Kakao Mobility 運用江南深夜資料 推進單一端到端自駕模型

江南夜間試點勾勒 Kakao Mobility 資料策略

從 Kakao 拆分出來的韓國叫車服務 Kakao Mobility 向記者表示，其於首爾江南區推出的自動駕駛載客服務自上線以來，累計行駛里程已超過 13,000 公里、完成約 2,000趟載客，這些資料現已被公司視為下一階段技術發展的核心訓練資產。該服務於 3 月啟動，初期以兩輛車於晚間 10 點至凌晨 5 點營運，並於 8 月擴增至六輛，乘客平均評分為 4.97 分（滿分 5 分），期間通報一起輕微追撞事故，由另一輛車撞上該自動駕駛車輛，無人受傷。Kakao Mobility「自動駕駛」開發團隊 AI Driving Part 負責人 In-ho Lim（임인호）於週二媒體活動中表示，公司的開發重心正從累積大量行駛資料，轉向挑選困難情境，並主張：「對 AI 模型而言，在江南行駛一個月遠比在低難度區域行駛一年更有價值。」

五級分類法聚焦罕見邊界案例

為優先進行上述篩選，公司將行駛情境分為五個等級：第一級遵循號誌與規則，第二級著重防禦性駕駛，第三級解讀與周邊車輛的關係並處理轉彎與變換車道，第四級因應切入的車輛與機車，第五級則涵蓋難以預測的風險。Lim 表示，第四級與第五級是區分自動駕駛能力的關鍵，來自這兩個等級的資料也最為稀少，並指出當資料量累積到一定程度後，效能增益將趨於平緩，因此「拉開差距的正是資料」。車輛會自動偵測並儲存此類情境，公司將任何切換為手動駕駛的情況視為例外事件，併同記錄前後片段；引述的案例包括凌晨有車輛違規迴轉、因下水道管線施工而必須跨越中央分向線的路段，以及一名酒醉者在江南站附近突然衝入主要道路。蒐集到的紀錄會透過五步驟循環流程處理，AI 目前已接手過去需由人工逐幀檢視的工作，於伺服器上傳後數十分鐘內完成分級。

年底前目標完成端到端整合

Kakao Mobility 表示，計劃在今年內將感知與決策整合進單一端到端（E2E）模型，以取代先前結合 E2E 元件與規則式模組的混合架構。公司說明，規則式作法將駕駛分為獨立的感測、感知、規劃與控制模組，並遵循人為定義的規則，使決策可被稽核，但開發人員必須預先設想幾乎所有道路情境；而 E2E 模型則透過單一 AI 模型處理感測器輸入，並直接輸出車輛控制指令，無須定義中間步驟。公司正利用模擬器來彌補訓練資料中事故資料的不足，並表示將在新型模型之外保留規則式安全檢查，而非將其移除。

源自 Kakao Mobility 自動駕駛團隊

Kakao Mobility 於 2018 年成立自動駕駛團隊，並於 2020 年開始測試該技術，所打造的內部技術堆疊現已部署於江南，而未與外部無人計程車業者合作。媒體活動於首爾南部韓國汽車製造協會（Korea Automobile Manufacturers Association）總部舉行，公司亦於現場展示一輛自駕測試車及其資料與平臺路線圖，將夜間江南路段定位為在 E2E 模型進入更廣泛日常服務之前進行驗證的受控環境。

尚未解決的推展時程問題

公司尚未公佈將服務擴展至現行晚間 10 點至凌晨 5 點江南時段以外的時間表、車隊規模超越六輛的規畫，或商用無人計程車上線的日期；而在規則式安全檢查逐步減少或移除後，E2E 模型的實際表現仍有待觀察。下一個可驗證的里程碑，是在年底前將感知與決策整合進單一 E2E 模型的目標，以及持續累積江南夜間邊界案例資料。