決賽作品評鑑結果已於7/13發送給所有參賽選手,評鑑結果請參照郵件公告,若有參賽選手未收到信件,請協助確認垃圾郵件。
決賽地點國立陽明交通大學 浩然圖書館 國際會議廳,7/21期待與各對決賽隊伍相見!
如有任何疑慮,麻煩來信至競賽工作小組信箱 tw-up@synopsys.com,將有專人會協助處理。
人工智慧及物聯網(AI + IoT)創生多元應用,遍佈人類日常生活而無所不在。
「2023年新思科技ARC盃®AIoT設計應用競賽」,新思科技邀請您發揮想像力,把創意變成實例,創造智能新玩意!
「2023年新思科技ARC®盃AIoT設計應用競賽」以【AI is All Around 】為主題,參賽者將運用新思科技ARC EM9D Processor與Machine Learning Inference(MLI)硬體加速器,結合Google TensorFlow Lite for Microcontroller(TinyML),提出基於實際應用領域的AIoT解決方案。
參加本競賽將可獲得總奬金累計逾新台幣30萬元,此外,將得到新思科技專業技術團隊的指導,得獎作品將納入新思開源推廣平台,有機會為自己的專業履歷加分!
|活動說明:
- 主辦單位:台灣新思科技股份有限公司 (Synopsys)
- 聯合主辦:國立陽明交通大學國際產學聯盟總中心 (GLORIA-NYCU)
- 協辦單位:
- Google Cloud
- 伊雲谷數位科技股份有限公司(eCloudvalley)
- 雲動力資訊股份有限公司(Dynacloud)
- 輝創電子股份有限公司 (Whetron)
|活動時間表:
| 項目 | 日期 | 說明 |
報名 | 開放報名 | 3月3日 | 線上報名、書面審查資料開放收件 |
報名截止日 | 4月16日 | 書面審查資料截止收件 |
書審 | 書面審查資料評鑑 | 4月17日~ 4月20日 | 評審團隊審核 |
合格隊伍公告 / 寄送競賽用開發板 | 4月21日 | 電子郵件通知 |
初賽 | 初賽文檔截止日 | 5月24日 | 初賽文檔截止收件 |
初賽評鑑 | 5月26日~ 5月31日 | 評委評鑑 |
初賽合格公告 | 6月1日 | 電子郵件通知 |
決賽 | 決賽作品截止日 | 7月9日 | 決賽作品截止收件 |
決賽評鑑 | 7月10日~ 7月13日 | 評委評鑑 |
決賽合格公告 | 7月14日 | 系統通知 |
決賽暨頒獎典禮 | 7月21日 | 國立陽明交通大學 |
|競賽主題:
以【AI is All Around】,參賽者運用ARC EM9D Processor與Machine Learning Inference(MLI)硬體加速器,提出AIoT實作作品。
| 競賽形式:
- 競賽採開放式命題方式進行,參賽隊伍自主選擇題目,使用主辦單位提供之ARC EM9D AIoT DK開發板,提出基於實際應用場域的創新解決方案。
- 所有競賽作品發展皆須基於新思科技提供的軟體開發套件(SDK)、Google TensorFlow Lite for Microcontroller(TinyML),針對AIoT、嵌入式與控制設計等應用主題發展創新性產品、服務和技術。
- 新思科技將提供參賽隊伍所需之軟硬體開發工具,包含:
- ARC EM9D AIoT DK開發板(每隊1片)
- SDK及Tutorial Kit(含環境安裝與設定教學)
- 技術指導及諮詢
|贊助企業(單位)特別獎:
本次競賽獎項增設贊助企業(單位)特別獎,凡符合下列出題方向的參賽隊伍,即有機會在原訂競賽奬項之外,加碼獲得特別獎。
企業(單位)
| 名額(組) | 題目 |
伊雲谷數位科技 股份有限公司 / 雲動力資訊 股份有限公司 | 1 | 運用ARC EM9D AIoT DK進行創作,整合Google雲端服務(GCP)功能,強化整體創意,例如: • 通訊/運算:藉由雲端進行相關運算或取得外部資料,讓AI應用可結合即時資訊。 • 資料存儲:透過雲端更大的存儲空間,讓AI應用可載入更多資料或於外網存儲AI運算結果。 • 資料安全:藉由系統防火牆等相關功能之啟用與配置,以強化資安或衍生出其他安全功能與應用。 • 未實現創意:涉及龐大AI運算,如TensorFlow模型建構等,若能於競賽時提供之雲端設備完成運算及演示者為優,若未能於此次競賽中實現者,得透過模擬資料實現展示,並於參賽作品中以詳細技術架構說明其未來實現方式(需包含實現目標具體軟體名稱與版本等)。 註: 未實現創意之評分僅適用企業特別獎 |
輝創電子 股份有限公司 | 1 | 數位鑰匙: 1. 手機放在車主口袋,靠近車輛感應範圍,透過手機APP與車輛的藍牙裝置(ARC EM9D AIoT DK)自動進行連結,身份辨識成功後手機便能取代鑰匙,車主可以進行車輛操作 (例如:車門上鎖、車門解鎖、打開行李箱、啓動引擎和關閉引擎)。 2. 車主可以透過手機APP及網路,將車輛鑰匙開放許可權限,允許其它人員使用自己的愛車。為防止未授權用戶使用車輛,將另行生成一把虛擬鑰匙,通過雲端服務發送到其它智慧型手機中,進而省去需當面交換鑰匙所花費的時間。 3. 為了保全考量,車主需要靠近車輛特定距離(例如:1.5公尺)才能進行身分辨識,藍牙訊號易受外界環境干擾導致測距不準確的問題。 4. 請盡可能藉由AI/ML解決上述身分辨識等問題。 |
