工研院自駕車計畫結合電腦視覺、深度學習與感測融合技術，積極建構可靠度高且適應於各種天候與行車環境之行車環境感知運算平台，然而完整的訓練資料庫將是自動駕駛深度學習的主要關鍵之一，在建立訓練資料庫時會存在「真實危險事件場景難以收集」的問題，工研院正在積極開發自駕車訓練資料生成技術（Training Data Generation）來有效解決訓練資料庫完整性的問題，而方法主要有兩種，分別為「高品質的合成場景（High Quality Synthetic Scene）」與「擴增式的真實場景（Real Scene Augmented with Synthetic Car）」，第一種方法可建立真實世界立體模型，透過遊戲引擎開發特殊危險事件的高真實性場景，包含光影與天候等，將可建立各式各樣的測試資料；第二種方法將基於車輛本身所視真實畫面，透過虛擬物件合成於影像串流中，將可補足既有真實影片中所缺乏的測試案例，期待利用更完整的訓練資料來幫助深度學習演算法，提高準確率，進一步協助感測融合作出正確的判斷，增加未來自駕車的可靠度與安全性。
