---
title: "自駕車（Autonomous Vehicles）"
slug: autonomous-vehicles
language: zh-TW
source: https://aiterms.tw/terms/autonomous-vehicles
updated_at: 2026-06-23
tags: [AI應用, 深度學習, 電腦視覺]
ipas_term: false
---

# 自駕車（Autonomous Vehicles）

自駕車是指無需人類駕駛員干預，能自主感知環境、做出決策和控制行駛的車輛。自駕系統整合了計算機視覺、傳感器融合、路徑規劃和深度學習，是 AI 應用中最複雜的系統。

## 完整說明

自駕車代表了 AI 應用的終極挑戰：在動態、不確定、高風險的真實環境中做出關乎生死的決策。自駕系統需要同時解決感知（理解周圍環境）、決策（選擇行動）和控制（執行行動）三大問題。與以往的 AI 應用不同，自駕車的每個錯誤決策都可能導致嚴重事故。因此，自駕車要求極高的安全性和可靠性，涉及深度學習、傳感器技術、實時系統設計等多個領域。

## 常見問題

### 自駕車的感知系統如何處理惡劣天氣？

惡劣天氣（雨、霧、雪）是自駕的重大挑戰。不同傳感器有不同的鯰魚：攝像頭在霧中視野很差，雷達穿透性強但分辨率低，LIDAR 在雨中效果差。現代系統採用傳感器融合，結合多個傳感器的信息彌補各自的不足。例如，當霧中攝像頭視野不清時，依賴雷達和LIDAR；在雨中LIDAR效果差時，依賴攝像頭和雷達。此外，深度學習模型需要在各種天氣條件下訓練，以適應不同環境。一些公司還開發了專門的雨/霧偵測模塊，當檢測到惡劣條件時，自動降低速度或尋求停止。

### 自駕車在倫理決策（如不可避免的事故中誰受傷）中如何選擇？

這是自駕車最有爭議的倫理問題。假設制動失敗，車必須選擇撞行人還是撞護欄。現實中，設計自駕系統的目標應該是完全避免這種二選一的情況：維持足夠的安全距離、監控制動系統健康、在極端情況下安全停止。當前的公共政策和工程實踐傾向於：(1) 最小化整體傷害（無論誰受傷），而非針對性地選擇受害者；(2) 優先保護最脆弱的群體（如行人）；(3) 透明地記錄系統決策用於事後分析。不同國家可能有不同的倫理框架，這也是自駕車全球推廣的障礙。

### 自駕車的端到端學習（直接從影像到操控）可行嗎？

端到端學習（如 NVIDIA 的方法：輸入攝像頭影像，直接輸出轉向和加速）在簡單場景（如高速公路）上展現了潛力，但在複雜城市環境中仍有挑戰。優點是簡化系統，減少手工特徵工程。缺點是難以解釋（為什麼模型做出某個決定），難以泛化（在未見過的環境中失敗），難以修正（如果出錯，難以診斷根本原因）。大多數成功的自駕項目采用中間層次的方法：使用深度學習做感知（檢測、分割），然後用明確的決策邏輯（規則或優化算法）選擇行動。這種混合方法在安全性和靈活性之間找到平衡。純端到端方法可能適合特定的、受控的場景（如農業、采礦），但對於公共道路上承載乘客的車輛，分解系統仍是更可靠的方法。

---

來源：https://aiterms.tw/terms/autonomous-vehicles
快查頁：https://aiterms.tw/terms/autonomous-vehicles
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-autonomous-vehicles