車後裝市場走到前裝市場。除了和碩之外,還有廣達旗下做GPS定位的鼎天,同樣希望跨進ADAS領域。

從影像到ADAS,再到自駕系統

郭峻因團隊之所以投入智慧車領域,要從六年前談起,過去他們研究影像壓縮處理的IC,應用在行車記錄器,不過做影像處理IC有瓶頸,因為業界的製程領先我們太多,做出來的晶片很難超越,在思考轉移研究方向時,就決定從影像延伸到ADAS,也成功開發出ADAS相關技術,且已經獲得超過十家企業授權使用,除了持續開發具有深度學習的ADAS外,下一階段的目標就是自動駕駛的系統研發,長期更希望能夠開發出低成本的雷射雷達(LiDar)。

郭峻因進一步解釋,深度學習有兩個最有價值的東西,一是數據資料(data),另一個就是模型,目前許多模型都已公開,包括Google的TensorFlow、各種深度學習的競賽,所以模型的取得及建立相對容易,但數據資料就不是如此,就像Google街景車每天上路不僅掃街景,也同時在掃道路情境。

這也是為什麼郭峻因團隊一年前開始投入數據資料領域,他們以行車記錄器上的影片為樣本,標示道路上會出現的各種物體後,例如汽車、機車、行人等,輸入系統進行系統的深度學習訓練,然而,有幾項因素會影響系統辨識結果,包括天候、場景、光影變化等,所以要讓系統提高準確率,就要不斷累積各種情境資料。目前可供辨識的物件資料雖然已達150萬筆,不過,標示物件又是一個「苦力活」,舉例來說,一個五分鐘的行車記錄影片大約有9千張畫面,在每一張畫面都得詳細標示出各種物件,因此就算是五分鐘的影片也得花上四小時完成標示,為了加速完成物件標示作業,現階段也正在開發自動化工具,降低人工標示耗時的問題。

正因為資料值錢,郭峻因與團隊曾思考將此獨立成新創公司,專注發展。據了解,鴻海聽聞之後立刻表達希望投資新創的意願。

眾多新創投入雷射雷達

另一個目標就是降低雷射雷達的成本,無人車搭載了多種感測器,雷射雷達因可掃描的範圍廣,可以達到360度,成為現階段最重要的關鍵零組件之一,可是,雷射雷達目前最大的問題就是成本過高,例如Google無人車頂上突起的圓柱物就是搭載了一個可360度掃描、64線的Velodyne雷射雷達,但要價高達8到10萬美元。

雷射雷達會如此高貴,「因為現在幾乎都是用手工打造的。」Velodyne LiDAR亞洲區總監翁煒說,以往應用客群都是大型研究機構或是圖資公司。因此,不少大公司紛紛投資雷射雷達業者,更吸引了許多新創公司投入,例如美國的Quanergy就是一個估值16億美元的獨角獸。

郭峻因分析,一台無人車大概有近20個感測器,包括毫米波雷達、超音波雷達、鏡頭等,商機很龐大,其中「LiDar為雷射光,掃描環境99.9%不會miss(錯失),一旦LiDar的成本下降,其他種雷達很可能都會被淘汰。」因此,LiDar是一個重要且值得布局的領域。目前LiDar使用的原料材料並非「矽」,耗電功率也高,由於交大電子工程系另有教授專門研究光電元件,他們想著若能將材料改為矽,變成IC,成本就能大幅下降。未來雙方將合作把LiDar晶片化,但他也不諱言挑戰很大,需要四到五年時間研究,希望屆時趕上自駕車普及的時代。

他認為,在自駕車兩個關鍵是鏡頭和感測技術,需要兩者配合才能提供360環繞的偵測,過去台灣在鏡頭著墨很深,也發展很好,「但如果台灣企業願意長期投資,LiDar一定要做。那是感測的關鍵技術。」搭配上台灣的鏡頭技術,就很有機會在關鍵零組件領域搶到很好的位置。

耕耘了六年,團隊累積了影像技術、感測融合(Sensor Fusion)再到深度學習,接觸了百家企業,研發成果更是台灣前三大代工廠鴻海、和碩、廣達全都搶著要,郭峻因回憶,要將實驗室的技術變成廠商可用是很大的挑戰,持續優化、改良是必要的,但比較可惜的是,學校畢竟不是企業,學生碩士畢業離開,技術很可能就因而中斷,對長期人力的安排就是問題,因此他也鼓勵學生畢業後留在實驗室做工程師,才能將技術深耕。

*更多精彩內容請見《數位時代》273期
https://www.bnext.com.tw/magazine/127043
*尊重智慧財產權,如需轉載請註明資料來源:《數位時代》第273期
http://www.bnext.com.tw/