自動駕駛電動車系統 WEpods 創下紀錄，成為首批領有車牌正式上路，車上卻未配置任何方向盤的無人自動駕駛車。
外觀討喜、體積小巧的六人座 WEpod 跟其它自動車不同，並不行駛在專用車道上，也無需透過軌道、磁力或電線來導航。
而是透過一組包括多具採用 NVIDIA 技術之行車大腦在內的複雜系統，協助在荷蘭中部吉德蘭省的 Wageningen 與 Ede 兩鎮之間行駛上路。
乘客只需點擊智慧型手機上的 app，就能叫喚 WEpod。
在深度學習技術的輔助下上路載客
在這項嶄新技術背後運用了稱為「深度學習」的技術，使得電腦經由以視覺為基礎的系統來訓練自己，教導自己瞭解四周的路況變化。
在多具採用 NVIDIA 技術的行車大腦輔助下，
WEpod 無人公車行駛在荷蘭吉德蘭省的大街小巷。
深度學習技術早就賦予電腦超凡能力，在多項測試表現上擊敗人類。由於無法以人工方式將各種路況編寫成程式碼，因此此項技術對於無人自動駕駛車來說極為重要，尤其是解釋車身四周的各種物體。
難怪代爾夫特理工大學的 WEpod 團隊，還有奧迪、BMW、福特和賓士各大車廠紛紛將深度學習技術搭配 NVIDIA GPU 使用。
資料帶領車輛行駛
結果是車輛在行駛過程中，對車身四周的路況建立完整圖像，詳加掌握路況。
每輛 WEpod 不斷透過高速運作的系統評估四周環境和各種選擇，以快速、可靠、安全地因應真實環境裡的路況變化。
代爾夫特理工大學資深研究員 Dimitrios Kotiadis 說：「這在電腦運算上是一項艱鉅的挑戰。」
有著輪子、採用 GPU 輔助運算的超級電腦
GPU 是解開這道難題的關鍵。跟一次全力進行幾項運算作業的 CPU 不同，GPU 能一次解決上千件運算作業。
GPU 的平行運算架構（加上我們的軟體工具）讓它適用於處理多種深度學習作業（請見《Accelerating AI with GPUs: A New Computing Model》一文），它還是加快訓練和部署 WEPod 無人自動駕駛人的關鍵。
Kotiadis 說：「NVIDIA 的技術讓我們能滿足在電腦運算方面的要求，從很多方面來看，每輛 WEpod 就像是裝有輪子的超級電腦。」
使用智慧型手機叫車
這種嶄新的大眾運輸概念讓人們享有私家車的便利性，又省去養車的麻煩。
目前這些公車雖只行駛固定路線，WEpod 團隊希望在完成測試後其它城市也能採用 WEpod 技術。這套系統將於五月正式運作。
WEpod 專案經理 Jan Willem van der Wiel 說。「WEpod 這種無人自動駕駛、隨叫隨到的運輸系統，有機會為我們的城市帶來革命性的變化」
我們很高興能大家一同上路。