amr缺點的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

探索影響共享電動滑板車消費意願之內在機制— 以中介效應為觀點

為了解決amr缺點的問題，作者周妤珊 這樣論述：

共享經濟的商業模式是透過共享平台分享閒置資源。台灣有高人口密度與電力網絡覆蓋，有發展共享電動滑板車之潛力。近年來不論是碳中和或永續發展目標，皆有助於民眾的環保態度，即個人對環境事物關心的程度。然而目前法令限制電動滑板車無法於道路上使用，此不確定性使消費者對於共享電動滑板車具有風險感知。本研究主張這兩者皆會影響消費者的知覺價值，也就是對於購買產品或服務整體效用之評估，進而影響消費者對共享電動滑板車消費意願。透過陽明交大校園與社群媒體發放網路問卷，共回收220份有效問卷，使用SPSS與AMOS進行統計與結構方程模型分析。結果顯示：環保態度及知覺價值與共享電動滑板車消費意願呈顯著正向相關，風險感知

與共享電動滑板車知覺價值、消費意願呈顯著負向相關。知覺價值與共享電動滑板車消費意願具有顯著正向相關。關鍵字：共享電動滑板車、環保態度、風險感知、知覺價值、消費意願

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amr缺點的問題，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。