日本東京大學發表革命性高速即時動態光雕投影技術，扭曲變形的衣服一樣能投影|數位時代 BusinessNext

日本東京大學發表革命性高速即時動態光雕投影技術，扭曲變形的衣服一樣能投影

先前光雕投影有些限制：被投射物必須是不會變形的剛體。然而日本東京大學的石川渡邊研究室突破了這項侷限，發表了新成果──「以高速投影到動態變形非剛性表面的投影方法」。

光雕投影（或稱 3D 投影映射）是這幾年來大型表演活動中常被運用的新興技術，透過光雕可以改變建築物或者任何物體的外觀，把現實世界中平淡無奇的物體變得如夢如幻，大開觀眾的想像空間。不過，當前的光雕投影有些限制：被投射物必須是不會變形的剛體。而在上周，日本東京大學的石川渡邊研究室突破了這項侷限，發表了新成果──「以高速投影到動態變形非剛性表面的投影方法」。

在進入正題之前，先大略介紹一下光雕投影。簡單說，就是準備很多很多台的投影機，圍繞在一棟建築物的四周，然後用電腦控制這一大堆投影機，在晚上投影到建築物上，將建築物當做畫布，做出種種絢麗的表演。演出過程要考量到建築物是立體的，必須考量投影到的表面不是平的，得用電腦把投影的畫面事先針對每一台投影機要投射到的地方，算出對應的變形，才能投影出去。可以是在上面畫東西，也可能是天馬行空地把建築物變成完全不同的東西等。關於實際的作品，筆者推薦非常經典的《2012 東京光之祭典》或者日本萬代玩具公司出的一場表演的迷你版 HAKO VISION（用手機就可以欣賞）。

而這樣的技術，僅限於事先做好的靜態影片內容與靜態投影環境，東京大學的石川渡邊研究室不滿足於此，企圖克服這樣的限制，進行了動態光雕投影的研究。動態光雕投影的困難，是要捕捉真實世界「布幕」的動態即時變形，隨即低延遲地調整好要投影的虛擬影像，使投射出去以後，讓我們的視覺感官覺得吻合、沒有破綻。這最基本需要一台畫面更新率高、低延遲的投影機，於是該實驗室就自行開發了高速投影機「DynaFlash」，它在 8bit 色階（一個點可以有 256 色）時更新率高達 1000FPS，最低延遲（latency）才 3 毫秒（ms）。

有了這個基礎以後，更進一步要處理最有挑戰性的部分：如何正確投射影像到非剛性不斷形變甚至有遮蓋情形的「布幕」上呢？如果用即時影像辨識技術的話，是來不及的。石川渡邊研究室提出了這樣的新方法──「可變形點陣標記」（ Deformable Dot Cluster Marker，DDCM），這個做法類似 AR 擴增實境的概念，是用紅外線才看得到的墨水（人眼看不到），在衣服上面事先印好特定的點陣標記圖後，即使目標物發生大變形或者遮擋，DynaFlash 投影機的感應器也能穩定地在 1,000fps 下即時「看到」目標物上的點陣標記，以投射出正確的變形後畫面。

使用這些基本技術，包括 DynaFlash 和 DDCM，就可以在變形非剛性表面上進行新式的動態投影映射了。在石川渡邊研究室的展示影片中，可以發現翻轉、扭曲、移動、伸縮都難不倒，由於投影和感測都是以 1,000fps 的速度在運作，就好像投影的圖案本來就是印在衣服上般地自然。更特別的是，可變形點陣標記可以是複數的，也就是說這讓投影機可以靈活地「辨識」出不同的目標物，而同時加以投影出不同的圖案。

在應用上，可以想像演唱會表演時，偶像歌手穿著一件單色白淨的衣服，不用實際的換裝，就可以變換出一件又一件的不同衣裝；不用拜師學數十年學習高難度的川劇變臉技術，臉上只要戴著一張純白的面具，就可以一張又一張的不斷翻臉。非娛樂的應用方面，不用開刀，投影出內臟器官到人體上，輔助醫學院教學應該也是可預見的應用。真期待這項技術的後續發展呢！

本文授權轉載自：科技新報

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。