自動駕駛的車：揭秘智慧駕馭的核心技術、應用與挑戰

欸，你是不是也跟我一樣，有時候在路上看到那些看起來有點「特別」的測試車輛，車頂上裝著一堆奇奇怪怪的感測器，心裡不免會想：「哇，這就是傳說中的自動駕駛的車嗎？」或者，你可能跟我朋友小陳一樣，最近因為工作繁忙，每天通勤時間長到爆炸，一直在想，如果車子能自己開，那該有多好啊！他甚至問我，這東西到底什麼時候才能真正上路，而且開起來到底安不安全？

說到自動駕駛的車，它可不是什麼科幻小說裡的想像，而是正逐步走入我們日常生活的真實科技。簡單來說，一輛自動駕駛的車，就是一台能夠在無需人類駕駛介入的情況下，感知周遭環境、規劃行駛路線、並安全地將乘客或貨物從A點送到B點的智慧載具。它運用了複雜的感測器、人工智慧、高精度地圖及即時通訊技術，目標是讓駕駛體驗更安全、更有效率，甚至更輕鬆。所以，別再把它當成遙不可及的未來了，它就在我們眼前，而且發展得比你想像的還要快喔！

Table of Contents

什麼是自動駕駛的車？深入了解其運作核心

很多人提到自動駕駛的車，第一個想到的可能是電影裡那種完全不用人管，自己趴趴走的帥氣跑車。但實際上，自動駕駛的發展是一個循序漸進的過程。國際汽車工程師學會（SAE International）定義了從Level 0到Level 5共六個自動駕駛等級，這幫我們更好地理解不同程度的「自動」。

我們來看看這幾個等級到底代表什麼意思：

Level 0：無自動化（No Automation）
就像我們家裡那台老爺車一樣，完全由駕駛人操控，沒有任何自動化功能。
Level 1：駕駛輔助（Driver Assistance）
這層級的車子開始具備單一的自動化功能，例如定速巡航（Adaptive Cruise Control, ACC）或車道維持輔助（Lane Keeping Assist, LKA）。它能幫你「踩油門/煞車」或「轉方向盤」，但你還是要全程監控喔！
Level 2：部分自動化（Partial Automation）
這個等級的車輛可以同時執行多個自動化功能，例如同時具備ACC和LKA，在特定條件下能實現自動跟車、車道置中。這是目前許多市售新車都有的功能，但駕駛人依舊是主導者，雙手不能離開方向盤太久。
Level 3：有條件自動化（Conditional Automation）
到這個等級就比較有趣了。在特定條件（例如高速公路、交通順暢）下，車輛可以自行處理大部分的駕駛任務，駕駛人可以短暫地把注意力從駕駛任務上移開，看看手機、聽聽音樂都可以。但是，系統在需要時會發出警告，駕駛人必須立即接管。這就像是車子請你幫忙監考，但你還是要準備好隨時上場！
Level 4：高度自動化（High Automation）
這個層級的自動駕駛的車在限定的操作設計領域（Operational Design Domain, ODD）內，可以完全自主行駛，不需要駕駛人介入。即使系統發出接管請求而駕駛人沒有反應，車輛也能自行安全停車。舉例來說，某些Robotaxi在特定區域內運行就屬於這個等級。
Level 5：完全自動化（Full Automation）
這是終極目標！車輛在任何時間、任何地點、任何環境下都能自動駕駛，完全不需要人類駕駛。車上甚至可以不需要方向盤或踏板。這才是我們想像中那種「無人」車的樣子。

目前市面上能買到的車款，大多落在Level 2到Level 2+的範圍，而Level 3雖然有少數品牌推出，但仍有嚴格的地理和法規限制。真正的Level 4和Level 5自動駕駛的車，現在主要還在測試階段或特定場域運營。