|獎勵方法:
一般獎
隊伍獎項 | 名額(組) | 團隊獎勵 | 指導教授獎勵 |
冠軍 | 1 | 新台幣80,000元及獎狀 | 新台幣20,000元及獎狀 |
亞軍 | 1 | 新台幣50,000元及獎狀 | 新台幣15,000元及獎狀 |
季軍 | 1 | 新台幣30,000元及獎狀 | 新台幣10,000元及獎狀 |
佳作 | 若干 | 新台幣15,000元及獎狀 | 新台幣8,000元及獎狀 |
贊助企業(單位)特別獎
贊助企業 | 名額(組) | 團隊獎勵 |
伊雲谷數位科技股份有限公司 / 雲動力資訊股份有限公司 | 1 | 最高奬金每隊新台幣30,000元及獎狀 |
輝創電子股份有限公司 | 1 | 最高奬金每隊新台幣30,000元及獎狀 |
|報名方式:
請至「2023年新思科技ARC盃AIoT設計應用競賽」網站報名
|評分標準:
評分項目 | 評分說明 |
設計創意性 (15%) | 作品創意、構想、角度是否新穎巧妙,設計思路是否有突破性和創新性。 |
前瞻性與複雜度 (15%) | 作品設計是否採用了熱門的前瞻技術,是否具有一定複雜度,及解決方案之完整度等。 |
功能性與實用性 (30%) | 作品是否充份使用ARC處理器與開發板資源(如使用藍芽或Wi-Fi完成AIoT等應用),並能解決實際生活中的問題,完成關鍵功能的實現和性能的提升。 |
高效性 (20%) | 作品是否對使用的演算法進行了分析與優化,是否充份使用ARC處理器及特性,完成關鍵功能的實現和性能的提升(如模型建立使用之訓練或量化方法、運用多少MLI指令集,使運算速度或辨識率上升等優化)。 |
作品展示性 (20%) | 作品功能演示是否成功及完整。 |
|參加對象與資格:
參加隊伍須符合下列資格:
- 參賽者於競賽期間(即日起至2023年 7 月31日)擁有大學在學學籍,並不得在公司、研究單位或相關單位任職。
- 參賽者以組為單位報名參加,每組以1~4位隊員為限,並邀請1~2位指導老師指導參賽。
|繳件須知:
隊伍須依各階段檢核時程及需求,上傳作品至競賽網站,作品檢核需求內容、格式等,請參閱前述網站公告之「作品提交說明」與「簡報格式範本」。
- 書面審查資料繳交(2023年 4月16日):
有意報名的隊伍須在報名同時繳交書面審查資料(proposal),評審將評估各隊資料,評選合格隊伍,後續將寄發開發板與SDK。 - 初賽作品繳交(2023年 5月24日):
評委將評鑑各隊提交之初賽作品,評選晉級隊伍,並給予檢核意見及修改方向。 - 決賽作品繳交(2023年 7月9日):
評委將評鑑各隊提交之決賽作品,評選最終晉級隊伍(finalist),並給予檢核意見及修改方向。晉級隊伍宜參酌評審建議修改作品,以利於決賽現場向評委團隊簡報(pitch)並演示(demo)最終成品。 - 決賽暨頒獎典禮(2023年 7月21日):
晉級隊伍至決賽現場進行作品簡報、演示、評選及頒奬
|注意事項:
- ARC EM9D AIoT DK開發板及SDK將於參賽隊伍通過書審階段後提供。
- 請勿以相同作品重複報名其他物聯網相關競賽,違者將取消參賽及獲奬資格。
- 獲選得獎之參賽作品將於競賽網站及新思科技相關公司網站上公開,並將公開頒獎表揚。
- 參賽者於網站報名時,視同同意本競賽內容及相關規定,違者將取消參賽資格,如有爭議,將由主辦單位裁定。
|競賽資料包:
- 線上教學影片 – For ARC Developer(Link):
- “Synopsys ARC EM DSP Processors for Low-Power Embedded Systems”(Link)
- “Tutorial 1-3:ARC EM9D AIoT DK Environment Installation”(Link)
- “Tutorial 4:ARC EM9D AIoT DK Introduction and Hands-on (Lab 1-3)” (Link)
- “Tutorial 5:CNN Introduction and TensorFlow Lite Hands-on (Lab 4-5)”(Link)
- Google TensorFlow(Link)
- Google TensorFlow Lite for Microcontroller (TinyML) Example(Link)
- 競賽歷屆得奬作品(Link)
- Synopsys embARC Portal(Link)
- Synopsys embARC MLI Library(Link 1)(Link 2)
|Contest Contact:
Synopsys Academic & Research Alliances Team (tw-up@synopsys.com )
*新思科技保留競賽及獎勵辦法調整的權利。