(硬是要學／手哥 HANDBRO 報導)
當 AI 從螢幕走進我們的生活，智慧家電也正迎來一場革命。美國掃地機器人領導品牌 iRobot® 今年正式宣布邁入「齊發元年」，全新 Roomba® 系列 強勢登場，從旗艦機皇到入門機型，全方位滿足不同居家需求。這次的重點很明確——「定製專屬於您的潔淨」。不論你是毛孩家庭、兩人小家、還是學生宿舍，iRobot® 都替你準備好一套智慧清掃方案。
本文 iRobot Roomba 2025 全面升級：AI 熱水洗拖、全自動基座、雙 11 優惠 75 折起 最早出現於 硬是要學。
ChatGPT 和 Claude 很好用，但你有沒有覺得有一個根本的問題：每次開新對話，它就忘記你是誰了。你的 […]
這篇文章 AI 助理會「自我進化」！Hermes Agent 完整教學：安裝、設定、連接 Telegram，讓 AI 越用越聰明 最早出現於 軟體玩家。
中國人形機器人產業的生產端與需求端，正在往兩個完全不同的方向走。目前中國有超過 150 家企業投入這個領域，光去年全球人形機器人出貨量就有九成來自中國，而 Unitree 與 AgiBot 兩家龍頭合計估值衝上 130 億美元。
從這些數字看，產業似乎正在高速起飛，但當摩根士丹利去調查實際買方時，卻是不同的光景。
首先，只有 23% 的受訪企業對市面上的產品感到滿意——電池續航停在兩到三小時，靈巧度與感知能力不足以應付真實工作場景；而且定價更讓大規模採購成為奢望，92% 的受訪企業表示，售價必須跌破 28,000 美元才會考慮大量採購。此外，目前真正在進行評估或試點的企業，只有約一成。
這個落差並非短期的庫存問題，而是整個市場的供需失衡。中國國家發展和改革委員會在 2025 年底罕見對外發聲，點出產業內公司數量已突破 150 家且仍在增長，過半為新創或跨界進入者，並警告產品重複、投資冗餘、真正研發空間遭到擠壓。
北京最高層級的經濟規劃單位公開講出「泡沫風險」這四個字，更凸顯現實狀況確實不明朗。
畢竟人形機器人已被中國列進「十五五」規劃（2026-2030年）的十大優先產業之一，背後還有一兆人民幣的國家基金在支撐，等於是政府自己跳出來表態，自己扶植的這個產業已經過熱了。
還有一點更值得注意，這些機器人大廠如今生產出來的機器人，大部分根本沒賣給真正會付錢的客戶，而是留在自己公司內部，拿來訓練機器人、測試系統用。
摩根士丹利分析師指出，2026 年人形機器人企業必須證明自己商模能真正變現，但現實卻是廠商生產出來的量明顯多過真正賣出去的量。且那些好看的出貨數字裡，有一大部分其實是廠商自己使用的，包括訓練機器人、測試系統等，根本尚未轉換成真正的收入。
即便 Unitree 的人形機器人在 2025 年的營收超越四足機器人，但整體規模對照它瞄準的 70 億美元估值，還是略顯不足，而準備在香港掛牌、估值 60 億美元的 AgiBot 也一樣。
再把鏡頭拉回去年那場北京 E-Town 半程馬拉松，Honor 做的 Lightning 機器人用 50 分 26 秒拿下冠軍，比人類世界紀錄還快了將近七分鐘，超過一百台機器人同場較勁，畫面紅遍全球。獲勝團隊的工程師說，這場比賽幫他們在機器人穩定性和散熱上做出突破，未來可以用到工業場景。
但機器人專家的看法就保守多了，他們認為，在平地上連續用兩隻腳跑步，跟工廠真正需要的「手要靈巧、看得懂環境、能臨機應變」根本是兩種完全不同的能力。春晚的武術表演、CES 上一整排展示、後空翻的短影音，這些畫面吸引到資本進場，但若轉換到實際應用，真的可行嗎？
中國過去在太陽能、電動車、動力電池上都展現過「把技術變現」的能力，十年內就把這些東西做成主導全球的出口產業。問題是，人形機器人從「表演」走到「真實應用」的這段距離會有多遠？
至於美國，Boston Dynamics 的電動 Atlas 已經在 2026 年 1 月開始量產，鎖定向 Hyundai 工廠交數萬台；Figure AI 去年 9 月融資後估值衝到 390 億美元；Tesla Optimus 則已經在自家工廠執行基礎工作，馬斯克說要把價格壓到 2 到 3 萬美元，但他自己也承認還沒真正派上用場。
若單以價格上來看，中國目前還是領先，Unitree H2 和 Kepler 都瞄準 3 萬美元以下。不過五角大廈給 Foundation Future Industries 的 2,400 萬美元軍用人形機器人合約，等於劃出了一塊中國廠商進不去、但戰略價值很高的市場。
接下來的市場洗牌幾乎是必然，150 家公司正在搶奪 2025 年只賣出大約 1.4 萬台的中國市場，最後能活下來的，會是少數玩家。
而剩下的公司，或許會在燒完手上的錢之後，留下一堆工程上看起來很厲害、但除了展會以外無法在任何工業應用場域大展身手的人型機器。
如今，中國有製造基礎、有零組件供應鏈、有政府支持、有工程人才，可以說領跑全球的條件全都齊了，但它現在唯一缺的就是市場本身。
【推薦閱讀】
◆ 2.8 萬台人形機器人已登記 ID：中國正在把 AI 治理延伸到實體世界
◆ 美國人形機器人為何無法規模化上工？前 NASA 機器人部門負責人：只做單一任務，很難創造 ROI
◆ 【資本慣性造成的戰略盲點】機器人市場規模是軟體的 30 倍，但資本投入差距 18 倍
＊本文開放合作夥伴轉載，參考資料：《TheNextWeb》、《Morgan Stanley》，圖片來源：Unsplash
（責任編輯：鄒家彥）
杜克大學（Duke University）研究團隊開發出一套新型機器人系統，顛覆過去以模仿人類外型為主的設計思維，改追求「無論朝哪個方向，都能維持同樣移動能力」的設計概念。為了實現這項概念，研究人員模擬超過 1,500 種機器人配置，從中找出最接近理論性能極限的方案，最終誕生的機器人名為 Argus。
研究團隊指出，這種跳脫傳統的機器人結構，讓 Argus 能在不同地形中維持穩定且高效率的移動表現，也更能勝任複雜的空間操作。其核心關鍵，在於團隊提出的一套名為動態等向性（dynamic isotropy）的數學設計概念。這項指標會以 0 到 1 分來衡量機器人在各個方向上的運動能力是否均衡；分數越高，代表機器人無論朝哪個方向移動，都能維持接近一致的加速度、穩定性與操控表現。
