研究架構
本專題整合「聊天機器人」與「影像辨識系統」於 Unity 遊戲中，透過 Python 開發對應模型，並以 C# 負責遊戲邏輯控制與畫面互動，達成跨平台技術整合。
聊天機器人流程
聊天機器人部分，我們透過 ollama 下載了 Llama-3.1-TAIDE-LX-8B-Chat-GGUF:Q3_K_M 模型， 作為我們本地語言生成系統的核心，再撰寫一個 Python 程式依據角色設定風格及規則，並調整輸入輸出的方式。
影像辨識流程
影像辨識系統使用 ResNet-18 深度學習模型，資料集涵蓋多場景、多時段與不同天氣條件，提升模型泛化能力。影像預處理包含尺寸壓縮 (80x80)、格式統一，並設置 50 個訓練週期。
模型訓練完成後，我們將結果整合到遊戲流程中，玩家透過上傳現場拍攝的圖片，完成任務挑戰並推進劇情。
整體研究步驟
- 🔍 確定專題方向與技術需求
- 🧩 資料收集與預處理（圖片 + 對話數據）
- 🛠️ 模型訓練與測試（聊天機器人 + 影像辨識）
- 🖥️ 遊戲開發與技術整合
- 🧪 測試與優化（改善辨識率與對話流暢性）
- 🚀 部署與發表展示
