【國產物流自駕車關鍵人物：工研院機械所數位長王傑智 】上路關鍵是在地化，這輛自駕車能模仿臺灣人開車習性

最近有個第一人稱視角拍攝的自駕車影片在網路爆紅，一輛工研院國產自駕車在交通繁忙新竹市區及大街小巷中行駛，片中不時可見凌亂的紅綠燈位置、違停併排車輛、人車爭道，還有從小巷竄出的機車、走在車道上的路人，這是國外看不到的複雜交通景象，是臺灣獨有的交通特色。但面對這些挑戰，這輛自駕車依然在沒有人為介入的情況下跑完全程，「你可以請Waymo自駕車到新竹來試開看看。」工研院機械所數位長王傑智自豪地說。

影片中的自駕車行駛路線，正是這次新竹物流自駕物流實驗路線。為了具備有這樣的市區自駕能力，王傑智和工研院機械所自駕車團隊花了3年多，持續在臺灣各種道路上磨練精進車輛自駕技術，才讓片中的自駕車練就一身開車技術的好本領。

除了送貨自駕貨車，王傑智和自駕車團隊目前正在打造一套自駕系統，可供35噸重的大型聯結車做自駕使用，這輛自駕聯結車不論重量或身型都比一般貨車高大許多，對於這項新挑戰，王傑智只簡單回答： 「做就對了。」

除了測試自駕貨車，工研院機械所自駕車團隊目前正在打造一套自駕系統，可供35噸重的大型聯結車做自駕使用，這輛自駕聯結車不論是重量或體型都比一般貨車大上許多。圖片來源／工研院機械所數位長王傑智臉書

身為臺灣國產自駕系統研發重要核心人物，王傑智長久以來主打的訴求，就是不論任何車型都能改裝成自駕車，從小貨車、轎車、休旅車，到大卡車、傳統柴油巴士都難不倒他。他經手的自駕車數量，從一開始只有3輛車，到現在發展10多輛自駕車，每部自駕車的改造及其搭載的國產自駕決策系統，全都由工研院機械所自駕車團隊一手包辦。

為了讓自駕車能夠適應各種路況，測試團隊不只在封閉場域做訓練，更把握各種實證場域不斷練兵來精進自駕車技術，迄今已經能夠做到特定開放場域全自駕。像是他們研發的自駕車在新竹南寮漁港的路上，已經足足開了兩年，不分天候、時段鍛鍊提升國產自駕系統能力，後來更將這套自駕系統，裝進一輛柴油巴士改裝的自駕大巴，行駛在臺中水湳的開放道路上，學習應對混合車流的情境。這些年來，累積自駕里程超過六千公里。

如果將90-90法則套用到自駕車發展上，也就是IT界或軟體圈常聽到的「90%程式要花費團隊90%的開發時間，剩下10%要再花費相同時間來開發」，王傑智自評，工研院機械所自駕車團隊現在不只從0分到90分，還從90分進步到91分，「雖然只是增加1分，這已經相當厲害，代表持續進步。」他這樣說。

工研院機械所數位長王傑智表示，如果將90-90法則套用到自駕車發展上，工研院機械所自駕車團隊現在不只從0分到90分，還從90分進步到91分，雖然只是增加1分，這已經相當厲害，代表持續進步。攝影／蘇文彬

在接下來一年當中，工研院機械所自駕車團隊將以2輛克萊斯勒Pacifica改裝的自駕物流車和一輛5噸重的堅達自駕貨車，在全長約1.9公里市區道路上，配送貨物往返新竹物流兩個營業所。雖然是行駛固定路線，但自駕地點不僅緊鄰火車站，距離竹科也不到5公里遠， 測試時段不只安排了上下午， 還有半夜凌晨時段，這也意味著，會遭遇到上、下班人車潮的考驗。

不過，王傑智一點也不擔心，對於他們的自駕車很有信心，甚至他很早就開始布局，透過各種方式，讓這套自駕決策系統逐步適應臺灣本土的交通特色與駕駛行為。

克服背景複雜的紅綠燈辨識有一套

紅綠燈就是其中一個例子。紅綠燈辨識一直是自駕車上路的挑戰，在臺灣更是如此，需要克服各種複雜背景下的紅綠燈、夜間號誌辨識的考驗，但工研院機械所自駕車遇到紅綠燈時，卻一點也沒有這個問題，不論紅綠燈擺放位置遠近、數量多寡，周圍背景有多複雜，也不分白天或夜間，都能夠處理得宜。

王傑智解釋，最主要的原因是，團隊不只用了一套紅綠燈辨識技術，而是採用複合方式來確保交通號誌判別正確性。例如在紅綠燈辨識系統上，底層雖採用深度學習技術，但自駕車決策時還會搭配高精地圖來看，從拍攝照片比對車上相機位置和每個紅綠燈的幾何關係，來推算出紅綠燈在照片上的相對位置，來縮小檢測範圍，甚至還會結合時間訊息，只要加入基本邏輯判斷，自駕車就能知道其他角度的號誌應該亮紅燈或綠燈，現在可以左轉或右轉。「我們光是紅綠燈辨識就有很多層」，他說，針對紅綠燈辨識，除了有強化深度學習分析模型，還會將所有可用的空間幾何、時間的訊息放進來，加強整個系統的穩定度和正確性。