目前多數機器人系統，包括先進四足機器人、人形機器人與傳統無人機，在這項指標上的表現通常不到 0.6；而 Argus 則達到 0.91，已相當接近理論極限。根據《Interesting Engineering》報導，高度對稱的設計，不僅提升了機器人的移動協調性，也在軌跡控制、能源效率、容錯能力、系統穩定性，以及複雜地形導航等面向帶來更好的表現。這套原理未來也有機會成為評估各類機器人性能的通用架構。
相較於過去偏重模仿人類外觀的設計思維，Argus 更強調運動能力與感知系統的整合。整套系統結合全身驅動與感知概念，使移動與環境偵測能同步協作。機器人本體由 20 條可模組化伸縮的機械腿組成，每條腿皆搭載深度攝影機，以放射狀方式環繞中央核心配置。這些機械腿依循正十二面體的幾何結構排列。正十二面體由 12 個五邊形面組成，能讓力量分布與視覺覆蓋更平均。Argus 不需要固定的前後方向，就能在任何方向維持平衡的加速度與穩定視野，在多變環境中保有高度機動性。
《Interesting Engineering》提及，這套設計在實際測試中的表現相當突出。研究人員在杜克大學校園內，針對沙地、森林步道、草地、水泥地與濕滑路面等不同地形進行測試。結果顯示，Argus 幾乎不受朝向限制，能穩定穿越各種地面，甚至跨越高達 5 英吋（12.7 公分）的障礙物。即使遭到外力推擠，Argus 也能迅速恢復平衡；就算有三條機械腿失效，仍可持續移動，展現高度容錯與抗損能力。此外，它還能在接近最高速度的狀態下，搬運約 10 磅（4.5 公斤）的重量，同時維持穩定與機動性。
除了地面行走外，Argus 還具備攀爬垂直牆面的能力。它會透過不同腿部模組交替提供支撐與推進力，完成向上移動。研究團隊也展示，它能在持續翻滾移動的同時，穩定追蹤並推動一個邊長 3 英尺的立方體，顯示其在動態環境下，仍能有效整合感知與運動控制。值得注意的是，這些能力最初都是在模擬環境中完成訓練，再進一步轉移到真實世界應用，反映出整套設計架構具備高度泛化能力與穩定性。
領導這項研究、並主持杜克大學 General Robotics Lab 的 Boyuan Chen 表示：「當機器人在所有方向上都具備相同的加速能力時，它就不需要再以特定方向面對世界。」他也希望，這套原理未來能應用於搜救機器人、水下與空中載具，以及具備抓取能力的新型機器人系統。Boyuan Chen 舉例說，與其打造一隻模仿人類手掌的機械手，不如讓 Argus 本身就成為能從任意方向操作物體的「全向機械手」。他表示，這項研究真正重要的地方，不只是打造出一台特殊的機器人，而是提供一種不同於傳統仿生思維的新方向。
＊本文開放合作夥伴轉載，資料來源：《Interesting Engineering》、《ABCNews》，圖片來源：General Robotics Lab。
NVIDIA 在台北 GTC 大會上宣布，其 Isaac GR00T 人形機器人開發平台將支援宇樹科技（Unitree Robotics）的 G1 人形機器人，並推出一款全新的參考設計：NVIDIA Isaac GR00T Reference Humanoid Robot。它整合 Unitree H2 Plus 人形機器人、Sharpa Wave 五指觸覺靈巧手、NVIDIA Jetson Thor 機載運算，以及 Isaac GR00T 開放軟體與模型。另一方面，Isaac GR00T 開發平台將支援研究界常用的 Unitree G1，相關工作流程預計釋出至 GitHub 與 Hugging Face。
《IBTimes》指出，這套系統旨在協助研究人員更快速地測試與部署機器人，無須從零開始建置完整的硬體與軟體架構。同時，希望透過大型 AI 模型提升人形機器人的學習效率，使其能更快掌握新技能，並更有效地適應真實世界環境。NVIDIA 共同創辦人暨執行長黃仁勳表示，人形機器人將把實體 AI 帶入全球最大的產業領域，創造數兆美元規模的經濟機會，NVIDIA Isaac GR00T Reference Humanoid Robot 則為研究人員提供一個統一且開放的平台，有助於推動通用實體 AI 重要突破。
在硬體設計方面，該機器人採用 Unitree H2 機身架構，身高接近 183 公分、重量約 68 公斤，全身具備 31 個自由度，可模擬人體尺度進行各類研究測試。搭配兩組 Sharpa Wave 五指觸覺靈巧手後，整體自由度提升至 75 個，能夠執行更精細的抓取與操作任務。感測系統則配置頭部雙目立體攝影機、手腕攝影機及慣性測量單元，提供完整的環境感知與動作追蹤能力。
運算核心方面，機器人搭載 NVIDIA Jetson AGX Thor T5000，內建 NVIDIA Blackwell GPU，提供高達 2,070 FP4 TFLOPS 的 AI 運算效能，同時配備 14 核心 Arm CPU 與 128GB 統一記憶體，可支援即時感測資料處理與機器人推論運算。系統亦支援乙太網路、Wi-Fi 6、藍牙 5.2 及 USB 等多種連接方式，並整合麥克風與揚聲器模組，以支援語音互動功能。電力部分則採用 15Ah 電池，可提供約三小時的連續運作時間，並設有遠端緊急停止機制，以提升操作安全性。
目前已有多家國際頂尖研究機構宣布採用這項參考設計，包括史丹佛大學機器人中心、蘇黎世聯邦理工學院、Ai2 及加州大學聖地牙哥分校等研究單位。NVIDIA 表示，開放式平台有助於研究人員在共同架構下進行開發、驗證與成果交流，加速人形機器人技術從實驗室走向實際應用。除了開放給學術界使用外，NVIDIA Research 也將以此平台作為後續研發基礎，持續推進 Isaac GR00T 開放模型、開發框架及相關硬體技術，進一步擴大人形機器人研究生態系規模。
值得注意的是，此次 NVIDIA 與宇樹科技的合作，正值美中科技競爭持續升溫之際。《IBTimes》提及，美國部分國會議員近期曾質疑宇樹科技與中國政府有關，並主張限制其產品用於聯邦政府資助的研究計畫。面對外界關注，NVIDIA 強調，公司目前亦與美國、歐洲及南韓多家人形機器人製造商合作。市場分析認為，此舉除了擴大 Isaac GR00T 生態系布局外，也有助於降低對單一合作夥伴的依賴，分散供應鏈及地緣政治風險。
