微軟釋出開源的無人機訓練模擬器Airsim|數位時代 BusinessNext

微軟釋出開源的無人機訓練模擬器Airsim

微軟的AirSim基於Unreal 3D遊戲引擎，提供高級細膩的虛擬世界，用來訓練無人載具的AI時可以盡情測試，不必擔心發生損害真實事物的風險。

無人機或無人車的開發者總有一種困擾，那就是要驗證AI究竟管不管用，免不了要打造機體，找空曠的地方測試是否會墜機或撞車等，發生不少損壞意外。好在微軟（Microsoft）針對無人機開發了AirSim模擬器且以MIT授權開源釋出，讓無人機、無人車的AI演算法可以在模擬的世界先好好測試一番。

微軟的AirSim基於Unreal 3D遊戲引擎，提供一個非常高級細膩的虛擬世界，其中道路、樹木、房屋、電纜等障礙物一應俱全，陰影、反射也十分細緻，畫面的解析度、擬真度極高。用來訓練無人機、無人車的AI時，在這個極其逼真的世界裡可以盡情測試，不必擔心發生損害真實事物的風險。微軟表示，希望透過此舉幫助「機器人開發的民主化」，幫助資本有限的個人、研究人員和小公司，也能好好測試自己開發的無人機或無人車。

為什麼要在虛擬世界而不是真實世界中測試無人載具呢？主要是因為無人載具在移動的過程中，AI要學習區分陰影、實心物體、深色牆壁的差別，這要對其類神經網路做大量「訓練」，如果你把無人機造出來，讓它在真實世界進行訓練與測試，你可能要經歷多次花費昂貴的失敗；改在虛擬世界進行時，你就不用怕這些損失，而且本來在真實世界不方便也不能進行的，你都可以大膽地一再進行了！例如說虛擬世界的住宅區、高速公路等，這樣就避免在真實世界進行上的許多限制。如果你的無人機在住宅區測試，AI失手墜機了，砸傷人或損壞車子、房屋，不單打造無人機的費用沒了，還可能要負擔鉅額的保險理賠。

當然，因為是模擬的，所以也允許改變場景的體積大小與時間速度，來更有效率地訓練AI系統。為了好好「教育」無人機，所以這個軟體也要保持對真實世界模擬的高度準確，微軟表示，其模擬器會保持運用圖形處理技術的最新進展，提供最接近真實世界的細節，陰影、陽光眩光、陰霾和道路表面積水等都必須精確模擬好，這樣子AI才能好好學習。

此外，根據微軟的Ashish Kapoor在公司網誌文章中的說法，它應該也適用於任何類型的機器人，所以長腳的機器人應該也能受益。其他用途上，如果你有玩遙控飛機，也可以接搖桿或XBOX控制器，在這個模擬器裡面好好練習飛行技術呢。

本文授權轉載自：科技新報

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。