生成式 AI 導入自動駕駛 解決辨識技術問題

2023年全球掀起生成式AI風潮，其應用與發展備受矚目。在智慧交通方面，DIGITIMES 研究中心觀察，生成式AI可生成虛擬仿真交通場景及駕駛行為等數據資料，用於訓練自動駕駛系統在感知、預測、規畫、決策等功能，加上生成各式特殊情境，以解決辨識技術的長尾（long tail）問題，將為自動駕駛系統的發展帶來嶄新的機遇。諸如NVIDIA、Tesla 及 Wayve 等業者，皆積極開發自動駕駛虛擬仿真場景生成技術，以搶佔市場先機。

DIGITIMES 分析師余君濤進一步說明，自動駕駛旨在實現車輛高安全、效率及舒適的行駛目標，以完善駕駛者及乘客的乘車體驗。自動駕駛系統由國際汽車工程師協會（SAE International）分為六大級別，並訂立統一標準，以確保各方更理解技術的發展和應用，同時有助於維護駕駛安全及法規監管。根據研調機構麥肯錫（McKinsey）預估，全球乘用車 ADAS 及自動駕駛合計營收自2022年的480億美元，將增長至2035年的3,500億美元，合計營收成長約7.3倍。

自動駕駛系統在各式應用情境中，可根據速度和載客／載物進行分類，包括低速載物、高速載物、低速載人、高速載人，各類別擁有其特定的技術要求和安全規範，以確保自動駕駛系統在不同情境下能有效運作。自動駕駛系統的發展是由數據、演算法及運算力共同推動，好的演算法需要強大的運算力進行訓練和即時演算，而演算法的性能又仰賴於充足且高品質的數據，以實現高效、安全且可靠的自動駕駛系統。

余君濤指出，生成式AI可強化數據多元性，結合自動駕駛系統可生成仿真且複雜的道路場景，產生多樣化數據並解決長尾問題，訓練自動駕駛系統能靈活應對各環境和交通情況。例如 NVIDIA 推出 Drive Sim 自動駕駛模擬平台及STRIVE（Stress-Test Drive）演算法，Tesla則採用真實車輛行駛影片及虛擬仿真平台 Simulation World Creator 訓練全自動輔助駕駛（Full Self-Driving；FSD）技術，以完善自動駕駛演算法及功能。英國業者 Wayve 推出 GAIA-1及 LINGO-1生成式AI模型，可透過自然語言模型串接方式進行人機互動，以解釋前方的路況及行駛決策原因。