以「虛」補「實」，躍然紙外 — 工研院研發無圖標AR(擴增實境)自主技術

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文由 交通部鐵道局 委託，泛科學企劃執行。

悠遊卡「嗶」一下上公車、 eTag 不需等待就能收取高速公路通行費、防疫期間進出公共場所「掃」一下完成實聯制登記，甚至買完高鐵車票後還能用手機取得專屬 QR CODE 快速通關！隨著科技進步和智慧型手機的興起，人們開始以電子票證取代傳統紙本票卷，只要一支手機或是一張卡就能到達任何你想去的地方。

臺灣目前常用的電子票證主要有兩大類，高鐵、台鐵 APP 訂票取票後的專屬 QR CODE ，和使用無線射頻辨識 RFID 的感應交通票卡（像是悠遊卡、一卡通），究竟這兩種方便又快速的電子票證技術是怎麼運作的呢？ 

「掃」出資訊海—— QR CODE

QR 為 Quick Response 的縮寫，最早在 1994 年，由日本汽車零件業者 Denso Wave 的技術室長原昌宏發明，他認為一維條碼能夠包含的資訊量太少，一件產品都要印上數十個條碼才足以應付需求，對當時追求商品小型化的日本很不方便。原昌宏的團隊便將兩個一維條碼疊加在一起，讓 X 軸、 Y 軸都帶有訊息，進化成二維條碼，不只可以更快速追蹤產線上的產品， QR CODE 還有多角度辨識、容錯能力高等優點。

QR CODE 三大優點：高存量、高容錯、易辨識

QR CODE 呈現正方形黑白兩色，每一格黑白格子都是一個位元，黑色方格代表 1 ，白色方格代表 0 ，掃碼時機器只要判斷反光與否，就能將黑白圖像轉換為二進位數、數字、字母、日語假名等訊息組合，經過轉譯後就能代表一串代碼、一句話或是一個網址。 QR Code 發展至今一共有 40 種版本，以結構、尺寸和校正標記位置區分，每一種版本的儲存密度都不完全相同，最大的版本 40 為 177×177 模組，可容納高達7089字元。

在 QR CODE 的 3 個角落有像「回」字的正方圖案是幫助解碼軟體定位的座標，以鮮少出現在印刷品的特殊比例 1：1：3：1：1 作為定位標記，只要掃描裝置偵測到這個特殊比例就能算出條碼位置，使用者不需像傳統一維條碼一樣必須精確對準條碼才掃得到， QR CODE 以任何角度掃描都能正確讀取資料，加速識別作業。

除了中規中矩的黑白 QR CODE， 你一定也有看過插入商標或是特殊形狀的二維條碼，為什麼缺了一角的 QR CODE 還能掃描的到呢？因為 QR CODE 有很高的容錯能力，當某部分資訊缺失的時候，解碼系統會透過里德-所羅門碼（Reed-solomon codes）的原理自動填補缺失的部分，讓整體資訊依然可以完整辨識，容忍錯誤發生。 QR Code 的容錯能力分為 4 個等級，條碼圖形面積愈大就能分割出更細緻的里德 – 所羅門碼區塊，避免單一區塊「猜」太多密碼，容錯等級最高甚至可修正 30 %的缺失條碼。

QR Code 的快速掃描和容錯能力，能夠廣泛地運用在產品追蹤、物品識別和文件管理方面，使識別作業更便捷，「車票」也是其中之一！高鐵發售的每張電子票證都含有一個獨一無二的 QR Code ，經過閘門條碼感應區解碼就可以直接通關，享受快速方便又環保的乘車體驗！

「嗶」一下，扣款成功—— RFID

RFID (Radio Frequency IDentification) 全名為無線射頻辨識，是透過無線電訊號識別特定目標並讀取相關數據的無線通訊技術，我們日常所用的各式電子票卡多半都使用這種技術，或是其衍伸用於智慧型手機的感應式電子票證 NFC（Near-field communication，近距離無線通訊）。

RFID 最早出現在第二次世界大戰時期同盟國和德軍的敵友識別系統（Identification Friend or Foe，IFF）。以應答機（Transponder）偵聽詢問信號，然後回覆識別暗號，軍隊以此技術識別飛機、車輛或友軍部隊，並確定受詢問方的方位和距離。儘管當時 RFID 已被廣泛使用於軍事、航空用途，人們日常生活還是很難接觸到 RFID ，直到 2003 年美國最大零售商 Walmart 宣布他們的前 100 家供應商將被要求在所有進貨的貨箱和托盤上貼上 RFID 標籤以減少盤點貨物的時間，其他企業、零售商紛紛開始效法，使 RFID 頓時成為商品管理的新模式。RFID 發展至今，包括日常使用的悠遊卡、門禁卡、商品防盜標籤和寵物晶片，都是使用 RFID 的技術。

