物聯網
Internet of Things

無線感測網路
Wireless Sensor Network (WSN)

RFID
Radio Frequency Identification

軟體定義網路
Software Defined Networking (SDN)

同儕式網路虛擬環境
Peer-to-Peer Networked Virtual Environment (P2P-NVE)

4G LTE SON
4 Generation Long Term Evolution Self-Organizing Network (4G LTE SON)

交叉實境
Cross-Reality

無線即時通訊遊戲
Wireless Ad hoc Game

自我穩定演算法
Self-Stabilizing Algorithms

深度學習在工業4.0之應用
Deep Learning in Industry 4.0

擴增實境
Augmented Reality(AR)

物聯網（Internet of Things，縮寫IOT）是一個基於網際網路、傳統電信網等訊息承載體，讓所有能夠被獨立定址的普通物理對象實現互聯互通的網路。物聯網一般使用無線網路，而由於每個人周圍的設備可以達到一千至五千個，所以物聯網可能要包含500兆至一千兆個物體。在物聯網上，每個人都可以應用電子標籤將真實的物體上網聯結，在物聯網上都可以查找出它們的具體位置。通過物聯網可以用中心計算機對機器、設備、人員進行集中管理、控制，也可以對家庭設備、汽車進行遙控，以及搜尋位置、防止物品被盜等。

物聯網將現實世界數位化，應用範圍十分廣泛。物聯網的應用領域主要包括以下幾個方面：運輸和物流領域、健康醫療領域、智慧環境（家庭、辦公、工廠）領域、個人和社會領域等，具有十分廣闊的市場和應用前景。
引用:維基百科

近年來，由於微機電技術的進步，無線感測網路(Wireless Sensor Networks – WSNs)在各種情況下的應用也越來越多，但不管在任何情況下，在整個WSNs使用上都有幾個需要考慮的議題，分別是網路的時間同步(time synchronization)、監測區域的覆蓋(coverage)是否完整、節點的定位(localization)、網路的能源節省(power saving)等等，這些都是在WSNs上很重要的議題。

我們實驗室正在執行的計畫中，也有關於上述議題中的一些東西，包括第一年的容錯(Fault tolerant)及省電的網路覆蓋及連結維持技術設計與實作，第二年的容錯事件感知(event detection)共識決定(consensus decision)技術設計與實作，和最後第三年的容錯及省電的目標追蹤(target tracking)技術設計與實作。

在第一年計畫中，目標是在一個監測區域中，以高密度佈滿感測節點(Sensor node)，並以最少節點達成完整覆蓋整個監測區域。一開始，節點均保持睡眠模式，經過一個隨機時間後，隨機時間點的節點醒來發送信標(beacon)，此動作是為了告訴在其感測範圍內的其餘節點自己已在工作節點的覆蓋範圍內，而那些偵測到自己本身被其他工作節點覆蓋的節點，則必須進入省電模式，以節約電能。除了保證省電、覆蓋性、連通性外，還要再搭配容錯的機制，使得本來處於工作狀態的節點，可能因為電能消耗殆盡或者毀損等因素導致無法繼續偵測時，在下一週期必須要有節點醒來並偵測到這個現象，然後取而代之感測覆蓋此空洞(Hole)，最後達成整個感測區域的完整覆蓋，並附帶容錯機制，第一年計畫目前以完成。

現在計畫執行到第二年，目標則是如何在保障網路覆蓋的情況下，做到蒐集資料(data collection)、彙整資料(data aggregation)，並擁有容許錯誤發生並修復的功能。

最後，由於我們已經可以在一個監測區域中的無線感測網路中做到完全覆蓋的功能，也具有資料彙整與容錯的能力，因此我們便可以在這些基礎上設計一些應用。目標追蹤便是一個典型的應用，所以在第三年的計畫中，我們將利用之前兩年的成果來設計一個追蹤的演算法。在無線感測網路中，要做到目標追蹤，必須有幾個必要的問題要解決。一、目標物偵測(target detection)問題；二、節點相互合作(collaboration)問題；三、資料彙整(aggregation)與融合(fusion)；四、如何持續且有效地追蹤移動物體；五、如何回報結果等等。上述的每個問題，在無線感測網路的領域中，也分別都是一些專門的領域有人再探討，因此目標追蹤可說是一個整合性的應用，也將是可以把我們之前兩年成果整合的平台。

