史丹佛最新研究顯示：自動駕駛汽車竟然也能甩尾！

杜晨 / 何渝婷編譯
2019-12-25 14:30

輪胎膠皮和柏油地面的劇烈摩擦，產生的白煙幾乎籠罩了整個跑道。

一輛銀色的汽車，高速穿行在由橘色路樁定好的跑道區域內。

它以極其精確的姿態控制，穿過了這條蜿蜒曲折且十分狹窄的跑道！

一切不得不令人感慨：坐在方向盤後的，究竟是日本的山道元祖土屋圭市，還是美國的甩尾大神布洛克（Ken Block）？

都不是。

事實上，駕駛著這台1981款DMC DeLorean的，並不是真人，而是史丹佛大學開發的自動駕駛系統......

你沒有聽錯：自動駕駛汽車，已經可以實現精確的甩尾了。

即便在失去抓地力的前提下，自動駕駛系統仍然可以進行精確的控制。

這台DeLorean穿行於狹窄的跑道中，卻沒有誤觸任何一個路樁。如果你看過著名的Gymkhana系列影片，可能會對這樣的駕駛模式感到熟悉。

然而，即便是已經親自出演十多部Gymkhana影片的Ken Block本人，對賽道和車體掌握的精確程度，似乎也無法達到史丹佛大學這台自動駕駛汽車的程度.....

也難怪，團隊拿著這條自動駕駛甩尾影片給一些職業甩尾賽車手看，這些車手紛紛表示：「感覺要失業了！」

2015年，史丹佛大學動力設計實驗室的教授Chirs Gerdes不知道從哪找來了一台1981款DMC DeLorean。

沒錯，就是著名科幻電影《回到未來》裡的那台汽車的原型。

Gerdes教授帶著幾個自己的學生開始改裝這台神車，過程中也得到了自動駕駛創業公司Renovo的幫助。團隊還把這台車取名叫Multiple Actuator Research Testbed for Yaw control（偏航控制多執行器研究試驗台），簡稱MARTY。

因為《回到未來》的原因，再加上DMC公司本身的傳奇故事，DeLorean在汽車歷史上留下過濃墨重彩的一筆。然而，除了光環加身之外，這台車實際上毫無任何特色可言。

因此，團隊所作的第一件事，就是把這台車拆了個乾淨，包括發動機，換進去一套電池、電機和傳動系統等，把這台DeLorean變成了名副其實的「電動車」：

然後，團隊進一步加裝了控制系統。包括油門、剎車和方向盤控制等等，全部都是由電腦完成的。

下面這張圖展示了改裝的主要內容，從左到右、從上到下：

拆除了原本2.8升排量卻只能輸出130hp的燃油發動機，換進了一台 7,000牛頓米（N·m）的電動機——轉換到制動馬力至少也有400hp左右？

雙GPS天線用於追蹤汽車的位置，可以精確到1吋。車載系統正是通過GPS定位來確定自己的位置。也就是說，MARTY的自動駕駛，並不是普遍意義上的機器學習，而是一個更簡單的、邏輯驅動的自動駕駛。

電腦控制的轉向系統，不到一秒的時間，即可從一個方向的極限轉到另一個方向的極限，而且控制極其精確，這也是為什麼這輛自動駕駛汽車可以實現更精準的甩尾控制。
電動剎車系統，可以進行精準的剎車控制。

訂製的懸掛系統，滿足甩尾時對輪組產生的極限壓力。

甩尾和正常駕駛是兩種完全不同的駕駛方式。當我們正常開車時，汽車會朝著打輪的方向前進。而且，正常開車需要輪胎保持抓地力，因為失去抓地力就意味著駕駛者失去對汽車的控制，很容易導致事故發生。

而在甩尾時，一切和正常駕駛幾乎都反過來了：汽車的前進方向實際上和打輪方向完全相反。而且在甩尾時，車手必須在失去和獲得抓地力之間找到一種平衡，使得輪胎在賽道上打滑，卻也能提供足夠的力量將車往前推。

