汽機車輪胎是耗材，用久了要換新喔！

【癮科技】輪胎的重要性不言而喻，如果輪胎過度老化而變得失去抓地力，就算煞車系統功能正常，車子還是很容易打滑而失去控制，如果正在高速行駛，騎士恐怕就要噴飛出去了。

然而，怎麼樣才是適合的好輪胎？平日又要怎麼保養輪胎呢？這此一圖看懂，我們來聊聊機車輪胎的各種常識。

#機車 #輪胎 #一圖看懂 #胎紋 #胎壓

交大電子郭峻因教授接受採訪有關自動駕駛技術研發
.
台灣發展自駕車 關鍵在AI樣本辨識資料庫與練兵場域
http://www.digitimes.com.tw/iot/article.asp…
.
在無人駕駛時代，駕駛雙手可以徹底解放，不需要花費任何心思關注週遭環境路況，自動駕駛儼然已成為下世代車輛發展趨勢，但台灣相關零組件廠商有機會站上這波「自駕車」浪頭嗎？學者指出關鍵在於建構業者共享的物件辨識資料庫，以及自駕車實地測試場域。
國立交通大學電子工程學系教授郭峻因指出，自駕車主要仰賴視覺分析技術，目前主要分析方式有三種途徑，分別為建構規則(Rule base)、機器學習(Machine Learning)、深度學習(Deep Learning)，透過分析結果辨識判斷週遭駕駛環境，其中深度學習(Deep learning)為最可行的途徑，但該方法需要即大量物件資料庫，才能訓練出精準分析系統。
深度學習是機器學習領域中近年來備受重視方法，郭峻因指出，深度學習模擬大腦神經網路系統，實際操作方式，直接選定一個類神經網路模型，接續建立辨識物件樣本、辨識物件系統，只要有分類完成樣本，持續建檔投入就可以訓練正確分類系統。
深度學習如同人類學習分類的過程一樣，在自駕車領域需要準備大量分類完成的樣本標的，持續將不同分類樣本投入，使深度學習系統即可「參透」這些照片中的規律性。
郭峻因指出，系統能正確分類的關鍵在於其分析過層具有多層次的結構，例如第一層先判斷照片內是否有汽車特徵，第二層判斷是否有輪胎紋路，以自身參與智慧視覺研究案研發的先進駕駛輔助系統(ADAS)為例，透過21層分析，深度學習系統即可正確辨識道路上所有物件，分辨出不同車型，並計算出相對距離。
郭峻因強調，深度學習系統搭配光達(LiDAR)汽車感測器，即可達到精準的先進駕駛輔助系統，甚至進一步完成自動駕駛。
對於現今市場深度學習晶片解決方案包含Mobileye、恩智浦(NXP)、NVIDIA等，郭峻因分析指出，NVIDIA偏向深度學習方式處理，透過圖形處理器(Graphics Processing Unit；GPU)平行演算法，同時處理多重物件，模擬神經網絡系統，但使用GPU成本效益較差，反之採用系統晶片(System on Chip；SoC)較為合適，只要訓練好的物件辨識系統布局在晶片內，即可達到智慧駕駛功能，相信未來會有更多廠商推出SoC解決方案。
至於未來自動駕駛技術關鍵，郭峻因說，目前影像、LiDAR、毫米波雷達、超音波等感測器已經成熟，關鍵在駕駛輔助決策平台上，哪間公司可研發出效能高運算平台，同時耗能低省，符合車規，才有機會勝出。
至於自動駕駛人工智慧(AI)品質，郭峻因強調，要讓自駕車可以精準且安全行駛，最重要的分類樣本數量，透過愈大量的樣本，才愈能訓練出最精準系統。郭峻因描述，以現在實驗室情形，目前可供辨識的物件資料已達150萬筆，但需要人工標示物件，標記(label)分類影像中物件，最後才能將分類後影像訓練系統，他笑稱這過程是一個「苦力活」。
台灣若要發展自駕車產業，郭峻因直指2個關鍵：樣本資料庫建立困難，且人工標記速度緩慢，可透過在地業者建立資料庫，交互交流應用，將可加速系統訓練速度；另方面，國外已經有自駕車在路上趴趴走，但台灣礙於法規因素，仍未有一個可以練兵場域，透過實地測試才是驗證自駕技術最好地方。