自動駕駛的車如何「看」世界與「思考」？

你可能會好奇，這些自動駕駛的車是怎麼感知環境，又是怎麼做出決策的呢？這背後其實是一套非常複雜且精密的系統在運作，我們可以把它想像成車子的「五感」加上「大腦」。

感測器：車子的「眼睛」和「耳朵」

一輛自動駕駛的車首先需要大量的感測器來收集周遭資訊，就像我們人類的眼睛、耳朵一樣，而且數量更多，偵測範圍也更廣。

鏡頭（Cameras）： 就像我們的眼睛，提供豐富的視覺資訊，能識別交通號誌、車道線、行人、車輛種類等。它是最經濟實惠的感測器，但容易受光線、天氣影響。
光達（LiDAR）： 利用雷射光束掃描環境，建立3D點雲地圖。它能提供極其精確的距離和形狀資訊，對於夜間或惡劣天氣下物體的偵測效果很好，是目前Level 4以上自駕車不可或缺的感測器。不過，光達的成本相對較高。
雷達（Radar）： 發射無線電波並接收回波，測量物體的距離、速度和方向。雷達穿透力強，不易受雨霧影響，在長距離偵測和大範圍障礙物感知上表現優異。
超音波感測器（Ultrasonic Sensors）： 主要用於近距離偵測，例如停車輔助或低速行駛時的障礙物感知。

這些感測器各有所長，同時也有各自的局限性。因此，自動駕駛的車並不是只依賴單一感測器，而是採用「感測器融合（Sensor Fusion）」技術。它將所有感測器收集到的數據整合起來，相互驗證、補足，形成一個更全面、更準確的環境模型，就像我們不會只用一隻眼睛看東西一樣，這才能確保判斷的可靠性。

定位與高精度地圖：車子的「指南針」和「記憶」

光有感測器還不夠，車子還需要知道自己在哪裡、要去哪裡。這就要靠定位系統和高精度地圖了。

全球定位系統（GPS/GNSS）： 提供車輛大致的地理位置。但在城市高樓林立的環境下，GPS訊號容易被阻擋或產生誤差。
慣性測量單元（IMU）： 包含加速規和陀螺儀，能測量車輛的姿態、速度和方向變化，彌補GPS在短時間內的精度不足。
高精度地圖（HD Maps）： 這可不是你手機裡Google Maps那種普通地圖喔！HD地圖包含了詳細的車道線、路緣、交通號誌、限速資訊，甚至連樹木、電線桿等靜態障礙物的精確位置都有。它為自動駕駛的車提供了一層預先知道的環境資訊，大幅提升了定位的準確性和決策的依據。

透過感測器實時感知的數據與高精度地圖進行比對，車子就能精確定位自己在道路上的位置，達到公分級的精度。

人工智慧與決策系統：車子的「大腦」

當所有的環境數據都收集齊全，精確定位也完成後，接下來就是最關鍵的「思考」和「決策」環節了。這就是人工智慧（AI）和機器學習（Machine Learning）大顯身手的地方。

環境感知與物件辨識： AI演算法會處理感測器數據，辨識出道路上的各種元素，例如：這是一台腳踏車，那是一個行人，前方是紅燈，等等。而且，它還能預測這些物件未來的動向，像是行人可能會突然衝出來，前車可能會突然煞車。
路徑規劃： 根據目的地的設定，結合實時交通狀況、交通法規、以及路徑舒適性等考量，AI會規劃出最佳的行駛路徑，包括車道選擇、超車時機、轉彎角度等等。
行為決策： 這是最困難的部分。AI必須像人類駕駛一樣，在複雜多變的交通情境中做出決策。例如，看到有車要插隊，是加速通過還是減速禮讓？遇到緊急狀況，如何避開障礙物？這些決策需要基於大量的數據訓練和複雜的演算法才能實現。
控制執行： 決策完成後，系統會發出指令給車輛的執行器，控制方向盤轉向、油門加速、煞車減速、排檔等動作，精準地完成駕駛任務。

