住在自己家，也有人照應
阿嬤的家，
每個房間
都聽得懂她。
她說不出話、走路慢了、夜裡會自己起來。我們把語音、影像與 3D 的研究，安靜地放進家裡每個角落——不裝滿螢幕，不把畫面傳出門。
往下走，一間一間看
1阿嬤的房間
眨一下眼，
家人的手機就亮了。
床頭那支舊手機，打開瀏覽器就是「阿嬤 Blink」。喝水、翻身、好痛、叫家人……字卡一張張輪流亮起，亮到想說的那張，阿嬤眨一下眼就選定；手勢也可以。
- 家人一起顧：通知即時送到家屬手機，幾個孩子、看護都能加入。
- 畫面不離開房間：鏡頭影像在手機上處理，不上傳。
- 正在試的：觀察呼吸節律、提醒該翻身、用張嘴或皺眉當作選擇。
阿嬤 Blink已上線試用呼吸・翻身・表情原型
2客廳
阿公想孫子的時候，
開口說就好。
我們正在做一個會聊天的語音陪伴：聽得懂帶台灣口音的話，也能用自然的聲音回話；想找孫子，說一聲就幫忙轉達。
- 底子是已上線的語音 AI：從零訓練的輕量中文語音模型，已在政府機關使用。
- 輕、快：參數約主流開源模型的 11%，推論快約 8 倍。
語音陪伴開發中語音辨識核心已上線
3走廊與浴室
半夜起來上廁所，
這一段路最讓人擔心。
我們的 3D 空間技術，能用一般監視器在立體空間裡定位人——知道她離開床邊、走到哪、是不是停在地上太久。這是防摔與離床提醒的基礎。
- 跨鏡頭認得同一人：25 次中 24 次正確、0 次認錯（模擬場景）。
- 空間量得準：模擬場景重建表面誤差中位數 3.7 cm。
- 也能用在：夜間徘徊提醒；居家改裝前，先模擬一遍動線。
防摔・離床・徘徊延伸應用3D 定位模擬場景驗證
4玄關書桌
居服員講完一句，
紀錄就寫好一行。
每次到府服務都要寫紀錄。用說的，語音 AI 轉成文字；姓名、證號、電話、地址自動塗黑；沒把握的字詞標出來，留給人確認。
- 錄音加密：只在 GPU 記憶體內解密。
- 省下等待：單卡吞吐提升 3.4 倍；GPU 依需求自動擴展，閒置縮到零台。
語音轉寫・去識別化已上線（政府機關）照護紀錄延伸應用
5屋頂
畫面留在家裡，
只送出「她還好」。
在外地工作的孩子，想知道的往往只有一件事。我們的語意通訊研究，讓相機端自己看懂畫面，只送出回答問題所需的精簡「證據碼」，另一端再還原成一句話——連山上訊號差的家也送得到。
- 尺度感：一則簡訊 140 bytes；LoRaWAN 單封包 51–242 bytes（公開參考值）。
- 聰明但小：0.6B 小模型以約 1/9 顯存達到 4B 模型水準，能放在家裡的小設備上。
語意通訊研究原型邊緣小模型研究中
6巷口
綠燈的秒數，
夠阿公走過去嗎？
出門散步也是照顧的一部分。我們把路口公開監視器的畫面校正成真實公尺，再重建 3D 路口，用來回答：長輩過這條馬路要多久？哪段人行道最難走？
- 全台 4,254 支可商用公開監視器已整理（國道 1,904、省道 2,350）。
- 用車道線校正：畫面座標換成公尺，誤差 5–25 cm。
- 只看大家，不看誰：只輸出匿名統計，不做人臉、車牌、不追蹤特定個人。
高齡過街・步行友善度研發中真實影像偵測追蹤已跑通