比 GPU 更小更節能!交大發表「晶片化」AI 自駕模型

交大郭峻因說外國各大廠的自駕車技術精良,但大多都是採用高階 GPU 運算太貴、太耗能,很難商業化。所以他們做的就是「嵌入化」,把自駕模型放在比較小且便宜的 AI 晶片上!
評論
評論

交通大學電子研究所郭峻因教授率領團隊開發 8 年,今天公布研究成果,推出領先全球,可以支援各種 AI 自動駕駛車的「嵌入式 AI 物件辨識系統」,不只讓自駕車偵測距離大幅增加至 200 公尺,甚至還適用於各種天候!

郭教授表示,外國各大廠的自駕車技術精良,但大多都是採用高階 GPU 運算,相對來說太貴、太耗能,很難商業化。所以郭教授想做的就是「嵌入化」,把自動駕駛模型放在比較小且便宜的 AI 晶片上。

嚴格說起來,郭教授團隊今天發表了三項技術:1.自動標記工具 ezLabel,2.高精度嵌入式 AI 物件辨識模型,3.深度學習行為預測模型。

我們知道 AI 其實需要仰賴工人智慧,透過大量人力去做標記的工作;但郭教授研發出「ezLabel」,可以極快速且自動的標記物件、行為、場景,其效率超過目前現有手動資料標記工具達 10-15 倍以上,而且具備資料管理、資料分析功能,甚至於去年獲得第一屆台灣 AUDI Innovation Award 兩項獎項。

目前郭教授團隊已利用 ezLabel,自己建置了超過 1,500 萬筆適合台灣地區之自駕車影像資料庫,除了汽車、行人、道路之外,還有擁有高達 188 萬筆的機車資料。郭教授表示,機車就是國外自駕車演算法最缺少,也是台灣在開發自動駕駛裡最獨特、最有機會的一塊。他們也在去年釋出了一部分資料共 10 部影片、96000 張樣本給外界公開使用,並規劃將在未來把標記工具釋出給企業與學術界使用。

有了基礎資料,郭教授團隊自己也研發了在虛擬環境下,使用 NVIDIA 自駕車平台 DRIVE-PX2 偵測能力可超過 200 公尺的車輛嵌入式深度學習演算法,超越現階段文獻標竿演算法(YOLO v2)有 4 倍之多。

▲郭教授團隊用台廠芯鼎車規 AI SoC 運行自駕演算法

但如同前述,郭教授真正致力的是把自動駕駛演算法「縮小」,讓它可以運行在更便宜、更節能的晶片上,因此也沿著上面基礎,開發出更低功耗的識演算法 NCTU SSD lite,相同準確度下模型大小僅為 YOLO v2 的 7%,運算複雜度也只有 YOLO v2 模型的 27%,而且它可以用在德州儀器的 TI TDA2X,以及台廠芯鼎的車規 AI SoC iCatch V37 上,實現即時物件偵測。

第三項則是獨創的深度學習行為預測技術,透過深度學習,讓車子具備準確判斷後車未來 3 秒鐘是否要超車的能力,也可運用在預測行人是否穿越馬路上。目前團隊已跟 28 家企業展開各種合作,未來也將積極跟 AI 晶片公司、車電系統公司與圖資公司共同努力發展自駕車技術。

核稿編輯:Mia

延伸閱讀:



運動科技新革命: IoT 結合數據分析,奧運跆拳銅牌羅嘉翎國手養成之路揭秘

運動科技為近年運動產業顯學,現在賽場上,不僅較勁各選手的體力及技術,更考驗各國科學技術導入,輔佐選手的程度。有效運用運動科技,不僅可避免傷害外,更能提升訓練品質,提升選手佳績。
評論
Photo Credit: INSIDE
評論

今年 8 月剛落幕的 2020 東京奧運,台灣選手獲得 2 金 4 銀 6 銅的 12 面獎牌,不僅寫下史上最佳參賽成績,且分別在 10 種不同項目奪牌,令各界大為驚艷。近年健康意識抬頭,下班後會自發去運動的人越來越多,種種現象顯示著台灣的運動風氣已逐漸成熟,而運動科技正是背後的隱形推手。

科技部致力推動產學界合作,結合運動科學、智慧科技與數據分析,輔助選手精準練習,用最有效率的方式提升表現,讓運動訓練不再是土法煉鋼。運動科技的應用也能幫助一般人,在日常生活中更聰明更健康的做運動。由於商機龐大,運動科技早已成為各國在運動競技賽事與產業發展積極佈局的新型態競爭場域,一起來看看它為台灣體育帶來了什麼樣的改變吧!