達明機器人宣佈深化與NVIDIA、QCT的策略合作，正式推出「Physical AI 開發套件（Physical AI Development Package）」。這套業界首創的解決方案，標誌著達明機器人已成功串聯從資料採集、算力支撐到終端部署的完整鏈條，成為台灣 AI 硬體供應鏈中，將數位智慧轉化為實體生產力的「最後一哩路」 。
不同於市場過往僅關注單一機器人型態，達明機器人強調 Physical AI 的核心價值在於「跨平台的智慧賦能」。本次發表的開發套件不僅是為人型機器人 TM Xplore I 量身打造，更是其「AI 雙引擎」戰略（協作機器人 Cobot + 人型機器人 Humanoid）的智慧中樞。透過同一個共享的 AI 架構與開發框架，企業能將 AI 視覺與 VLA 多模態模型快速導入既有的 AI Cobot 產線，或部署至未來的人型機器人應用，極大化研發投資報酬率並降低重複開發成本。
想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展
展會現場完整呈現了 Physical AI 技能訓練的三大關鍵階段，旨在解決企業導入自動化時面臨的「客製化成本高」與「部署週期長」兩大痛點。此整合工作流程全面導入 NVIDIA Isaac GR00T 人形機器人開放式開發平台，用以彌合數位開發與現實世界之間的差距，有效降低總體擁有成本（TCO）並縮短建置週期。
高品質的數據是 Physical AI 的基石。達明機器人與晶翔機電（j-mex）合作，展示如何透過 VR 裝置與專屬 MOXI 穿戴式動作捕捉衣，將人類專家經驗數位化。整合 NVIDIA Isaac Teleop 技術後，系統可進行高保真遠端操作與即時動作重定向，同步控制虛擬與實體機器人。此方法能精準捕捉人類在複雜、非結構化環境中的細緻動作，相較傳統教導方式，更有助於機器人快速學習高靈巧度的工業任務。
在 AI 算力與模型訓練方面，達明機器人整合 QCT 專為 Physical AI 打造的基礎架構，並以 NVIDIA 加速運算硬體為核心，包含 NVIDIA HGX H200 系統與最新 NVIDIA RTX PRO 6000 Blackwell 架構 GPU。此基礎架構運用 NVIDIA Cosmos 3 開放式世界模型（Open world models）進行高擬真的現實資料生成，並部署 NVIDIA Isaac GR00T 1.7 開放式推理 VLA（Vision-Language-Action）模型。該模型賦予機器人進階的視覺感知、語言理解與機器人動作推理能力，讓機器人不再只是執行固定指令，而能理解人類意圖、判讀環境並進行任務層級的決策。
訓練完成的模型將先於 NVIDIA Isaac Lab Arena 中進行虛擬評估，再部署至 TM Xplore I 等實體機器人系統。透過 NVIDIA Isaac ROS 串聯感測器、致動元件與 AI 功能，達明機器人現場展示了整合既有產線的 AI 伺服器製造流程。此應用超越傳統的物料搬運，展現機器人在動態且非結構化生產環境中的強大執行力，也凸顯 Physical AI 在半導體、電子組裝與智慧物流等高價值產業的落地潛力，滿足高階自動化對精準度、適應力與操作可靠性的嚴格要求。
達明機器人營運長黃識忠表示：「台灣擁有全球最完整的 AI 硬體生態系，而達明機器人的使命，就是將這些驚人的數位算力轉化為實體產線的真實生產力與獲利能力。我們與 NVIDIA 及 QCT 的合作，已從打造『聰明的機器人』進一步發展為建構可規模化、能創造價值的 Physical AI 生態系。透過『Physical AI 開發套件』，我們正在降低企業導入 AI 機器人的門檻，並縮短從數位孿生開發到真實生產部署的距離。這將是全球高階自動化落地的重要轉折點。」
（本文訊息由 達明機器人 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：達明機器人）
AI（Physical AI）正成為科技產業下一波競逐焦點，看準這股趨勢，COMPUTEX 2026 首度設立 AI 機器人展區，聚焦具身智慧（Embodied AI）、機器人運算平台、智慧城市與數位孿生等技術發展。
實際走訪展區可以發現，現場展示的重點不只是機器人本體，而是支撐機器人運作的整體技術生態系。從 VLM 模型、邊緣運算平台，到減速機與視覺辨識系統，各家廠商正試圖補齊 Physical AI 從感知、決策到自主執行所需的關鍵技術。
COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展
過去工業機器人大多依靠預先編寫的程式執行固定任務，但隨著生成式 AI、AI Agent 技術進入機器人領域，產業開始追求更高層次的環境理解與自主決策能力。其中，所羅門的展示便是代表案例之一。
所羅門除了展出招牌的機器視覺技術解決方案，這次更強調 VLM（Vision-Language-Model）技術的整合。所羅門指出，非標準化的場景隨時可能遇到突發狀況，由於工程師無法將世界上所有的意外情境寫進程式裡，因此機器人需要仰賴 VLM 來應變。而其也宣布整合 NVIDIA NemoClaw 架構，用於協調人形機器人上的多個 AI 代理，目的將推理、感知、感測器融合、移動與操作整合至單一工作流程中。
所羅門表示，現行的人形機器人仍高度仰賴近距離視覺來進行語意理解，通常要移動到物體附近才能確認目標或解讀環境背景，而透過 AI 代理與感知能力的協作，能提高機器人執行任務的精準度，省去頻繁走位確認物體的麻煩。
另一個導入 AI Agent 到機器人領域的案例是研揚。研揚與英特爾共同展出了應用於工業產線的即時瑕疵檢測系統，在 AI Agent 的應用面是將其設計為人員與機器設備之間的溝通介面。廠房營運人員只需透過簡單的文字或語音指令，即可直接詢問 AI Agent「今天檢查了多少板子？」或「目前的瑕疵率為何？」等問題，系統便會即時從伺服器抓取數據回報。