整個過程是毫秒級的運算，不斷地重複「感知－定位－規劃－決策－執行」的循環，才能確保自動駕駛的車能夠流暢且安全地行駛。

自動駕駛的車帶來的好處與潛在優勢

你可能會問，我們人類駕駛得好好的，為什麼還需要自動駕駛的車呢？其實，它能帶來的好處可是非常多的喔！

大幅提升道路安全：
據統計，超過九成以上的交通事故都是因為人為疏失造成的，像是疲勞駕駛、酒駕、分心駕駛、超速等等。自動駕駛的車不會分心、不會疲勞、不會酒駕，而且反應速度比人類更快，理論上可以顯著降低事故率，挽救無數生命。想想看，如果路上都是自駕車，撞車事故會少多少啊！
優化交通效率，緩解塞車問題：
自動駕駛的車可以做到更精準的車速控制和車距保持，減少急加速和急煞車，讓車流更平穩。透過車輛之間的即時通訊（V2V）和車輛與基礎設施的通訊（V2I），車輛可以協調行駛，達到交通燈號優化、車道利用最大化，進而有效緩解城市交通堵塞。這對每天在尖峰時刻塞到爆的通勤族來說，根本是福音啊！
解放駕駛人，提升生活品質：
最直接的好處就是，你開車的時候可以不用開車了！😂 在Level 3以上的自駕車上，駕駛人可以利用通勤時間處理公務、看書、追劇，甚至小睡片刻。這不僅增加了個人時間的運用彈性，也讓長途旅行不再那麼疲憊。對小陳這樣每天通勤兩小時的朋友來說，這簡直是把「浪費的時間」變成「有價值的時間」。
為高齡者與行動不便者提供移動自由：
對於身體機能退化的高齡者或行動不便的身障人士，自動駕駛的車意味著他們不再需要依賴他人或大眾運輸工具，就能自由出行。這不僅擴大了他們的活動範圍，也大大提升了生活品質和社會參與度。這點我覺得超級棒的！
降低運輸成本，提高物流效率：
在物流運輸領域，自動駕駛的貨車和無人送貨車可以實現24小時不間斷運行，減少人力成本，提高配送效率。這對電商和物流業來說，簡直是革命性的進步，也可能降低我們消費者最終的商品價格喔。
停車更輕鬆：
你是不是也常常為了找停車位而煩惱，或是好不容易找到車位卻很難停進去？自動駕駛技術可以讓車輛自動尋找停車位，並自行完成停車入庫，甚至在你下車後，自己開到遠一點的地方去停，然後在你需要的時候再自動開回來接你。多方便啊！

自動駕駛的車面臨的挑戰與瓶頸

雖然自動駕駛的車前景一片光明，但要真正普及，還有不少「硬骨頭」要啃。這不是單純技術問題，還牽涉到法律、倫理、社會等層面。

技術層面：還有很多「眉角」要克服

「邊緣案例」（Edge Cases）： 自動駕駛系統在大部分標準情境下表現良好，但在一些極端或不尋常的情況下，就可能手足無措。例如，突然跑出來的小動物、沒有交通號誌的施工區、被塗鴉的指示牌、或是沒人看過的新型態事故。這些「邊緣案例」數量龐大且難以窮盡，是AI訓練的巨大挑戰。
惡劣天氣與光線條件： 雖然LiDAR和Radar在雨霧中表現較好，但重度大雨、濃霧、大雪、沙塵暴等，仍然會嚴重影響所有感測器的性能，降低環境感知能力。強烈的逆光或夜間完全無路燈的環境，對鏡頭來說也是巨大的考驗。
高精度地圖的即時更新與覆蓋率： 高精度地圖是自駕車的重要基石，但道路環境隨時在變化（修路、新設號誌、工地），如何確保地圖的即時更新和廣泛覆蓋，是一項龐大且持續的工程。
系統可靠性與安全性： 畢竟這是牽涉到人命的科技，系統的可靠性和安全性必須達到「零失誤」的近乎完美標準。任何軟硬體錯誤、感測器故障都可能導致嚴重後果。

法規與倫理：誰來負責？

事故責任歸屬： 當自動駕駛的車發生事故時，究竟是車廠、軟體供應商、感測器製造商、還是「坐在駕駛座上的人」要負責？這個問題目前還沒有明確的國際共識，各國都在摸索中。這會直接影響保險、法律訴訟等問題。
倫理困境（Trolley Problem）： 這是自駕車領域一個著名的哲學問題。假設在一個無法避免的緊急情況下，自駕車必須選擇撞向行人，還是選擇犧牲車內乘客來避免更多傷亡，系統該如何決策？沒有「正確」答案的倫理選擇，考驗著工程師和社會的價值觀。
各國法規不一： 每個國家、甚至每個地區對自動駕駛的定義、測試規範、上路許可都不同，這對跨國企業來說是很大的阻礙。例如，日本和德國已經允許Level 3自駕車上路，但條件非常嚴格。

基礎設施建置：需要整個社會的配合

智慧道路基礎設施： 為了讓自駕車更好地運作，我們需要更「聰明」的道路，例如配備V2I（車輛對基礎設施）通訊能力的交通號誌、路燈、感測器等，它們能提供自駕車額外的交通資訊和路況預警。這需要巨大的資金投入和政府的推動。
5G網路覆蓋： 高度自動化甚至完全自動化的自駕車，需要即時、可靠的數據傳輸能力，例如V2X（車輛對萬物）通訊。5G網路的普及是實現這些功能的關鍵。

