布萊恩的創業小窩

煞車領域領導品牌Brembo引進 人工智慧 系統,成為自動車新趨勢 本文為下篇，上篇請看此連結。 人工智慧應用於煞車：Sensify 的優點 適應各種車輛 從大型卡車到轎車都可安裝 Sensify 與傳統的煞車系統相比，尺寸更為精細、重量也更輕，具有適應各種車輛重量的能力，因此適合任何車型的車輛，從大眾運輸工具、轎車、休旅車、商用車、超跑或賽車等。這些功能也使 Sensify 適合摩托車，因為兩輪車更容易受到重量和路面變化的影響。 針對個別輪子 單獨調整煞車力道 Sensify 讓所有的車輪，都能獨立調整煞車力道。 Sensify 可通過電子硬體擴展成為拖車或大型運輸車的配備，在所有六個（或八個）車輪上提供單獨煞車，從而大大提高循跡系統安全性、也減少對煞車盤的磨損。雨天時，此系統可能透過程式來施加輕微的壓力以摩擦地面、防止打滑。 能依據用戶駕駛習慣調整煞車 Sensify能依照不同用戶的駕駛習慣，「客製化」其煞車力道。 Brembo 表示：Sensify  AI  煞車系統能自動學習使用者習慣，並依每個人的駕駛習慣而自動調整剎車設定，如踏板回饋力道、個別調整每個輪子的煞車力道、縮短煞車鎖死時間以及降低卡鉗損耗等；因此無論是快速或緩慢的行駛風格，都能作出合適的剎車力道。 適應各種路況、天氣調整煞車 Sensify 可以照不同的天氣、路況，微調煞車性能與力道，以確保在顛簸的路況或傾盆大雨時，也能安全地緊急煞車。 行駛中，Sensify 亦可依天候、不同路況所蒐集的數據進行微調，以確保煞車隨時擁有最佳性能。即使路況不佳、遇到大雨或崎嶇道路時，仍可安全的緊急煞車。 電子訊號取代油壓傳輸，不用煞車油更環保 Sensify 使用電子訊號傳遞，取代傳統的煞車油壓傳輸，因此更環保。 Sensify 煞車原理與當前其他的煞車系統相近，都是由剎車踏板來控制煞車卡鉗。差異在於，過去從踏板到煞車卡鉗之間的傳導是使用油壓方式，Sensify 則改為電子訊號傳輸；並且在踏板和製動盤之間，沒有油管的物理連接，因此不需要煞車油。 不需要剎車油的好處，可降低零件的維護成本、剎車盤的消耗、產生更低的輪胎阻力、排放更少的煞車粉塵，達到效率提升與環保，增加汽車整個生命週期。 縮短煞車時間 也因為使用電子訊號傳遞的關係，相較於傳統的油壓傳輸，速度更快...

 將 人工智慧 應用於汽車上，讓身為移動工具的汽車，多了許多其他的智慧功能已是趨勢。除了當前最知名的 Tesla 自動駕駛外，還有更多  AI  在汽車產業的應用，如 無人計程車、自駕車宅配，甚至還有會「說話」的自駕車、或是能分析駕駛行為以確保車隊安全 等功能；而日本竟也有 專門訓練 AI 的駕訓班呢 ！ 而這次，義大利高端煞車系統品牌——Brembo，也將 人工智慧 應用在直接關係到行車安全的煞車系統上！ Brembo 讓人工智慧幫忙踩煞車，開發 Sensify AI 系統獨立操控輪胎轉速 煞車系統能否正常運作，對確保安全來說非常重要。因此，煞車性能可說是比加速系統更重要。 煞車領域的領導品牌——義大利的 Brembo 近年頻傳新創技術與產品，例如可以透過手機調整不同的顏色的「G Sessanta」智慧卡鉗，讓車主可以搭配愛車變換顏色。今年十月，Brembo 宣稱要計劃發布Sensify —— 一種搭載 人工智慧 技術的煞車系統，並將在 2024 年透過一家製造商正式生產，宣稱能達成「駕馭樂趣」與「全面安全」的目標。 Sensify 除了煞車系統必備的防鎖死煞車（ABS, Anti-lock Brake System）、循跡系統（TCS, Traction Control System）和穩定控制系統（ESC）之外，它使用了電子控制取代了油壓控制，讓煞車動作可已有前所未有的靈敏、迅速、精準。 突破AI技術瓶頸，Sensify擁有自我編程、自我學習能力 「當你開始處理 人工智慧 與神經網絡時，它們的表現頂多與你擁有的訓練數據一樣好，」史丹佛大學汽車研究中心的工程學教授兼主任 J. Christian Gerdes 表示：「如果你有一個新的案例，是這個  AI  以前從未見過的，那麼很難預知它將會怎麼做。」 此外，Gerdes 也表示，1970 年代首次推出的現代化防鎖死煞車（ABS, Anti-lock Brake System）系統，是防止車輪煞車鎖死失靈的解方。他也說：「更重要的是，要了解每個輪子的情況，然後智慧地調整各車輪的煞車力道。」 為了解決上述兩個問題，Sensify 正使用專屬的應用程式、並根據所訓練的數據資料來進行自我編程、也透過增加駕駛經驗來學習。該系統將使用預測算法（predictive algor...

