提供完善AI建模工具 陽明交大讓自駕車辨識更精準
訊息來源
https://www.digitimes.com.tw/iot/article.asp?cat=130&cat1=40&id=0000607775_SPR8I9Y662CLUO66K07LI
陽明交通大學電機學院副院長暨嵌入式人工智慧研究中心主任郭峻因。
嵌入式AI技術的應用漸廣,其中深度學習是目前最常用的演算法之一,此演算法需建立完整精確的訓練模型,推論(Inference)端才能順利發揮效益,在此次論壇中,陽明交通大學電機學院副院長暨嵌入式人工智慧研究中心主任郭峻因就以「嵌入式AI深度學習運算模型之建構與應用」為題,發表精采演說。
陽明交大的智慧視覺系統設計實驗室(NYCU iVS Lab),聚焦於各種智慧視覺研究,自駕車也是其中一環。郭峻因表示,自駕車已成全球汽車與科技兩大產業的共同趨勢,NYCU iVS Lab在此領域的研究包括各種ADAS所需的功能與相關技術,在感測器部分,除了視覺感測器外,其研究內容也包括光達(LiDAR)。他指出,影像辨識目前是AI的主流發展方向,在車用領域,AI也可應用於LiDAR,進行物件偵測與分析。
對於AI的導入建議,他表示開發者必須先行掌握圖資與軟硬體核心技術,再進行AI建模,在此環節郭峻因特別強調,建模時必須採用定點而非浮點運算,方能符合自駕車系統需求。針對目前AI設計趨勢與挑戰,郭峻因則以近期的某電動車事故為例點出問題癥結。日前台灣高速公路發生一起車禍,駕駛人放手讓電動車行駛,電動車卻直接撞擊前方道路上一輛倒臥的貨櫃車,在一般正常狀態下,該品牌電動車可偵測前方車輛,過近就會自動剎車,但在這次事件中,AI無法辨識靜止且呈倒臥姿態的貨櫃車是否為車輛,再加上白色車身影響了其視覺判斷,最終釀成車禍。
從這次事件可以看出目前AI在自駕車上的幾個問題,像是攝影機無法偵測車道車輛、霧與強光會干擾系統識別白色汽車、雷達有可能忽略靜態車輛、相機與雷達兩大感測器整合方式有待改進等,現在NYCU iVS Lab就致力於解決上述問題。
郭峻因緊接著談到嵌入式AI感應核心技術與應用。他指出標準的嵌入式深度學習開發,必須先設定與標示資料、再建構訓練模型。NYCU iVS Lab已針對上述環節推出不同平台,讓AI開發者在不同環節均有快速簡易的工具,協助業者縮短開發時程。
郭峻因表示,NYCU iVS Lab所推出的工具都經過測試,具有高度實用性,以資料的設定與標示為例,NYCU iVS Lab在此部分提供的ezLabel工具,只需要前後兩幀畫面,即可標記整段影像中的物件,大幅減少人工標記工時;ezLabel是網路開放平台,可讓全球各地深度學習專家與一般民眾使用,目前ezLabel 2.3版已累積有超過610位使用者。
模型建構部分,NYCU iVS Lab建構SSD輕量化模型與MTSAN(Multi-Task Semantic Attention Network;多任務語義注意網路)。SSD輕量化模型解決了過去此類模型因錨點(Anchor)密度不足,難以偵測瘦長物品的痛點,NYCU iVS Lab在加入CSPNet後,不僅強化運算速度與準確度,同時運算量與參數量也減少了一半。至於MTSAN則是結合物件偵測技術,利用畫素分割場域,並藉此強化物件特徵,郭峻因指出,光是此動作就可提升4.5%的準確度(mAP)。
自駕車導入可分割場域的MTSAN後,可與前車防碰撞(FCWS)或車道偏移系統(LDWS)整合,精準判斷車道,在山路上行駛時,可以識別彎曲車道線,另外也可加入2D與3D的卷積(Convolution)行為分析技術,用來預測後端車輛的超車方向與可能性。
演講最後郭峻因引述美國未來20年發展AI的藍圖做總結。他表示未來的AI必須與情境整合,同時打造開放性知識場域,集結眾人之力,讓AI可了解人類的智能與反應,以進行有意義的互動,此外AI也必須能自我學習,整合周邊環境的各種資訊,培養應對困難挑戰的能力。
至於自駕車的AI應用,他則指出需強化研發各種感知技術,讓車輛可以精準識別路上各類型物件與其移動的意向,將是未來產學研的重點,透過這些研發,車禍事故發生機率將可大幅降低,進而建構安全可靠的交通場域。
台灣 是否 可以 發展智慧 車輛產業 在 許淑華 Facebook 的最佳貼文
近期交通部修正了「車輛安全檢測基準」,並規劃,2021年1月1日新型式大型車新車,應裝設符合車輛安全檢測基準規定的數位式行車記錄器,若未裝設將無法領牌,定檢未改善最嚴重可吊扣牌照。