來自韓國的機器人新創 Circulus 則展示另一種路線。其展出最大亮點在於專攻機器人的「大腦」，強調採用邊緣運算（Edge AI）技術而非依賴雲端，使機器人能在無網路的環境中運作，同時避免廠房資料上傳雲端，以符合部分企業對機密工程資料保護的需求。
除了 AI 大腦，機器人能否順利移動、抓取與執行任務，仍仰賴大量關鍵零組件支撐。首度參加 COMPUTEX 的上銀，展示從微型滑軌、滾珠螺桿、減速機到關節模組等產品。該公司表示，機器人的手指控制、關節旋轉與直線運動，都需要高度精密且穩定的機械元件支援。
現場展示的亮點之一，便是首度公開發表與美國大廠 Dexterity 合作的雙臂物流機器人。該款機器人突破傳統六軸限制，擁有八軸結構，可應用於物流搬運場景。上銀指出，雙臂機器人能像人類的雙手一樣，從左右兩側夾取貨櫃內的物品；當遇到比較重的物件時，還能利用兩隻手合力搬起重物。上銀也與工研院合作開發高自由度夾爪與多軸機器人技術，希望提升機器人在複雜環境中的操作能力。
另外也是首度參加 COMPUTEX 的宇隆，將焦點放在機器人所需的減速機與關節模組市場，並且主打「非紅供應鏈」。該公司原本深耕汽車引擎零件的精密加工領域，近年開始轉向機器人產業，開發諧波減速機、微型減速機等產品。
宇隆指出，一台人形機器人大約需要 20 至 40 個減速機，因此減速機被視為機器人關節系統的重要核心元件。除了提供單一零組件，該公司也進一步整合馬達、驅動器與減速機，提供機電整合方案，協助客戶縮短開發與驗證時間。值得關注的是，宇隆表示，其自主研發的微型諧波減速機，透過自行改良設計、獨家材料配方與產學合作選材，使同尺寸的減速機在體積不變的情況下，提供高出競品 1.5 倍的尖峰扭力。
展區內也出現了一個值得關注的參與者：來自越南的機器人新創 VinRobotics。該公司展出雙足人形機器人，提供從硬體到軟體的完整產品，表示除了採購 Intel 或 NVIDIA 等科技大廠的零件進行整合外，機器人的外殼、內部致動器（actuator）等零件皆為自行製造，自主研發比例超過一半。
VinRobotics 機器人目標應用場景為工廠，單臂負載能力可高達 10 公斤，為了具備這樣強大的乘載效能並維持運作穩定，其外觀體積設計得較大且穩固。該公司表示，其機器人不僅能自然行走，還能做出如深蹲等類似人類的動作，因為其掌握了資料訓練的核心技術與部門，能針對企業客戶的特殊需求進行機器人動作的客製化訓練。為了解決多機作業的需求，該公司還開發了車隊管理應用程式，能夠一次同時控制並管理多台機器人。
雖然在展覽現場為確保大眾安全而採用遙控操作，但 VinRobotics 表示實務上導入倉庫等環境時，導航團隊會掃描地圖，接著機器人便能透過手上的攝影機自主適應環境並依規則執行任務，不需依賴人工遙控。這家越南公司的出現象徵，整機競爭已不再是少數大廠的專利，掌握核心技術與整合能力的新興業者正在快速浮現。
從今年 COMPUTEX 首度設立的 AI 機器人展區可以觀察到，機器人產業的競爭焦點正逐漸發生變化。過去市場關注機器人能否行走、搬運或完成特定動作，但如今廠商開始比拚的是機器人是否具備理解環境、執行任務與持續學習的能力，以及背後能否建立完整的技術與供應鏈體系。
展區中同時出現 AI Agent 與 VLM 等新一代智慧技術、減速機與關節模組等關鍵零組件，以及投入整機開發的新創業者，顯示機器人產業已逐漸從單一產品競爭，走向生態系競爭。當 AI 開始走出資料中心、進入工廠、物流與實體場域，未來市場競爭的關鍵或許不只是誰能打造出機器人，而是誰能整合感知、運算、控制與硬體供應鏈，讓機器人真正成為可大規模部署的生產力工具。
＊圖片來源：《TechOrange》拍攝。
在汽車製造邁向智慧工廠的過程中，真正困難的環節往往不是高度標準化的機械加工，而是那些需要大量人工經驗、長時間重複操作，甚至伴隨高勞動強度的細節工序。
德國車廠奧迪（Audi）近期公布最新 AI 生產布局，揭示汽車製造業正在進入另一波自動化轉折點。過去長年難以被機器全面取代的產線工作，如焊接後處理、線束安裝與製程異常監控，如今正透過 AI、雲端架構與機器人整合逐步被重塑。
奧迪表示，目前已在德國 Neckarsulm 廠區的 A5 與 A6 車身產線全面導入 AI 驅動的「焊接飛濺檢測系統（Weld Splatter Detection，WSD）」。在車體焊接完成後，車身底盤經常會殘留焊接飛濺物，若未即時清除，可能影響後續塗裝與品質穩定性。這類工作長期仰賴人工檢查與打磨，不僅耗時，也對現場人員造成高度身體負擔。
如今，WSD 系統透過 AI 視覺辨識，即時掃描車底盤表面，自動標記焊接飛濺位置。最新版本更進一步結合機器人手臂，直接接管後續研磨清除流程。原本需要大量人工作業的高強度工序，現在改由 AI 控制的機器人完成，員工則轉向監控與例外處理工作。
COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展
除了改善高勞動強度工作，奧迪也將 AI 延伸至製程品質管理。由內部數據專家團隊打造的 AI 解決方案「ProcessGuardAIn」，目前已進入測試階段。這套系統建立於跨廠區數據平台之上，該平台整合各工廠設備、產線與感測器資料，形成統一且標準化的製造數據基礎。
透過大量機器與感測器數據，ProcessGuardAIn 能夠即時監控製造流程，提前發現異常徵兆，並主動通知工程人員介入。現階段，系統已於 Neckarsulm 烤漆廠進行兩項試點測試，包括前處理藥劑劑量優化，以及陰極電泳塗裝（Cathodic Dip Coating，CDC）異常檢測。奧迪預計於 2026 年第二季正式導入大規模量產。
相較於傳統製程異常往往需等待品質檢測後才被發現，ProcessGuardAIn 的價值在於能於問題尚未擴散前即時阻斷，降低返工與後續維修成本。奧迪也規劃下一階段讓系統具備「建議式 AI」能力，未來員工可透過 App 取得逐步操作建議與排除流程，讓 AI 成為產線現場的即時協作助手。
