自主駕駛結合了軟體與硬體，是一個異常複雜的跨學科領域。它由感知、規劃和控制等多個模組組成，涉及機器學習、計算機視覺、自動控制和車輛工程等多個學科。尤其是在人工智能快速發展的背景下，機器學習、深度學習、強化學習等技術與自動駕駛密不可分。人工智能為自主駕駛提供了有效的技術解決方案。

 

例如，人工智能技術可讓車輛理解從車輛感測器獲得的資料，並從周圍環境中提取關鍵語義資訊。此外，車輛會使用這些語意資訊進行規劃和決策。例如，當接近人行道或遇到行人時，車輛會自動減速等待行人通過；當前方車輛突然煞車時，車輛會判斷是否立即減速或變換車道。透過人工智能的整合，大大提升了騎乘體驗與車輛行駛時的安全性。

 

解決方案應用介紹

01 網域控制器部分

外部車輛感測器 (LiDAR、攝影機、GNSS 等) 收集相關的外部資料，作為網域控制員發出作業指令的基礎。

02 線控底盤部分

作為車輛的指令執行器，在收到網域控制器的作業指令後，必須立即執行緊急煞車等作業。

03 通訊科

提供低延遲的上行與下行資料通道，確保監控與作業指令能迅速到達終端；採用 M12 航空連接器方式，確保介面安全，並提供 CAN 通訊介面。

 

04 雲端系統部分

可即時監控目前車輛的運作狀態，可發出執行指令使車輛遵循新規劃的路線，也可透過智慧型駕駛系統實現遠端車輛操作。