原文连结：
https://www.ithome.com.tw/news/148050
原文内容：
【国产物流自驾车关键人物：工研院机械所数位长王杰智 】上路关键是在地化，这辆自
驾车能模仿台湾人开车习性
工研院机械所研发的自驾车不只能读懂台湾驾驶习惯，让自己开车像当地人，还能靠在地
化高精地图避开三宝雷区。
最近有个第一人称视角拍摄的自驾车影片在网络爆红，一辆工研院国产自驾车在交通繁忙
新竹市区及大街小巷中行驶，片中不时可见凌乱的红绿灯位置、违停并排车辆、人车争道
，还有从小巷窜出的机车、走在车道上的路人，这是国外看不到的复杂交通景象，是台湾
独有的交通特色。但面对这些挑战，这辆自驾车依然在没有人为介入的情况下跑完全程，
“你可以请Waymo自驾车到新竹来试开看看。”工研院机械所数位长王杰智自豪地说。
影片中的自驾车行驶路线，正是这次新竹物流自驾物流实验路线。为了具备有这样的市区
自驾能力，王杰智和工研院机械所自驾车团队花了3年多，持续在台湾各种道路上磨练精
进车辆自驾技术，才让片中的自驾车练就一身开车技术的好本领。
除了送货自驾货车，王杰智和自驾车团队目前正在打造一套自驾系统，可供35吨重的大型
联结车做自驾使用，这辆自驾联结车不论重量或身型都比一般货车高大许多，对于这项新
挑战，王杰智只简单回答： “做就对了。”
身为台湾国产自驾系统研发重要核心人物，王杰智长久以来主打的诉求，就是不论任何车
型都能改装成自驾车，从小货车、轿车、休旅车，到大卡车、传统柴油巴士都难不倒他。
他经手的自驾车数量，从一开始只有3辆车，到现在发展10多辆自驾车，每部自驾车的改
造及其搭载的国产自驾决策系统，全都由工研院机械所自驾车团队一手包办。
为了让自驾车能够适应各种路况，测试团队不只在封闭场域做训练，更把握各种实证场域
不断练兵来精进自驾车技术，迄今已经能够做到特定开放场域全自驾。像是他们研发的自
驾车在新竹南寮渔港的路上，已经足足开了两年，不分天候、时段锻炼提升国产自驾系统
能力，后来更将这套自驾系统，装进一辆柴油巴士改装的自驾大巴，行驶在台中水湳的开
放道路上，学习应对混合车流的情境。这些年来，累积自驾里程超过六千公里。
如果将90-90法则套用到自驾车发展上，也就是IT界或软件圈常听到的“90%程式要花费团
队90%的开发时间，剩下10%要再花费相同时间来开发”，王杰智自评，工研院机械所自驾
车团队现在不只从0分到90分，还从90分进步到91分，“虽然只是增加1分，这已经相当厉
害，代表持续进步。”他这样说。
在接下来一年当中，工研院机械所自驾车团队将以2辆克莱斯勒Pacifica改装的自驾物流
车和一辆5吨重的坚达自驾货车，在全长约1.9公里市区道路上，配送货物往返新竹物流两
个营业所。虽然是行驶固定路线，但自驾地点不仅紧邻火车站，距离竹科也不到5公里远
， 测试时段不只安排了上下午， 还有半夜凌晨时段，这也意味着，会遭遇到上、下班人
车潮的考验。
不过，王杰智一点也不担心，对于他们的自驾车很有信心，甚至他很早就开始布局，透过
各种方式，让这套自驾决策系统逐步适应台湾本土的交通特色与驾驶行为。
克服背景复杂的红绿灯辨识有一套
红绿灯就是其中一个例子。红绿灯辨识一直是自驾车上路的挑战，在台湾更是如此，需要
克服各种复杂背景下的红绿灯、夜间号志辨识的考验，但工研院机械所自驾车遇到红绿灯
时，却一点也没有这个问题，不论红绿灯摆放位置远近、数量多寡，周围背景有多复杂，
也不分白天或夜间，都能够处理得宜。
王杰智解释，最主要的原因是，团队不只用了一套红绿灯辨识技术，而是采用复合方式来
确保交通号志判别正确性。例如在红绿灯辨识系统上，底层虽采用深度学习技术，但自驾
车决策时还会搭配高精地图来看，从拍摄照片比对车上相机位置和每个红绿灯的几何关系
，来推算出红绿灯在照片上的相对位置，来缩小检测范围，甚至还会结合时间讯息，只要
加入基本逻辑判断，自驾车就能知道其他角度的号志应该亮红灯或绿灯，现在可以左转或
右转。“我们光是红绿灯辨识就有很多层”，他说，针对红绿灯辨识，除了有强化深度学
习分析模型，还会将所有可用的空间几何、时间的讯息放进来，加强整个系统的稳定度和