你是否曾疑惑：悠遊卡沒電池，為何能付款或是傳送資訊？

我們常用的電子票卡多半屬於無電源的被動式標籤，利用感應器（Reader，像是公車讀卡機）發送特定頻率的電磁訊號，當訊號夠強時，就會觸發感應範圍內的 RFID 標籤（Tag），RFID 標籤內部為電路板和天線的組合，標籤接收電磁波後會藉由電磁感應產生電流，供應 RFID 標籤上的晶片運作並發出電磁波將特定編碼回應給感應器。感應器若成功解碼，則回傳主機（Host）請求驗證資料再給予回應。RFID 系統以「辨識」為主要功能，接收到「有效回應」才算驗證成功，就像拿悠遊卡靠近公車讀卡機可以扣款，而你的公司門禁卡不行，是因為讀卡機無法解開公司門禁卡回傳的編碼，無法驗證有效性就會顯示扣款失敗。

相對於傳統條碼， RFID 標籤帶有遠距離讀寫、具穿透性、可同時讀取多個標籤和重複利用等優勢。透過調整感應器發送的電磁波頻率，來選擇觸發特定頻帶的標籤和控制讀取範圍：像是悠遊卡、一卡通是 13.56MHz 的高頻帶（HF）標籤，感應器可讀取在 1 公尺以內的 RFID 條碼；高速公路 eTag則是採用特高頻帶（UHF）標籤，不僅可讀取範圍增加到 5 ～ 10 公尺，還能同時讀取 1000 個RFID 條碼，就算中間有其他物質阻擋（像是卡片放在錢包裡、颱風天上高速公路），RFID一樣都可以讀取。

RFID 標籤最大的優勢其實是重複利用，過往的條碼都是一對一的組合，只要印刷上去就無法更改，使用過後必須報廢，而 RFID 可以更新電路板內儲存的資料，讓同樣一個標籤衍生出不同的編碼，拓展用途。當然這也代表有心人士可以串改標籤中的資料，因此大多數電子票卡會多加一層密鑰保護內部資料。除此之外，由於 RFID 標籤無須直接與感應器接觸，使用者也有可能在不知情的情況下被他人讀取標籤內儲存的資訊，構成安全隱憂。

目前，高鐵除了能用「T Express」APP 訂位立即取得專屬 QR CODE 快速通關，也開放悠遊聯名卡或一卡通聯名卡這兩款 RFID 電子票證來搭乘自由座喔！

1. Denso Wave
2. Wikipedia – QR CODE
3. Cool3C – QR Code發展與歷史介紹：運作原理、特色、編碼結構分析
4. 台灣高鐵
5. Wikipedia – Radio-frequency identification
6. YouTube – What is RFID? How RFID works? RFID Explained in Detail
7. Walmart and RFID: The Relationship That put RFID on the Map

報導/江書賢

在生活中各種時刻，拿起智慧型手機把所見的人事景物拍攝下來，或者透過網路攝影機和朋友視訊通話，對於許多人來說已經是生活不可或缺的部分。在不知不覺間，我們常常是透過屏幕來觀察實體世界；另一方面，我們更是經常透過屏幕來瀏覽網路等資訊世界裡的訊息。既然兩者都常常透過同樣一種媒介和我們接觸，資訊和實體兩個世界愈來愈加緊密的結合，便是一個不讓人意外的趨勢。例如我們藉由掃描印在實體物品上的QR code，來讀取連結的資訊，或者是用手機拍了照片以後，使用Line等軟體把相片加上可愛的熊大與兔兔貼圖，像這些把來自資訊世界裡的文字或者影像，附加在來自真實世界的物件影像上的需求，將會更加普遍的成長。

