資料集＆AI模型分享

本計畫提出經由人類演示引導機器人學習之系統，機器人除了可由人類教導機器人學習之外，亦可由機器人自行修正其行為增進學習效能。此外，我們提出多模式的感知方法讓機器手臂可以具有彈性及自動化而無須專業人士進行程式編寫。另外，終端AI晶片的實現增加了整體系統的效能與彈性，因此擴大了本系統與其他應用結合的潛力。在未來，我們將不侷限於視覺上的應用，還可擴展至聽覺等感官功能。

本計劃利用視覺感測器，利用深度學習網路為基礎的動作辨識、物件辨識及物件夾取策略等，輔以硬體化同時定位與建圖之導航技術，實現一具備移動能力之示範學習機器人，使得機器人不需透過專業人士進行程式預編程，即可藉由人類之示範，完成特定任務，達到低量自動化的目的。

本計畫進行嵌入式AI深度學習技術開發，著重在ADAS/自駕車系統應用，從五大面向著手進行技術研發，包含自動化圖資標記與資料庫建置、深度學習軟硬體核心模型開發與加速器設計、各式 ADAS/自駕車應用感知深度學習技術、自駕車駕駛控制技術與系統模擬驗證環境等。

以深度學習技術為基礎，影像分析與辨識為核心，建構了簡易有趣的凌空人機互動介面，包含有手勢、虛擬鍵盤與空中手寫文字輸入。這些技術在許多定點式與移動式的情境中，提供使用者嶄新的凌空互動體驗。我們也實作有關地點資訊的加值服務與推薦服務，讓使用者能夠有效地取得預期的內容，例如相片自動分類或是即時的旅遊推薦。

開發 AI 技術，研發多元視訊以及感測資料的融合演算法，提升機器在智慧環境中的感知能力，進而提升智能，開發之核心技術包括：視訊及感測資料收集及融合平台建置；基於多重資料融合之方法及辨識系統；運用資料融合技術於智慧監控；智能環境人機互動及群體協作技術…等

本計畫採用 LINE Bot 技術開發智能客服系統，系統支援功能包括：
1. NLP轉SQL技術
2. 多輪式對話
3. 用戶畫像建構
4. 智慧搜尋引擎
5. 消費型樣挖掘
6. 情境式項目推薦
還可融合物聯網裝置，商家得以收集顧客更完整的資訊、進行更深度的分析(如建立用戶畫像)、進行更靈活應用。