機(jī)器人無疑已成為下一個(gè)科技明日之星，全球各國無不積極推動(dòng)機(jī)器人產(chǎn)業(yè)，而近期人工智能與深度學(xué)習(xí)等技術(shù)發(fā)展熱度增溫，更成為推動(dòng)智能機(jī)器人發(fā)展的重要?jiǎng)幽堋?根據(jù)工研院IEK研究報(bào)告預(yù)估，全球智能機(jī)器人的市場規(guī)模預(yù)計(jì)在2021年將成長至336億美元，而亞洲將是成長最多的地區(qū)。
根據(jù)財(cái)團(tuán)法人精密機(jī)械研究發(fā)展中心的定義，智能機(jī)器人可透過傳感器感知環(huán)境，并藉由程序化處達(dá)成智能化理解，最后反應(yīng)出所需動(dòng)作，以執(zhí)行各種生產(chǎn)活動(dòng)、提供服務(wù)或與人互動(dòng)。 它是集合各種技術(shù)于一體的平臺，包含機(jī)械、控制自動(dòng)化、電子、電機(jī)、影像、光學(xué)、通訊、軟件與安全系統(tǒng)等相關(guān)技術(shù)與應(yīng)用，其中軟硬件整合技術(shù)至為重要。 本課程深入探討智能機(jī)器人產(chǎn)業(yè)前景，并剖析關(guān)鍵技術(shù)、零組件與軟硬件架構(gòu)。
服務(wù)機(jī)器人具發(fā)展?jié)摿?/strong>
根據(jù)資策會(huì)MIC研究數(shù)據(jù)顯示（圖1），2015年四大應(yīng)用領(lǐng)域機(jī)器人市場規(guī)模合計(jì)約269億美元，其中以工業(yè)機(jī)器人110億美元比重最高，但到了2025年整體市場規(guī)模將擴(kuò)大到669億美元，盡管市場規(guī)模還是以工業(yè)機(jī)器人的244億美元最大，但商業(yè)用機(jī)器人與個(gè)人用機(jī)器人2000～2025年復(fù)合成長率（CAGR） 分別為11．6％與17．4％，資策會(huì)MIC產(chǎn)業(yè)分析師張佳蕙（圖2）指出，尤其是2015年以后，這兩類應(yīng)用成長更為顯著，服務(wù)型應(yīng)用市場當(dāng)中，有許多過去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動(dòng)其成長潛力。
圖1 2000～2025年全球各應(yīng)用領(lǐng)域機(jī)器人產(chǎn)業(yè)規(guī)模
數(shù)據(jù)源：BCG，2014；資策會(huì)MIC，2016／1
資策會(huì)MIC產(chǎn)業(yè)分析師張佳蕙指出，2015年以后，服務(wù)型應(yīng)用市場，有許多過去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動(dòng)其成長潛力。日本軟件銀行近年大舉進(jìn)軍機(jī)器人領(lǐng)域，一連串的動(dòng)作引發(fā)市場關(guān)注，張佳蕙說，包括2012年收購法國人形機(jī)器人公司Aldebaran Robotics，其2014年推出的人形機(jī)器人Pepper陸續(xù)與IBM Watson、Microsoft Azure合作。 Softbank提出以溝通為基礎(chǔ)提供家庭及商業(yè)應(yīng)用的愿景，Pepper被設(shè)定為「希望能被愛」的機(jī)器人，透過互動(dòng)溝通了解家中成員，成為家中的一份子；并在人工智能的基礎(chǔ)下，讓Pepper協(xié)助企業(yè)產(chǎn)品的營銷，在家庭兼具娛樂及學(xué)習(xí)效果。 此外，目前較知名已投入市場的服務(wù)型機(jī)器人還有Leka與Savioke。