另外,行車紀錄器的功能有插卡記錄駕駛工時等功能。現行大客車的行車紀錄器僅能記載車速、行駛時間,但記錄是依車輛為主,不能確實掌握究竟是誰開車,以後駕駛上車前必須於插入個人卡片,下班後取出,明確記錄駕駛工時、開車時間、待命休時等。
若駕駛上車後沒有插卡,車輛仍可以發動行駛,但行車紀錄器會發出警示聲。但是新制度是否淪為樣板,數字美化之下問題仍舊未解決,就是官方的課題。
有鑑於此交通部應設立一個標準,達到標準就無法啟動車輛或是警示相關單位作為重點列管項目,以及代替插卡或冒用插卡的加重處法,別讓政府美意成為意外的開始。
另前年11月30日立法院三讀通過《無人載具科技創新實驗條例》,經濟部技術處於去年10月25日開始受理實驗車牌的申請,台灣在短短幾年便將自駕車產業快速進展到實證上路的階段,目前有台灣智駕、勤崴國際、豐榮客運向經濟部提出實驗車牌的申請;工研院與新竹市政府合作,共同推動「Taiwan No. 0001」自駕車於去(2019)年10月22日在新竹南寮漁港揭牌上路,是目前唯一一張由交通部核發的試車牌。
城市的智慧化時代已經在眼前,生活型態將會與現在截然不同,法律如何修正成為了立法單位共通的課題,因此如何借鏡美歐及日本無人車的發展策略進行了解,讓我國自駕車上路也可以成為世界典範。
國內現行規範車輛上路的《公路法》、《道路交通管理處罰條例》及其相關法規,均以要求駕駛人全權負責車輛操控為立法基礎,但未來自駕車正式上路後,自駕系統訓練如何整合入現有考照系統中,或是另外加考項目,除此之外 肇事責任可說是社會大眾提到無人車最為關切的法律議題。
交通部可參酌先進各國之立法,以德國為例,德國於2017年5月修正《道路交通法》,直接針對第三級自駕車提出詳盡規範,包含駕駛人有義務在特定時機重新接管、提高事故賠償上限、釐清車廠與駕駛人的責任歸屬、自駕車需裝設黑盒子等。此外,針對自駕車所涉及的諸多利益權衡問題,德國則由14位科學家和法律學者組成道德委員會,並於2017年8月提出共計15條的《自駕車道德準則》,明確指出人類生命安全優先於動物及財產。
日本政策及立法重點則著眼於「釐清事故責任歸屬」與「道路測試」。日本警察廳於2016年5月發布《自動駕駛汽車道路測試指南》,允許自駕車於道路進行測試,但駕駛人應坐在駕駛位上;2017年6月再次發布《遠程自動駕駛系統道路測試許可處理基準》,允許自駕車在真正無人駕駛的狀態下進行道路測試。
因此從國外經驗要如何借鏡,加上台灣特有的公路交通現象(機車較多等),交通部應該盡早研議。
台灣 是否 可以 發展智慧 車輛產業 在 科技產業資訊室 Facebook 的最佳解答
設計專利的強制授權應屬可行
評述智慧財產法院德商戴姆勒(賓士汽車)公司訴車燈零件廠帝寶公司一案判決,該文經該案承辦法官以「司法裁判與產業政策發展」一文,在本報名家評論回應。
我國汽車零件商多年向設計專利權人爭取、卻無法取得合法授權的抗辯主張,是否真的欠缺法理支持、不值法院一顧?我們的主張是,如果設計專利能夠強制授權,台灣汽車零件廠商可以合法製造銷售與汽車原廠車輛切合相配的零件,增加市場競爭,而汽車原廠仍然可從中取得合理授權金、處境會比在維修免責條款下完全無法取得任何報酬或授權金要好得多,而且消費者在原廠正牌零件外還有副廠零件可選擇,尤其是當原廠正牌零件不再生產的情形,這種多贏局面難道不也是「很容易理解的選擇」?....
台灣 是否 可以 發展智慧 車輛產業 在 臺灣智慧聯網電動車產業發展契機與挑戰 的相關結果
科技的發展,將機械、電子、電機、資訊、通訊、自駕等科技整合應用於車輛中,. 即所謂的智慧聯網電動車,為當前車輛產業的趨勢,可提供駕駛安全輔助 ... ... <看更多>
台灣 是否 可以 發展智慧 車輛產業 在 台灣自駕車產業發展現況與展望 - 財團法人車輛研究測試中心 的相關結果
據IEK估計,台灣汽車電子產值2017年已突破新台幣2,080億,極具發展智慧車輛的潛力。綜觀國際自駕車產業的發展,主要涵蓋自動化、聯網化、共享化等面向 ... ... <看更多>
台灣 是否 可以 發展智慧 車輛產業 在 台灣自駕車產業規劃與發展策略 - 機械工業網 的相關結果
Intel與SA國際研究機構樂觀預測,在2050年全自動駕駛具有創造7兆美元「乘客經濟」市場發展潛力,自駕車快速發展將會改變車輛產業生態:因此本文從全球 ... ... <看更多>