生成式AI導入自動駕駛 解決惱人長尾問題

▲DIGITIMES指出,生成式AI導入自動駕駛,可解決「長尾問題」靈活應對各式交通情況。圖為德國博世集團宣布在中國設立電動車和自動駕駛研發中心。(圖/美聯社/達志影像)
▲DIGITIMES指出,生成式AI導入自動駕駛,可解決「長尾問題」靈活應對各式交通情況。圖為德國博世集團宣布在中國設立電動車和自動駕駛研發中心。(圖/美聯社/達志影像)

[NOWnews今日新聞] 2023年全球掀起生成式AI風潮,其應用與發展備受矚目!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。NVIDIA、Tesla及Wayve等業者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分析師余君濤指出,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,可根據速度和載客或載物進行分類,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。

如NVIDIA推出Drive Sim自動駕模擬平台及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。

更多 NOWnews 今日新聞 報導
債券ETF 12月「人氣王」是它 受青睞原因有3大利多
CES熱!台股早盤漲逾140點 PC與AI概念股旺旺來、宏達電飆漲停
今日來講股/選前衝萬八?分析師這樣說 鎖定這些題材股將發酵