【专访前苹果神秘部门自驾车老手】自驾车真正的挑战是要规模化,,“我这辈子，从来没想

原标题：【专访前苹果神秘部门自驾车老手】自驾车真正的挑战是要规模化

工研院机械所数位长王杰智曾经在苹果特别产品部 （SPG）担任主管职位，投入自驾车研究近20年。 “我这辈子，从来没想过大家会把自驾车当一回事。” 讲到这段做自驾车研究的回忆往事时，工研院机械所数位长王杰智侃...

工研院机械所数位长王杰智曾经在苹果特别产品部 （SPG）担任主管职位，投入自驾车研究近20年。

“我这辈子，从来没想过大家会把自驾车当一回事。” 讲到这段做自驾车研究的回忆往事时，工研院机械所数位长王杰智侃侃而谈。因为就连他也没料想到，居然有一天，自驾车真的可以成真。

熟识王杰智的朋友都叫他Bob，平时热爱马拉松的他，国内外大小赛事都能看见他征战身影，就像跑马拉松，不能只靠体能，也得靠意志力坚持，对于笑称自己是老自驾人的王杰智来说 ，做自驾车研究也像一场马拉松，靠的就是毅力坚持到最后。

早在20年前，当大家都还当无人车只是电影描绘的科幻情节时，王杰智就一头栽进当年较为冷门的自驾车领域，并选择以机器人研究闻名的美国CMU攻读，还向当时学界最早完成无人车雏型Navlab1的机器人研究大师Chuck△Thorpe拜师。

而他在2003年发表的自驾车研究，更替他赢得了当年ICRA最佳论文奖，恰巧口试他的委员，正是后来大名鼎鼎的Google自驾车之父Sebastian△Thrun，直到2007年的国际机器人研究期刊上，两人都还有共同署名发表。

提到王杰智的大名，美国矽谷自驾圈几乎没有人不认识他，甚至连现在许多Uber自驾车团队成员，或是自驾车新创创办人，都是他以前同校师兄弟，讲到自驾车演进与技术发展，王杰智比谁都还清楚。

直到两年前，王杰智都还在苹果特别产品部 （SPG）担任主管职位，而且长期投入自驾车研究逾20年。

“我刚毕业时，业界根本还没有无人车。”王杰智回忆起这段日子说道，但是谁也没想到，相隔10年后，因为Google无人车问世受到外界嘱目而迅速窜红，自驾车技术反倒成为了全球当红炸子鸡。

不过，王杰智澄清说，这并不意味着，从事自驾车研发这件事变得很简单， 只要想做，任何人都可以做。他说，做自驾车不是像组装玩具车，只要买辆电动遥控车，上面装上摄影镜头，搭配一块控制电路板，这台玩具车会自动绕圈跑，就是自驾车。

他强调，真正的自驾车不是只能开在特定路段，而要任何路段都能开，必须要能应付所有的驾驶情境。这有很高技术难度。

自驾车目前有哪些挑战？王杰智也举了其中两大挑战来说明。首先，第一个是气候挑战，他表示，自驾车碰到下雨、下雪天时，感测器将会难以运作，容易导致自驾车失灵，但是如果要发展自驾车，就不得不把天候因素考虑进来，设法在恶劣天气环境下，将不同感测器技术，能够巧妙地整合在一起，来相互确保行驶安全。“毕竟这是攸关人命的事。”他说。

其次，动态环境则是另一大挑战。王杰智表示，要让自驾车能开一小段路也许不难，但换成是要能在全世界所有道路上都能开，这就极为困难，因为不只要考虑到人、车、路等不同动态复杂环境的变化，自驾车还要熟悉不同地区当地开车习性，比如在旧金山湾区道路设计较宽不容易交通阻塞，车辆通行也较守秩序，自驾车会相较好开，但场景如果换到台湾，结果可能就不是一回事。

做一辆自驾车，跟做一亿辆比难度层次完全不同

但是，对于王杰智来说，无人车真正挑战是在规模化。“我在矽谷学到的经验是，做一辆自驾车，跟做一亿辆的挑战规模完全截然不同，”他表示，很多人以为只要完成一台自驾车后，接下来要复制到其他辆就很容易，但事情并非如此。

