機器人的運用已十分普遍，並協助解決工廠、餐飲業等需要人力較多的行業。隨著AI科技的發展，機器人加上人工智慧（Artificial Intelligence）和影像視覺辨識的應用，用途將更加廣泛。

機器人應用，像是自動導引車（Automatic Guided Vehicle, AGV）在智慧工廠和服務業已相當普及。無論是放在重複性高，或是需要搬運重物的場所，替代容易造成產線員工職業傷害的動作，例如紡織工廠的布匹搬運；又或者是餐廳的送餐機器人、飯店送備品的自主式移動式機器人，用以彌補服務業人力短缺等。

而搭載了雷射導航（LiDAR SLAM）或是視覺導航（Visual SLAM）的自主移動機器人（Autonomous Mobile Robot，AMR），能夠判斷周圍的環境、位置，及時調整路徑，繞行過障礙物，提供比AGV更多的彈性和應用場景。

現在，加上人工智慧（Artificial Intelligence）和影像視覺辨識的機器人應用，用途更加廣泛。

人工智慧與視覺辨識擴大機器人應用場景

試想一情境，當病人到大型醫療院所，於診間看診結束，而藥局裡的藥師收到電腦系統發出的病患藥單，一一核對撿藥，核對藥品種類與數量放進包裝，再交到病人手中。這當中的流程與環節，每一步驟皆需要100%準確度。

而搭載了影像辨識和人工智慧的機器人應用，將可大幅減少出錯率，且減輕藥師負擔。只要在資料庫（Database）中，內建藥品正反面外包裝資料，搭載視覺的機器手臂經過光學字元辨識（Optical Character Recognition, OCR），透過AI技術，將擷取到的字元和資料庫進行比對，再經過深度學習（Deep Learning），即能精準辨識藥品。當系統接收到藥單，機器手臂就能從藥架中撿出所需要的藥品品項，提供藥師進行分裝。

圖1：所羅門展示的影像辨識系統，可辨識桌上零散藥盒品項，當符合左下角的藥單時，電腦螢幕畫面出現「OK」提示。
圖片來源: 2024 COMPUTEX所羅門展示攤位

而應用在工廠，系統則可以從物料清單（Bill of Material, BOM）表中，讀取生產製造所需要的成品和半成品，由機器手臂自動撿料，上線生產。結合AI和機器人應用，真正做到關燈工廠的目標。

若是應用在農業，可針對不同農產品的大小進行分揀；而當有不同品項的物品混雜在一起時，只要標記物品影像，透過資料庫的樣本圖像學習，即可辨識物品種類和3D位置，是農業進入自動化領域的便利工具。

此外，過去AMR雖然可以自動重新規劃路徑，但仍普遍存在停靠點定位精確度不足的情形。內建視覺與AI技術，經過訓練後，就可以大幅減少每次遇到不同的動線，需耗費的座標校準所需時間， 不僅提高生產稼動率，更可以用在需要高度準確性的半導體晶圓搬運等使用場景。

圖2：內建視覺系統的達明機器人
圖片來源：達明機器人 https://www.tm-robot.com/zh-hant/tm-robot/

3D影像辨識技術和大量算力成為挑戰

雖然3D影像辨識機器人搭配AI應用，為百工百業帶來無限想像，但在實務應用上，3D影像辨識目前產品化程度不高，主要停留在小量客製化階段。特別是光線、雜訊等環境因素，都會影響3D影像辨識的準確度；再加上需要大量的算力資源，在部署時，需要更高的導入成本。因此，除了需要有大量的資料進行模型訓練，也採用更高效力的算法，降低計算成本。

利基市場是台灣的機會

目前大陸紅色供應鏈的低價策略，為台灣生產製造AGV和AMR的廠商帶來挑戰。但是加上需要資料庫比對的人工智慧應用，反而是台灣廠商可加以著墨的利基市場。特別是專屬領域的資料庫和文本，無論是半導體領域的晶圓檢測機器人、農產品採摘與分揀機器人，又或是醫療場域的應用等等，台灣在利基市場將有更高的勝出機會。

封面圖片來源：Pexel網站，網址https://www.pexels.com/zh-tw/photo/8438976/

參考資料來源：達明機器人。網址：https://www.tm-robot.com/zh-hant/tm-robot/