無線射頻辨識（英文：Radio Frequency IDentification，縮寫：RFID）是一種無線通訊技術，可以通過無線電訊號識別特定目標並讀寫相關數據，而無需識別系統與特定目標之間建立機械或者光學接觸。

無線電的訊號是通過調成無線電頻率的電磁場，把數據從附著在物品上的標籤上傳送出去，以自動辨識與追蹤該物品。某些標籤在識別時從識別器發出的電磁場中就可以得到能量，並不需要電池；也有標籤本身擁有電源，並可以主動發出無線電波（調成無線電頻率的電磁場）。標籤包含了電子存儲的資訊，數公尺之內都可以識別。與條形碼不同的是，射頻標籤不需要處在識別器視線之內，也可以嵌入被追蹤物體之內。

許多行業都運用了無線射頻辨識技術。將標籤附著在一輛正在生產中的汽車，廠方便可以追蹤此車在生產線上的進度。倉庫可以追蹤藥品的所在。射頻標籤也可以附於牲畜與寵物上，方便對牲畜與寵物的積極識別（積極識別意思是防止數隻牲畜使用同一個身份）。無線射頻辨識的身份識別卡可以使員工得以進入建築鎖住的部分，汽車上的射頻應答器也可以用來徵收收費路段與停車場的費用。

某些射頻標籤附在衣物、個人財物上，甚至於植入人體之內。由於這項技術可能會在未經本人許可的情況下讀取個人資訊，這項技術也會有侵犯個人隱私之隱憂。
引用:維基百科

軟體定義網路(Software Defined Networking，SDN)是近年來網路界急遽竄升的新興技術，除了應用在雲端機房的彈性網路配置外，全球網路服務巨擘Google也宣佈其跨國骨幹全面採用SDN技術，大幅提升網路使用率至99%，可有效地運用閒置線路。

SDN修改了傳統網路架構的控制模式，將網路分為控制層(Control Plane)與資料層(Data Plane)，將網路的管理權限交由控制層的控制器(Controller)軟體負責，採用集中控管的方式，第三方可以開發應用程式部屬於控制器內，再透過OpenFlow傳輸通道，統一下達指令給資料層的設備，網路設備則專責於封包的傳送。這樣的概念讓網管人員能更靈活更彈性的配置網路資源，日後網管人員只需在控制器上下達指令就可以進行自動化的設定，無須逐一登入網路設備進行個別的設定，節省人力成本也降低了人為部屬發生疏失的可能性。

近年來，巨量多人線上遊戲 (Massively Multiplayer Online Games, 簡稱 MMOG) 蓬勃的發展。現今主要採用的主從式架構 (client-server)，透過伺服器群組 (server-cluster) 或將世界分成子世界的方式，可以達到同時數十萬人上線。但由於每加一個玩家，勢必消耗 server 端部分的資源，導致資源瓶頸。我們因此對下列問題感到興趣：該怎樣建立下一代、可百萬人同時上線的虛擬世界？我們因此想透過 peer-to-peer (P2P) 來建構如 MMOG 這樣的網路虛擬環境 (Networked virtual environment)。

Peer-to-Peer (P2P) 網路是近年來興起的一種網路架構，相較於傳統的Client-Server架構，其特色主要在於它破除了Client一定只會和Server連線的限制；在P2P網路中，每個加入此網路的節點都可以和其他節點連線，大大增加了網路的靈活度，並且消除了在Client-Server架構下Server能力限制的瓶頸。目前常見的P2P應用如file-sharing (如：BitTorrent、eMule)、Voice over IP (如：Skype)。

Networked Virtual Environment（NVE，網路虛擬環境）指在軟體系統中創造一個虛擬的世界，使用者可以透過網路進入這個世界與其他使用者進行互動。這個擬虛的世界可以是沒有任何規則的，全憑設計者決定，但一般來說會有以下四種特性：
1) 使用者會存在於相同的虛擬空間
2) 有共同的時間觀念
3) 每個使用者在虛擬世界中會有一個化身 (avatar)
4) 使用者之間能夠交談及互動。

而 P2P-NVE 是專指在P2P網路上建構的虛擬環境 (以P2P網路為基礎的虛擬環境)。其特點在於：
1) 每個網路節點都有一個在虛擬環境中的〝位置〞 (Position)
2) 他有可能有一些〝鄰居〞 (Neighbor，在虛擬世界中與其相鄰的其他節點) ，同時〝發現鄰居〞 (Neighbor discovery) 也是P2P-NVE中一個基本的問題
3) 虛擬環境中任二點都可以互相連線交換資料
4) 網路上的節點隨時都有可能會加入或離開

