關於 oxbotica ，我們在網路上蒐集到這些相關的討論、資訊與評價

#汽車電子 #自駕車 #電動車EV #人工智慧AI #先進駕駛輔助系統ADAS

【中國版自駕車「分級標準」出爐！】

美國國家公路交通安全管理局 (NHTSA) 在今年三月鬆綁部分自駕車限制，幾乎就在同一時間，中國大陸工信部發佈《汽車駕駛自動化分級》推薦性國家標準報批公示，以執行動態駕駛任務的「角色分配」以及「有無設計運行條件限制」為依據，同樣將駕駛自動化分成 0～5 級，擬於 2021 年元旦實施，正式擁有自己的自駕車分級標準。

中國除了是全球最大汽車消費市場、更是全球最大電動車市場，意欲搶下話語權並不奇怪，且早就開始鴨子划水佈局，並非外傳的「突擊」事件。另一被人誤解的是：中國版自駕車缺乏傳統車廠的參與，但事實並不然；近日，長安汽車還以線上發佈會的方式亮相最新「引力」系列的 UNI-T 運動型休旅車 (SUV)，號稱是中國首款搭載國產人工智慧 (AI) 晶片的智能汽車。

具體而言，中國 vs. 美國汽車工程師協會 (SAE) 版本有何差異？報批稿中明示，《汽車駕駛自動化分級》乃參考 SAE J3016 分級框架並結合中國當前實際情況進行調整，相同點在於：對每個具體的駕駛自動化功能分級結果基本是一致的，可減少不必要的分歧，相異之處則是……。更重要的是，即使專家一再列舉各式車禍數據，試圖力證自動駕駛比人類更安全，但「信任感＆接受度」仍是一大問題。

延伸閱讀：
《自駕長路漫漫，但產業行程有加速之勢》
http://compotechasia.com/a/feature/2020/0513/44707.html

#美國國家公路交通安全管理局NHTSA #特斯拉Tesla #McAfee #Oxbotica #思科Cisco #OpenRoaming

瞄準AIoT龐大商機 驅使產業價值鏈持續重組洗牌

魏淑芳 2019-05-30

伴隨物聯網(IoT)應用蓬勃興盛，加上人工智慧(AI)技術日趨成熟精進，兩大技術雙雙躍為企業數位轉型過程中不可或缺的要素；在此前提下，近年IoT與AI逐漸匯流為AIoT嶄新面貌，使AI得以藉由IoT滲透至各個產業與生活應用情境，連帶讓AIoT背後所表彰的邊緣運算概念，成為繼雲端運算後另一個熱門辭彙。

所謂邊緣運算，簡單來說，可視為從雲端到邊緣的移動，意即把原本透過雲端資料中心執行的AI機器學習推論工作，移往網路邏輯上的邊緣節點來處理，由於邊緣節點鄰近於用戶端設備、也就是數據來源，因而能夠以近乎即時的速度來處理資料，不僅消除了以有限網路頻寬傳送大量原始數據的負擔，更消除了凡事唯雲端是問、久候雲端下達指令的依賴性，這些特性，對於類似像自駕車等時間敏感性(Time-Sensitive)應用，可說非常重要。

Toyota為實現MaaS概念，邀集必勝客、Mazda、Uber、亞馬遜等盟友創立移動服務事業聯盟，意在讓其新開發的e-Palette自駕電動概念車，得以蛻變為無人化快閃商店。來源：SlashGear

於是乎，AIoT被各方人士寄予厚望，看好這股趨勢可望帶動諸如半導體、邊緣運算、5G網路、智慧車輛等相關技術領域之創新發展，進而引領第四波科技創新，促使智慧時代早日到來。根據知名研究機構Gartner的預估，時至2022年，在多達8成比重的企業IoT專案當中，都會含括AI解決方案，反觀現今，AI在IoT專案的佔比不過一成左右，顯見未來還有極大的成長空間。

AI與IoT 少了任一方都難形成大局

業者形容，AIoT的背後邏輯便是「AI＋IoT」，其中AI像是大腦，足以將設備的簡單連接升級為智慧連接，從而讓萬物互聯演化成為萬物智聯，至於IoT，則是使AI得以發揮行動力的載體，猶如人類的眼睛、耳朵、鼻子與皮膚一般，可以感知你我周遭的環境事物，從中彙集大量數據，做為AI進行機器學習、深度學習的重要養分；當資料愈多、訓練素材愈多，AI大腦就會愈來愈聰明，做出愈來愈準確明智的決策。

換句話說，假使僅有AI大腦，而沒有連結IoT感知能力，無從收集各種環境資訊，空有強大的演算法、運算力也是枉然；相反的，只有IoT而未搭配AI，則像是只有感官卻無法通達大腦來做出睿智反應，那麼縱然收集的資料量再如何龐大，充其量仍是Raw Data，沒有辦法轉換成為有價值的資訊。由此可見，唯有AI＋IoT，才足以創造最大化價值。

談及AIoT的落地應用，無庸置疑的，自駕車(Autonomous Vehicles)肯定是討論度名列前茅的熱門題材。顧名思義，研發自駕車的初衷即是取代人為駕駛，然而要達成這個目標，需要整合眾多科技，方能讓原本以機械性能為中心的汽車，開始擁有感知與學習能力，進而靠自身的力量做到精準判斷與操控，終至平安順利地上路行駛。

