【Arm 專欄】自駕車何時上路?先排除這 7 個關鍵路障

為什麼大家喊了這麼久,自駕車到現在還不算真正上路呢?除了法規制定與普及交通教育是條漫漫長路,車子本身的設計,更是一門大學問。
評論
Photo Credit: Arm 提供
評論

技術推動創新,汽車業迅速轉型,汽車製造標準隨著政策更新和消費者偏好的變化,正在逐漸改變市場需求。我們聽到自駕車這個名詞已經好多年,研究報告也預估到 2030 年,全球自駕車市場將成長到 173 億美元。

然而,為什麼大家喊了這麼久,自駕車到現在還不算真正上路呢?

從外在環境看,各國政府需要因應自駕車的產生,制定並通過全新的交通法令:例如若是發生事故,如何判定肇事責任歸屬?交通規則該怎麼訂?甚至未來馬路該怎麼設計、用車人和用路人該怎麼調整等。種種繁複的法令規章從研究、起草、聽證、制訂,再經過立法院的重重審核,甚至到所有用路人的重新教育,這些都不是簡單的事。

除了法規制定與普及交通教育是條漫漫長路,車子本身的設計,更是一門大學問。你能想像一部自駕車上將有多少晶片用來支援車用電腦運算呢?不論車子的動力、車速、車與車的距離、接收交通號誌的資訊、導航、對突發情況的反應以及車載資訊娛樂 (IVI)/ 駕駛艙系統,還有,無可妥協的「安全」:怎麼確保自駕車的安全,不被駭客入侵、甚至被他人控制,這些都是各大車廠甚至科技大廠致力研發的方向。

未來的自駕車,不再只侷限於汽車產業,也會是科技界的跨界新舞台,不然,如 Arm、Tesla、Google 等科技大廠,也不會競相推出自駕車方案、平台及服務。

自駕車怎麼分級

Photo Credit: Arm 提供

根據美國汽車工程師協會(SAE International)標準,自駕車目前分成 6 個等級,這是依據六個不同程度(從駕駛輔助到完全自動化系統)所定義。

  • L0 級也就是完全沒有自動,全靠人工反應任何狀況。
  • L1 級為駕駛輔助,駕駛人全程掌控方向盤、油門、煞車,但汽車系統會介入剎車、或輔助穩定,如電子穩定程式(ESP)或防鎖死煞車系統(ABS)可以幫助行車安全。
  • L2 級自動駕駛為部分自駕,駕駛可用主動式巡航定速(ACC)結合自動跟車和車道偏離警示,自動緊急煞停系統(AEB)和盲點偵測(BLIS)和汽車防撞系統的部分技術結合。
  • L3 級為有條件性的自駕,駕駛人需隨時準備拿回車輛控制權,在跟車時雖然可以暫時免於人工操作,但當汽車偵測到需要駕駛者的情形時,會立即回歸讓人工駕駛。
  • L4 級為高度自動化,可在條件允許下讓車輛自駕(如在高速公路上,平順的車流與標準化的路標)。
  • L5 級則為完全自動無人駕駛,連駕駛都不需在車內,全程車子可以自行操控與行駛。

然而想要大規模生產、部署,讓自駕車上路,還有一些挑戰與限制…..

7 個關鍵挑戰

Arm 汽車解決方案和平台總監 Robert Day 指出 7 大關鍵挑戰,影響自駕車能否順利駛向大規模部署之路:

  1. 價格:若在 2020 年生產自駕車,與普通汽車相比,L4 級和 L5 級汽車的成本可能會超過 75,000 美元到 100,000 美元。
  2. L3 級的可能性:由於 L3 級為駕駛人及系統共同駕駛,若發生事故,責任歸屬很難界定,因此已有不少車廠建議跳過 L3 級,直接進入 L4 級。
  3. 傳感器的複雜度大幅提升:由於自駕車取代人眼「觀看」車外狀況,所以需要大量的傳感器如 LiDAR、相機、雷達,所以電腦處理能力及速度將會十分重要。
  4. 軟體更加複雜:想要達到完全自動駕駛,預計將會有 10 億行的程式碼組成自駕車軟體,因此軟硬體整合、演算法及架構將會有很大的變化。
  5. 安全顧慮:自駕車的「安全性」也就是大家最擔心的部分。自駕車也就是未來電腦系統將取代人腦來決定何時決定行駛、煞車。那上億行的電腦程式就必須確保不會出錯,以保障乘客駕駛的安全。所以多核整合性的車用晶片就會很重要,這代表高度的功能安全 (Functional Safety) 必需到位。
  6. 從原型到大規模製造:而現今的原型電腦系統通常為市場上現存的伺服器技術。因此,不論是尺寸,功耗和熱能都不適用於汽車上。普遍認為,現有的功耗需要降低 10 倍,尺寸要能夠減少 5 倍,如果能夠實現這兩個目標,那麼成本和熱能就會大幅降低,這也會帶來更簡單,更可靠的冷卻方法; 這些改進才能夠讓自駕車大量生產部署。
  7. 車內乘客娛樂系通的進化:未來車內資訊娛樂系統將需要更大的頻寬及更快的速度接收娛樂資訊,網路的連接性及安全性為之關鍵。

解決方案:以 Arm 在自駕車上的佈局為例

觀察到以上七大挑戰,Arm 又要如何克服、並實現自動駕駛汽車的大規模部署?首先,讓我們看看下列圖示,就可以了解一台自駕車需要哪些晶片:

Photo Credit: Arm 提供

Arm 在自駕車上的部署著力頗深,已有自駕車專屬所需的晶片的 Automotive Enhanced IP 產品系列。此外,大家矚目的先進駕駛輔助系統 (ADAS),目前也有很大的進展,證明可防止高達 29% 的事故及 14% 的相關死亡率。目前這種大規模部署的技術,如煞車控制,傳感器和連接系統大部分都是使用基於 Arm 技術的晶片。

下方以動態影片顯示 Arm IP 在自駕車上的佈局:

而大家最關心的自駕車安全問題,Arm 與 OEM 及一線廠商,加速安全完全自動駕駛車部署,發表 Safety Ready計畫,務必為用車人提供安全的環境。今年 8 月 Arm 還發佈了Functional Safety Partnership Program,將功能安全 (Functional Safety) 擴大到整個生態體系,推出一系列軟體和工具,設計服務和培訓服務領域,呼籲更多的夥伴加入。

讓自駕車早日開上路

技術創新將幫助實現大規模部署,並在不影響性能和安全性的情況下,降低功耗,尺寸和成本。 Arm 正在與主要汽車製造商,一線供應商和廣大的生態系統合作,簡化和加速實現自動駕駛汽車實際部署之路,這將重新定義我們的所認知的傳統汽車產業,並實現汽車創新的新時代。相信不久的將來,藉由更多優秀廠商及公部門的積極投入,L4 級和 L5 級的自駕車將可以在各國上路。

責任編輯:Mia
核稿編輯:Anny


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。