Research Topics

所謂Overlay Network是指我們刻意忽略網路的實體架構，將網路上的每個節點都視為一個單獨的節點，並且假設他們可以自由的互相連接。將這些單獨的節點採用某種特殊的結構來建置一個網路，一條Overlay Network上的連線可能是由數條實體網路的連線所構成；透過互相連接的網路節點，使其能夠達到某種我們期望的效果。 而P2P-NVE Overlay Network便是在P2P-based的虛擬環境中所建立的Overlay Network，可說是透過虛擬環境所提供的系統機制去建立另一種網路系統。

Overlay Network是架構在實體網路之上的另一層網路，所以實體網路的連接關係與變動絕對性的影響了Overlay Network的穩定性；而任何的P2P網路都有Node會隨時加入及離線的特性，相當於在其上運作的系統必需有適應高度變化的能力。而在NVE世界中主要的問題可以說是〝如何模擬出和現實環境相彷的虛擬環境〞，目前較為人所探討的大概可分為發現鄰居（Neighbor discovery）、資訊交換、狀態管理（State Management）等問題。

隨著家庭網路的發達，國內上網比例的增加，P2P Network的發展空間逐漸增加。傳統的虛擬世界（例如：現行的線上遊戲，魔獸世界、天堂等）皆會受到 透過P2P網路來建構NVE世界，將可使得可能的世界大小及同時上線的人數得以擴展，理論上可以建構出沒有大小限制的虛擬世界。

相關連結
VON (Voronoi-based Overlay Network) intro on sourceforge.net ( html ) ( PDF )

在Voice Transmission研究方面，目標是於多人線上遊戲中，以peer-to-peer的架構來建構一沉浸式(immersive)的語音系統。 聲音，是人類最自然最原始的互動方式；然而，在目前的多人線上遊戲裡，普遍還是侷限於以生硬的文字來互動。即便有內建語音交談功能，仍有使用者數量上的限制。因此，此研究便是希望能在合理的網路頻寬消耗下，建構出一個沉浸式的語音系統。

所謂的沉浸式語音互動是指，在虛擬世界中，玩家能自然的和互動範圍內的玩家以語音來交談。舉例來說，當一個玩家靠近一群人時，他能自然的聽到那群人的談話內容；同時他的聲音也能自然的傳達給人群。相較於生硬的文字浮現在交談視窗，藉著聲音，玩家能獲得一種和真人互動的感覺，感受到以聲音來互動所獲得的那種臨場感，因而獲得更佳的遊戲經驗。 實作上，和文字資料相比，傳送語音資料需要消耗更大的網路頻寬。加上目前熱門的幾款多人線上遊戲(如：天堂、魔獸世界)，同時上線人數皆在10萬人以上。在使用者人數和網路頻寬消耗的考量下，以目前client/server的架構來實作，有網路頻寬和運算能力兩個主要的因難點。

因此，如何利用peer-to-peer這種資源分享和平均負擔的架構，加上語音資料的一些特性，設計出良好的演算法來分擔頻寬，成了語音傳輸的研究重點。在延伸應用方面，配合遊戲中的位置資訊，將語音加上方向性和距離感，讓玩家在語音互動中獲得更強烈的臨場感受，將是未來的目標。

在傳統的Client-Server架構中，所有訊息的傳遞都需先經過Server，然後再轉傳給其它Client，這樣的架構下無論是對事件順序的控管，還是當Client間有判斷不一致的情形發生時，都較容易被處理，因為Server可決定事件執行順序的單一版本。然而換到了P2P環境下，由於少了中央主機對資料一致的掌控，要面對的挑戰將變得更複雜。例如在傳遞訊息時，很可能因網路所造成的delay不同，導致各個 peer 收到事件的順序(Event ordering)是不同的， 就沒有人可以確保事件發生的順序。當大家對Event ordering看法皆不一致時，如何決定誰的順序才是真實的情況，並恢復原本應該出現的結果呢？一種可能的解決方式是透過 peers 之間的投票、或共識決來解決爭議，不過這會引起一個拜占庭的將軍問題(Byzantine Generals' Problem)。早年拜占庭帝國的軍隊必需決定是否去攻打敵人的陣營，但唯有這個決定是獲得”大多數”人的同意，這場戰役才會有贏的機會。其中問題的關鍵在於拜占庭的將軍中， 有些可能是敵方的間諜，他們會試圖去影響其它將軍們的決定，而導致最後的投票結果，代表的不一定為大多數人的意見。時空改變物轉星移，今天也許沒有拜占庭將軍們的迷思，然而在P2P的環境中，訊息傳遞的延遲或遺失卻可能形成另一個挑戰。

