LATEST NEWS

專案經理 ： 張宸瑋 是否同意遠距 ：否 結構健康監測對橋梁、大壩與高層建築等基礎設施的安全維護至關重要。傳統位移量測多依賴 LVDT、加速規與應變計等接觸式感測器，雖具高精度，但存在成本高、佈設困難及易受環境干擾等限制，且僅能量測局部資訊，難以全面掌握結構行為。為此，本研究發展影像式結構振動位移量測方法，結合電腦視覺技術，利用常見相機進行非接觸式多點量測。透過影像追蹤與訊號分析，可有效擷取結構振動與位移資訊，在降低成本與人力需求的同時，提升量測範圍與整體評估能力，提供結構安全監測與維護決策之可靠依據。

專案經理 ： 張宸瑋 是否同意遠距 ：否 機場跑道長期承受飛機起降與環境作用，易產生裂縫等鋪面劣化，若未即時發現，將影響飛航安全並提高維修成本。傳統檢測方式受限於人力與效率，且易有誤判與遺漏。隨著人工智慧與影像辨識技術發展，可透過深度學習模型分析跑道影像，自動進行裂縫偵測，大幅提升準確性與效率。本專案希望訓練裂縫偵測模型，結合感測與AI分析技術，建立智慧化跑道檢測與維護機制，提供即時且可靠的決策依據，降低人力需求與檢測風險，提升維護精準度，確保機場營運安全與飛航品質。

專案經理 ： 江佳慧 是否同意遠距 ：是 ( 但部分會議需實體參與) 現有的影像生成技術雖然能產生擬真的圖片，但往往缺乏結構力學上的「合理性」。在土木工程中，若 AI 產生的損傷樣態違反物理定律，將失去專業評估與性能驗證的實質價值。因此， 本專案旨在開發整合「物理資訊」與「深度學習」的生成模型，使其能根據不同橋柱參數與性能水準，生成具備力學合理性的破壞影像，以提供設計者評估驗證橋梁結構性能表現之參考。

專案經理 ：張芸翠 是否同意遠距 ：是 本研究專案旨在「國土數位雙生」的架構下，開發一套結合空間系統動力學（Spatial System Dynamics, SSD）的輕量化模擬組件。專案以「循環營建」為核心專題，聚焦於營建廢土方轉化為再生機制材的動態流轉過程。 透過 SSD 技術，實習生將建構一套具備回饋機制的系統動力學模型，精確模擬廢土方產出、轉化與掩埋的存量流量關係，並將其運算邏輯映射至 500m 網格的空間單元中，藉此預測處理場區位佈局與掩埋場需求縮減的時空演變。 專案最終將產出一個輕量化的 Web 模擬工具原型，提供直觀的政策拉桿（參數輸入），讓規劃者能即時視覺化不同政策情境下的土地利用韌性與資源循環效率 KPI。這不僅是技術組件的開發，更是為國土永續規劃提供一套具備動態預測能力的決策支援系統。

專案經理 ：王炳璋、魏麒凌 是否同意遠距 ：是 我們實驗室開發了一個能夠只需要點資料即可重建完整影像的深度學習模型。用途是透過學習雷達回波資料的時空間特徵，以便用來做雨量站的時空間內插。目前已經有個完整的 github repo 包含如何訓練、評估模型生成結果 ( 詳見 : https://github.com/NTU-CompHydroMet-Lab/P2I-GAN-benchmark )。 目前認為暑期學生可能的發展方向有三，1. 用台灣的雷達回波訓練看看；2.做不確定性 (uncertainty) 評估；3. 對生成場做多重碎形(multifractal)分析以便測試其在台灣地區應用。

專案經理 ：丁俊瑋 是否同意遠距 ：否 隨著能源轉型與再生能源比例逐漸提高，電力系統的運作方式也正在快速改變。在許多國家中，電力市場制度已成為影響電力系統效率與穩定的重要基礎架構。不同國家因為能源政策、電力系統條件與產業發展歷程的差異，發展出各具特色的電力市場設計與運作模式，並透過不同制度安排來平衡市場效率、系統穩定與長期能源轉型的需求。台灣電力市場目前仍處於制度逐步發展與轉型的階段，因此理解不同國家的市場設計與運作模式，對於能源系統研究與政策討論具有重要參考價值。 本專案將從制度設計的角度出發，透過跨國比較的方式，整理與分析不同國家電力市場的基本架構與運作邏輯。研究將聚焦於電力市場的整體結構、價格形成機制，以及市場制度與系統調度之間的關係，藉此理解不同制度設計如何影響電力系統的運作模式。透過系統性的整理與比較，本專案希望建立對全球電力市場制度的基礎認識，並提供未來能源系統研究與政策分析的重要背景脈絡。