擴增實境(Augmented Reality，AR)是將電腦、網路等資訊世界中的虛擬影像（尤其是３Ｄ影像），和實體世界中的物品互相結合，並且實現使用者與虛擬影像物件之間互動的技術。想像我們手拿一張圖片，在手機鏡頭或Web cam前面輕輕一晃，屏幕中所顯示的影像，除了出我們手拿著實體圖片以外，還憑空長出一些3D的虛擬物件，比如說飛碟或機器人，會追著我們手拿的圖片跑，甚至我們可能可以和這些虛擬3D影像進行互動，是不是很有趣呢？又或許是拿著某個商品的包裝盒，屏幕中的包裝盒上就會浮現出盒內商品的３Ｄ影像，比起印刷在平面上的包裝照片來說，能更增加消費者和包裝商品的接觸感。擴增實境的技術，想必在未來的物聯網中將會是一項商品銷售競爭上的利器。

既然要達成虛擬物件和真實物件兩者之間的連結，就必須讓電腦具備能從攝影機所拍攝到的影像中辨識出實體物件的能力。目前比較普遍的是利用QR code標示在實體物件上，但是如果要更普遍的廣泛應用在各種物品上，大家應該不會喜歡見到隨處可見的各種物品都印上死板的黑白方框圖像吧？如果電腦能夠直接辨認出物件上本身就具有的紋理特徵，就可以讓虛實物件之間的整合更加自然而不留痕跡，這就是無圖標AR技術所要達成的目標。

工研院南分院微系統中心視覺互動技術部的陳柏戎經理表示，先前無圖框AR的技術已在外國發展一段時間，技術由外國公司掌握，若是國內的廠商想要將無圖框AR的技術應用在商品上，必須支付很高昂的授權費用，所以目前國內很少廠商能利用這一種技術。工研院為了提供國內廠商的底層技術支援，因此著手進行無圖框AR的自主技術開發。

研發團隊目前的軟體技術開發成果，除了能達成不需要有特定邊框圖案的物件紋理特徵辨識與追蹤以外，更可以容許辨識目標物有超過30度的旋轉，並且容許辨識目標30%的遮蔽，因此電腦能夠更容易的成功辨識物件，不會因為在實用情境下，物品沒有正對著鏡頭，或著因為手拿著物件時不小心遮蔽到一部分的圖樣，就無法成功辨識物品。

相較於QR code 使用方形邊框與黑白圖樣等預先規定的特定圖樣模式來作標示，無圖框AR的技術目標是要能辨識更加自由多樣的圖案或紋理特徵，所以圖樣辨識的演算法必然會比QR code的辨識要複雜上很多，辨識的運算速度因此成為技術開發上的一大挑戰。研發團隊在開發演算法時，必須設計目標物件紋理的不同特徵部位的定義與擷取方式、權重分配，並且考慮辨識目標在各種不同的情境，如光線、旋轉角度、目標物和鏡頭間的距離時，能夠自動選用一組適合的特徵定義方式來進行辨識，才能使執行速度夠快，以符合即時性的要求。

除了目標物件特徵辨識的演算法以外，研發團隊進行的另一項技術開發重點是實體物件的辨識系統與虛擬物件的3D繪圖引擎的整合。目前市面上的3D繪圖引擎有許多不同的廠牌與版本，若國內的產品開發廠商想請國外公司提供無圖標AR技術的服務，經常會碰上兩家公司所使用的軟體不一致的情況，國外的技術廠商不一定會願意為小型的客戶處理軟體的相容性問題，因此會造成技術運用上的障礙。工研院作為促進本國創新科技的研發與技術支援單位，進行自主技術的開發，可以為國內的業者提供無圖標AR系統與其他軟體相容性問題的解決服務，作為國內產業底層技術的後盾，並且促成國內相關廠商的技術合作與整合。工研院所研發的系統目前是在PC平台上運作，現在正把開發目標朝向跨平台的技術延伸，如智慧型手機等行動裝置與嵌入式系統上。

擴增實境(AR)技術的概念已經被提出了十幾到二十年的時間，但是過去因為取像與顯示設備的體積、重量、成本等等硬體的限制，所以仍未充分發展，但是隨著近年來這些硬體設備的快速發展，甚至如Google Glass這些隨身的穿戴式系統也開始崛起，擴增實境的技術未來將有很大的應用空間與成長機會。或許在不久後的將來，人們就可以戴著擴增實境眼鏡上街，像許多科幻電影中機器人的視野一般，眼中所見許多物品旁邊都附帶著凌空的立體虛擬圖像或者文字資訊。