正确性。
不只应付静态的交通，工研院机械所自驾车的厉害之处，在于遇到各种动态的交通状况也
能迅速反应。以台湾道路上常见的“多事件同时发生”的情况为例，王杰智表示，当自驾
车遇到这种情况时，可以慢下来等待，也可以选择绕开，这时候，自驾决策系统根据感知
系统侦测和追踪到多个事件时，就会从可能影响的行驶路径中，找出所有可能的解决方式
，再从这些解法中，挑出一个最安全且合理的方法来执行，让自驾车避开这些事件。
他强调，最重要的是，要能迅速找到一个安全解法，而且是附近的人都可接受的合理方式
。这不是一件容易的事，需要靠融合传统和新式作法，反复提高自驾系统的决策能力，才
有办法做到。
甚至遇到开车争道，谁该礼让谁的问题，自驾车团队也有设计一套处置方式，来传达出自
驾车要卡位或让位的讯息，例如缓慢一步步逼进，让对方知道你的车要先过，或是知道安
全情况下表现毫不畏惧快速通过，就像当地人自己在开车那样。为了设计出能够贴近在地
化的开车行为，他们会将一些原本人类驾驶习惯的行为转换为规则，放进自驾决策系统中
，也有结合行为树（Behavior Tree）决策，根据每个地方路况需求调整参数，进而让自
驾车表现更在地化，“到目前为止，我们自驾车只要表现凶一点，对方就会礼让”他满意
的说。在他眼中，这套国产自驾车系统越来越像是一位道地的台湾人。
高精地图也要在地化，帮助自驾车避开三宝雷区
不只读懂台湾驾驶习惯，自驾车团队也会透过车上装的高精地图，来让自驾车可以避开一
些开车雷区，比如三宝区，常有行人穿越马路或出现违停车，工程师就会将这些资讯标示
于高精地图上，车辆行经时会主动加强对这个区域的人车进行追踪，来确保行驶安全。
在规画路径时，自驾车也会根据地图上需要留意的资讯，安排较少人穿越的道路来开，甚
至还没开到违停路段前，自驾车自己会先默认前方车道可能有违停车，于是选择改走内侧
车道，而不走外侧道。“这在一般高精地图上看不到，可是车开久了，人类驾驶会知道当
地人习性，将这些在地化资讯考虑进来，自驾车开起来才会更顺。”他表示。
正因为自驾车每到一个新场地练习时，工研院机械所自驾车团队第一件事，就是建置高精
地图，这些年来，自驾车团队发展出一套低成本且快速建置的作法，像是建立点云地图时
，有结合不少算法和自动化工具，来缩短地图绘制所需的人力和时间，还利用AI等各种
自动化工具标记语意地图上的辅助资讯，如开车规则、红绿灯位置，然后以人工进行确认
，也会结合其他工具修正错误，提高地图精度。
王杰智表示，这样做的好处是，不只能更快建好地图，而且成本相对低廉，跟一台动辄1
～2千万元的高精密测量仪器设备相比，自驾车团队只用十分之一价格的设备，就能绘制
出相同高品质的地图，同样可提供公分等级的精度。
将虚拟的动态交通状况叠加到真实道路，测试自驾车决策系统的临场反应
当自驾车遇到一些从没看过或罕见的路况时，测试团队也会结合虚实混合技术，来加强这
方面的训练，除了在虚拟世界产生类似交通情境来加以验证，还会将这些虚拟的动态交通
状况放进实体环境中来测试，如同透过手机萤幕看到眼前的虚拟宝可梦出现， 他们也把
这些虚拟状况叠加到真实道路上，用来测试实体自驾车的临场反应，能否做出对应的处置
。在这次物流自驾实验中，自驾车团队就有使用自驾车数位分身，在新竹市道路的数位分
身中来进行自驾车行为决策的验证。
不过，王杰智也表示，在模拟环境训练完的自驾车数位分身，要使用在真实环境的自驾车
上，需考虑到虚拟与真实世界的差距，尤其，想要模拟出一个高拟真的感知系统，目前仍
十分困难。这也是为何他们建立自驾车数位分身时，先以自驾决策系统的数位分身来验证
，而没有使用感知系统的数位分身。
3年多来全心投入专研自驾车技术，尽管已经和自驾车团队打造出了10多台国产自驾车，
王杰智认为还有努力的空间，跟自己原先预期的数百台仍有差距，即使如此，他仍持审慎
乐观的态度，“虽然这件事不容易成，我还是会努力来达成”他坚定的说。
心得/说明：(30字以上)
让自驾车去学习台湾人的开车习性会不会最后变成AI三宝啊
现在连自驾车在台湾的道路行驶都要比凶的