近年各國都不約而同將機(jī)器人視為戰(zhàn)略產(chǎn)業(yè)，日本發(fā)展機(jī)器人已久，2015年日本政府設(shè)立機(jī)器人革命倡議協(xié)議會(huì)，推動(dòng)機(jī)器人產(chǎn)業(yè)的發(fā)展；韓國則是由產(chǎn)業(yè)通商資源部主導(dǎo)，每五年制定基本計(jì)劃，目標(biāo)是在2022年成為機(jī)器人活用的國家，生產(chǎn)規(guī)模達(dá)25兆韓圜；美國則是從2011年開始，由美國國家科學(xué)基金會(huì)（NSF）主導(dǎo)， 發(fā)展能夠安全與人協(xié)同工作的機(jī)器人技術(shù)。 目前韓國以家用機(jī)器人為發(fā)展主力，美國則是在救災(zāi)國防領(lǐng)先各國，張佳蕙建議，家庭應(yīng)用與公共應(yīng)用各國布局已深，商業(yè)應(yīng)用近期興起，臺灣可以伺機(jī)切入。
深度學(xué)習(xí)、語音識別等技術(shù)在近年有顯著的發(fā)展，也因此促成服務(wù)型機(jī)器人產(chǎn)業(yè)與應(yīng)用的興起，機(jī)器人從過去單向溝通執(zhí)行命令，進(jìn)化到可以理解語意響應(yīng)對話內(nèi)容，應(yīng)用服務(wù)為機(jī)器人后續(xù)發(fā)展重點(diǎn)。 機(jī)器人應(yīng)用情境多元，在不同場合必須結(jié)合各領(lǐng)域?qū)I(yè)知識及對用戶需求的了解，因此廠商應(yīng)透過開放平臺，加快機(jī)器人在各領(lǐng)域的應(yīng)用。
類神經(jīng)網(wǎng)絡(luò)技術(shù)大躍進(jìn)
深度學(xué)習(xí)這個(gè)名詞因?yàn)?016年人工智能AlphaGo連敗南韓棋王，機(jī)器首度成功挑戰(zhàn)人腦，并在圍棋這個(gè)普遍被認(rèn)為難度最高的博弈活動(dòng)中，一時(shí)又被世界大眾所關(guān)心。 而AlphaGo的深度學(xué)習(xí)核心就是類神經(jīng)網(wǎng)絡(luò)技術(shù)，早在1943年，Warren McCulloch以及Walter Pitts首次提出神經(jīng)元的數(shù)學(xué)模型，之后到了1958年，心理學(xué)家Rosenblatt提出了感知器（Perceptron）的概念，在前者神經(jīng)元的結(jié)構(gòu)中加入了訓(xùn)練修正參數(shù)的機(jī)制，這時(shí)類神經(jīng)網(wǎng)絡(luò)的基本學(xué)理架構(gòu)算是完成。 類神經(jīng)網(wǎng)絡(luò)的神經(jīng)元其實(shí)是從前端收集到各種訊號（類似神經(jīng)的樹突），然后將各個(gè)訊號根據(jù)權(quán)重加權(quán)后加總，再透過活化函數(shù)轉(zhuǎn)換成新訊號傳送出去（類似神經(jīng)元的軸突）。
相關(guān)技術(shù)架構(gòu)其實(shí)早在1970年代就已經(jīng)完成了，數(shù)據(jù)決策技術(shù)長尹相志（圖3）表示，深度學(xué)習(xí)其實(shí)就是類神經(jīng)網(wǎng)絡(luò)的另一種說法，其成功來自于更深入理解人類大腦的運(yùn)作。 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）協(xié)助機(jī)器發(fā)展真正的視覺，其中的兩大原則為：局部感知與權(quán)重共享。 讓機(jī)器可以從碎片特征理解整體意義，進(jìn)而找出特征的群聚性，不斷分層細(xì)化的分析，無論是多細(xì)微的特征：只要不化成灰，都能抽取特征。
