課程名稱：人工智慧總整與實作
領域：人工智慧小組
師資：王才沛
作者：黃皓君、陳晉祿
這個專案結合了深度學習的視覺理解能力與空間感知技術，目標是透過全景分割與占據網格建圖來達成環境中的風險可視化與空間建模。專案使用 Mask2Former 對遊戲影片中的影像進行全景分割，辨識環境中的語意物件，例如車輛等。在分割結果的基礎上，套用風險覆蓋策略，以將感知到的物件與其潛在風險建立關聯。接著，使用 ResNet-50 模型來預測占據網格圖，以估計場景中每個區域是否被占據及其風險程度。此系統能夠模擬自駕車或機器人在複雜環境中如何感知通行性與危險，為後續的路徑規劃與決策提供感知基礎。
主要功能包含：
全景分割（Panoptic Segmentation）：精確區分所有交通參與者及背景。
即時風險評估策略（Risk Overlay Policy）：為每個物體動態評估風險分數。
佔據網格生成（Occupancy Grid Mapping）：將場景轉換為適合路徑規劃與避障的 2D 佔據網格。
此方法無需 LiDAR 或雙目相機，適用於僅有單目影像的情境，降低硬體成本並保持高即時性。
