自動駕駛車(Autonomous Car)或無人駕駛車(Driveless Car)指的是利用車體上之感測器，蒐集行車周遭數據，並透過相關運算、控制系統，達到車輛自動駕駛的能力。這是個偵測、識別與控制三大技術的合體，各項行車資訊透過人工智慧中的「深度學習」轉化為行車控制決策資訊，讓汽車駕駛達到無人化的境界。

無人駕駛的安全性提升，則有賴自駕車路測的開放，加州是美國的重要路測據點，目前已有數十家公司取得道路測試許可。2018年初，美國電動車大廠特斯拉在加州發生的自駕車傷亡事件震驚全球，讓大家對於自駕車未來發展產生疑慮。根據加州道路管理局統計，2018年1~8月共發生95起自駕車碰撞事故，顯示安全性仍是當前自駕車技術發展的重要課題。

欲解決安全性問題，在各項自動駕駛技術中，能利用「感知」技術掌握周遭環境變化是優先條件，其中透過有感知能力之硬體，如：雷達、光達等，進行週邊環境資訊之蒐集，並將此等數據結合人工智慧技術進行深度學習，建立各種自動駕駛感知系統邏輯，以提高自駕之行車安全性；另一方面，藉由日積月累的大量偵測數據，可以網羅各式駕駛情境，逐步提升深度學習的成效，是自動駕駛感知技術持續突破的關鍵。在利用人工智慧建立自動駕駛感知邏輯上，我們以Google圍棋機器人—AlphaGo來想像自駕車如何提升安全性，在Google發展及訓練圍棋機器人程式時，便是將數以萬計的棋譜作為AlphaGo的深度學習素材，透過棋譜讓AlphaGo建構各式棋步的解法，使程式可以在對奕過程中，破解對手的棋步；AlphaGo藉著電腦的快速運算能力，能在短時間內計算出對手後續各子的勝負率，並一一拆招，勝過人類棋王。對於自動駕駛來說，行車過程，周遭環境千變萬化，猶如下圍棋一般，需要不同的棋步作因應，故透過自駕感知系統之資訊蒐集、分析各式數據，優化自動駕駛決策，方能提高行車安全性，進而消弭自駕車安全性之疑慮。

鑑此，本案將針對自駕車感知技術中，與「行車環境感知」基礎技術有關之專利進行探討，表 1為本次探討技術之說明。

表 1、本案探討技術之說明

為進一步探討各國在自動駕駛感知技術的發展現況，本分析報告將以上述範疇為主軸，檢索美國、歐洲、中華民國、中國大陸之專利，以窺探各國在自動駕駛感知技術上的發展脈絡，使我國發展自動駕駛軟硬設備之供應鏈廠商可窺探國際發展現況，找尋技術缺口，加速發展相關技術，以強化國內產業在自動駕駛技術上之競爭實力！