人工智慧甩尾讓這冠軍車手也這麼擔心?看完之後你就知道原因! ▲ 如此極致精準的甩尾角度，你能猜出是來自哪一個賽車手嗎？ 影片中一台銀白色的舊式跑車，以極致精準的角度，迅速穿越了一個又一個橘色三角錐組成的羊腸小徑。輪胎因急速馳騁於路面產生劇烈摩擦，導致瀰漫出濃烈白煙的幾乎要掩蓋視線⋯⋯而當這台車通過這條既狹窄又彎曲的彎道時，竟然沒有擦撞到任何一個三角錐！ 這麼無懈可擊的甩尾技術，究竟是來自美國的「甩尾大師」Ken Block 、日本的「甩尾王」土屋圭市，還是電影《玩命關頭》下一集的特效？ 都不是！這個完美的甩尾，竟然是美國的世界名校史丹佛大學！ 史丹佛大學「回到未來」　搶先研發出甩尾自駕車 「讓 AI 甩尾」的野心來自 2015 年美國史丹佛大學動力設計實驗室，教授 Chirs Gerdes 帶領、該校機械工程學博士 Jonathan Goh 主導開發的一項專案，將這輛外型搶眼的跑車改裝成自動駕駛車輛。 有趣的是，他們選中了現實中已停產許久，卻因經典科幻電影《回到未來》而讓不少影迷惦記的「DeLorean 鷗翼雙門跑車 DMC-12」，來改裝成電動車，並裝上自動駕駛系統，也因此吸引了不少目光，使此專案備受注目！ ▲ 使丹佛大學將電影《回到未來》中出現的跑車 DMC-12 改裝成 AI 自駕車 即使許多人因 DeLorean DMC-12 燒胎甩尾「重出江湖」而大感興奮，但團隊的研究目的卻是非常嚴肅的。 這項專案旨在研究自駕車，是否能比擬人類駕駛的敏捷性與精確度，在遭遇突發狀況時可否化險為夷、轉危為安。 而之所以選擇甩尾，Jonathan Goh 表示：「透過甩尾，我們讓自動駕駛進入到最為極端的環境當中。如果我們能夠在最不穩定的場景中實現自動駕駛，其他的一切都會迎刃而解了。」 ▲ 開發團隊的教授與成員解釋，如何讓自駕車和專業車手一樣甩尾 選定 DMC-12 作為實現這個重要目標的載體之後，團隊便為它取名 Multiple Actuator Research Testbed for Yaw control （偏航控制多執行器研究試驗），簡稱 MARTY。 緊接著，就是讓這台車煥然一新──動力與驅動系統被換成由電動汽車公司 Renovo 提供的...

▲ 人工智慧先驅-史丹佛大學名譽教授 Nils Nilsson 身為 人工智慧 先驅的他你怎能不認識!今天讓我們來懷念及感謝他所做的一切!   人工智慧 先驅、 人工智慧 名人堂入選者、AAAI (美國 AI 協會) 前主席、A* 搜尋演算法發明者以及多部 人工智慧 教科書作者──史丹佛大學電腦科學的第一位名譽教授（Kumagai Professor of Engineering）Nils Nilsson 於美國時間美國時間 2019 年 4 月 23 日逝世，享壽 86 歲。 Nils John Nilsson 教授於 1933 年 2 月 6 日出生於美國密西根州，是 人工智慧 的研究先驅之一，在「搜尋演算法」、「機器人學 (註：一種跨領域科技，涵蓋機器人的設計、建造、運作、應用等)」以及「知識表示法（註：一種跨領域的表示方法，涵蓋認知科學和 AI 兩個領域。在認知科學裡為人類儲存和處理資料的方式；在 AI 中，主要目標為儲存知識，讓程式能夠處理，達到人類的智慧。）」的貢獻而聞名。   研發世界第一個人工智慧機器人「Shakey」 ▲ Shakey 是世界上第一個體現 人工智慧 的機器人   Nils Nilsson 教授在史丹佛國際研究院（SRI International）的人工智慧中心任職 23 年，致力於將統計學和神經網路的方法應用到圖形辨識中。1966年開始，他與該中心的創始人 Charles Rosen 及著名的 AI 學者 Bertram Raphael 共同主導機器人 SHAKEY 的研發工作。Shakey 是世界上第一個體現 人工智慧 的機器人。   發明網路遊戲中常用的「A* 最佳路徑演算法」 ▲ 算出最佳路徑的「A* 搜尋演算法」演示圖 1968 年，Nilsson 教授與電腦科學家 Peter E. Hart 和前段所述的中心創辦人 Bertram Raphael 共同發明了「A*（讀作『A-Star』） 搜尋演算法」，為 人工智慧 領域帶來了重大影響。 A* 搜尋演算法（A* search algorithm），是一種在有多個節點路徑的圖形平面上，求出最低通過成本的演算法。今天 A* 搜尋演算法常用於遊戲中的 NPC 的移動計算，或網路遊戲...