技術專頁:無圖標AR技術 

更多創新技術歡迎瀏覽解密國家寶藏

• 文／施登騰 │ 中國科技大學互動娛樂設計系助理教授，右手寫文物藝術鑑賞，左手寫展示科技新知，古今複合型大學老師

到處都是 QR Code

QR Code 過時了嗎？好像還沒有，根據筆者最近的個人經驗感覺 QR Code 的使用其實 還是相當的普及與頻繁，而且在某些場合中它的存在感反而變得更明顯了。

比如說在參加學校會議的時候，要拿著手機開啟讀碼軟體、掃描 QR Code 後登入出席報到頁面；會議結束回程搭火車的時候，又在桃園車站看到大幅的 QR Code 看板，密密麻麻地等著要把某人的手機連線某個鐵路局服務網站去。似乎冥冥中被召喚著要再來更認識 QR Code 這玩意了。

先談「二維碼」的視覺意象

QR Code 也被叫做「二維碼」，所以從這名稱來看，還有什麼視覺意象可以談的呢？

確實，QR Code 這種圖表一直被我個人嫌棄。它呈現滿滿的人機對話的數位冷冽感，圖樣差異性相當細微、只有機器能辨識，而在眼裏看到的，卻是相仿的類似圖案。所以即使知道它能提供鏈結，在文化歷史古蹟、博物館展區、美術館展覽提供通往深度／擴增數位資訊。但就是覺得它的存在破壞了美感，特別是在古蹟、博物館、美術館等場域。

QR Code該是沒有任何美學可言的吧？！

抱著這樣的疑問去查找相關論文，乖乖，還真找到不少文章。有些學者提出所謂的「Aesthetic QR Code（美學式QR碼）」（如下圖），但只使用「Aesthetic QR Code」的英文原名或中文譯名，其實找不到圖例。要使用關鍵字「Visual QR Code」或者是「視覺碼」就可以找到與圖片合併的 QR Code。有家製作「Visual QR Code」的新創公司～ Visualead非常成功，甚至讓大陸的阿里巴巴花了150億美金把這家公司買下。

話說 Aesthetic QR Code（美學式QR碼）的論文研究些什麼呢？

其實，這些論文所提出的「Aesthetic QR Code Solution（美學式 QR 碼解決方案）」主要是在不超過 QR Code 「容錯能力」的情況下，以「雙重圖像（Binary Image）」或是「插入圖像（Input Image）」的方式製作所謂的 Aesthetic/Visual QR Code（有美感/圖像化的 QR code）。使用技術術語，就是「Embedding a picture」。而從整體圖像上來說，QR Code 的基本形式還在，但加入了視覺化圖像的內容。

那「容錯能力」是什麼呢？這就必須從QR Code的結構說起了。

下面是在維基百科上使用的圖，用來說明 QR Code 的圖碼基本構成。讓我們把重點放在灰色區塊的「資料與糾錯碼訊息」上，其中的「糾錯碼（Error Correction Codeword）」就是與「資料碼（Data Codeword）」共同組成資訊區，用於執行修正錯誤功能的字碼。

這「糾錯」一詞很「大陸用語」的，雖然個人是在很喜歡的演員～葛優所主演的「大腕」這部電影的逗趣劇情中學到「糾錯」這個詞的，但下面還是改用「容錯」去代表原文 Error Correction 字意的「修正錯誤」。

QR Code 在辨識上有設定所謂的「容錯功能」，在部分字碼發生破損或無法辨識時，仍可恢復數據去辨識QR Code 所儲存的內容。在執行「容錯功能」的優劣上，有 7%~30% 的容錯能力（Error Correction Capacity，或譯作容錯能力）差異，分為四種級別，分別代表不同高低的容錯能力（進一步了解）：

• 等級「L」：7% 字碼可被修正
• 等級「M」：15% 字碼可被修正
• 等級「Q」：25% 字碼可被修正
• 等級「H」：30% 字碼可被修正

但是，前面提及的「Aesthetic QR Code Solution（美學式QR碼解決方案）」是在不超過 QR Code 的容錯能力情況下進行。也就是說，既然 QR Code 在判讀上有 7%~30% 的容錯率，那其中一個方法就是在可容許範圍內，加入「雙重圖像（Binary Image）」或是「插入圖像（Input Image）」。

所以，網路上就有些教學，介紹如何使用繪圖軟體自製「視覺碼」。有興趣了解的人，可以看看這個介紹。

讓你的 QR碼也美美的

但既然有學者特地提出討論「Aesthetic QR Code Solution（美學式QR碼解決方案）」，就肯定不僅僅只有運用「工人」智慧、還小心地不超過容錯率這種簡單的作法。

