走在汽車革命的路上論文書籍站
淡江大學 國際事務與戰略研究所博士班 施正權所指導 曾明斌的 臺灣海事軟實力之建構與運用---以海巡署為例的分析 （2021），提出和勤 Apple Car關鍵因素是什麼，來自於軟實力、海洋治理、海洋政策、海巡外交。
而第二篇論文國立勤益科技大學 電機工程系 白能勝所指導 黃偉哲的 適用於多人動態空間之視覺SLAM系統與人員智慧追蹤功能開發 （2021），提出因為有 邊緣運算、視覺系統、同時定位與地圖構建、語義分割、人員追蹤、決策樹的重點而找出了 和勤 Apple Car的解答。
和勤 Apple Car進入發燒排行的影片
主持人：阮慕驊
來賓：「投資家日報」總監 孫慶龍
主題：Apple car來了，台科技股撿到大砲！
節目時間：週一至週五 5:00pm-7:00pm
本集播出日期：2020.12.21
#每週投資觀察 #孫慶龍 #AppleCar
【財經一路發】專屬Podcast：https://www.himalaya.com/98money168
-----
訂閱【豐富】YouTube頻道：https://www.youtube.com/c/豐富
按讚【豐富】FB：https://www.facebook.com/RicherChannel
▍九八新聞台@大台北地區 FM98.1
▍官網：http://www.news98.com.tw
▍粉絲團：https://www.facebook.com/News98
▍線上收聽：https://pse.is/R5W29
▍APP下載
• APP Store：https://news98.page.link/apps
• Google Play：https://news98.page.link/play
▍YouTube頻道：https://www.youtube.com/user/News98radio
▍Podcast
• Himalaya：https://www.himalaya.com/news98channel
• Apple Podcast：https://goo.gl/Y8dd5F
• SoundCloud：https://soundcloud.com/news98
臺灣海事軟實力之建構與運用---以海巡署為例的分析
為了解決和勤 Apple Car 的問題，作者曾明斌 這樣論述：
總統蔡英文女士於2019年3月21日至26日率領內閣成員至南太平洋邦交國進行國是訪問，並將此行取名為「海洋民主之旅」，以海洋與民主為主軸，拜訪大洋洲的友邦帛琉、諾魯及馬紹爾等國，以實際行動穩固邦交，並與前揭國家簽訂《海巡合作協定》（Coast Guard Agreement）。海巡署近年展現的海上執法與救難成果似乎正幫國家開啟另一扇大門，吸引其他國家的交流與合作，海巡外交（Coast Guard Diplomacy）也成為臺灣新的對外交流模式。海巡署對外所展現的吸引力，似乎與約瑟夫．奈伊（Joseph S. Nye Jr.）在80年代提出的軟實力（Soft Power）概念相契合，強調國家除
了能運用軍事與經濟等硬實力外，仍有其他能力足以影響其他國家決策，不論是議程的設定或國際建制的建立，藉由彼此均認同的價值與系統，達到權力運用的效果與影響力。在奈伊的研究中，認為軟實力主要源於文化、政治價值與外交政策，惟本研究認為除了前揭三種來源以外，隨著非傳統安全與全球治理的議題逐漸被國際社會重視，國家在海洋事務各種層面的卓越表現，將成為新的軟實力來源，本研究將其稱之為「海事軟實力」。本研究將以奈伊所建立的「軟實力」理論為基礎，輔以海洋意識與行動等要素，結合權力分析的概念，進行理論推導與修正，建立「海事軟實力」概念架構，並分析「海事軟實力」可能的權力資源與行動，建立相關的評估指標與方法，並以海巡
署為例進行實際操作。
適用於多人動態空間之視覺SLAM系統與人員智慧追蹤功能開發
為了解決和勤 Apple Car 的問題，作者黃偉哲 這樣論述：
搭載邊緣運算平台之視覺移動載具，當其處於多人動態環境下，所使用之同時定位與地圖構建(Simultaneous Localization and Mapping, SLAM)系統容易受到動態干擾因素而導致地圖建構不佳情形發生，以至於影響其地圖品質與定位功能。本論文乃欲針對此現象藉由資料預處理與過濾的方式進行研究加以改善。另外於多人環境中，本論文開發一套針對特定人員識別與追蹤的功能系統，人員的追蹤將給予移動載具辨識特定使用者之信息，以利進行跟隨或關注等服務性任務，並藉以提升移動載具於現實空間的實用性應用。本系統所運行之視覺SLAM將結合語義分割神經網路，實現動態物件過濾功能，並針對邊緣運算平台設
計一高效神經網路架構，使其具備實時運算能力。而對於多人環境需要進行身份的識別，本文大致分成三個步驟完成，首先採用YOLOv4 Tiny物件檢測或trt_pose姿態估測提取圖像中的人員邊界框，接續基於雙目相機之深度圖進行圖像座標與相機座標之轉換以獲取人員的三維空間信息，最後利用無味卡爾曼濾波器(Unscented Kalman Filter, UKF)、FaceNet或結合兩者的決策樹融合三種方式完成目標人員的識別或追蹤。經由實驗與測試，證實使用過濾功能的視覺SLAM系統，使載具在動態環境或跟隨人員時，皆能有效降低動態物件干擾並完成較高品質的靜態地圖建構，進而提供更好的定位能力以提升系統整體的
穩定度。本論文所使用的決策樹融合方式對人員之追蹤，經由實驗亦證實能有效改善UKF與FaceNet追蹤方法的各自的缺點，並在多人環境中提供更加完善與穩定的追蹤性能。最後實測整體系統亦能有效獲得實時運算於邊緣運算平台，完成實現真正的離線、獨立且即時作業的能力。