數(shù)據(jù)決策技術(shù)長尹相志表示，深度學(xué)習(xí)技術(shù)架構(gòu)1970年代就完成了，其成功來自于更深入理解人類大腦的運(yùn)作。其中，圖形辨識是其中的重點(diǎn)，在過往的認(rèn)知中，中央處理器（CPU）與繪圖處理器（GPU）處理不同的運(yùn)算功能，單就圖形辨識的深度學(xué)習(xí)功能來說，GPU的效能是CPU的百至千倍，尹相志進(jìn)一步表示，透過深度學(xué)習(xí)，機(jī)器甚至可以將原本馬賽克圖案的照片效果移除還原。 不過，在語音與文字的辨識上，中文對于機(jī)器還是很大的挑戰(zhàn)，中文詞匯超過百萬，無須約定成俗即可創(chuàng)造新字以及賦予詞性，還有很多中英、中日、中韓夾雜的詞匯，諸如：藍(lán)瘦、香菇、94狂等。
大廠搜集數(shù)據(jù)布局未來
機(jī)器人產(chǎn)業(yè)前景受到各方矚目，尤其深度學(xué)習(xí)、人工智能成為各大廠布局下一波企業(yè)發(fā)展的方向，包括臉書（Facebook）、微軟（Microsoft）、谷歌（Google）與亞馬遜（Amazon）。 這些企業(yè)的共通點(diǎn)就是都透過產(chǎn)品、服務(wù)與消費(fèi)者互動(dòng)，并累積了多年的初級數(shù)據(jù)，未來人工智能與深度學(xué)習(xí)說穿了都是大量數(shù)據(jù)搜集、整理并分類、標(biāo)注（Tag）使這些初級數(shù)據(jù)變成信息，最后再透過強(qiáng)大的處理器快速搜尋與反應(yīng)的結(jié)果。
從這樣的架構(gòu)來觀察，碩網(wǎng)信息總經(jīng)理邱仁鈿（圖4）認(rèn)為，四大廠之間FB的數(shù)據(jù)結(jié)構(gòu)化程度最高，因?yàn)槊總€(gè)用戶上傳文章或圖片時(shí)，已經(jīng)將內(nèi)容整理過，圖片分辨率高甚至照片中的人物也直接標(biāo)注了，未來FB要藉由這些數(shù)據(jù)做進(jìn)一步整理或利用時(shí)，可以花費(fèi)最少的時(shí)間，或進(jìn)行更高質(zhì)量的整理。 目前世界上有80％的數(shù)據(jù)數(shù)據(jù)是非結(jié)構(gòu)化的，認(rèn)知運(yùn)算能夠提升并簡化學(xué)習(xí)過程。
因此，機(jī)器人要降低錯(cuò)誤率重點(diǎn)就在數(shù)據(jù)的完整性與結(jié)構(gòu)化，邱仁鈿進(jìn)一步解釋，深度學(xué)習(xí)的應(yīng)用歷程從底層的類神經(jīng)網(wǎng)絡(luò)運(yùn)算、大量數(shù)據(jù)分析、發(fā)現(xiàn)規(guī)則／自動(dòng)歸類、產(chǎn)生媒合／推薦策略、記錄用戶行為、回饋到模型／提升準(zhǔn)確率，最終就是要提升數(shù)據(jù)質(zhì)量并產(chǎn)生自我學(xué)習(xí)修正機(jī)制。
協(xié)作型機(jī)器人角色更加重要