P2P目前最常見的應用該屬file sharing，舉凡BT、eMule都屬這類的範疇。試想今日的應用換成在P2P的網路架構上，設計一個多人線上遊戲，為了維持住遊戲的可玩性及公平性。那麼一致性的問題，就一定有解決的必要.。簡單而言，就是大家所看到的都會是一樣的。以具有關聯性的事件發生順序來說，今天你要攻擊的人，是先被你攻擊到了，還是他先逃跑了，不同的事件執行順序會產生不一樣的結果。 對遊戲而言，如何確保一個”結果”正確的事件執行順序，支配著整個遊戲是否能正常的運作。

Research Project

ASCEND (Adaptive Scalable Cooperative Environment for NVE Developments)

隨著行動設備軟硬體迅速發展，行動設備可以處理的資料量也跟著成長，因為資料的成長造成行動網路的架構、資料傳輸速度、資料可靠性、網路服務品質以及網路自我組織的發展更為重要。

目前次世代行動網路(The Next Generation Mobile Network)的架構上來說，LTE(Long Term Evolution)是比較接近第四代行動網路的標準(靜止1 Gbit/s, 高速移動下100Mb/s)，而第四代行動網路的需求在核心網路(Core Network, CN)設備之間是自我組織的網路(Self-Organization Network, SON)，不需要設備安裝後再由人為設定，在如此的架構之下如何能夠做到根據不同測量數據調整核心網路中基地台(ENodeB)的設定數據，來達到行動網路無接縫(seamless)的服務或是使基地台負載平衡來服務附近的使用者，這些都是研究中的議題。

在無線感測網路以及網路虛擬環境的技術發展日漸成熟，利用無線感測網路我們可以發現到現實世界中的事件，例如:天氣的變化、天災、意外…等等，而現實中的事件也可以利用網路虛擬環境展現在網路上虛擬的環境之中。無線感測網路所感測到的環境為現實的環境，我們稱為實境。網路虛擬環境我們稱之為虛境，若是能夠將這兩種技術結合起來，實境中感測到的到資料可以反應在虛境之中，而虛境的資料可以影響到實境的物體狀態這個技術我們稱為-交叉實境(Cross Reality)。

交叉實境的應用，可以用在工廠管理、事件緊急處理、環境監控或是娛樂應用等等的情景。使用無線感測網路的好處是能夠將現實環境中發生的事件精確的回傳到主機端，並且在現場可以進行緊急的處理。感測資料回傳到Wonderland的主機後，將這些資料以3D圖形顯示在虛擬網路的環境之中，並且讓現實中的使用者來判斷如何去做更進一步的處理，或是在虛擬環境中，利用馬達或是驅動器做遠端操作處理，甚至可以以力回饋的裝置讓現實中的使用者瞭解在事件發生地點狀況。

在無線通訊網路中，分為兩種架構，(一)無線隨意網路(Wireless Ad Hoc Network): 這是一個點對點建立起之網路連結，不須要無線存取器(AP, 或稱橋接器)，透過個別電腦間無線連結，建構出一個群組網路，以達到資源共享。(二) 基礎建設(Infrastructure)網路: 它包含一個無線存取器(AP)。不像Ad-Hoc 結構，網路上的使用者爭奪共享頻寬，在基礎建設網路，無線存取器(AP)可以管理頻寬達到最大的頻寬利用。

然而在無線隨意網路中，是一種能夠在沒有事先建置基礎架構的環境下，由無線主機所臨時組成的網路，不須集中式管理所形成的無線網路，讓具有無線連線能力的使用者，能隨時隨地加入無線通訊網路而每個節點都會有Routing的功能，能夠主動去尋找(Discover) 和維護 (Maintenance) 其所Routing的資料。因為Ad Hoc Network 具有自我組織（self-organization）的能力，它不但可以簡化網路的管理，提高其強健性 (robustness) 和彈性，另一方面，它更能在處於動態的狀況如位置移動，不定的連結，和無法預測的流量負載的既定基礎結構下，作最理想的資源有效使用。由於它容易佈建的特性，Ad Hoc Network 有許多實際的用途，如個人區域網路、家庭區域網路、軍事用途、緊急救災及搜救行動。目前主要發展方向為Ad Hoc Network routing, Transmission range control, Self-reconfiguration等。

