GTC 2015 ： Audi 展示 A7 自動駕駛車，以及示範 Drive PX 的攝影機擺放參考

身為 NVIDIA Tegra 首個車用平台的合作夥伴，每年 GTC 活動 Audi 幾乎都是力挺到底，今年也在展示區擺放其自動駕駛的案例，包括今年在 CES 期間從矽谷進行長達 560 英哩半自動駕駛到拉斯維加斯的 A7 Concept ，以及示範如何在車台上合理應用 Drive PX 的 12 路攝影機功能。

A7 Concept 還未採用 Tegra 作為半自動駕駛平台，仍是透過傳統的電腦，主要的原因在於基於 Tegra X1 、具 Deep Learning 深度學習能力的 Drive PX 才公布不久，且這款車輛不僅只是用於展示自動駕駛能力，還兼做資訊蒐集的功能。後方密密麻麻的電腦有很大的一部份是用於紀錄行駛時的樣本。

因為在車載的深度學習的概念下，有效樣本的投放將會影響系統的學習能力，然而在初期需要從大量的樣本中選出有效樣本作為學習的素材才有意義。是故這輛半自動駕駛車輛在行駛之間也需要藉此建立做為未來平台學習教材的樣本，這方面仍須仰賴基於傳統電腦架構。然而當具有足夠的有效樣本能讓駕駛系統完成基礎的自動駕駛邏輯，就可將基本邏輯轉移到如 Tegra X1 這樣具深度學習機能的嵌入式平台。

既然 Audi 已經表明將透過 Tegra X1 打造自動駕駛平台，它們除了展示 A7 Concept ，也在一台雙門車的骨架配置 Drive PX 以及配置 12 具攝影機，藉此展示該如何活用 Drive PX 所能搭載的 12 具攝影機。

以單純建構環景視覺，一台車其實僅要 4 具攝影機就能完成，為何要用上 12 具？這也是考慮到要進行真正的自動駕駛時需要有更完整的影像資訊，像是原本的後照鏡位置的攝影機，就是用於捕捉原本駕駛死角的側後方來車視野，除了引擎蓋，還在擋風玻璃處布置兩個攝影機，不僅能追蹤前方車輛，也能捕捉號誌進行影像分析之用。

結合深度學習的自動駕駛，就是希望藉由取代人類感知的感測器達到安全的駕駛，所以不光只是要建立車輛的環景影像，同時也要具備駕駛時容易產生的死角取得影像資訊做為參考資料。

以理論而言，透過深度學習後的自動駕駛能學到對於行駛狀況的判斷，例如躲開坑洞、遇到路邊停車時提前避開對方開門時的動線，或是依照前方車輛的類型維持安全跟車距離避免煞車碰撞；而相較於人類駕駛，自動駕駛系統的多個攝影機與感測器不像人眼只能一個時間取得一定角度的資訊，也沒有疲倦的問題，同時也不會因為緊張在該煞車時誤踩油門或是鎖死煞車的問題，也無怪乎 Tesla 的 CEO Elon Musk 會在主題演講表示自動駕駛終將比人類可靠。

你或許會喜歡

蘋果抄襲德國百靈？