工業(yè)制造從80、90年代的自動(dòng)化，發(fā)展到2000年代的智能制造，未來的智能工廠除了更高度的自動(dòng)化與取代更多復(fù)雜的人力制程之外，還希望發(fā)展更多協(xié)作型機(jī)器人，臺達(dá)電子機(jī)器人事業(yè)群機(jī)器人事業(yè)處長彭志誠（圖5）說明，包括點(diǎn)膠（Dispensing）、上螺釘（Screwing）、焊接（Soldering）、檢驗(yàn)（Inspection）、組裝 （Assembly）、卡匣自動(dòng)搬運(yùn)車（Pick ＆ Place Vehicle， P＆P）等，甚至可以彈性更換夾具與工具，生產(chǎn)線因產(chǎn)品、制程需要而可以彈性重組（Reconfigurable），可以處理更多客制化的實(shí)時(shí)訂單。
一個(gè)機(jī)器人系統(tǒng)，彭志誠解釋，可以簡單分成機(jī)械結(jié)構(gòu)（Mechanical structure）、驅(qū)動(dòng)程序、運(yùn)算與控制單元、傳感器、通訊模塊幾個(gè)項(xiàng)目。 未來協(xié)作型機(jī)器人的市場發(fā)展趨勢為業(yè)界矚目，多家研究單位都看好其發(fā)展，Barclays Equity研究指出，2020年該市場規(guī)模將挑戰(zhàn)30億美元，2015～2020年復(fù)合成長率97％，是非常高度成長的市場。
工業(yè)4.0促成自主機(jī)器人發(fā)展
智能機(jī)器人的發(fā)展要從德國喊出的工業(yè)4．0口號來觀察，臺科大自動(dòng)化及控制研究所副教授李敏凡（圖6）說，該口號的精神在少量多樣、周期短，一切商業(yè)活動(dòng)始于賣方，過去傳統(tǒng)的生產(chǎn)價(jià)值鏈順序顛倒，從顧客需求開始驅(qū)動(dòng)研發(fā)，再到供應(yīng)鏈與生產(chǎn)，完成整個(gè)商業(yè)活動(dòng)。 因此，生產(chǎn)線必須維持高度彈性，以因應(yīng)各式各樣不同的需求，并實(shí)時(shí)反應(yīng)。
自主移動(dòng)機(jī)器人（Autonomous Mobile Robot）有別于非自主性質(zhì)的機(jī)器人，李敏凡指出，非自主性質(zhì)如遙控是由人類以有線或無線方式控制；自動(dòng)是執(zhí)行規(guī)畫好的任務(wù)計(jì)算機(jī)程序；而自主則是可以在未知環(huán)境，處理非預(yù)知的工作，并可隨時(shí)、隨機(jī)彈性調(diào)整工作內(nèi)容。 簡單的說，工業(yè)4．0就是工業(yè)3．0加上人工智能，自主機(jī)器人的行為內(nèi)容包括，避障、目標(biāo)搜尋、軌跡追蹤、保持隊(duì)形等。
傳感器應(yīng)用質(zhì)量均升
從關(guān)鍵零組件的角度來看，臺科大電子工程系賴文政（圖7）博士說，機(jī)器人是由許多次系統(tǒng)整合而成的，若進(jìn)一步將次系統(tǒng)拆解，則可以大致分成顯示器、輸入設(shè)備如鍵盤／游戲桿、驅(qū)動(dòng)器如馬達(dá)、通訊設(shè)備、感測模塊、視覺模塊、導(dǎo)航模塊等重要單元。 這些模塊在一個(gè)機(jī)器人身上可能出現(xiàn)多次，而微控制器（MCU）與傳感器，在許多次系統(tǒng)或模塊上都會(huì)一再出現(xiàn)，是非常重要的關(guān)鍵零組件，而且隨功能提升，這些關(guān)鍵零組件的使用量也將更為驚人。