同時這一力量又必須和前輪的角度形成一個平衡，使得車輛不會因為轉向過度而偏離前進的方向：

對於真人車手，他們需要用眼睛去看發動機轉速表，耳朵去聽發動機、輪胎摩擦的聲音，用身體去感受離心力等等。在很大程度上，車手是通過自己的意識去感知的。

任何人都可以猛踩油門讓輪胎失去抓地力，但掌握精確的控制，從而讓車輛在一種「可控的失控」下完成精彩的甩尾過彎，需要日積月累的訓練。

而這一切對DeLorean似乎更加簡單。為什麼這麼說？因為它可以直接從車載電腦和傳感器中讀取數據，從而做出精確的操控。

操控車載系統顯示了車輛目前的速度、各輪的當前扭矩數值、前輪的轉向角度，以及車輛的前進方向和車身之間的偏航角度 (yaw) 等關鍵數據。

史丹佛團隊決定向Ken Block的Gymkhana系列影片致敬，將用來測試的這條賽道命名為MARTYkhana。這條賽道總長大約1公里，路線專門設置用來考驗和展示系統的精確性。

有了數據的幫助和電腦系統的加持，MARTY可以實現令人難以置信的精準過彎控制。下圖中，MARTY進行了一個從向左到向右甩尾的快速切換，穿過狹窄的門，卻沒有碰到障礙本身：

下圖中，賽道從一個大直徑的橢圓進入一個小直徑的圓形，MARTY的對油門、剎車和轉向角度控制，禁得起考驗，畫出了一道完美的螺旋白煙。

一些職業甩尾賽車手和工程師給了MARTY很高的評價。

2015年Formula DRIFT世界冠軍Fredric Aasbø指出，MARTY做了幾個難度非常高的transition（從一個彎形到另一個彎形的轉換），「在這種操控上，機器人可能會比我們人類做得更好。」

Papadakis Racing的隊長Stephan Papadakis表示，從影片裡可以看出，車輛的動力總成設計和安裝，以及自動駕駛系統的程式碼，令他印象非常深刻，特別是「可重複性」，也即MARTY每次穿過同一個彎形所採用的姿態，都一如既往準確無誤。

看這架勢，莫非史丹佛大學要出師Formula Drift了？

還好，並不是......

實際上，團隊進行這項研究的目的，是幫助未來的自動駕駛汽車更加安全。

現在的自動駕駛汽車已經挺安全了，主流公司公布的數據顯示事故率遠遠低於真人駕駛。然而這個結果建立在相對更安全的測試環境下，往往不包括（或者只包括極少量的）雨、雪或極端天氣。這也是為什麼在自動駕駛汽車測試過程中，一旦發生緊急情況，安全駕駛員必須接管。而在這類情況下，真人的應對能力往往比電腦更好。

如果道路因為雨雪和低溫導致結冰，如果道路上有大風，別說自動駕駛汽車，真人司機也很難保證絕對安全。

史丹佛大學團隊大改這台DeLorean，讓它去甩尾，目的就是研究自動駕駛汽車在失去穩定性的極端狀態下，應該如何自我控制。

這次的MARTYkhana，除了做出了一部令人血脈噴張的甩尾影片，更重要的意義在於獲得了大量關鍵的測試數據。

團隊成員Jonathan Goh表示，「通過甩尾，我們讓自動駕駛進入到最為極端的環境當中。如果我們能夠在最不穩定的場景中實現自動駕駛，其他的一切都迎刃而解了。」

圍繞這台改裝電動甩尾DeLorean，史丹佛大學團隊已經發布了相關的研究論文，題為Toward Automated Vehicle Control Beyond the Stability Limits: Drifting Along a General Path（朝著超越穩定極限的自動駕駛控制邁進：沿著一般道路甩尾）。

團隊也發布了更多的影片，展示MARTY在酷炫的甩尾背後，一些重要的研究思路和啓發：

這已經不是Gerdes教授的團隊第一次跟賽車打交道了。幾年前，他們改裝了一台奧迪TT，送到賽道上測試，實現了超越真人車手對於剎車和過彎路線的控制。

他們還把自動駕駛汽車送到過派克峰登頂計時賽 (Pikes Peak)，堪稱自動駕駛賽車界的第一團隊了。

附圖：（Fredric Aasbø, 2015 年Formula DRIFT世界冠軍）
（穿過障礙，有如「蜻蜓點水」一般輕盈）

資料來源：https://news.knowing.asia/news/f495f331-52bd-4552-b01f-a4a5d310699c?utm_source=dable

最懂無人駕駛的台灣人　詹景堯：自駕車不會跳躍式成長

NOWnews今日新聞 (2019-11-05 22:05)

