科技施政 目標 執行 策略 預算數 ( 千元) 預算數占 機關整體 科技經費 比率(%) 執行數 ( 千元) 執行成果與效益 推動跨域 合作，深 化人文包 容，擘劃 前瞻科技 發展數位 創新，導 入科技多 元應用， 建構智慧 生活環境 C. 建置下世代半導體元件技術，40nm 垂直異向性SOT -MRAM記憶體研究 成果，於2021 Sympos ia on VLS I Tech no l og y and C i r cu i t s選為 Highl ight paper。 (2) 促成54 件產學合作計畫案，團隊衍生成 立1 家新創公司進駐新竹科學園區矽導中 心，及團隊組成flexnet.ai 新創團隊， 進駐清大育成中心。 (3) 共計985 位碩博士生參與計畫執行。 2. 自動駕駛感知次系統攻堅計畫(4/4) 本專案計畫係由學界團隊與國內業界共同合 作，針對適合臺灣道路駕駛環境與在地產業 需求之關鍵核心技術，進行前瞻研發、系統 整合與實車搭載測試，並將研發成果落實產 業應用。在環境感知方面的亮點成果舉例說 明如下： (1) 在車道場域關鍵音訊事件分析與偵測技術 方面，藉由深度學習演算法，在有強風干 擾的情況下可以使聲音事件辨識模型之準 確率由62％提升至83％。而提出之演算 法在信號雜訊比(SNR) 和主觀語音質量 感知評估(PESQ) 兩項音訊常用評估指標 上，優於現有之其他風聲消除技術，包含 RNNoise方法和一般置換不變模型，相 關研究成果已發表於國際研討會，音源偵 測軟體已授權給財團法人車輛研究測試中 心(ARTC)。 (2) 研發基於用路人互動行為之路徑預測核心 技術，採用Transformer 架構為主軸， 設計出以自監督學習方式的行為預判模 組，不僅不需要耗費龐大人力標記互動 行為，且只需要使用10％的資料進行訓 練就能達到各大模型使用100％資料進 行訓練的結果。針對道路場景中人數越 多(10 ～50 人) 的複雜情境也能精確 預判用路人之間的互動行為，提升駕駛 環境之安全性。於ETH/UCY 底下共五 個人群資料集和SDD人車資料集的平均 路徑誤差以及最終目的誤差表現可以在 路徑預測比較基準下贏過目前已知的路 徑預測演算法至少10％以上的精確程度 377
RkJQdWJsaXNoZXIy MTI2NzAzOA==