尤其是傳感器，要讓機(jī)器人更聰明，需透過這些前端的傳感器搜集更多信息，意法半導(dǎo)體（ST）模擬、微機(jī)電與感測組件應(yīng)用經(jīng)理陳建成（圖8）說明，傳感器分成動(dòng)作、環(huán)境、聲音三類，以當(dāng)紅的Pepper為例，其頭部有四個(gè)麥克風(fēng)、兩個(gè)RGB相機(jī)、一個(gè)3D傳感器、三個(gè)觸控傳感器、胸前有一個(gè)陀螺儀、手部有兩個(gè)觸控傳感器、腿部有兩個(gè)聲納傳感器、 雷射傳感器六個(gè)、三個(gè)保險(xiǎn)桿傳感器、一個(gè)陀螺儀、兩個(gè)紅外線傳感器，共九類近30顆傳感器。
也由于感測的需求越來越高，環(huán)境傳感器將往新應(yīng)用領(lǐng)域發(fā)展，微機(jī)電類型的電子羅盤、加速度計(jì)、陀螺儀、麥克風(fēng)等將持續(xù)提升感測精準(zhǔn)度，也就是降低噪聲干擾，提升感測靈敏度與精度。 另外因應(yīng)傳感器融合（Sensor Fusion）的發(fā)展趨勢，將促成同性質(zhì)的傳感器融合，如加速度計(jì)整合陀螺儀成為六軸傳感器，加速度計(jì)整合電子羅盤與陀螺儀成為九軸傳感器。 未來單一功能的傳感器將會(huì)越來越少。
智能機(jī)器人測試項(xiàng)目繁復(fù)
智能機(jī)器人尤其是陪伴與服務(wù)型機(jī)器人遲遲未能普及的一個(gè)重要原因就是安全性，有些陪伴型機(jī)器人動(dòng)輒幾十公斤，加上移動(dòng)速度，若是在家中發(fā)生意外，面對的是小朋友與老人家，恐怕還未達(dá)成陪伴的目的就先釀成災(zāi)害。 另外，在工廠的生產(chǎn)在線，每天與機(jī)械為伍的人員，安全風(fēng)險(xiǎn)更是有增無減。
因此機(jī)器人產(chǎn)品風(fēng)險(xiǎn)與驗(yàn)證也是一個(gè)重要的議題，UL能源暨電力科技部事業(yè)發(fā)展經(jīng)理陳立閔（圖9）指出，UL 1740標(biāo)準(zhǔn)是美國對于機(jī)器人設(shè)備的基本安全設(shè)計(jì)要求，其中的測試要點(diǎn)包括電源輸入、最大負(fù)載電流、操作溫度、過電壓與欠電壓、漏電流、操作軟件、手持部位、導(dǎo)體失效、通風(fēng)馬達(dá)死鎖、驅(qū)動(dòng)馬達(dá)死鎖、馬達(dá)煞車、零組件破損、過載、斷電與重啟、 緊急停止裝置、緊急停止時(shí)間與移動(dòng)距離測量、斷電下的緊急移動(dòng)、抓取裝置、教學(xué)模式下的低速運(yùn)動(dòng)測量、突電壓的防護(hù)、絕緣材料耐受電壓、電路板耐受電壓、彎折、軸向旋轉(zhuǎn)耐受性、提拉與移動(dòng)、外殼強(qiáng)度等數(shù)十個(gè)項(xiàng)目。
而且不是只有整機(jī)要測試，陳立閔強(qiáng)調(diào)，零組件安全與軟件安全都要測試，其他還有很多必要與非必要的安全防護(hù)，跟產(chǎn)品的類型與個(gè)別特性有關(guān)，例如機(jī)能安全（Functional Safety）認(rèn)證，內(nèi)容提到機(jī)器設(shè)備的安全可靠性分成五級，耐用次數(shù)從一萬次到一千萬次。 智能機(jī)器人的驗(yàn)證內(nèi)容繁瑣，因應(yīng)產(chǎn)業(yè)與時(shí)代的發(fā)展，當(dāng)我們與機(jī)器人的互動(dòng)越來越密切，也可能因?yàn)榘l(fā)生新的非預(yù)期意外，使得安全驗(yàn)證的項(xiàng)目越來越多，因此如欲投入智能機(jī)器人領(lǐng)域，及早了解復(fù)雜的安全認(rèn)證內(nèi)容并導(dǎo)入非常重要。
