GPU實(shí)現車(chē)外場(chǎng)景比對 自駕車(chē)學(xué)習力大增

　　工研院在2016年9月與NVIDIA簽署合作備忘錄，近期已在自動(dòng)駕駛的深度學(xué)習上，有了初步成果。為使臺灣落實(shí)技術(shù)自主化，該自動(dòng)駕駛車(chē)的關(guān)鍵技術(shù)皆是由工研院所自行開(kāi)發(fā)，芯片組方案則采用NVIDIADRIVEPX2，融合不同傳感器的數據，使車(chē)輛具備多種感知能力，因此得以充分應付復雜的行車(chē)環(huán)境及角落。

　　工研院機械所正研究員/自駕車(chē)復雜環(huán)境數據融合感知技術(shù)計劃主持人連豊力指出，由于工研院所開(kāi)發(fā)的自駕車(chē)，是從零開(kāi)始打造，其采用的車(chē)用計算機、通訊協(xié)議，都是掌握在工研院手中，因此要做任何的操控、控制都不會(huì )有問(wèn)題?，F階段我們進(jìn)行開(kāi)車(chē)場(chǎng)景的錄制，完成后將數據丟到NVIDIADRIVEPX2超級計算機開(kāi)發(fā)平臺中，去對應車(chē)用數據庫，以進(jìn)一步推論出所拍攝到的場(chǎng)景是汽車(chē)、巴士車(chē)，還是行人等。然而，當比對程度達到水平后，就能進(jìn)一步將車(chē)外場(chǎng)景的主要目標對象框出來(lái)。

　　當系統須一邊開(kāi)車(chē)一邊進(jìn)行學(xué)習，其處理耗能會(huì )相當高，但當學(xué)習完成后，單純進(jìn)行辨識的耗能則會(huì )降低很多。因此一般在自駕車(chē)的學(xué)習階段，會(huì )是用脫機的方式進(jìn)行學(xué)習，而學(xué)習完后的辨識，則就可用在線(xiàn)的方式來(lái)進(jìn)行。但若辨識不成功，則又會(huì )再送回數據庫去做學(xué)習。連豊力表示，未來(lái)自駕車(chē)的發(fā)展，很可能會(huì )是讓車(chē)上使用車(chē)上處理器，并直接做現場(chǎng)的處理與篩選，但在一段時(shí)間后，仍會(huì )上傳到數據庫，以便做比對。

　　連豊力進(jìn)一步表示，目前自駕車(chē)的開(kāi)發(fā)單位在運用傳感器去感測外界訊息上，主要有兩個(gè)做法，第一種方式是比較傳統的，運用傳感器所能感測的模擬訊號，例如根據車(chē)道線(xiàn)是白色還是黃色，去做計算機視覺(jué)分析，也就是從色彩、幾何去累積對象的特征，其可靠度較高，目前所看到的行車(chē)紀錄器或辨識系統，大多是運用這樣的方式在做。

　　連豊力進(jìn)一步表示，另外一種做法，則是目前NVIDIA主要在采用的方式，由于每一次開(kāi)車(chē)左右兩邊的場(chǎng)景，會(huì )有所差異，尤其是當道路并非高速公路般筆直，而是彎曲的時(shí)后，若要讓一臺車(chē)學(xué)會(huì )如何開(kāi)車(chē)，便必須透過(guò)錄像機與計算機，將開(kāi)車(chē)的場(chǎng)景、指令(左轉、右轉、不動(dòng)、煞車(chē)、加速等)錄下來(lái)，紀錄完成后，計算機就會(huì )開(kāi)始推論，當影像場(chǎng)景右邊比較亂、左邊比較清楚時(shí)，代表方向盤(pán)正在左轉，而影像如果很平均，則代表方向盤(pán)沒(méi)有在動(dòng)等，進(jìn)而去找出中間的關(guān)聯(lián)性。

　　連豊力分析，當這樣的關(guān)系被找出，計算機就可以進(jìn)而去判斷，主人的開(kāi)車(chē)狀況，甚至車(chē)子該如何進(jìn)一步自動(dòng)進(jìn)行左轉、右轉。因此當計算機的影像紀錄越多，自動(dòng)駕駛能使用的數據庫也就更為豐富。不過(guò)相較于傳統方式，其可靠度是比較低的，因其并沒(méi)有辦法做到1對1對應，當學(xué)習中的攝影機沒(méi)有拍到某些信息，這些信息就學(xué)習不到了，也就無(wú)從判斷，因此如何讓機器的感測能力全面提升，將會(huì )是自駕車(chē)須跨越的一大門(mén)坎。

　　有鑒于此，目前工研院在發(fā)展自動(dòng)駕駛時(shí)，是兩種方式同步進(jìn)行。由于圖形、影片的數據量相當大，而NVIDIA最大的強項即是在前端的GPU圖像處理，這也是工研院與NVIDIA連手合作的原因。