探究自駕車的感知層面，也就是賴以隨時掌握周遭環境資訊的配備，除了現階段已被廣泛運用的GPS、雷達、超音波，及結合影像辨識技術的攝影機等相關技術方案外，簡稱為光達的LIDAR，更被喻為是實現全自動自駕的先進感測技術，只因光達的涵蓋範圍廣闊，而且比較不受到諸如光線、溫度或天候等環境因素影響，所以可提供更加可靠、精確的偵測能力。

一旦車上搭載幾顆光達，便可明顯提升感測效果，惟目前光達的價位偏高，未來唯有下修，才可望被多數的自駕車開發商所接受，逐漸成為標準配備，所幸目前已有業者正在努力運用不同的技術，嘗試發展出價格更加實惠的光達產品。

至於自駕車的大腦，則需仰賴AI 軟硬體及開發平台，來訓練所需模型。GPU領導廠商Nvidia有感於自駕車在面對複雜道路環境之際，勢必需要進行大量平行計算、以便能做出即時反應，所以一方面提供高效能的運算晶片 DRIVE Xavier，二方面則提供一個完整的DRIVE AV平台，以利開發者因應各種環境感測技術、分別建構不同的模型，甚至透過虛擬環境來強化訓練(藉以納入一般實際道路測試鮮少遇到的狀況)，且能利用AR技術，裨益駕駛人在行駛過程中一併獲知周遭環境資訊。

憑藉異業合縱連橫 打造完整AIoT生態系

值得一提的，在AIoT的驅動下，已為自駕車注入許多創新設計思維、甚至是顛覆性的商業模式，使得相關的生態系更為多元豐富。比方說日系汽車大廠Toyota迎合MaaS(Mobility as a Service)概念，發想創立移動服務事業聯盟，並已延攬像是必勝客、Mazda、Uber乃至亞馬遜等諸多盟友，意在將其新開發的e-Palette自駕電動概念車，型塑為無人化快閃商店，隨時移動至不同地點展開營運。

此外聚焦發展自動駕駛軟體的英國新創企業Oxbotica，則與線上超市業者Ocado締結合作關係，將藉由CargoPod小型自駕貨車提供短距移動送貨服務，當貨車抵達後，消費者只需輸入密碼便能取貨。

事實上AIoT商機甚多，絕對不僅止於智慧汽車，其他像是智慧醫療、智慧製造或智慧能源等等領域，也都蘊含莫大的想像空間；探究這一條條不同的價值鏈成形，背後都亟需堅強的產業鏈加以撐持，甚至需要涵蓋電子零組件、系統組裝、軟體介面、服務設計等來自四面八方的廠商群策群力，方能透過一站式的供應模式，開創 AIoT 大局。

如同SEMI微機電及感測器產業聯盟(MEMS & Sensors Industry Group；MSIG)的成軍，基本上就是一個典型例子；因此可以預見，隨著AIoT浪潮席捲，異業合縱連橫的案例將會不斷上演，目的在於重塑產業價值鏈，只因在AIoT世界，確實很難有單一廠商足以通吃感測器、雲端到AI整個市場。

附圖：除了自駕車外，包括智慧製造、智慧醫療等諸多領域，都有愈來愈多相當成功的AIoT應用案例。例如日本的輪胎廠商Bridgestone便善用AIoT技術，為生產設備賦予自主學習與行動的能力，因而大幅提高生產效能與良率。DIGITIMES攝

資料來源：https://www.digitimes.com.tw/iot/article.asp…

Oxbotica 與保險業者合作，想透過風險評估讓自駕車更安全

作者 Nana Ho | 發布日期 2018 年 05 月 03 日 9:30 |

儘管技術正在持續進步，但自駕車要正式上路仍得面臨著許多阻礙，像是意外事故發生時的判斷便是最困擾的道德難題之一，但如果讓保險公司參與到自駕車的開發與未來的控制設計，是否能夠讓自駕車變得更為安全？

CNET 報導指出，這是英國科技公司 Oxbotica 近期提出的一個潛在想法，它們正在研究自駕車在未來究竟該如何收集與共享數據。

在 Oxbotica 的聯合創辦人、牛津大學教授 Paul Newman 看來，如果未來自駕車受到保險公司的積極監管與協助改進，透過對汽車的行駛範圍、車輛行為進行調整，保險業者將可以協助自駕車在行駛時降低各種行為可能引起的風險。

舉例來說，自駕車可以在感測器檢測到前方事故時，運用保險公司的風險評估來計算，並透過 V2V（車輛到車輛）和 V2X（車輛到基礎設施）技術，協助引導在同路徑上的後方車輛放慢速度，或甚至繞路而行。

自駕技術對現今汽車保險業的潛在影響是巨大的，許多業者都在積極尋求管道去了解自動化會如何影響他們的業務，美國知名保險公司 State Farm 就是密西根大學 MCity 自駕車研究機構的主要合作夥伴，雙方正密切合作以了解自駕車領域的實際發展情形。

Oxbotica 也已經將自己的 Ford Fusion 測試數據與保險公司 XL Catlin 分享，希望藉此協助業者制定風險評分。Newman 認為，如果保險公司在密切參與早期自駕車經營後，仍然願意為其提供相關保險買單，這種現實將可以緩解立法者的擔憂，加快自駕車上路測試的速度，並刺激自駕車更快的商業化。

資料來源：https://technews.tw/2018/05/03/oxbotica/