他解释，如果只有一台自驾车，只要把它控制参数调校到最好，上路就没问题，但假设数量增加为10台车时，就算每辆外观都相同，车体还是会些微差异，可能会使得车上感测器摆放位置，因此稍微偏差一点，但就因为这一点点偏差，就可能会大大影响自驾决策结果，而要针对每辆车重新调整参数，反复训练测试，很花时间力气。

“这是只做一台自驾车，跟把车当做产品来经营发展的最大差别，”王杰智提醒，自驾车团队一开始决定要做无人自驾车前，就必须先想清楚，自己要做的是技术展示用自驾车，还是要能够商品化、量产化的自驾车产品。这是两件完全不同的事情。

深度学习并非万能，不应靠单一技术做整车自驾

讲到当今自驾车技术路线。王杰智也提到现在当红的深度学习（Deep△Learning）技术对于自驾车的影响，但是他直言：“深度学习很重要没错，但是深度学习不等于自驾车，自驾车也不等同深度学习。”

王杰智表示， 深度学习技术虽然很有用，但是它应该要用在对的地方，比如深度学习适合用在自驾车的环境感知上，但是在决策和控制就不太适合，“我反对，用深度学习做整车的自驾，就是感知、决策与控制。”他表示。

“就算是感知，也有细分深度学习能做和不能做的事，”他说，因为深度学习并不是万能。举例来说，用深度学习判别桌上有一杯水，但是当这杯水移动时，能不能追踪它跟着移动是个问题。今天换作分辨车辆时，除了要知道前方这是一辆车，还要预测出它的移动轨迹，判断前方车子会不会突然撞过来，以这例子来说，“深度学习只会用在分辨，接下来汽车会往哪走，方向会左弯还是右弯，行人会不会冲出来，会由其他追踪、控制决策等系统，来负责执行这些任务。”

王杰智指出，自驾车设计有很多方法和理论，但有的人会认为旧的设计不好，一定要用新技术，这个观念并不正确，他也举物体追踪来说明，在冷战时期，各国利用地面雷达来侦测追踪空中战斗机高速移动轨迹，背后这套跟踪飞机系统技术，用的就是传统追踪理论，这跟现在自驾车追踪物体原理相同。“就像是飞机自动飞行会以符合系统工程设计来执行，为何自驾车就不能以同样标准来完成，不够时在用深度学习加强呢？”他反问的说。

王杰智进一步强调，通常在设计自驾车时，不会只靠单一技术或系统来开发，而会采用各种不同的有效方法，来确保整个自驾系统的安全性。他说，就连一个物体追踪算法，都会同时有好几种作法，用在不同感测器上，来反复检验确认。就像每架飞机上，现在都还会存有一套备分系统及感测器，以便于当某个主机故障或感测器失灵时，还有其他备用系统或侦测器可以接手，继续维持系统正常运作，就连软件都会需要一个备分算法，“这就是我们所谓的功能安全（Functional△Safety）。”他说。

“我是研究了一辈子的老自驾人，”王杰智有感而发的说，从一开始没人把无人车当一回事，到现在受到所有人的重视，这是非常正面值得鼓舞的事情，“对我而言，也终于能走出学术象牙塔，可以真正替人类做出有意义贡献。”

谈无人车全自驾服务还太早，主动安全整合自驾功能是大商机

对于当前全球自驾车产业的发展， 王杰智则认为，现在要发展全自动驾驶车服务，时间还太早，加上使用需求量少，他反而看好，自动驾驶在主动安全市场，将会有更大发挥的空间，比如将部分自驾功能放进计程车上，来辅助司机安全驾驶，“特斯拉就是其中代表。这也是台湾业者，未来可以把握的商机。”他表示。

王杰智也说，不论传统车厂，还是如Google等网络科技公司或是新创，最终都是要往无人车发展，只是彼此走的路线不一样。Google、百度打的算盘是要破坏式创新，走的是特定场域的自驾服务，他们心里想的是5年到10年内可以取代车厂，而像特斯拉或其他传统车厂，则是边卖车边做自驾，并持续通过这些车来搜集资料，一步步升级自驾功能，大家各有盘算。

?相关报道? 国产自驾车的诞生

橙山网（Csnd.net）简评：“我这辈子，从来没想过大家会把自驾车当一回事。” 讲到这段做自驾车研究的回忆往事时，工研院机械所数位长王杰智侃... 工研院机械所数位长王杰智曾经在苹果特别产品部 （SPG）担任主管职位，投入自驾车研