專案經理 ：黃朝雍 是否同意遠距 ：否 建築工地的施工進度查驗與完工品質確認，長期仰賴人工目視與紙本記錄，不僅耗費大量人力，更因資訊碎片化而難以支援後續設施管理決策。隨著數位孿生技術的普及，如何以低干擾、可重複部署的方式，將現況掃描的點雲，與設計模型進行自動化比對，已成為施工自動化領域的核心議題。本專案旨在開發一套融合 LiDAR 點雲與 RGB-D 深度影像融合的 3D 巡檢系統。系統以行動掃描平台搭載固態 LiDAR 與深度相機，於工地現場沿巡檢路徑採集高密度幾何資料與語意影像，並透過多感測器融合演算法重建精確的 SLAM 點雲模型。所重建之點雲模型將與原始 BIM 設計模型進行空間配準，實現幾何偏差的自動化量化分析，辨識結構構件的位置偏移、尺寸誤差與缺漏情形。本系統預期輸出結構化巡檢報告，協助工程師快速掌握偏差分布，提升竣工驗收效率，並為後續設施管理奠定可信賴的資訊基礎。

專案經理 ：黎芳玲 是否同意遠距 ：否 🏗️安全檢查是一項高度依賴專業經驗與人工判斷的工作。檢查人員不僅需要理解現場施工條件，還必須熟悉複雜的安全規範，並在短時間內判斷各種潛在危險。然而，隨著營造產業面臨技術人力短缺與工程規模持續擴大，傳統依賴人工的安全檢查方式逐漸難以滿足即時與高效率的管理需求。 🤖 部分研究嘗試透過影像辨識技術來自動偵測工地危險情況，但多數方法仍依賴單張靜態影像。這類方法難以理解施工活動的時間演變與空間關係，因此對於許多「動態違規行為」，例如危險區域進入、未依規定操作設備等情況，仍難以準確判斷。 本研究將開發一套以 👷 檢查人員穿戴式攝影機（body-mounted camera）影片為基礎的智慧安全檢查系統。系統結合： 🎥 時空視覺模型（Spatio-Temporal Vision Models） 📜 安全法規映射模組（Regulation Mapping） 🧠 視覺語言模型（Vision-Language Model） ✨ 本研究希望透過結合視覺理解、時空行為分析與法規知識推理，打造一個真正能應用於營造工地的智

專案經理 ：林宏叡 是否同意遠距 ：是 運具電動化被認為是同時減少碳排放與空氣污染排放的重要策略之一，亦是交通部門邁向淨零轉型的核心路徑。本專案將以既有台灣車隊模型為基礎，開發交通淨零決策支援平台，整合車輛存量推估、運具電動化情境、能源需求、溫室氣體排放及空氣污染排放評估，建置可互動操作之網頁工具。平台將可呈現不同政策情境下，如汽機車電動化時程與電網排放係數變化之排放變化與減量效益，並支援情境比較、結果查詢與視覺化分析，期望作為交通淨零政策評估與決策支援工具。

專案經理 ：呂紹銘 是否同意遠距 ：否 跨視角影像檢索（Cross-view Image Retrieval）是將街景影像與衛星影像進行匹配的重要技術，常用於自動導航、城市規劃以及 GPS 訊號不足環境下的定位。傳統方法通常透過比對地面影像與衛星影像來推測拍攝位置，但多數只能判斷影像的大致地理位置，而無法精確定位影像中的特定物體，例如建築物或設施的位置。這樣的限制使得系統難以與地理資料庫結合，以取得目標物件的詳細資訊。 因此本研究將任務定義為跨視角物件地理定位（CVOGL），目標是在已知區域內，根據地面或無人機影像中的目標物件，直接在衛星影像中找出該物件的精確位置。為了進一步探討此問題，過去研究建立了一個全面的的資料集，其包含地面影像、無人機影像與高解析度衛星影像，並為每個目標物件標註對應的定位資訊。並結合採用 DetGeo 的框架，透過雙分支編碼器分別擷取查詢影像與衛星影像的特徵，利用跨視角特徵融合機制整合不同視角的資訊，使模型能夠聚焦於與查詢物件最相關的區域，進而在衛星影像中預測目標物件的位置。 整體而言，該方法可將跨視角影像比對由傳統的影像

