撰寫AI App (Sonnet 4.5 new)
繪圖 (Sonnet 4.5 enhanced)
ＡＩ時代是人類在做研究，還是ＡＩ在做研究 (你行你來)
使用合併模組的方式製作複雜場景的空防系統模擬（使用電腦大螢幕）- 過程解說
2025年10月11日 星期六
3d障礙分析(模擬行進)
製作3d 障礙模型圖，模擬盲人行進
Your prompts show a clear progression from initial obstacle identification → edge detection → 3D visualization → realistic models → collision detection → intelligent avoidance → critical safety zones.
.webp)
1. Try the vanilla version. No detection of obstacles. No avoidance.
2. Try the detection only version. (waypoints hardcoded)
3. Try the shaky version with detection and avoidance (waypoints hardcoded)
4. Make a comprehensive, functional version
prompt share: ＡＩ障礙偵測，行進模擬
2025年9月22日 星期一
AI 時代找文獻的方式
AI 工具很多，每個人方法也不一樣，我個人偏好利用 Claude
例如要搜尋 Wafer defect detection 近年論文，我可能提示 Wafer defect detection research in 2022-2025
或是 OOO research in 2022-2025
如果你可以使用 Claude Research
這個搜尋會更加深入，而且會生成更加完整的文獻回顧
Claude
Claude Search
ChatGPT: 深入研究
Claude: Research
Grok: auto
Gemini 2.5 Flash: Deep Research
不過AI 的方法比較有脈絡
另外Google scholar 可以同時搜尋不同資料庫，而且會呈現論文引用統計，無論廣度深度會比單獨 IEEE 完整
2025年9月21日 星期日
Unit 3-4 3d障礙偵測與避障演算法
Unit 3: 3d障礙偵測演算法
Simulating A Navigation Assistant
Unit 4: 避障演算法
Voronoi start-up A* + Repelling (example illustrated)
Core Navigation Repalced with JEPA + A*
JEPA + A* vs. A*+Repelling comparison
學習講義：3D 障礙物偵測與導航演算法
一、 Unit 3：3D 障礙物偵測演算法 (3D Obstacle Detection)
1. 核心概念：從 2D 到 3D
全局障礙物分析 (Global Obstacle Analysis)： 不同於傳統平面影像，3D 感測能分析物體的體積與深度。體素化 (Voxelization)： 將 3D 空間切割成無數個小立方體（稱為「體素」，Voxel），以此判斷哪些空間是被佔據的，哪些是可以通行的。靜態與動態偵測： 靜態偵測： 識別牆壁、家具等固定障礙物。動態偵測： 即時追蹤行人、車輛等移動目標。
2. Recast Navigation 導航流程
體素化 (Voxelization)： 建立 3D 世界的實體模型。濾波 (Filtering)： 去除雜訊，並過濾掉人類/機器人無法通過的狹窄區域。導航網格生成 (NavMesh Generation)： 生成一個簡化的多邊形網格，定義出確切的「可行走區域」。
3. 聲納 (Sonar) 模擬應用
利用超音波感測器模擬蝙蝠定位，將距離資訊轉化為提示音或觸覺回饋，協助使用者感知障礙物距離。
二、 Unit 4：避障與路徑規劃 (Obstacle Avoidance & Path Planning)
1. 馮羅諾圖 (Voronoi Diagram) 的應用
定義： 根據空間中障礙物點的分布，將空間劃分成多個區域。安全特性： 馮羅諾圖的「邊界線」恰好是距離周圍所有障礙物最遠的點 。健康照護應用： 對於輪椅使用者或視障者，沿著馮羅諾圖的邊界行走，可以確保與兩側障礙物保持「最大安全距離」，避免碰撞。
2. 路徑規劃演算法比較
最短路徑演算法 (如 A 演算法)：基於馮羅諾圖的導航： 雖然路徑可能較長，但始終保持在通道的中央，安全性最高（Safest Path）。
3. 空間標記與地名 (Place Name)
將 Voronoi 區域與具體地點連結（如「廚房」、「大門出口」），實現更直覺的語音引導導航。
三、 綜合工作流程總結
感知 (Sense)： 透過 3D 感測器獲取原始數據。建模 (Model)： 使用 Recast 概念進行體素化並生成導航網格（Unit 3）。規劃 (Plan)： 應用 Voronoi 圖形理論，計算出一條最遠離障礙物的安全路徑（Unit 4）。執行 (Execute)： 透過語音或震動裝置，引導使用者避開危險。
四、 自我檢測與討論
為什麼在 3D 導航之前，必須先進行「體素化 (Voxelization)」？ 在狹窄的室內環境中，使用「最短路徑」和「最大安全路徑 (Voronoi)」各有什麼優缺點？ 聲納感測在偵測「動態障礙物」時會面臨哪些挑戰？
CL#2 Understanding environments
建議工具
使用 Gemini 2.5 Pro 免費額度最高 1M tokens
使用 Grok 4
課堂練習
Deadline: Saturday at 23:59
Send all the share links to me chang212@gmail.com by email with subject CL#2 [your id, your name]
至少做1題
1. 選擇圖庫或你自己的照片，使用以下版型製作障礙物檢測
perspective
2. 選擇圖庫或你自己的照片，使用以下版型製作動態highlight障礙點，也可以自創動態顯示障礙點方式
3. 製作3d 障礙模型圖，模擬盲人行進
4. 分別製作雲與閃電的物件，再將其組合 （參考如何合成複雜物件）
5. 已經製作洗手台與洗手訓練機的物件，請將其組合（參考如何合成複雜物件）
6. 已經製作好 CVD animation 與 process schedule 物件，將兩者組合起來 （參考如何合成複雜物件）
CVD
process schedule
如何合成複雜創作
每次回應都有一個固定的 token 輸出上限，當一次要產生多個物件（比如多張投影片、多個元件、
實務上比較好的策略是分批處理：
先把整體架構規劃好，然後一次專注做一到兩個物件，
如果你接下來有需要產生多個物件的任務，
如何合成複雜創作
訂閱：
文章 (Atom)