我們實驗室的研究領域就是人跟機器之間的互動（HCI，human-computer interaction）。有沒有方法可以更便利的去跟機器互動，或是更新的方式讓我們人可以藉由機器做到更多的事情。
我們實驗室目前的方向就是虛擬實境 Virtual Reality （以下簡稱 VR）的部分。那當然現在講到 VR 就會提到現在它面臨的問題就是，現在有非常多 commercial 的 VR 的系統，像是 Oclulus 或是 HTC 的 VIVE，他們都已經達到相當不錯的聲光效果，但還是會有一些 issue，像是 VR 的頭戴式裝置還是偏大，或是使用上還是會有暈眩的情況。還有其他問題像是我們沒有辦法在虛擬實境中觸摸到東西，那我們也有研究在虛擬實境中提供觸覺回饋的部分。這些是我們實驗室目前 focus 的方向。
但是，我們是人機互動實驗室，不單只是包含 VR 的部分，其他部分像是擴增實境 AR，這個部分跟 VR 也有非常大的關聯，我們常常會一起提到。他們最大的差別就是，AR 裡面是看得到真實世界的，那我們要怎麼讓電腦去知道真實世界發生什麼事情，這些 sensing 的問題，跟怎麼去處理我們感知到的資料，就是我們會面臨的。
而人機互動現階段還有非常多熱門的主題，像是個人製造的部分。例如我們大家都知道 3D printer 在前幾年商業化，大家可以很便宜的得到 3D printer。那有沒有辦法讓初學者，或是不懂得 3D modeling 的使用者，去更簡單的使用 3D printer，讓他們更簡單的去製造他們日常生活中會用到的東西。或是假設之後大家的家裡都有一個 3D printer 的時候，那我們應該要怎麼使用他，是不是應該要有更快的方法去製造啊、可不可以有更不一樣的使用情境，而在這些不同的情境下，電腦應該增加哪些感測裝置或方法來因應。或是這些裝置能不能推薦接下來應該做哪些修改，就像我們做 ppt 一樣，你可能會發現新的 ppt 都會在右邊顯示說接下來圖片要怎麼放、樣式要怎麼改，這個部分也是在 3D modeling 的時候，可以輔助使用者去使用的。
除了個人製造以外，穿戴式裝置也是這個領域常遇到的主題之一，那在穿戴式裝置中，可能就要去研究使用者有哪些活動，是電腦需要去偵測的，環境中有哪些資訊是可以知道使用者做到哪些活動的，或是使用者穿上去體驗會不會好，例如材質、或是把電腦做的更小更省電、讓使用者戴起來更加舒適。
更 high level 的主題則像是 cloud sourcing，cloud sourcing 就有點像是群眾運算。群眾運算就是我們利用人類的智慧，去反過來幫助電腦進行運算。最知名的就是人類有非常強大的圖形運算能力，我們能輕易的辨識圖片中哪些物體是分開來的，這對電腦來說就是不容易的。現階段這些問題很大部分是交給機器學習去做的，但機器學習就需要大量的 data，而我們就在研究如何把這些 task 分給人，有沒有辦法更好的蒐集這些 data，讓人去幫助機器產生這些 data，就是 cloud sourcing 關注的問題之一。
其中一個例子可能是如何有策略性的把電腦正在做的事情分配給人，最知名的可能像是有些電腦的 function call 會需要大量的計算，尤其是像辨識物體的部分，那就有一個 platform 給盲人使用，讓盲人在需要視力的時候，就直接往前面拍照。因為他們沒辦法看，所以拍照不會很清楚，但因爲人很厲害，就算沒有拍得很清楚，人還是可以辨識出畫面中的物體是什麼，拍完照後上傳到那個 platform，等其他人給我的 feedback 告訴我那是什麼。那這其中要解決的問題就是，到底有沒有好的策略可以讓這個 feedback 可以在一定時間內產生。