隨著世界各國5G服務逐漸問世，搭配的應用如自動駕駛、人工智慧也加速前進，三者互相支援，卻也互相牽制，這場「三人兩腳」的競賽，將呈現何種賽局？

以Alphabet（谷歌母公司）為首的科技巨頭，以及各大傳統車廠紛紛投入自駕車技術。其實，來自台大機械系、取得柏克萊大學博士的詹景堯，30多年來都堅守崗位研究自駕車技術，看盡產業和技術的興衰循環。他目前擔任柏克萊DeepDrive人工智慧自動系統研究中心主任，這裡是自駕車技術的研究重鎮。

矽谷一直走在網通技術的最前端，柏克萊又是全美人工智慧排名前3的大學。詹景堯的學術生涯可以說是自駕車技術的發展史，對於技術發展、企業競爭力有第一手的觀察。詹教授目前參與交大人工智能計畫的自動駕駛部分。以下為《財訊》專訪詹景堯的問答內容。

問：30多年前你為什麼選擇研究自駕車？回溯技術發展的歷程，有哪些觀點可以分享？

答：我在柏克萊拿到博士後，在美國工業界工作幾年，回到柏克萊做先進研究。1995年美國政府推動車輛自動化，學術界、工業界都有參與，我們當時就做到8輛轎車排成一直行，行駛在高速公路，只有第一輛有司機，後面都不需要司機，跟著前進。

當時是以車輛全自動行駛作為訴求，但科技距離商業化太遙遠，幾年後政府不再資助，研究的方向就轉向比較短期可以實現的技術。10幾年前美國國防部先進技術中心舉辦了自駕車挑戰賽，把風潮帶起來，鐘擺又擺回來，那時，谷歌（編按：此處指母公司Alphabet，以下同）找來卡內基美隆大學，成立Waymo全力投入，也帶動汽車、科技業全力投入。

研究自駕車技術這麼多年，我有幾個觀察，首先是鐘擺效應，我們在20幾年前已經做到level 4的技術，證明技術可行性，但是無法「落地」，一般消費者無法接受。政府說要把時間拉近一點，我們的研究回到level 1，等谷歌加入推動後，再朝level 4前進。科技發展也有鐘擺效應，一段時間過了，鐘擺擺過頭盪回來，等時機成熟又往前推進。

其次是大企業扮演的角色。當某項技術出來，實驗室證明可行後，還要等到像谷歌這樣的企業進來，投入金錢資源，把技術商業化，做到一個程度後，故事才會成形。此時，汽車業、科技業、創投都會進來，企業經營者的企圖心是很大的動能。

最後，在推動無人駕駛車的過程中，又出現優步（UBER）、滴滴這樣的公司，推動大家共乘、共享的觀念，也有幫忙。目前這些公司還在賠錢，因為司機的成本占收入的7~8成，如果只經營網路行銷，賺不到錢。企業還要去想如何降低成本，也催生了無人車。簡單講，過去10年共享車的趨勢，也推動了自駕車、無人車的風潮。

問：你認為自駕車的趨勢會如何發展？

答：雖然有很多報導說再過幾年，全部都是自動化車，我認為，這有一點不實際。

第1、汽車業不管要裝上什麼新的科技，大概都要10、20年，才會充分進入市場，汽車是龐大的產業，消費金額也大，要導入新科技，消費者願意付錢，時間要滿久，所以自動化駕駛一定拖好久，不是跳躍式的，不是說自動化很快、車廠會完蛋，這是沒有的事。

第2、自動化的程度，你可能看到展示無人車，這只是自動車的一種方式，如果你去問車廠或消費者，很多人無法接受自動化，就好比你走在街上，旁邊有機器人在走路，我想多數人還是不習慣。比較可能的情境是，汽車漸漸加入一些自動化功能，例如自動停車，高速公路上保持在一定的車道，這些功能看消費者的接受度，經過很多年後，自動化程度愈來愈高。如果要開到大街小巷，也不太可能百分之百自動化。

問：目前自駕車的參與者中，你覺得誰的勝算大？

答：無人駕駛車的技術谷歌最好，成功機率最大。我來選的話，第2名給通用，旗下自駕部門Cruise不錯（編按：Cruise目前估值約190億美元）。美國以外的企業以百度最好；歐洲車廠研發能力強，但投入無人車的力道沒有那麼強，像賓士、奧迪更重視的是多加一點自動駕駛，但還是由消費者自己來駕駛。