專案經理 ：呂紹銘 是否同意遠距 ：否 道路網路是城市基礎建設中最基本的組成之一，在促進經濟發展以及提升居民生活品質方面扮演關鍵角色。準確地擷取道路資訊並建立完整道路地圖在多個領域中皆具有重要的應用價值，包括都市規劃、交通監測、災害緊急應變以及環境監測。高解析度衛星影像因能捕捉更細緻的特徵細節而受到廣泛的運用。然而，光學影像的道路區域常被周圍物體遮蔽，例如車輛、建築物與樹木，這些遮蔽物使道路區域的辨識更為複雜。早期研究聚焦在基於形態特徵或人工特徵的擷取方法，這些方法通常消耗大量時間與資源成本，對人工分析的依賴也限制了擷取的準確性。 近年來，隨著電腦視覺的快速發展，利用深度學習的方法持續突破，使道路擷取的技術、精度與效率取得顯著進展。現有深度學習方法高度依賴大量且精確的標註資料，例如像素級（pixel-based）道路分割標籤，此類資料通常不容易取得。並且由於標註全新道路及更新既有道路的標籤往往是高度勞力密集且時間成本高昂的工作。在災害發生後，由於時效性的需求使這類問題進一步加劇。在此背景下，近幾年研究逐漸由全監督學習（fully supervis

專案經理 ：呂芷儀 是否同意遠距 ：是 本專案探討虛擬儲能與實體儲能在再生能源高滲透微電網中的經濟與碳排差異。相較於電池儲能受限於建置成本、壽命與容量，虛擬儲能可透過彈性負載吸收過剩綠電，並轉化為可保存的經濟價值。本研究將比較兩者在棄載改善、系統成本、投資效益與碳排表現上的差異，並以加密貨幣挖礦作為案例，分析其於不同能源結構、電價與市場條件下的適用性，作為未來微電網規劃與政策評估之參考。

專案經理 ：王柏燁 是否同意遠距 ：否 隨著人工智慧技術的爆發，電腦視覺正以前所未有的速度改變傳統產業，而「智慧營建」正是下一個擁有巨大潛力的市場！目前，多數工地的 CCTV 仍停留在被動的錄影存查，無法主動發揮數據價值。尤其在廣闊的施工現場，工人常處於極遠距離（Small Objects）、頻繁遭遇遮蔽，且在不同攝影機視角間切換時極易丟失追蹤，這都是目前亟需突破的痛點。 所以本專案致力於打造一套頂尖的「遠距離 CCTV 工人監測系統」。運用深度學習物件偵測model、及物件追蹤演算法與跨攝影機追蹤技術，讓 AI 成為工地的超級大腦。系統不僅能克服低解析度與極小物件的偵測難題，更能無縫拼接跨視角的移動軌跡，將原始的監視器畫面，轉化為極具商業價值的生產力與安全分析數據。

專案經理 ：魏民權 是否同意遠距 ：否 為因應營建產業日益嚴重的人才短缺問題，業界正逐步導入自主機器人系統以協助現場施工。然而，目前多數可行方案仍以功能單一的專用型機器人為主，缺乏彈性與通用性。綜合成本效益與應用多樣性考量，具六自由度（6-DOF）的機械手臂在能力與適應性之間取得了良好平衡。本專案將導入具人工智慧驅動的自主機械手臂於營建作業中，並以磁磚鋪設為目前的應用範疇，透過 AI Agent 作為決策平台進行任務判斷與執行。此研究旨在建立可擴展的人機協作與自主施工框架，為未來建築工地全面導入自主機器人系統奠定基礎。

專案經理 ：黃千溥 是否同意遠距 ：是 大型複雜場域（如校園、高科技廠房與大型公共設施）通常包含多種設備系統與感測資料來源，場域中的設備狀態、環境資訊與事件彼此高度關聯。當場域運作出現異常或效率問題時，往往需要整合多種資料來源進行分析與決策。然而現有數位孿生系統多著重於幾何模型或單一資料來源，缺乏能整合資料、語意描述與分析能力的資料架構。 本實習將探討語意事件驅動的數位孿生資料架構，研究如何建立設備事件與空間關係的語意資料模型，並整合不同資料來源以支援場域分析與可視化應用。學生將參與資料架構分析、語意資料建模與數位孿生平台整合驗證等研究工作，理解如何以語意資料架構支援大型複雜場域的分析與決策。 Large-scale complex environments, such as campuses, high-tech facilities, and large public infrastructures, typically involve multiple equipment systems and sensing data sources.