在杭州電子科技大學與逢甲大學學者所提出的「An aesthetic QR code solution based on error correction mechanism」（根據容錯率計算機制完成之美學式 QR 碼）這篇期刊論文中提出特殊的運算技術去自動產生視覺碼（或學者所說的「美學式QR碼」），而且是透過「建構字碼編排（Construct codeword layout）」、「取得顯著圖（Obtain saliency map）」、「選擇最佳可變區（Select best changeable regions）」、「提出分層替換規則（Propose hierarchy replacement rules）」等4個步驟去運算生成的。

根據兩岸學者論文中提供的成果來看，成效確實是相當好的。特別是「選擇最佳可變區（Select best changeable regions）」這個關鍵技術，使得所製作出來的「視覺碼」，甚至比坊間的商業技術都更為優越且清晰。

下圖是節錄自論文的圖片，最上排的「美學式QR碼解決方案」技術所完成的「美學式QR碼」、中間那排是使用其他類似研究學者的技術所完成的、最下面那排則是使用前面所提到，被阿里巴巴重金收購的Visualead 技術所完成的。其他兩個技術所完成的雙重圖像式視覺碼與「美學式QR碼」有不小的差距。

然而，這些視覺碼其實並沒有解決QR碼的視覺設計問題，因為其在圖像構成上，仍屬於複合圖像（雙重圖像，Binary Image），也就是「QR碼＋圖」，QR碼的形狀仍有絕對的存在。所以，要談「QR碼的視覺意象」，仍必須從視覺設計的角度去看看是否已有解決方案。

以 QR code 作為視覺意象

經過查找許多的網路資料，可以整理出設計師給的答案，就是下面幾張圖所代表的類型。

在以下的圖片說明中，我會特別標示實際掃瞄測試的結果，畢竟有些視覺碼雖然很有設計感，卻在掃描使用上發生問題，甚至失去其基本功能。這些也是視覺碼要兼具美感與功能奮戰的目標。以下就舉例幾張 QR碼的設計佳構作為「視覺意象」的介紹，更多可點選此網址。

以下這張圖可掃描連結微信qq，在設計上仍保留「定位標記」跟「校正圖塊」的必要形式，但資料與糾錯碼都十分具有圖像設計感了，可以看出與前面所介紹之視覺碼的差異。

以下這張圖可掃描連結至微信App下載網址，同樣保留「定位標記」跟「校正圖塊」的必要形式，但「資料與糾錯碼區」是以海盜為圖像設計概念，與前圖一樣都有電腦繪圖的設計美感了。

以下這張圖可掃描連結至微信qq，「定位標記」跟「校正圖塊」已成功隱入設計中，以蒙娜麗莎為主的設計概念更為完整，卻仍兼具QR碼功能。

以下這張的原圖是個動畫gif檔，但我試過至少3款讀碼軟體仍然無法判讀，所以就單純從設計來看。可看出這是個很有向量圖設計感的2.5 D圖標，基本上保留QR碼原形，並且反向讓QR碼插入圖像中，而不是坊間普及的「QR碼＋Logo」的插入圖片形式。

既然無法掃描執行 QR碼功能，上圖其實就非屬 QR碼。我相信這絕非此動態圖的設計原旨，但既然要以 QR碼去橋接數位服務與訊息，功能價值還是遠遠在設計價值上的，這也就是「Form Follow Function」（形式服務功能）的功能性設計概念，畢竟QR碼的其中一個很重要的功能是「Call to Action」（行動呼籲設計），是連結啟動許多數位服務的關鍵元素，所以接下來就談談「再想想　QR碼的實務用途」。

再想 QR碼的實務用途

上面圖片所見的功能用途，應該算是 QR碼的使用特例，圖中的 QR碼海報也確實可以掃瞄連結到一家專營QR碼海報商品的「QR Canvas」公司網站。但這不是「再想想QR碼的實務用途」這個部分要談論與介紹的。就如前述，既然要談QR碼能連結啟動許多數位服務，具備「Call To Action（CTA）」（行動呼籲設計）的關鍵因素，就從使用情境與引導動機這方面去探討。

