無人車深度學習技術，代工三雄搶著要
【採訪 / 撰文：詹子嫻】
在手機螢幕上，你可以看到系統把車道上的車子一個個框起來，然後進行物體偵測、車道偏移偵測等。」交大電子工程系教授郭峻因一邊展示團隊開發的App一邊說，由於自動駕駛輔助技術ADAS的突破，駕駛只要把手機放在擋風玻璃前，簡單做一些「定距」設定，就能藉由手機鏡頭使用ADAS功能。
近兩年，智慧車相關科技成為熱門，郭峻因團隊也相繼開發出20多種ADAS技術，包括車道偏移警示、前方防碰撞、全球速限偵測、用於倒車攝影的魚眼校正、物件偵測等，不只國際晶片公司如瑞薩找上合作，授權企業的家數也超過十間。在智慧車這個領域，台灣代工大廠低調布局車聯網，鮮少人知道，這些業者部份的技術源自這裡。據了解，和碩先前打入車廠資通訊娛樂系統，為了要進一步跨進無人車領域，找上了郭峻因，一口氣授權了七項技術，讓和碩在ADAS的實力從零到有，希望循過去Mobileyes路線，從汽車後裝市場走到前裝市場。除了和碩之外，還有廣達旗下做GPS定位的鼎天，同樣希望跨進ADAS領域。
從影像到ADAS，再到自駕系統
郭峻因團隊之所以投入智慧車領域，要從六年前談起，過去他們研究影像壓縮處理的IC，應用在行車記錄器，不過做影像處理IC有瓶頸，因為業界的製程領先我們太多，做出來的晶片很難超越，在思考轉移研究方向時，就決定從影像延伸到ADAS，也成功開發出ADAS相關技術，且已經獲得超過十家企業授權使用，除了持續開發具有深度學習的ADAS外，下一階段的目標就是自動駕駛的系統研發，長期更希望能夠開發出低成本的雷射雷達（LiDar）。
郭峻因進一步解釋，深度學習有兩個最有價值的東西，一是數據資料（data），另一個就是模型，目前許多模型都已公開，包括Google的TensorFlow、各種深度學習的競賽，所以模型的取得及建立相對容易，但數據資料就不是如此，就像Google街景車每天上路不僅掃街景，也同時在掃道路情境。
這也是為什麼郭峻因團隊一年前開始投入數據資料領域，他們以行車記錄器上的影片為樣本，標示道路上會出現的各種物體後，例如汽車、機車、行人等，輸入系統進行系統的深度學習訓練，然而，有幾項因素會影響系統辨識結果，包括天候、場景、光影變化等，所以要讓系統提高準確率，就要不斷累積各種情境資料。目前可供辨識的物件資料雖然已達150萬筆，不過，標示物件又是一個「苦力活」，舉例來說，一個五分鐘的行車記錄影片大約有9千張畫面，在每一張畫面都得詳細標示出各種物件，因此就算是五分鐘的影片也得花上四小時完成標示，為了加速完成物件標示作業，現階段也正在開發自動化工具，降低人工標示耗時的問題。
正因為資料值錢，郭峻因與團隊曾思考將此獨立成新創公司，專注發展。據了解，鴻海聽聞之後立刻表達希望投資新創的意願。
眾多新創投入雷射雷達
另一個目標就是降低雷射雷達的成本，無人車搭載了多種感測器，雷射雷達因可掃描的範圍廣，可以達到360度，成為現階段最重要的關鍵零組件之一，可是，雷射雷達目前最大的問題就是成本過高，例如Google無人車頂上突起的圓柱物就是搭載了一個可360度掃描、64線的Velodyne雷射雷達，但要價高達8到10萬美元。
雷射雷達會如此高貴，「因為現在幾乎都是用手工打造的。」Velodyne LiDAR亞洲區總監翁煒說，以往應用客群都是大型研究機構或是圖資公司。因此，不少大公司紛紛投資雷射雷達業者，更吸引了許多新創公司投入，例如美國的Quanergy就是一個估值16億美元的獨角獸。
郭峻因分析，一台無人車大概有近20個感測器，包括毫米波雷達、超音波雷達、鏡頭等，商機很龐大，其中「LiDar為雷射光，掃描環境99.9％不會miss（錯失），一旦LiDar的成本下降，其他種雷達很可能都會被淘汰。」因此，LiDar是一個重要且值得布局的領域。目前LiDar使用的原料材料並非「矽」，耗電功率也高，由於交大電子工程系另有教授專門研究光電元件，他們想著若能將材料改為矽，變成IC，成本就能大幅下降。未來雙方將合作把LiDar晶片化，但他也不諱言挑戰很大，需要四到五年時間研究，希望屆時趕上自駕車普及的時代。
他認為，在自駕車兩個關鍵是鏡頭和感測技術，需要兩者配合才能提供360環繞的偵測，過去台灣在鏡頭著墨很深，也發展很好，「但如果台灣企業願意長期投資，LiDar一定要做。那是感測的關鍵技術。」搭配上台灣的鏡頭技術，就很有機會在關鍵零組件領域搶到很好的位置。
耕耘了六年，團隊累積了影像技術、感測融合（Sensor Fusion）再到深度學習，接觸了百家企業，研發成果更是台灣前三大代工廠鴻海、和碩、廣達全都搶著要，郭峻因回憶，要將實驗室的技術變成廠商可用是很大的挑戰，持續優化、改良是必要的，但比較可惜的是，學校畢竟不是企業，學生碩士畢業離開，技術很可能就因而中斷，對長期人力的安排就是問題，因此他也鼓勵學生畢業後留在實驗室做工程師，才能將技術深耕。
