半年多一倍!特斯拉自動駕駛已累積超過20億公里數據
半年多一倍!特斯拉自動駕駛已累積超過20億公里數據
2016.11.15 | 交通運輸

前段時間,特斯拉發佈完全自動駕駛硬體,即日起消費者訂購的特斯拉都將具備完全自動駕駛的硬體基礎,隨著一輛輛新車駛下佛蒙特的生產線,特斯拉正在完成一個標誌性的進化,即從第一代Autopilot演化到第二代Autopilot硬體,未來,特斯拉還將在此基礎上實現Level 3和Level 4的完全無人駕駛。

近日,特斯拉表示,其首代Autopilot已經累積了13億英里(約20.92億公里)的資料,並且「幾乎全部資料」都可以用在第二代Autopilot上。上個月,特斯拉曾對外表示,其全部車輛已經行駛了30億英里(約48.27億公里)的路程,現在我們知道,這其中近乎一半是加裝了Autopilot硬體的車輛跑出來的。

延伸閱讀:特斯拉:所有車型皆配備「全自動駕駛」硬體,將比人類駕駛更可靠

這裡需要明確的是,加裝了Autopilot不等於這個Autopilot時時刻刻處於開啟狀態,去掉Autopilot處於關閉狀態的時間,Autopilot啟動狀態下跑出來的實際里程大概是3億英里(約4.83億公里)。不過上面特斯拉把關閉狀態的里程加進去也並非是虛張聲勢,而是因為,即使在Autopilot並未啟動的情況下,特斯拉依然需要使用相關的資料去調教其機器學習系統,並使其Autopilot逐漸進階:從單純的Autopilot進階到增強版Autopilot,並最終具備完全自動駕駛功能。

今年五月份,特斯拉的這一資料還是:加裝Autopilot硬體的車輛跑了7.8億英里(約12.55億公里),其中Autopilot處於啟動狀態的里程是1億英里(約1.61億公里)。短短六個月,兩項資料指標就分別增加了近一倍和兩倍。

特斯拉Autopilot項目組負責人Sterling Anderson曾介紹道,即使是Autopilot並未打開,特斯拉一樣可以利用它做一些事情。目前,搭載了首代Autopilot系統的車輛已經超過了10萬台,現在特斯拉正在向第二代硬體系統轉移。

同樣是收集資料,佈局無人駕駛,提到特斯拉不得不提Google,Google做無人駕駛算是早起鳥,然而由於沒有可搭載的量產車型,Google的無人駕駛車至今只能在路況相對簡單的道路(或者內部道路)上跑一跑,從收集的資料豐富度和數量上來看,Google已經遠遠落後於特斯拉——現在特斯拉每天收集上來的資料比Google自2009年開始無人駕駛車測試以來收集的還要多。

延伸閱讀:堅持推出「全自動駕駛」的Google,正在被「輔助自動駕駛」對手超越?

到2016年10月底,Google共收集了350萬英里(約563.2萬公里)的資料,這其中包括220萬英里的自動駕駛狀態資料和130萬英里(約209.2萬公里)的人工駕駛資料,現在,Google靠著它那支50輛原型車的艦隊,以每週2.5萬英里(約4萬公里)的速度收集著資料。

另一方面,特斯拉從其首代Autopilot那裡每天收集數百萬英里的資料上來,以後有了第二代Autopilot(日後以開發為Google那樣的純無人駕駛為目標),這些特斯拉新車有望在2017年下半年在資料收集方面趕上第一代,並且其資料收集的精度和廣度更勝一籌,比如新硬體加裝了360度全景攝影鏡頭,並且具備更好的超聲波和雷達技術。

本文授權轉載自:36氪

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