先從 2012 年威尼斯藝術雙年展，俄羅斯館的競賽作品《iCity》談起。該建築的內部在天花板、牆壁、地板都鑲滿 QR碼，就像個裝置藝術展。只不是此作品是一個虛擬展品，入目所見的全是可透過行動裝置判讀的巨大 QR 碼，連結到城市「Skolkovo （斯科爾科沃）」的訊息。斯科爾科沃號稱為「俄羅斯矽谷」，承載了一個國家的科技創新夢想。

整個展布的 QR碼的遵循著「簡單直接 （Keep it simple and straightforward）」的原則，在展間的訪客都能一目瞭然這些 QR碼的用途：連結與提供數位資訊。

從實務運用的角度來看，不虛掩地且直覺地使用 QR 碼，當然是最直接有效的，畢竟 QR 碼的功能用途就是「Call To Action（CTA）」，為了要去橋接後端的「數位服務」。因此要讓「CTA」產生效果，就要有策略地，有步驟地去促成。我將「CTA」目標分為「參與目標」與「執行目標」，且認為缺一不可。分列如下：

• 「使參與某事（Ask someone to participate）」：以QR碼提供「快速連結」去達成此「參與目標」。
• 「使執行某事（Get someone to do something）」：由QR碼橋接「數位服務」去達成此「執行目標」。

QR碼能提供資訊量真的不大（請見下圖），所以常用的資訊是：「網路連結」、「電郵信箱」 、「電話號碼」、「聯絡資料」、「行事曆活動」、「地點」、「Wi-Fi」等項目，但一旦接續後面的數位服務，就能延伸出更多的用途。

舉例來說，QR碼「網路連結」讓使用者可以「下載App」、「造訪網站首頁」、「在FB粉絲頁按讚」、「登錄為用戶」。若以使用情境來舉例，QR碼「網路連結」讓使用者可以「在賣場查詢產品履歷」、「在促販現場取得電子兌換卷」、「從名片即時連結公司網站」、「從平面設計連結影片播放」、「看著廣告傳單掃描上網訂購商品」、「掃描手機上的QR碼通過車站或機場閘門」等等。

所以，QR碼的功能，其實有著 0 與 1 的極端差異。

因為如果能誘使使用者掃瞄連結、啟用服務，QR碼就是個具有強大數位能量的中介圖標；如果沒能讓使用者掃瞄、啟用連結，QR碼不過是具有簡潔二維圖像的平面圖標。是否掃瞄連結？能否掃描連結？差很多。

而要能讓QR碼功能啟用，執行4個策略：

• 要有「行動誘因」、「標示清晰」的設計，好讓QR碼提供快速連結去啟用並達成「CTA的參與目標」
• 也要有「實質承諾」、「計畫策略」，好讓QR碼橋接數位服務去啟用並達成「CTA的執行目標」。

「行動誘因」、「標示清晰」、「實質承諾」、「計畫策略」的這 4 個執行策略，是導入「How to Create the Perfect Call to Action」（如何做出完美的行動呼籲設計）這篇部落格分享文中所提出的「完美 CTA 的4個成分」，並加以變化歸類。有興趣者可以點選閱讀，這邊就不再贅述。

由於「實質承諾」、「計畫策略」是牽涉 QR碼所連結之後端數位服務，這顯然已非此分享要討論的，所以還是把焦點放「行動誘因」、「標示清晰」的設計上。我先根據使用經驗與案例分析試著整理出工作要點如下，以後也會陸續在教學與產學案中在檢視修正：

• 要以簡潔直接為原則（Keep it simple and straightforward）
• 要用設計引起動機（Designed the motivation）
• 要用引起動機的動詞標語（Use a stimulative verb on the tag）
• 要讓CTA成分吸睛（Make CTA Ingredients stand out）
• 要展現具有吸引力的激勵誘因（Show the incentive）
• 要設計資訊圖像（Design infographic images）
• 要重複與強調（Repeated and emphasized）

其實 QR碼絕少個別存在，即使是印在紙上並以文字註明用途，也一定會貼附在我們空間中的建築、物品、產品、印刷品、衣服甚或人體上。不論尺寸大小、不拘二維碼或視覺碼，在行動網絡世界中，一個個 QR碼就是一個數位連結的承諾，以實體行動裝置去接通。

運用 QR碼的「虛＋實」

下面這張圖中看到的是一個校園的長椅，而上面的 QR碼連結的，則是該校學生的藝術創作品分享。所以，接下來談談 QR碼的「虛＋實」，作為這篇分享的總結。

• 本文轉載自作者臉書，原標題《再認識 QR code》