在汽車製造中，另一個長年難以高度自動化的領域則是車用線束（Wiring Loom）生產。由於線束結構複雜、型號差異大且安裝路徑狹窄，根據奧迪新聞稿指出，全球汽車產業目前的線束生產與組裝自動化比例仍不到 10%。這也被視為智慧製造中最難攻克的盲區之一。
奧迪目前正透過「Next2OEM」專案試圖突破這項限制。該專案集結十家合作夥伴，在 Ingolstadt 建立完整的線束數位化全自動示範線。整套系統涵蓋線束生產、自動化預組裝、中心控制與車內安裝流程，所有設備皆由中央系統統一協調。
奧迪展示的最新成果中，線束可自動安裝進中控模組，並完成後續車體配置準備。這項技術大幅降低傳統流程中的物流與人工調整需求，也顯著縮短產品變更週期。過去車型規格修改往往需要耗費數週調整供應與產線配置，如今已能壓縮至幾分鐘內完成。
對汽車產業而言，這代表的不只是產線效率提升，更是供應鏈敏捷度的重大改變。隨著電動車與軟體定義汽車興起，車型配置與電子架構更新速度愈來愈快，若無法同步提升產線調整能力，傳統製造模式將難以應對未來市場需求。
隨著 AI 逐步深入汽車製造核心，智慧工廠競爭也開始進入新階段。過去強調機械自動化與產線效率的工業邏輯，如今正逐漸轉向以資料、即時決策與 AI 協作為中心的新模式。對汽車業而言，那些過去因複雜度與勞動密集而難以自動化的工序，正在成為下一波 AI 工業革命的關鍵戰場。
＊本文開放合作夥伴轉載，參考資料：Audi、《Metrology News》，首圖來源：Audi
（責任編輯：廖紹伶）
為有助於我國無人機產業拓展國際，以及促進臺美無人機合作，並協助「台灣卓越無人機海外商機聯盟（TEDIBOA）」強化全球布局，在經濟部產業發展署指導下，工研院今（4）日舉辦「無人機評鑑機構啟動大會」，正式宣布與美國無人產業協會（AUVSI）簽署 Green UAS 授權評鑑及服務協議契約，成為 AUVSI 於臺灣的第三方認可評鑑機構，並成為美國「綠色無人機系統（Green UAS）」，使臺灣成為美國境外第一個認可評鑑機構，協助臺灣業者取得認證，打入美國市場。將有助推動我國無人機產業取得國際認證，進而拓展國際市場。
本次啟動大會邀集政府、國際組織及產業代表共同參與，包括經濟部次長何晉滄、經濟部產業發展署署長邱求慧、美國在臺協會處長谷立言（Director Raymond Greene）、AUVSI 執行長Michael Robbins、工研院董事長吳政忠、工研院院長張培仁、漢翔航空工業股份有限公司董事長曹進平；另有無人機外交小組、無人機大聯盟、台灣智慧機器人與自動化協會、雷虎科技、亞洲航空、神耀科技與中光電等產官研代表共同出席。
Green UAS 制度為美國近年推動的重要無人機供應鏈驗證機制，著重產品資安、供應鏈透明度與可信任度，已逐步成為國際市場的重要門檻與合作標準。今年 1 月，AUVSI 與工研院已於美國華盛頓特區簽署合作協議，專職網路安全測試和技術評估，擴大在臺灣的滲透測試支援，由授權資安人員實際嘗試入侵系統，識別資安漏洞。
工研院董事長吳政忠指出，此次正式啟動 Green UAS 無人機評鑑機構，是臺灣無人機產業走向全球可信賴供應鏈的關鍵起點。工研院取得美國 AUVSI 的 Green UAS 授權評鑑資格，將以「在地驗證、接軌國際」為核心，協助國內業者在國內依循美國標準完成資安評鑑，縮短進入國際市場時程。此授權評鑑機制將為產業帶來三大價值，包括協助業者接軌國際標準、強化可信供應鏈韌性，以及帶動技術升級，促使業者系統性地強化資安能力與產品品質，讓全世界看見臺灣無人機「可信、可靠、可合作」的實力。
此外，工研院也與漢翔航空工業股份有限公司簽署 Green UAS 測試合作備忘錄（MOU），由工研院機械與機電系統研究所所長張禎元與漢翔董事長曹進平代表簽署，並由經濟部次長何晉滄、經濟部產業發展署署長邱求慧、美國在台協會處長谷立言及 AUVSI 執行長 Michael Robbins 共同見證，正式啟動雙方於 Green UAS 測試驗證合作。
（本文訊息由 工研院 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：工研院。）
雖然人型機器人在現實世界中執行複雜任務的能力越來越強，但面對需要高度靈巧的手部操作，或是要於動態環境中靈活移動時，多數機器人的運動能力依舊顯得捉襟見肘。
為了突破前述瓶頸，卡內基美隆大學（CMU）與博世人工智慧中心（Bosch Center for AI）攜手合作，開發出了一套全新的 AI 系統，希望透過新技術大幅提升人型機器人的全身協調能力，特別是在需要頻繁進行物理接觸的精細操作上，給予機器人更上一層樓的穩定表現。
這套名為「融合觸覺潛在預測的人型機器人 Transformer 框架（Humanoid Transformer with Touch Dreaming）」，簡稱 HTD 的全新系統，將機器人的身體動作、手部靈巧度，以及對物理互動的預測能力融為一體。
在現實世界測試中，HTD 系統讓人型機器人能夠更純熟地處理各種日常動作，像是摺疊衣物、精準插入物件、用勺子舀取物品，甚至是搬運脆弱的易碎物件。
傳統的機器人系統主要仰賴視覺和動態感測器，但 HTD 系統另闢蹊徑，導入了分散式觸覺感測技術，顯著提升了機器人在複雜互動中的感知敏銳度。
此外，驅動 HTD 系統的 AI 模型不只能夠預測下一步動作，還可以預判物理接觸、受力狀況以及觸覺回饋的動態變化，同時精密分析手部關節的受力情形，而該過程也被研究團隊稱為「觸覺夢境（Touch Dreaming）」。
這種類似於夢境中「邊做邊預測」的能力，正是由 HTD 系統所驅動的機器人，之所以可以流暢執行插拔物體、布料整理或端起茶水等任務的最大關鍵。
在技術實作上，HTD 並非直接是在 AI 模型中，直接處理原始的觸覺感測器數據，而是透過一個緩慢更新的目標網路，將數據轉化為精簡的「觸覺潛在表徵（tactile latent representations）」。
研究人員指出，這種做法的精妙之處，在於能夠讓 HTD 系統自動過濾掉感測器常見的雜訊波動，專注在真正有意義的接觸模式上，進而大幅提升機器人操作時的穩定度與反應速度。
此外，HTD 系統還巧妙地將「下半身的平衡控制」與「上半身的操作任務」拆分，避免互相影響造成穩定性下降。
