今天一樣自律的到 Playback Coffee 報到。今天選擇喝 Hot latte 而不是 Flat White，單純因為想喝大杯一點的咖啡 XD

2026 第二週過去了，認真生活的時候時間真的過得飛快。這週感冒的情況從週二開始明顯改善。睡醒後身體明顯感受到充分的休息，真的和生病時候差非常多！去年底的大感冒讓我更加感恩擁有一個健康的身體。

這個週末天氣非常好，兩天都選擇出門曬太陽！今天是星期天，每週日下午我都決定要花一個小時的時間反思這週，工作和生活上的進展。

生活

今天因為天氣很好，選擇先坐在戶外，感受大自然新鮮空氣的滋養。很舒服～（除了有個重機大哥突然出現，製造噪音外，但他一下就離開了，幸好）

今天從書櫃拿出 『高成長思維』這本躺了一年以上的書，最近對於身處矽谷這個創業天堂更加有感觸。例如我現在寫作的同時，隔壁正聊著 “What’s your philosophy of this AI / Coding Agent?’ Wow, 讓我不禁想偷聽他們的談話內容。其中男生說到：What we’re doing now is basically the hardware version of ChatGPT. 聽起來好酷！不太明白是什麼意思，但生活在被高科技圍繞的城市真的令人興奮！

『高成長思維』（Masters of Scale) 是 LinkedIn 創辦人雷德．霍夫曼（Reid Hoffman) 等創業家撰寫的書。書本設計了十大創業時會遇到的主題，總共登場七十多位知名成功創業家。非常期待能從書中學習在創業中遇到的各種困難，如何度過難關，以及他們創業成功的秘訣與心法。詳細的閱讀筆記可以參考這篇文章。

今天讀到的 Takeaways:

1. Scale – 規模擴大：要在適當的時機，用安全的方法
   • 時機：當供不應求，客戶想買但買不到時：這時是可以擴大的時機。
   • 方法：要『控制風險』。想著最壞的情況：若擴大後業績沒有上漲，公司還可以營運嗎？
     • 擴大的原則：確認擴大後萬一業績完全沒進步，還是可以負擔。這是確保公司活下來的方法！

在讀高成長思維推薦序時，突然內心深處有個很強烈的渴望與聲音：

我想要創立自己的事業 — 我知道我未來一定會創業。

此時，我想寫下我現在心目中最強烈的 North Star – 它和我三個月前（去年十月）想出的 North Star 已不同：

至於要創什麼業，有過各種不同的想法：

• 在臺北開一個最好喝的咖啡廳，要把美國咖啡小店有的各種 Cortado, one & one, Flat white 都引入臺灣。
  • 有一個瘋狂的想法：希望可以探索世界各地的咖啡，研究不同咖啡豆產出的味道，不同製作方法（義式高壓濃縮，滴濾，冷萃 。要做到此事，除了品嚐我也必須開始學習手沖咖啡。
• 開發一個軟體工具 (SDK/網頁/APP）並以此獲利
  • 開發軟體的好處是：迭代快速，菁英編制就能開發，不受時間地點限制都可以開發。
  • 這條路困難的點在於：客群定位。首先要決定解決什麼痛點，鎖定的目標客群是誰，以及市面上已有的 Solution是什麼，要如何“創新”或是提供只有我們才能提供的獨特價值。

除了閱讀外，這週完成了幾件事情：

1. 寫完 2025 閱讀回顧文：在週六時到 Coffee Bean Cafe
2. 重拾健身習慣：週二中午突然受不了，用午休時間跑去 24 hour 快速練胸，訓練後非常有精神。週三週四和週六也都有去健身房訓練。
3. 重拾跑步習慣：從週二開始下班後回歸跑步習慣，兩週沒跑步加上感冒，剛開始很痛苦。慢慢找回跑步的節奏，週六傍晚很幸運的在 Guadelupe Trail 一邊欣賞美麗的夕陽一邊慢跑，非常愜意。
4. 寫下今年的 Vision Board，12 週年計畫和長期願景＆夢想清單：受到薑餅資的影片影響，今年決定開始有系統的用四次 12 周計劃確實執行安排的任務。希望透過規律的追蹤，能夠提高目標的達成率以及任務執行率。
5. 週六時錄製了『黃昏之時』的剛琴，完成一直想練的旋律。也確定自己要練『浪流連』和『希望你回來』的爵士鼓。題外話：最近很喜歡茄子蛋的曲風，希望未來能聽他們的現場。現在最喜歡『日常』這首歌。

根據過去執行 12 周計劃最難的點在於『持續執行』。今天學到了 Daily Highlight 這個時間安排的方法，明天（1/12) 開始希望每天早上從 Daily Highlight 找一件事情執行，並在睡前回顧 Task Database。另外，每週日的這個反思時間，也要記得打開 12週一年計劃的追蹤表，檢視自己目標的執行率，並把下週的任務安排進行事曆。

放上一些照片回顧：

工作

本週工作上的進度：

Localization & Mapping

這週完成了幾個重大的 deliverables:

1. Update SnapFeatureAltitude – logic for points without tile elevation data.
2. First version of Altitude Validator
3. Merge Incremental Autopatch Updates Operation

Online Mapping

這週接收到一個新的任務，充滿挑戰但也相信會帶來很大的成長：如何把新的 Dataset 融入現在的 training pipeline。

動機：
現有的 Change Detection 是基於從 Ground-truth 加上 mutation (data augmentation) 去產生的，在生成 HD prior 時是從 GT Label 加上 mutation 得到的 Synthetic Outdated Context Map。因此，每個 GT 都保證有一個 prior，所以在 Loss function 是使用 1-to-1 loss。

問題：那現在用的 context_map_prior_db 是什麼功能？（下週請回答此問題，我的觀念還不是很確定）
猜測：因為整個 scene set都是用這組舊的 context map。實際上 model 在 training 時，是從 GT label + mutation 得到 input prior features，這個 old context map 只是作為 visualization嗎？還是說，模型完成訓練後，在 inference time能夠從這個 old prior 生成正確的 context map features？後者好像比較合理。

請寫成工作的 document 幫助我自己了解。

任務目標：
新的資料集是透過 real-world change 採集的資料，有 old_cm_version 和 new_cm_version 兩種 labels。目標是：在 data dumping時，讓 data dumping producer 和 consumer 可以使用這兩個 attributes 去生成訓練資料。

• HD Prior feature: from old_cm_version
• GT CM Label: from new_cm_version

如果可以用真實的 world change 生成 (training data, GT label) pairs 訓練模型，模型能從更真實和多樣的資料學習。
This is essentially a Supervised Learning problem. (Training data: camera images, Lidar, old cm prior; Label: GT cm)