![]() | ![]() | ![]() |
---|---|---|
![]() | ![]() |
Work Experience
2015 ~ Assistant Professor
Department of Computer Science
National Tsing Hua University
2012 ~ 2015 Senior Hardware Engineer, Oracle America, Inc.
Education
2007 ~ 2012 Ph.D., Department of Electrical Engineering,
Princeton University
2003 ~ 2005 M.S., Department of Electrical Engineering,
National Taiwan University
1999 ~ 2003 B.S., Department of Electrical Engineering,
National Taiwan University
![]() |
---|
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |

Intelligent Parallel Systems
設計最先進、最佳效能的平行系統,結合平行計算技術,讓機器學習及深度學習更為迅速便捷

Intelligent Embedded Systems
and Robotics
設計智慧型機器人用的嵌入式系統,並訓練各式視覺與控制深度神經網路,運行於智慧型機器人之上

Deep Reinforcement Learning
訓練機器玩遊戲:使用深度增強式學習技術,訓練機器自主決策,藉由玩遊戲的方式,讓機器的人工智慧愈來愈強大
NVIDIA Intelligent Embedded Robotics Challenge
本實驗室於2016年二月至九月間,組成研究團隊NVISION,參與NVIDIA公司所主辦之嵌入式智慧型機器人競賽,並獲得全國冠軍的佳績。此競賽著重於結合視覺辨識與嵌入式圖形處理器系統,包含三個部分:
-
第一關為機器人需沿著規定的賽道,完成視覺循跡、動態物件偵測及閃避、紅綠燈辨識、動態平衡控制等功能。
-
第二關為機器人需操控機械手臂,利用視覺辨識,完成樣板匹配、物件辨識、以及相機-機械手臂協同操控等功能。
-
第三關為機器人需操控雷射筆,協同訓練完成之卷積神經網路,於256張圖片中,射中所要求之三個類別的十張圖片。此部分本團隊使用的是2015年微軟研究中心 (Microsoft Research) 所提出之Residual Neural Network (ResNet),搭配多重神經網路協同辨識 (Multiple Neural Network Synergic Recognition) 技術,達成辨識率90%之佳績。
本團隊亦為所參賽之20組全過大專院校隊伍中,能完整完成三項挑戰關卡之唯一隊伍。本團隊於各個關卡中所獲得之分項分數,亦各為所有團隊中的最高分。
NVISION冠軍團隊合照
新聞連結:http://ppt.cc/v0rCW

NVISION冠軍得獎紀錄
NVISION Demo影片
NVISION video and photo credit: Frank Yu-Liang Tsai (蔡侑良)
Pictures cited from wikipedia.com, Microsoft, and for educational purposes only