HTD 系統利用基於強化學習的控制器，在運動過程中即時穩定機器人軀幹的朝向、速度與平衡；至於上半身的定位與靈巧的手部動作，則交由逆向運動學（Inverse Kinematics）與手部動作映射技術來處理。
此外，負責掌管下半身的控制器，其實是在模擬環境中透過「師生學習法（teacher-student method）」所訓練出來，這讓機器人能夠從逼真的感測觀測中，學會極具彈性的運動規劃。
卡內基美隆大學安全人工智慧實驗室（Safe AI Lab）的研究團隊解釋，在訓練過程中，他們利用 AMASS 資料集重複播放映射後的手臂運動軌跡，讓控制器學會在現實生活中，面對上半身出現的干擾時，依然能夠維持下半身核心的穩定。
而由 HTD 系統最終訓練出來的「學生控制器」，即是正式部署在真實機器人身上的核心系統。
這種將下半身穩定性與上半身靈巧操作完全分離的架構，徹底減少了人型機器人為了維持平衡，同時操作手部動作之間的相互干擾。
COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展
根據實測結果，在物件插入、整理書籍、摺疊毛巾、舀取貓砂以及端茶等 5 項真實世界任務挑戰中，擁有 HTD 系統機器人的平均成功率，比目前業界強悍的 ACT 基準模型足足高出了 90.9%。
研究團隊透過消融實驗進一步發現，如果只是單純把觸覺當作額外的輸入訊號，對於機器人的操作表現提升幫助有限，因此關鍵就落在「於潛在空間（latent space）中預測觸覺訊號」。
實驗證明，在潛在空間進行預測的方法，比直接預測原始觸覺訊號的傳統訓練模式，成功率大幅提升了 30%。
研究人員認為，HTD 系統與 AI 控制器的成功應用，為人型機器人走入家庭、服務業及工業環境，開展出了無限可能。
展望未來，研究團隊計劃擴大 HTD 與 AI 控制器的應用規模，並著手引進視覺數據與人類示範畫面，在人機協作的實際情境中進行深度測試。
研究團隊表示，終極目標是提升 HTD 的跨平台適應能力，讓這套具備高度韌性的系統，不只能夠因應多元任務，還能輕鬆套用到各式各樣的機械手與觸覺感測器配置上，持續從人類與機器人的實務經驗中截長補短、不斷進化。
【推薦閱讀】
◆ 從影像像素到全身協調：Figure AI 機器人達成 24 小時零故障自主分貨，展現類「真人」直覺
◆ 人形機器人量產戰升溫！為何 Sanctuary AI 執行長預言家庭普及還要 3 到 7 年？
◆ 中國機器人再進化！從人形到四足自由切換，宇樹科技發表 GD01 可載人越野、推倒磚牆
＊本文開放合作夥伴轉載，參考資料：Interesting Engineering、TechXplore，首圖來源：YouTube
（責任編輯：鄒家彥）
亞馬遜（Amazon）在倫敦舉行的「Delivering the Future」活動中，揭曉新一代自主移動機器人 Proteus。除了提升倉儲物流作業能力外，新版 Proteus 最大的改變在於導入 AI 自然語言理解功能，員工只需像與同事溝通一樣說明需求，機器人便能自動完成任務安排與執行。
《Reuters》報導，這項技術是亞馬遜未來數年將在歐洲投入 100 億歐元升級物流與倉儲系統計畫的一環。新一代 Proteus 預計於 2027 年上半年率先在歐洲導入，相較於目前僅能在裝卸貨區域運作的版本，新系統設計上可在倉儲樓面更廣泛區域移動，並支援履約中心與配送站內的容器運送、工作站之間轉運等任務。目前第一代 Proteus 已部署於美國 25 座物流中心，主要負責搬運重量近 400 公斤的推車，藉此減少員工搬運重物及長距離往返的工作負擔。
新版 Proteus 最大的特色在於具備自然語言理解能力。員工不需要學習專門指令，只要以日常對話方式交代物料搬運需求，系統就能判斷任務順序、規劃路線與執行時機。亞馬遜機器人部門副總裁 Scott Dresser 表示，員工告知機器人需要完成的工作，其餘流程都能由系統自動處理。他認為，Proteus 未來將成為物流中心的重要工作夥伴，負責重複性高且較耗體力的搬運工作，讓員工能把時間投入庫存流動管理、品質控管等較高技能工作。
除了 Proteus 之外，亞馬遜此次也展示多項倉儲自動化技術，包括旗下首款具備觸覺感知能力的 Vulcan 機器人，以及用於貨箱搬運的 STARK 系統。其中，STARK 已在西班牙巴塞隆納展開測試，亞馬遜預計在 2027 年前將其擴展至歐洲 15 個物流據點。
亞馬遜歐洲營運副總裁 Armin Cossmann 表示，這些技術將改變物流中心在支援員工與服務客戶上的運作方式，以因應持續增加的配送需求。他指出，隨著客戶對配送速度與服務品質的要求不斷提高，公司也會持續投入技術升級與創新。
針對外界對自動化可能衝擊就業的疑慮，亞馬遜強調，技術投資與人力擴張將同時進行。作為歐洲投資計畫的一部分，公司預計未來數年在歐洲履約中心增加 2.5 萬名員工。亞馬遜也指出，自導入機器人技術以來，不僅整體員工規模持續成長，也逐步發展出設備維護、系統可靠度與機器人支援等新型職務。
Scott Dresser 表示，歐洲已成為公司推動營運轉型與技術創新的重要市場，未來無論是資金投入、人才培養或技術導入，都將持續加大力道。除了倉儲自動化外，亞馬遜也宣布，今年將在歐洲設立超過 25 個支援當日內快速配送的據點，涵蓋英國與德國等市場，同時也把快速生活用品配送服務 Amazon Now 擴展至英國曼徹斯特與伯明罕。
《Reuters》補充，目前生鮮雜貨當日配送服務已覆蓋美國超過 2,300 個城市及日本東京部分地區，未來數月內也將進一步擴展至日本、英國等市場。今年 2 月，亞馬遜預估全年資本支出將比前一年增加超過 50%，達到 2,000 億美元，顯示全球科技業正持續加碼投入 AI 基礎建設與物流自動化領域。
小米創辦人、董事長兼 CEO 雷軍 近日在微博發文宣布，小米機器人團隊在 CVPR 2026 研討會賽事與 I […]
The post 小米機器人獲得 CVPR、ICRA 雙料冠軍：自研模型 40.89% 成功率登頂，商超實測 99.2 分 appeared first on 電腦王阿達.