專案經理 ： 吳宗翰 是否同意遠距 ：是 隨著人工智慧與大型語言模型在軟體工程中的應用逐漸成熟，AI 輔助程式開發與測試流程已成為提升軟體品質與開發效率的重要方法。在工程軟體系統中，如何透過 AI 工具協助程式重構、功能優化與測試流程建構，是目前軟體工程研究的重要方向。 本實習將以鋁模板配模軟體系統為案例，探討 AI 輔助軟體開發與測試流程的導入與應用。研究內容包含核心模組程式重構與品質優化，以及 AI 輔助測試生成與回歸驗證機制的建構。透過此研究，學生將參與工程軟體系統的程式優化、AI 輔助開發工具應用與自動化測試流程設計，理解 AI 技術在工程軟體開發中的應用方式。

專案經理 ： Akarsth Kumar Singh 是否同意遠距 ：是 The construction industry runs on contracts, safety reports, project plans, and building models that demand a level of domain knowledge general-purpose AI cannot provide. This research develops lightweight language models purpose-built for AEC workflows — one focused on construction document intelligence, another on conversational interaction with Building Information Models. We are looking for motivated students to join this research effo

專案經理 ： 楊秉翃、魏麒凌 是否同意遠距 ：否 雷達降雨估計是氣象監測與水文防災中很重要的一環，和傳統方法相比，能提供更高時間與空間解析度的降雨資訊。 本專案將既有的機器學習方法應用在中央氣象署（CWA）雷達降雨定量估計（QPE）重分析資料的建置與分析。透過歷史資料的整理、整合與分析，包括雷達資料、雨量站資料以及其他相關輔助資料，逐步建立可供後續研究使用的長時間序列資料集。 實習生將參與資料前處理、品質檢查、格式整理、資料整併及機器學習模型訓練等工作，實際了解氣象資料從原始觀測到可分析資料集的整理流程。在資料建置完成後，也會進一步進行基礎統計分析、結果視覺化與資料整理，作為後續降雨特性分析、事件比較與方法評估的基礎。 本專案適合對資料分析、降雨估計、資料科學或機器學習應用有興趣的學生。透過參與專案，可以實際接觸真實氣象資料處理流程，累積資料分析與研究實作經驗。

專案經理 ： 羅傑鰉 是否同意遠距 ：否 公共工程減碳策略散落於招標書、契約及環評報告等大量非結構化文件中，傳統做法仰賴資深工程師逐頁研讀，耗時且經驗難以傳承。本計畫運用最新開源大型語言模型微調技術（監督微調、偏好對齊、推理強化）與時序知識圖譜，建構能理解工程文件語境並生成專業建議的本地端 AI 系統。實習生將參與以下工作之一或多項：(1) 開源語言模型之多階段微調與領域適應；(2) 時序知識圖譜建構及語義、關鍵字、圖遍歷多路檢索融合；(3) 檢索增強生成（RAG）與記憶提示機制之設計與實作。本專案配備多卡 GPU 高效能運算環境，可實際操作從模型訓練到系統部署的完整流程，適合對 LLM 微調、知識圖譜或 RAG 技術有興趣之學生。

專案經理 ： 黃乙恩、周君芸 是否同意遠距 ：否 本研究旨在導入生成式人工智慧（GenAI）技術，建置排水設計問答功能與出流管制／水土保持計畫報告之智慧檢核與審查輔助機制，不僅輔助工程師進行排水設計，更可提升報告品質。研究內容首先建立排水設計及水土保持相關法規與審查通則之知識圖譜，透過AI解析、檢核報告書內容是否符合技術規範與格式等基本要求，並辨識缺漏項目、未填欄位及格式錯置等問題。其次，蒐集歷來合格報告範本建立AI參考資料庫，審查新寫報告章節架構、內容對應及圖表附件之完整性，並提供完善建議，以協助提升報告品質。另建置排水設計規範之AI問答系統，提供工程師即時查詢設計條文與常見疑義之智能諮詢功能，作為工程設計與撰寫報告過程之輔助工具。透過本研究，可降低人工檢核負擔、強化報告品質控管，並促進排水設計與報告審查之智慧化與標準化。