新進公司當中，例如以前在Waymo當技術長的Chris Urmson，出來跟特斯拉前高管Sterling Anderson合作，在2016年成立的Aurora Innovation，已經跟好幾家汽車公司有合作，成功的機率頗大。大陸也有好多小公司在做自駕技術，跟車廠有合作，雖然名氣不大，但都有實際產品問世。

至於特斯拉，正反雙方的意見很激烈，執行長馬斯克是很特殊的人，如果他沒有再出事，公司會成功。他做很多事是傳統車商不敢做的，例如以軟體來提升汽車的駕駛能力，即使你的車子停在家裡，過一個晚上功能就升級了，OTA（Over-the-air，空中下載升級）是很特殊的服務，也會是很大的助力。

問：你認為特斯拉的電動車會持續領先嗎？

答：特斯拉的電動車評價有好有壞，尤其火燒車是負面的，但是電動車的趨勢不會變，可討論的問題是，要花多久才能占有一定的市場？趨勢對於特斯拉仍然有利。我個人覺得馬斯克的作風，有些愛吹牛、誇大其詞，但是特斯拉也會是贏家。

特斯拉的營運波折一定會持續，如果馬斯克出了問題，一定會有大公司出來買，10年前賓士就投了10%股權、豐田也有投資，特斯拉會繼續存在，至於到底會多麼成功？成功多久都可以討論。

問：台灣也積極想發展自動駕駛，你怎麼分析機會與風險？

答：台灣的市場小，企業做汽車有關生意，都是從2級供應商（Tier 2）下手，現在的自動駕駛、人工智慧能夠提供台灣新機會嗎？我覺得要思考2點，一是台灣有比較好的管道可以進入嗎？二是科技在車子的比率有提高嗎？

我覺得機會還是去營造出來的，像我們柏克萊DeepDrive研究室的一些資助廠商，幾年前都不存在，但卻可以從零到有，是企圖心的問題，機會在那裡，看你怎麼抓、怎麼布局。

DeepDrive研究中心是採會員制，每年年費30萬美元，目前還沒有台灣來的會員。贊助者可分幾類，一批是通用、福特、豐田、現代、本田等，都是汽車產業；其次是科技業，像索尼、松下、三星等；另外還有一大批是中國公司，像是百度、滴滴、美團、華為，但最近有些政治上的問題，和華為的合作已停止。

我想講的是，如果台灣覺得自駕車、人工智慧提供了產業新機會，這沒有錯，但最重要還是布局、有企圖心，找出可以鑽進去的路，才能抓住機會，不是說一個大浪來了，大家都抓住，要看你的布局。

就算是趨勢對於產業有利，最後還要回到基本面，企業的位置在哪裡？有沒有競爭力？為什麼認為台灣會比別人好，如果想清楚，機會就在那裡。

問：你認為未來的3~5年，自動駕駛會發展到什麼情境？

答：谷歌、優步都想做的無人車，3、5年後應該還是小規模的營運。不是我看不起谷歌，他的技術沒話講，目前也只有在亞利桑那州小規模營運，還有人用石頭攻擊自動車。

這表示，除了科技以外，還有民眾的接受度。如果在台北街頭，看到機器人走在你旁邊，可以接受嗎？這是因為信賴度不夠。

目前的自駕技術，大概以Level 2的市場穿透率會高一點，可以幫你控制方向盤、煞車和油門；Level 3已經滿難的，你可以滑手機，它幫你辨識環境，知道要如何做，如果遇到機器沒看過的情境，就需要把人叫回來接手，困難在於當你把駕駛人叫回來，他可以馬上接手嗎？可以馬上做正確的判斷嗎？車廠在這方面顧慮很大。總之，Level 3最困難就是如何合理或適時的叫駕駛回來接手。

附圖：▲詹景堯目前擔任柏克萊DeepDrive人工智慧自動系統研究中心主任。（圖／財訊雙週刊提供）
▲工研院與新竹市政府合作，共同推動自駕車，已於10月22日在南寮漁港上路，成為全台首輛在開放場域驗證的自駕車。（圖／財訊雙週刊提供）

資料來源：https://news.sina.com.tw/article/20191105/33214092.html