中國人形機器人公司優必選（UBTECH Robotics，9880.HK）近日投下消費市場震撼彈，6 月 2 […]
The post 中國優必選推出 U1 超仿生人形機器人：88 自由度、主打情感陪伴，預購 3 天破千台 appeared first on 電腦王阿達.
專訪：戴季全
撰稿：李昀蔚
在鴻海邁向「九兆帝國」的藍圖中，機器人不只是新事業，更是鴻海科技集團董事長劉揚偉押注的下一個關鍵轉型引擎，而這個最前沿的新戰場，被交到鴻海集團歷史最悠久的 C 事業群，以及擁有 50 年歷史的廣宇科技手上。
本集《全新一週》邀請到鴻海 C 事業群負責人兼總經理、廣宇董事長李光曜，解析廣宇如何從傳統製造基因切入最前沿的機器人戰場，並透過生態系合作，在美國 AI 大腦與中國硬體之間，找到台灣最有利的位置。
「廣宇本來的專長是做線束，所以我們不可能今天做線束，明天就去開飯店，這太遠了，」李光曜分享，廣宇尋找轉型方向時，並不是拋棄原有能力，而是從線束往相近產業尋找機會。後來他們發現，馬達與線束高度相關，因為馬達裡也有大量銅線繞組、矽鋼片與電子零件，這與廣宇既有能力非常接近。
但如果只做馬達，要賣給誰？這個問題讓廣宇把轉型思考再往前推。李光曜指出，機器人會使用大量馬達，因此廣宇最後把方向從「做馬達」推進到「做機器人」。「你問現在機器人哪個品牌最大，沒有人答得出來，」李光曜形容，這代表市場還在「戰國時期」，尚未出現絕對領先者，也意味著仍有切入機會。
對廣宇而言，背後有鴻海集團資源，又有自身在關鍵零組件上的基礎，若能掌握機器人產業成長初期的關鍵位置，就不只是做代工，而是有機會往終端產品與平台角色移動，創造更高利潤空間。
不過，廣宇並不打算一口氣包辦所有事情。李光曜指出，廣宇的策略是先掌握機器人最關鍵的核心模組，因此首先投資具備體積小、重量輕、馬力大優勢的軸向電機，特別適合用於機器人的手臂與腿部。
除了馬達，廣宇也投資力傳感器，並布局減速機，再加上鴻海 C 事業群本身就能提供精密結構件，因此李光曜表示，若把這些資源加總起來，已大約涵蓋整個機器人 BOM 表超過 50% 的價值，「我現在的想法就是，我們專心把這一塊做好，把這些做好了，再往下一步走。」
在李光曜眼中，機器人產業之所以會爆發，背後有幾個明確驅動力：少子化與缺工、工廠任務需要更高精細度與穩定度，以及管理工廠時，最難處理的往往不是設備，而是人。
「機器人在某個時間點上會快速成長，我一直在外面推論的時間點是 2030 年，」李光曜分析，到了 2030 年，AI 應該會更加成熟，也需要走進物理世界，而目前最適合的載體就是機器人。此外，固態電池也有機會在 2030 年前後成熟，改善機器人續航問題。若固態電池能帶來體積減半、電量加倍的效果，機器人就可能從續航受限，進展到可連續工作 6 到 8 小時，成為另一個科技革命節點。
李光曜觀察，市場需求已經存在，只是機器人仍太貴也還不夠聰明，若 AI 與電池技術在未來三到五年成熟，機器人落地速度可能會非常快。「三到五年之內，有沒有辦法在一家公司裡設立全新部門，把所有東西建立起來？做不到，」李光曜表示，構成機器人的每一項元素都非常專業，從馬達、減速機、力傳感器，到控制系統、結構件、AI 模型與場景應用，都需要長時間累積。
因此，廣宇的選擇不是全面垂直整合，而是「一點點垂直整合，加上大量水平整合」。李光曜強調，過去企業做水平整合，常常仍是供應鏈思維，但現在許多機器人關鍵零組件供應商不是有錢就願意合作，他們更在乎合作方是否有未來發展性。因此，未來不能只靠供應鏈，而必須是生態系。
李光曜認為，生態系是由三層合作模式構成：第一，成為對方股東，與對方一起成長；第二，成為對方供應商，幫對方做部分生產，同時累積製造知識；第三，成為對方的出海口，協助合作夥伴進入國際市場。「我會是你的股東、供應商、出海口，三個都是，大家一起合作、一起成長，」李光曜強調，這種模式比傳統供應鏈用合約綁定的形式更快，也能省去許多議價時間。
面對全球機器人競爭，李光曜認為，目前美國與中國走的是兩條不同路徑，「美國弄 AI 大腦，中國主要在做硬體，我認為台灣其實可以兩頭賺，」他形容，台灣企業應善用這個特殊位置，搶占市場版圖。
李光曜的策略是，與美國維持生意與市場關係，同時不放棄中國快速成長的硬體與零組件能力。若中國零組件開發設計成熟，未來可以在東南亞、泰國、馬來西亞等第三地生產，甚至依情況討論墨西哥或美國製造，再銷往美國與歐洲市場。他指出，製造最困難的是取得原始資料，只是把東西做出來，反而不是最難的事，因此若能取得關鍵設計與製程資料，再轉移到第三地生產，就能在地緣政治與供應鏈風險中保持彈性。
至於機器人應用何時真正落地，李光曜認為，中國可能會是初期成長最快的市場之一，原因很直接：中國仍是世界工廠，但同樣面臨缺工與年輕人不願進工廠的問題。然而，問題在於機器人能否真的勝任複雜工作，仍取決於技術成熟度，李光曜指出，現階段多數機器人展示仍集中在搬運場景，例如搬箱子，許多看似會翻滾、打拳的表演，其實是預先寫好的程式，不等於真正由 AI 理解環境後自主行動。
因此，中國近期開始出現「機器人訓練廠」，透過遙操與資料採集，加速模型訓練。李光曜觀察，這個領域進步非常快，短期內物流搬運仍是最適合落地的場景，接下來分揀、簡單組裝等固定場景，也可能很快被機器人接手。
在 AI 大腦逐漸成熟、電池技術可能突破、全球工廠缺工加劇的背景下，機器人已經成為 AI 落地實體世界的關鍵載體。因此，對台灣企業而言，如果只做代工，仍會被規格與毛利限制，但如果能掌握關鍵零組件、參與規格制定，並用生態系方式串聯全球夥伴，就有機會在美國 AI 大腦與中國硬體之間，找到屬於自己的關鍵位置。
