研發成果之亮點在車周感知技術發展全自動標記系統，用以建立維護AI 訓練資料庫，其中包含可行駛路面、行人、車輛等交通物件，對於後續的AI 演算法訓練有非常大的幫助。在AI演算法的部分，本計畫基於Yolov4-tiny 進行改進，結合長寬比例的限制等技巧精進辨識率，並且能夠大幅減少模型所需計算量，以運作於edge device 使用為目標繼續演進。並且對於多感測器融合技術中，完成設計光達、雷達與影像校正用的校正板，並完成校正程序的開發。在完成光達、雷達與影像的校正技術後，未來透過資料庫中的光達與雷達提供的距離資訊，可以加強單眼影像在晃動時對於AI 演算法的精進，並且透過發展多感測器融合演算法提高物件資訊的準確度。在車輛控制系統的部分進行整車控制介面的研改，包含線控油門、線控煞車、線控轉向。線控油門中可直接以驅動馬達的扭力訊號作為控制，轉向的部分已經完成大車上的改裝設計，透過轉向水平軸串接一電動輔助轉向系統完成，在線控煞車系統利用新設計之機構完成整車控制介面的線控。由於可長期使用之可控或可改裝致動器之大客車底盤取得不易且成本過高，不易發展大型車車體控制相關技術，而合作企業義隆電研發能量與產品規劃，主要聚焦於ADAS 系統產品，因此本年度起本案擬聚焦AI 感知、融合與控制決策關鍵技術模組開發與產品化，對於大巴平台之取得部分，計畫團隊已完成北科大校園巴士改裝為實驗平台，並將電巴業者（如成運等企業）租賃大巴平台，以落實實車場域驗證。再者，本計畫針對安全疑慮的改裝部分一定會由專門人員來協助確認，以及在測試上，也會移師至專門的測試場域進行，如ARTC、虎頭山及沙崙的台灣智駕測試實驗室進行實驗測試。且在資料收集上將參考現有之大型自駕車應用開發資料庫之建構與資料標註方式，如nuScenes、A2D2，並完成本案之大型車輛自動駕駛感知功能開發資料庫。