透過科技幫助運動選手了解自身狀態,穩扎穩打求進步

年僅 19 歲的跆拳道選手羅嘉翎,首戰奧運便打敗多國好手,一舉拿下銅牌。從小在道館長大,幼稚園就跟著爸爸、哥哥練習跆拳道,小學開始在國內比賽嶄露頭角,國二首次參加青少年國際賽事後更不斷奪金。然而,初生之犢的她,卻是好不容易才站上奧運這個舞台。

「小時候的確身高有優勢,但剛轉去成人組時還滿挫折的」,帶著青少年時期的亮眼成績,羅嘉翎在高一下加入跆拳道國家隊,被延攬至國家運動訓練中心(以下簡稱:國訓中心)接受國手培訓,「裡面都是大學的學長姐,訓練強度很高,剛進去時很不適應,那段時間比賽成績也不理想,晚上都會打電話給媽媽哭訴。」

Photo Credit: 行政院科技會報辦公室
Photo Credit: INSIDE

羅嘉翎分享,國訓中心的訓練方式很有系統,除了完備的訓練器材,還會透過科學儀器評估選手的運動表現,也定期使用生化檢測儀器,每月至少1次檢測疲勞度與血氧量,維護選手的身體健康。

「運動科技可以幫助我了解自己現在的狀態,還有需要加強哪些地方」,羅嘉翎表示,選手的日常就是不斷練習、調整好狀態,透過數據分析可以清楚知道自己的強弱項,「像我需要加強肌力,這樣訓練有方向,進步也會比較穩。」

沒有因挫折放棄跆拳道,羅嘉翎持續在國訓中心自我精進,再加上慢慢調整心態,她逐漸適應了高強度的訓練,也找回了享受比賽的初衷。

事實上,台灣自 2012 倫敦奧運以來,就沒有在跆拳道項目拿過獎牌,羅嘉翎也坦承因此感受到不小的壓力,「拿到奧運資格時我爆哭,但我不是被看好奪牌的選手,就想說放鬆去打。」沒想到放下得失心,反而幫助自己贏得了銅牌的好成績。

國立體育大學技擊運動技術學系副教授王翔星分享,針對跆拳道選手的檢測主要有3方面,包括以「線性位移偵測器」檢測選手連續 3 次跳躍的爆發力與穩定度,評估賽場上攻擊動作的力量輸出率;以及透過「測力板」檢測 50 毫秒發力率( RFD,Rate  of Force Development ),以觀察選手腳蹬地出發與踢擊到對手瞬間的力量表現;還有「慣性感應器」則是用來檢測選手的反應能力與速度。

Photo Credit: 王翔星

「現在的訓練方式跟以前差很多,得分的方式不同,教練的觀念也需要調整。」過去也曾是跆拳道選手的王翔星說,以往求勝心切的選手容易練到渾身是傷,現在藉由運動科技的輔助,能精準掌握練習進度,避免過度訓練、減少運動傷害,是更有效率的訓練方式。

Photo Credit: INSIDE

王翔星也表示,培育一名優秀的選手相當不容易,這幾年開始將運動科技帶進國、高中,就是希望能讓年輕選手儘早接觸到運動科技的專業訓練觀念,避免選手在早期生涯就受到嚴重的運動傷害而留下遺憾,未來能夠更上一層樓。

產業跨界結合,讓運動科技深入全民健康生活

目前 5G 正式邁入商業化,宅經濟當道,運動科技的應用也有了更多可能性。「台灣科技業的研發能量強大,運動產業也很有國際競爭力,我認為應該能結合兩者的強項來解決許多問題,例如居家健身沒人指導,該怎樣才不會受傷。」國立臺灣師範大學運動競技學系研究講座教授相子元表示。

相子元主修生物力學出身,被譽為台灣運動科技教父,同時擔任國訓中心運動科學小組總召集人。他很早就投入運動科技與產業結合的研究,作為科技部「精準運動科學研究專案計畫」的執行團隊之一,目前團隊已開發出將壓力感測科技應用於智慧鞋、科技運動襪、機能衣、自行車功率表等產品。

Photo Credit: INSIDE

相子元認為,運動科技商品在亞洲市場很有潛力,目前台灣主要發展在 3 大面向:競技運動,如跆拳道、舉重、射箭;職業運動,如棒球、籃球;全民運動,如自行車、慢跑等。舉例來說, LPS(Local Positioning System ,局部定位系統)運用在團隊運動的訓練上,能讓教練、選手清楚知道跑位陣式,取代傳統手寫戰術,目前 NBA 美國職籃、國際足總FIFA的隊伍也都採用此技術。

Photo Credit: 相子元

台灣選手在東奧打出亮眼成績值得喝采,相子元期待未來運動科技能協助更多選手精準運動、達到更好的表現,放眼 2024 巴黎奧運,並幫助更多人養成規律運動的習慣。接下來行政院主辦的「台灣運動x科技產業策略( SRB )會議」也即將登場,希望加深運動與科技產業的對話交流,讓運動科技越來越深入全民的生活。

SRB策略會議暫擬4大議題:

  1. 運動×科技產業升級創造新價值
  2. 智慧育樂創新服務建立營運新模式
  3. 融合科研成果與創新科技發展智慧新應用
  4. 台灣智慧育樂跨域環境整備

行政院科技會報辦公室 廣告