其他的還有像是 HCI 裡面，UI/UX 的部分也是非常知名的。像是如何提供好的 web 的 interface，或是 design 上面有什麼好的考量，或是不同的介面上會不會有不同的設計方案。那更 high level 的來講，就是我們能不能用這些 UI 的設計，來解決社會上的一些議題。例如電腦成癮的問題、使用電腦造成的健康負擔。有沒有辦法利用好的介面設計來讓使用者可以不用面臨這些問題，或是好的方式去提醒使用者應該要站起來 等等的。
所以整個人機互動領域其實還蠻廣的，我會說 HCI 就是一個很大的雨傘，包住很多部分。那我們最終都是希望電腦跟人之間能有更新的方式去互動、或是解決現有的互動方式中的問題，這兩個方向。
的確蠻多 project 都會需要跟硬體相關的知識。像是基本的如何去接電子零件跟元件，或是如何處理訊號的部分，或是硬體之間的物理性質，這些東西跟單純的處理資訊，也就是我們資工系所學的東西不會完全的直接有關。但是這也只是 HCI 的一支，剛剛提到的像是設計的部分、cloud sourcing 策略的訂製，則都比較是單純從軟體的角度出發的，所以也不一定必須要知道一些基礎的電子學等等的物理部分。
我會說我們實驗室是研究導向的，也就是說，我們目前沒有接一些外面的專案。所以我們不太會明確的 assign 一個題目給學生做，我認為研究的第一步就是先找到接下來要做什麼，那這個部分是在我這邊做專題非常重要的能力之一。
在我這邊做專題一般有兩種選擇，一種是找自己真的想做什麼，找到之後把這個東西做到一定程度就是我想看到的。另外一種就是去加入、協助我們實驗室目前正在做的東西，這也是另一種方向。
我當然會說這兩個方向都可以，但我個人而言，我會更 prefer 學生會自己找題目，畢竟我們希望藉由專題研究的機會，來看這個學生是不是適合做研究，而研究最一開始需要的能力，就是找到一個屬於自己的題目。所以對我來講，要進研究所的話，沒有這個能力可能是比較有問題的，那我們就在專題研究的階段，培養學生這個能力。
我對專題生的要求其實沒有特別高，我對研究生的期待可能是你要能夠自己找到一個題目，然後把它做好；對專題生的期待比較像是說，你能找到一個題目，就算你沒有完全把他做得很好，但是有做一些初步的驗證，那我也可以接受。
其實具體要花多少時間比較難估算，如果你想做到可以發表論文的情況，我們實驗室的碩士生、博士生、甚至是我自己，一整個學期 full-time 在做，才有可能發表 paper。full-time 是指一個禮拜四十小時。我當然不會要求大學生要花這麼多時間，以一門課來說可能大家會花一週 6 小時的時間嘛，也就是整個學期可能只有 90 - 100 個小時，在這情況下，我大概就是預期 90 - 100 小時的 work。
我通常會說就是具備一定基礎能力之後，大概就是大二下或大三。
我覺得有沒有必要嗎？其實我覺得沒什麼必要哈哈哈（笑）。你知道為什麼嗎？因為會讀資訊系的學生，其實沒有很大的比例是想要做研究的。但以我們實驗室來說，我們實驗室就真的只是「想要做研究的」，所以我們研究的內容跟產業並沒有那麼直接的關聯，當然我知道研究可能之後會變產品，但這寫都很難講。
假設是想要找工作的話，在我們的 group 裡面做專題，也有可能一點幫助都沒有。老實的跟你們講，資工系學生想找的工作，我自己也非常清楚，是 software engineer，我們這個領域對 software engineer 來講，以現階段來說，刷題目遠比做專題重要多了。尤其是我身邊的人會跟我講面試的情況、面試會問的問題，大家可能比較注重你的成績跟你刷題跟面試的情況。
我覺得工作有很多種，研究只是未來職業的其中一項。例如我自己，我自己是做研究的，我通常都說自己是做研究的，而不是教書的。有些時候你也很難分出來你到底是真的想做研究還是只是想當工程師，大家大概都是且戰且走吧。
我覺得這就像我剛剛說的，只是時間分配的問題。到最後學生自己有沒有辦法做好兩個專題才是真正的重點。對我來講我是非常 open 的，如果你有辦法做好的話，那你想多做幾個就多做幾個當然沒有問題。