我們開發深度學習在以鏡頭為感測器進行物件偵測與辨識、軌跡預測之技術，提升自走式載具與行人互動的能力；另外在維持一定的準確度考量下，也將model做輕量化，可以順利執行在PYNQ-Z2上，達到即時運算的能力。

利用深度學習來進行室內物件偵測及軌跡預測，物件包括有行人、輪椅、購物車、汽車等。訓練模型時使用壓縮技巧，來減少參數量。我們推出Agile Model，與Tiny-Yolo相比Model Size減少97.4%，執行速度提升15FPS，於嵌入式平台TX2達到30FPS，AP可達93.5 %。

可提供物件偵測、軌跡預測及距離資訊，具防撞警示功能，方便運用在自駕車、自動農場設備、無人機等；或推廣至辨識生產線產品瑕疵、監控零組件或機台設備運作及故障警示；另可遠端判斷設備維修需求、城市與機場的公共安全、智能家居監控和安保。