不只應付靜態的交通，工研院機械所自駕車的厲害之處，在於遇到各種動態的交通狀況也能迅速反應。以臺灣道路上常見的「多事件同時發生」的情況為例，王傑智表示，當自駕車遇到這種情況時，可以慢下來等待，也可以選擇繞開，這時候，自駕決策系統根據感知系統偵測和追蹤到多個事件時，就會從可能影響的行駛路徑中，找出所有可能的解決方式，再從這些解法中，挑出一個最安全且合理的方法來執行，讓自駕車避開這些事件。

他強調，最重要的是，要能迅速找到一個安全解法，而且是附近的人都可接受的合理方式。這不是一件容易的事，需要靠融合傳統和新式作法，反覆提高自駕系統的決策能力，才有辦法做到。

甚至遇到開車爭道，誰該禮讓誰的問題，自駕車團隊也有設計一套處置方式，來傳達出自駕車要卡位或讓位的訊息，例如緩慢一步步逼進，讓對方知道你的車要先過，或是知道安全情況下表現毫不畏懼快速通過，就像當地人自己在開車那樣。為了設計出能夠貼近在地化的開車行為，他們會將一些原本人類駕駛習慣的行為轉換為規則，放進自駕決策系統中，也有結合行為樹（Behavior Tree）決策，根據每個地方路況需求調整參數，進而讓自駕車表現更在地化，「到目前為止，我們自駕車只要表現兇一點，對方就會禮讓」他滿意的說。在他眼中，這套國產自駕車系統越來越像是一位道地的臺灣人。

高精地圖也要在地化，幫助自駕車避開三寶雷區

不只讀懂臺灣駕駛習慣，自駕車團隊也會透過車上裝的高精地圖，來讓自駕車可以避開一些開車雷區，比如三寶區，常有行人穿越馬路或出現違停車，工程師就會將這些資訊標示於高精地圖上，車輛行經時會主動加強對這個區域的人車進行追蹤，來確保行駛安全。

在規畫路徑時，自駕車也會根據地圖上需要留意的資訊，安排較少人穿越的道路來開，甚至還沒開到違停路段前，自駕車自己會先預設前方車道可能有違停車，於是選擇改走內側車道，而不走外側道。「這在一般高精地圖上看不到，可是車開久了，人類駕駛會知道當地人習性，將這些在地化資訊考慮進來，自駕車開起來才會更順。」他表示。

正因為自駕車每到一個新場地練習時，工研院機械所自駕車團隊第一件事，就是建置高精地圖，這些年來，自駕車團隊發展出一套低成本且快速建置的作法，像是建立點雲地圖時，有結合不少演算法和自動化工具，來縮短地圖繪製所需的人力和時間，還利用AI等各種自動化工具標記語意地圖上的輔助資訊，如開車規則、紅綠燈位置，然後以人工進行確認，也會結合其他工具修正錯誤，提高地圖精度。

王傑智表示，這樣做的好處是，不只能更快建好地圖，而且成本相對低廉，跟一臺動輒1～2千萬元的高精密測量儀器設備相比，自駕車團隊只用十分之一價格的設備，就能繪製出相同高品質的地圖，同樣可提供公分等級的精度。

將虛擬的動態交通狀況疊加到真實道路，測試自駕車決策系統的臨場反應

當自駕車遇到一些從沒看過或罕見的路況時，測試團隊也會結合虛實混合技術，來加強這方面的訓練，除了在虛擬世界產生類似交通情境來加以驗證，還會將這些虛擬的動態交通狀況放進實體環境中來測試，如同透過手機螢幕看到眼前的虛擬寶可夢出現， 他們也把這些虛擬狀況疊加到真實道路上，用來測試實體自駕車的臨場反應，能否做出對應的處置。在這次物流自駕實驗中，自駕車團隊就有使用自駕車數位分身，在新竹市道路的數位分身中來進行自駕車行為決策的驗證。

不過，王傑智也表示，在模擬環境訓練完的自駕車數位分身，要使用在真實環境的自駕車上，需考慮到虛擬與真實世界的差距，尤其，想要模擬出一個高擬真的感知系統，目前仍十分困難。這也是為何他們建立自駕車數位分身時，先以自駕決策系統的數位分身來驗證，而沒有使用感知系統的數位分身。

除了在虛擬世界產生各種交通路況來驗證自駕決策系統，工研院機械所自駕車團隊還會把這些虛擬狀況疊加到真實道路上，來測試實體自駕車的反應，看能否做出跟自駕決策系統數位分身相同的處置。（圖片來源/工研院機械所數位長王傑智部落格）

3年多來全心投入專研自駕車技術，儘管已經和自駕車團隊打造出了10多臺國產自駕車，王傑智認為還有努力的空間，跟自己原先預期的數百臺仍有差距，即使如此，他仍持審慎樂觀的態度，「雖然這件事不容易成，我還是會努力來達成」他堅定的說。