社會接受度與信任感：人心的距離

大眾對自駕車的信任： 儘管技術不斷進步，但部分民眾仍對將生命交給機器感到不安。幾起自駕車事故的報導，即便原因複雜，也容易加深這種不信任感。如何建立大眾的信心，讓他們相信自動駕駛的車比人類駕駛更安全，是推廣的關鍵。
駕駛職業的衝擊： 自駕車的普及勢必會對計程車、貨運司機等職業造成衝擊，這也是社會需要面對的轉型課題。

網路安全：不能被駭客入侵

想像一下，如果自動駕駛的車的系統被惡意駭客入侵，後果不堪設想。因此，確保系統的網路安全，防範駭客攻擊、惡意軟體和數據竊取，是自駕車發展中不可忽視的重要環節。

自動駕駛的車的實踐與台灣的發展現況

雖然挑戰重重，但自動駕駛的車的腳步從未停歇。全球各地都有不少成功的實踐案例，而台灣也正努力跟上這波趨勢。

全球實踐案例：從Robotaxi到智慧物流

Robotaxi（無人計程車）： 在美國鳳凰城、舊金山、中國武漢等地，Google旗下的Waymo和通用汽車的Cruise等公司已經推出了Robotaxi服務。這些自駕計程車在特定區域內，已經能載客收費，提供點對點的移動服務。雖然目前仍需安全駕駛員從旁監控，但在某些地區甚至已經實現了完全無人的商業化運營。
無人送貨與物流車： 在物流領域，自駕小車或自駕卡車也在進行測試和部署。例如，亞馬遜（Amazon）和星巴克（Starbucks）都在測試無人配送服務。在一些廠區或港口，無人駕駛的搬運車也已經常態化運作，大幅提升效率。
自動駕駛接駁車： 在機場、園區、科學園區等封閉或半封閉場域，自動駕駛的車被用作短程接駁工具，解決「最後一哩路」的交通問題。這在台灣的科學園區也有看到相關應用。

台灣的發展現況：穩扎穩打，在地深耕

台灣雖然市場不大，但在發展自動駕駛的車上可一點都沒落後喔！我們憑藉著在資通訊（ICT）產業、半導體晶片、精密機械製造上的優勢，正積極投入自駕車的技術研發與場域驗證。

政策推動與法規建立： 台灣政府意識到自駕車的重要性，交通部與經濟部等相關部會持續推動相關法規的訂定與修訂，例如「無人載具科技創新實驗條例」，為自駕車的測試和示範運行提供法律依據。
沙崙智慧綠能科學城： 台南的沙崙智慧綠能科學城被規劃為台灣自駕車測試的重要基地。這裡建有模擬真實道路情境的測試場域，供產學研單位進行不同等級自駕車的測試驗證，包括各種交通號誌、路口、隧道、甚至特殊天氣情境。
產業鏈的整合與發展： 台灣有多家廠商在自駕車供應鏈中扮演重要角色，從晶片設計（如聯發科）、感測器模組、車載資通訊系統、到高精度地圖（如勤崴國際）等，都有許多優秀的本土業者投入。
公共運輸應用： 在一些特定的園區或城市區域，也有自駕巴士的試運行計畫，例如在信義區、淡海新市鎮等，探索自駕車在公共運輸上的可行性與效益。雖然目前還未全面普及，但這些試點經驗對未來發展非常寶貴。

我個人覺得，台灣在半導體和AI軟體方面有很強的基礎，如果能更好地整合這些優勢，並專注於特定應用場景（例如智慧巴士、物流接駁、港口自動化），走出自己的特色，會是一個不錯的方向。畢竟，我們不需要跟其他國家比誰的Robotaxi開得快，而是要看誰能把自駕車技術應用得更貼近在地需求、更安全可靠。

我的觀點：自動駕駛的車，不只是科技革命，更是生活方式的轉變

從我的觀察來看，自動駕駛的車遠遠不只是一種新的交通工具，它更是一場深刻的生活方式革命。你想想看，如果未來開車不再需要親自動手，我們的時間、空間利用方式會產生多大的改變？

撇開那些高深莫測的技術，對我們普羅大眾而言，自動駕駛的車最直接的影響，就是「時間」。通勤時間不再是煎熬，而是可以自由支配的「第三空間」。你可以在車上開會、跟家人視訊、追劇、冥想，甚至補眠。這對我這種每天都感覺時間不夠用的人來說，簡直是救贖啊！

