DIGITIMES - 椽經閣

LiDAR車輛智慧偵測

3D(立體)視覺計算的目的是利用3D感測器所拍攝的資訊，來偵測物件或是辨識應用場景。因自駕車或是ADAS的商機，能精確掌握人、車、障礙物位置、方向、速度等技術，就成為學研以及產業關切的方向。LiDAR雖然價格不斐，但仍為目前車輛中最受矚目的3D感測器，因其利用雷射光的飛行時間來偵測環境，所以可以測得更遠距離。

北京出發，探訪新燕雲十六州(一)

繼往開來，奠基於鑑往與知來。我沿著千年前的「燕雲十六州」千里故土，從舊中國漫想著科技人眼裡的數位新中國，腳踏實地，不安的靈魂似乎也在變動中覓得棲息處。

莎士比亞：戲劇與資通訊的整合

2016年是莎士比亞(William Shakespeare)辭世400周年。我特別到倫敦，跟著查理王子念著「To be, or not to be, that is the question」向莎翁致敬。這一年，英特爾、皇家莎士比亞劇團和Imaginarium工作室，通過資通訊技術打造數位化人物形象，把電影中的3D特效搬上現場演出的舞台劇。我特別前去觀摩，也想以我發展的物聯網平台IoTtalk，和舞台結合，展演一齣莎翁戲劇。

人工智慧晶片發展進程

人工智慧(AI)晶片的研發在半導體業界，有變成全民運動的趨勢，就連原先的用戶也將觸角伸進這領域，開始擴張到產品設計公司。

[3D視覺計算] 3D視覺計算方式

3D(立體)視覺計算的目的是利用3D感測器所拍攝到的資訊，來偵測物件或是辨識應用場景。例如自駕車使用LiDAR精確掌握人、車、障礙物位置；機器手臂使用立體相機偵測正確的抓取點、塗膠位置等。需要3D訊號是因為多了立體空間資訊，有機會超越單使用2D平面影像。所以各種嶄新的應用包括AR(擴增實境)/VR(虛擬實境)、自駕車、醫療、安全、機械製造、機器人(手臂)等都仰賴3D視覺計算的精進。

科技發展的省思

資通訊技術(包括早年的電報、電話，以及今日的網際網路)對人類的溝通有重大影響。然而這種影響是正面或負面，端靠人類的智慧如何應用這項科技。

鐵電記憶體的新篇章

鐵電記憶體(Ferroelectric RAM；FeRAM)在半導體產業存在的時間可能比目前大部份從業人員的工作期間都要長。以前管理記憶體銷售時，聽到有一家公司一個記憶體元件可以賣到幾百美元，心實艷羨之。後來知道公司是Ramtron，產品是FeRAM。貴的原因是產量少，但對於抗電磁幅射(radiation hard)的應用卻不得不用。Ramtron於2015賣給Cypress，Infineon於今年6月計劃收購Cypress，這家素以FeRAM見稱的公司終於隱沒在大公司的結構之中，但FeRAM的故事尚未完結。

[3D視覺計算] 3D視覺機會來臨！

這幾年深度學習技術大大推升影像上的研究，許多核心技術都有超越人類的辨識能力，並逐漸落地為產品。3D感測器以及各種應用則是另一崛起中的技術趨勢；傳統影像屬於2D，透過拍攝將立體環境中某個視角，投影在二維平面中。所以3D影像比2D多了深度資訊(距離相機的位置)，更可以透過線性轉換了解觀測物件在3D中的位置，因此3D影像可以獲得更豐富的立體空間訊息，但是也因為與傳統2D影像不同，所以處理複雜度較高，甚至還不知如何發揮這些3D資料的高度潛力。

異構整合時代的協同設計

異構整合時代的半導體經濟價值創造源自於異構整合能以不同於晶片製程微縮的方式持續增進系統的性能，主要是靠封裝的手段整合不同功能、不同製程的多個晶片，創造高性能的新應用，從而增加經濟價值。然而這個領域的開拓不過幾年光景，而手段與以前熟悉的製程微縮迥異，許多工具與方法都還亟待發展。其中面臨的技術挑戰之一為協同設計（co-design），這是異構整合路線圖（Heterogeneous Integration Roadmap；HIR）2019版的主要章節之一。

少量標註樣本的機器（深度）學習

資料的可得性決定機器（深度）學習演算法的可靠度。過去已經有許多研究指出，同一個演算法，當（標註的）訓練資料愈多時，通常演算法的正確率或是穩定度就越高。但在真實的情境中，訓練資料通常是缺乏的，成為應用落地的障礙。