現今大部分的網路遊戲的執行都必須透過網際網路與使用client-server 通訊架構。但在multi-hop ad-hoc gaming 將是採用peer-to-peer通訊架構，而在普遍的網絡遊戲中，玩家與玩家之間訊息交換方式分為兩大類：

1. Time-based synchronization :同部動作的執行是經由每個節點定期發送它的遊戲給其他節點。

2. Event-based synchronization : 同部動作的執行是經由以回應外部事件，例如用戶輸入。

在Ad-hoc gaming通訊中，每一個節點傳輸訊息時都有可能會受到障礙物的干擾，然而受到障礙物的干擾就會造成封包遺失率(Packet loss ratio)及網路延遲(network latency)上升，為了降低Packet loss ratio及 network latency的發生，未來我們想利用multi-hop技術，找出最不受障礙物干擾的節點及使用Event-based synchronization方法，來減少Packet loss ratio及 network latency的發生，且利用多跳的方式找出最佳的訊息傳遞路徑。

無線網路自從1970 年提出至今，在電腦網路及各個相關領域上的應用已經越來越顯得重要，實用性也越來越高。因此以無線網路環境為基礎衍生出的各方面研究都不斷持續的進行著。 因為無線環境中各個裝置的可移動性，使得網路的架構變得不確定。因此 許多傳統網路上沒有或者簡單的問題在無線的環境中就變的重要或者困難了。

在這個計畫中，我們除了希望能解決無 線環境所帶來的問題之外，還希望能導入”自 我穩定系統”的概念來解決無線網路中部分 的問題。自我穩定系統是Dijkstra 在1974 年 提出的一個概念。自我穩定系統希望能解決 的問題是在一個分散式的環境中，不論任何的起始狀態，只要經過一段足夠長的有限時 間，系統都能回覆到一個我們期望的穩定狀 態。自我穩定系統解決的問題是在分散式環 境中，而且能處理任何的初始狀態，這樣的 特性很適合無線網路的問題。 第三年的計畫中，我們延續第二年的研 究，針對無線網路中的覆蓋問題提出了一些 改進的方法並且在理論性的探討上，提出一 個在二分圖(bipartite graph)網路上對邊(edge) 著色的分散式演算法。這個討論是第一個具 有自我穩定能力的邊著色分散式演算法。

As an impressive progress in artificial intelligence, deep learning demonstrates outstanding performance in various applications in the Industry 4.0 such as speech recognition, image reconditions, natural language processing (e.g. translation, understanding, test questions & answers), multimodal image-text, and Augmented Reality. Industry 4.0 smart factories will provide (through the Internet of Things and data sharing) the massive amount of data required for accurate deep laerning training. Deep learning allows automatically processing of data towards highly nonlinear and complex feature abstraction via a cascade of multiple layers, instead of handcrafting the optimum feature representation of data with domain knowledge. With automatic feature learning and high-volume modeling capabilities, deep learning provides an advanced analytics tool for smart manufacturing in the big data era. It uses a cascade of layers of nonlinear processing to learn the representations of data corresponding to different levels of abstraction. The hidden patterns underneath each other are then identified and predicted through end-to-end optimization. Deep learning offers great potential to boost data-driven manufacturing applications, especially in the big data era.

Industry 4.0 revolution does not depend on one technology but several; the integration of these technologies is what can really improve the manufacturing methods and efficiency of industries. One of the integrated technologies is Augmented Reality (AR). The AR technology brings users a chance to experience an augmented world by overlaying virtual information on the real world images shown on mobile devices, such as phones and head mounted displays, etc. In this way users can perceive both the real world and the virtual world full of real-time, statistical, and/or assistant information that can be used for decision making, worker training, and machine maintaining. Currently, we are doing research on AR for Industry 4.0. We have collaboration work with companies and the government to realize and evaluate our project called Smart Manufacturing Augmented Reality (SMAR). Our vision is to change the way of manufacturing in the Industry 4.0 era.