再者，我認為自駕車對於社會公平性也有潛在的貢獻。對於無法開車的人，例如年長者或身心障礙者，自駕車能讓他們重新獲得獨立移動的能力，擴大他們的生活半徑，增加社會參與度。這不只是科技的進步，更是社會的人性化體現。

當然，挑戰依舊存在，尤其是如何建立大眾的信任感。每一次自駕車的事故，無論原因為何，都會在社會上激起波瀾。身為一個資訊觀察者，我認為透明化事故調查、強化技術安全標準、以及持續的大眾教育是不可或缺的。我們要理解，任何新技術從發展到成熟，都需要時間，也一定會遇到挫折。重要的是，我們如何從中學習，不斷改進。

總之，我對自動駕駛的車的未來是抱持著樂觀態度的。它不是要取代人類，而是要賦予我們更大的自由與安全。當我們跨越這些技術、法規和倫理的鴻溝後，一個全新的智慧移動時代，肯定會讓我們的生活變得更美好、更有效率。

常見問題與專業解答

關於自動駕駛的車，我常常聽到朋友或讀者問一些問題，這邊整理幾個常見的，希望能為你解答疑惑。

自動駕駛的車安全嗎？我把命交給機器會不會很危險？

這個問題是大家最關心的，也是最複雜的。目前來說，Level 2的輔助駕駛系統，在正確使用下，確實能提升行車安全，因為它能彌補人類一時的疏忽。像是ACC能避免追撞，LKA能防止偏離車道。但請注意，這些都只是「輔助」，駕駛人仍需保持專注，隨時準備接管。

至於Level 3、Level 4的自動駕駛的車，其設計目標就是要比人類駕駛更安全。許多研究數據也顯示，在特定場景下，自駕車的事故率確實低於人類駕駛。例如，加州DMV（車輛管理局）的報告會定期公布自駕車的脫離（disengagement）次數，也就是系統需要人類駕駛接管的次數，這個數據會隨著技術進步而逐漸減少。 Waymo、Cruise等公司的累計行駛里程已經達到數百萬英里，大部分時間都表現出極高的安全性。

然而，自駕車的安全並不是絕對的。在極端天氣、複雜路況、或是那些系統從未見過的「邊緣案例」中，它們仍可能遇到挑戰。所以，要達到百分之百的安全，還有很長的路要走。目前的研究方向，除了提升感測器和AI的精準度，也越來越注重「預期安全性（Safety of the Intended Functionality, SOTIF）」，也就是確保系統在所有預期和非預期情境下都能維持安全。所以，與其說危不危險，不如說它正在努力變得比人類更安全，但仍需在嚴謹的測試和法規框架下逐步發展。

如果自動駕駛的車發生事故，責任歸屬怎麼判定？

這是目前全球各國法規制定者最頭痛的問題之一。在Level 0到Level 2的車輛中，由於駕駛人始終是主導者，所以發生事故時，責任大部分還是歸屬於駕駛人。這跟我們現在開車出事是一樣的。

但到了Level 3以上，情況就變得複雜了。在Level 3的「有條件自動駕駛」情境下，當車輛在自動駕駛模式下發生事故，如果駕駛人沒有按照系統提示及時接管，那麼責任可能還是會落在駕駛人身上。但如果事故是因為系統缺陷，或是系統發出接管提示後駕駛人有足夠時間反應卻仍發生事故，那責任歸屬就可能轉移到車廠、軟體供應商或相關技術方。

而在Level 4和Level 5的「高度/完全自動駕駛」情況下，由於車輛能完全自主運行，駕駛人甚至可以不坐在駕駛座上，此時發生事故，責任基本上會由車廠或自動駕駛系統的營運商承擔。目前，許多國家正在積極研究和制定相關法律，例如德國已經明確規定，在Level 3模式下發生事故，車廠需承擔一定責任。台灣的「無人載具科技創新實驗條例」也有對測試階段的責任歸屬做出初步規範。

總之，隨著自駕車的普及，我們需要建立一套清晰、完善的法規和保險機制，才能讓這項技術走得更遠。

自動駕駛的車會全面取代人類駕駛嗎？大概什麼時候？

就目前來看，我認為自動駕駛的車在短期內不太可能「全面」取代人類駕駛。原因有幾個：

技術限制： 達到Level 5的完全自動駕駛，意味著車輛必須能應對所有人類駕駛能處理的複雜情境，包括各種極端天氣、複雜的非結構化道路、突發的「邊緣案例」等。這項技術挑戰非常巨大，估計還需要很長一段時間才能完全成熟。
成本考量： 目前Level 4以上的自駕車，其感測器、運算平台、高精度地圖等成本都非常高昂，短期內難以像一般乘用車那樣大規模商業化普及。
社會接受度與情感因素： 即使技術成熟，很多人可能還是喜歡自己開車的樂趣，或是出於對機器的不信任感。駕駛對於很多人來說，不僅僅是移動，更是一種自由、一種樂趣。
法規與基礎設施： 全球法規的統一、智慧道路基礎設施的全面建置，都需要漫長的時間。

所以，與其說全面取代，不如說自動駕駛的車會逐步在特定場景和應用中普及，例如：Robotaxi、物流運輸、公共接駁、特定區域的共享服務等。這些領域對效率和安全有更高要求，也更適合自駕車發揮優勢。而個人乘用車可能會先以Level 2、Level 3的輔助駕駛功能為主，逐步過渡到更高階的自動駕駛功能。我預計，在未來10到20年內，我們會在許多城市看到越來越多的自駕車服務，但人類駕駛的車輛仍會是主流，兩者將會長期共存。

為什麼自動駕駛的車發展這麼慢？新聞好像說很多年了，但都還沒看到滿街都是？

嗯，這個感受很真實！確實，自動駕駛的車的發展，比許多人預期的要慢。原因其實蠻多的，這也反映了這項技術的複雜程度：

從「簡單」到「困難」的鴻溝： 剛開始，工程師們發現自動駕駛在高速公路等相對簡單的環境下表現不錯，讓大家以為很快就能實現全面自駕。但從「簡單」到「複雜」的城市路況、再到「無所不包」的Level 5，這中間的難度是指數級增長的。尤其前面提到的「邊緣案例」，數量多到難以想像，要讓AI學會處理所有這些情況，耗費了巨大的時間和資源。
技術本身的瓶頸： 雖然AI、感測器技術不斷進步，但在惡劣天氣（大雪、暴雨、濃霧）下的穩定性、遠距離精確感知、對人類複雜行為（手勢、眼神交流）的理解、以及如何做到比人類更完美的預判，都還是非常大的挑戰。系統的軟硬體整合、可靠性驗證也需要極其嚴謹的測試流程。
安全至上原則： 由於涉及人命，自駕車的測試和部署必須極度謹慎。任何的技術缺陷都可能導致嚴重後果，這使得整個開發週期變得非常漫長。車廠和科技公司必須投入巨額資金進行數百萬甚至數億英里的虛擬和實體測試。
法規與社會接受度： 各國政府在制定自駕車法規時也極為謹慎，導致法規環境發展緩慢且不統一。而公眾對自駕車的信任度，也需要時間建立，每一次負面新聞都會讓進程放緩。

所以，雖然我們看到新聞很多，但那大多是測試或特定場域的示範。要讓它真正成為隨處可見的日常，需要技術、法規、成本、社會接受度等多方面達到平衡和突破，這不是一蹴可幾的。

台灣自駕車的相關法規進展如何？我什麼時候可以在台灣開Level 3的自動駕駛的車？

台灣在自駕車法規方面是相對積極的，但整體來說還是屬於「實驗先行、逐步完善」的階段。我們主要依據的是「無人載具科技創新實驗條例」，這個條例提供了一個「沙盒」機制，允許研發單位在特定條件和場域下，進行自駕車的測試與實驗，並暫時豁免現有交通法規的限制。這對於技術研發來說是非常重要的，能讓廠商在受控環境下，進行實際的道路驗證。

至於你問什麼時候可以在台灣開Level 3的自動駕駛的車，這目前還有一些限制和不確定性。雖然國際上有些品牌已經推出Level 3的車款，但台灣的交通法規尚未完全到位，允許Level 3車輛在公共道路上大規模商業運行。交通部會需要針對Level 3車輛的責任歸屬、監理機制、以及駕駛人接管義務等，訂定更明確的子法和細則。而且，車輛本身也需要通過台灣本地的檢測驗證標準。

目前，台灣的發展重點仍主要放在特定場域的Level 4自駕車接駁服務，以及Level 2輔助駕駛功能的普及和優化。我相信隨著國際趨勢和技術發展，台灣的法規也會逐步跟進，未來在高速公路等特定路段，可能會有機會看到Level 3自駕車的應用。但在此之前，所有駕駛都還是要以安全為首要考量，遵守現行交通法規，並充分理解自己車輛輔助駕駛功能的限制。

自動駕駛的車