目前中美兩國正主導著全球人形機器人的研發競爭，根據巴克萊銀行（Barclays）近期的研究報告指出，去年中國製造的人形機器人已經占據全球約 85% 的市場份額。這股熱潮背後的關鍵動力，就是為了尋求國內人口老化、勞動力成本不斷上升等社會經濟問題的解方。
然而，隨著中國在人形機器人硬體製造與產能上已獨步全球，隨之而來的最大挑戰卻是：市場的真實需求到底在哪裡？部分專家與創投人士點出其中的核心矛盾，認為目前市場對人形機器人的真實需求與應用場景仍十分有限，遠遠落後於製造商龐大的生產能力。投資科技新創的戈壁創投（Gobi Partners）合夥人 Chibo Tang 更直言，如果沒有來自市場的應用需求，這些企業實際上將難以真正邁入大規模量產的階段。
中國企業的機器人出貨量究竟有多麼可觀？研究機構 Omdia 的數據顯示，如智元機器人（AGIBOT）、宇樹科技（Unitree）等中國指標性企業，在 2025 年的出貨量各自已突破 5,000 台，這個數字遠遠超過特斯拉（Tesla）、Figure AI 等美國競爭對手僅生產數百台的規模。
在擴充產能的具體行動上，擁有二十年歷史的智慧型手機與電子製造商領益智造（Lingyi iTech）副總裁 Philip Yang 表示，其位於北京的工廠目標在今年量產一萬台機器人，並計畫在 2030 年達到年產 50 萬台的龐大生產規模。這股產業推動力背後有著強烈的政治色彩，在中國五年規劃的強力支持下，發展人形機器人已成為國家任務之一。
儘管產能驚人，中國人形機器人的真實訂單現況卻顯得雷聲大雨點小。貝恩策略顧問駐北京合夥人 Xin Cheng 指出，截至目前絕大多數的人形機器人訂單一次僅採購一到兩台。摩根士丹利的研究則進一步顯示，目前許多價值龐大的訂單多半來自國營企業，被應用於發電廠、數據中心或作為娛樂用途，或是由企業與學術研究機構買下作為研發之用。
不過，部分製造商表示市場需求正在增長。例如 Matrix Robotics 宣稱已收到約 1,000 台訂單，客戶包含咖啡連鎖店與飯店；EngineAI 則表示其機器人可應用於保全與博物館導覽。
在實用性方面，人形機器人目前仍面臨嚴峻的技術瓶頸，美國智庫新美國（New America）高級研究員 Samm Sacks 觀察到，多數人形機器人仍然偏向表演性質而非具備實質功能，在難以預測且雜亂的真實環境中，它們的表現依然不盡理想。Samm Sacks 進一步解釋，人形機器人的經濟效益仍難以成立，其生產成本依然高昂，在操作上卻非常脆弱，且高度依賴結構化的環境才能順利運作。
面對商業化的重重挑戰，中國廠商試圖以規模化殺出一條血路。藉由龐大的量產規模，以及採用本土零組件的優勢，中國製機器人平均比外國型號便宜 20% 以上。領益智造（Lingyi iTech）副總裁 Philip Yang 表示，擴大生產規模可以直接將目前約 30,000 美元的機器人價格砍半。摩根士丹利更預估，全球機器人平均價格將在 2050 年降至 21,000 美元，而目前中國市場上甚至已經出現標價低於 6,000 美元的機型。然而，根據德國智庫墨卡托中國研究中心（MERICS）的報告指出，儘管中國的人形機器人相對便宜，但對於廣泛部署來說仍然「太過昂貴」。
不過，硬體造價雖然重要，專家卻點出人形機器人的成敗關鍵在於其「大腦」。Omdia 首席分析師 Lian Jye Su 強調，具身智慧實際上取決於人工智慧與機器人技術的深度融合。貝恩策略顧問合夥人 Xin Cheng 也呼應這個觀點，他表示人形機器人不是一個單一產品，而是一個生態系統。為了讓機器人擺脫只能執行單一任務的困境並適應真實生活場景，業界正面臨數據收集的漫長考驗。企業必須從工廠、零售店、辦公室等空間收集海量的人類行為數據，進一步引導機器人進行訓練，專家坦言這將是需要耗費數年時間才能達成的巨大難關。
展望未來，隨著技術的持續成熟，專家評估人形機器人最有可能先在工業物流、倉儲、港口以及危險作業等場域中落地應用。至於產業界的最終目標，則是希望這項技術能真正走入擁有數億家庭的家政市場，協助處理日常家務，藉此將龐大的量產優勢轉化為真正的商業成果。
【推薦閱讀】
◆ 機器人現在還是戰國時期！廣宇董事長李光曜：美國做 AI 大腦、中國做硬體，台灣可以兩頭賺
◆ 李飛飛拆解「世界模型」3 大分類，Google、NVIDIA 談的世界模型不是同一件事？
◆ 亞馬遜新一代 AI 機器人 Proteus 亮相：「用對話指揮機器人」如何改寫歐洲物流履約網路？
多數使用過擦窗機器人的消費者都遇過同一個困擾：機器擦完一輪，玻璃上仍殘留水痕與條紋，甚至越擦越花。這個源於「只 […]
The post 擦窗機器人進入「刮刀時代」：HOBOT-SP10 以全球首創雙刀流技術，挑戰傳統擦窗三大痛點 appeared first on 電腦王阿達.
人形機器人熱潮持續升溫，但市場正在出現兩種截然不同的判斷。一方面，研究機構 SemiAnalysis 認為，中國機器人公司宇樹科技（Unitree）正在複製大疆（DJI）與比亞迪（BYD）曾走過的硬體巨頭崛起路徑，透過掌握核心零組件、垂直整合供應鏈與規模化生產，建立西方競爭者難以追上的成本優勢，且「將主導人形機器人產業」。
另一方面，巴克萊銀行（Barclays）近日在 Boston Robotics Summit（波士頓機器人峰會）後發布的研究則提醒，即使製造成本持續下降，人形機器人距離真正大規模商業化仍有很長距離：安全認證、硬體成熟度、真實世界資料、運算成本與通用 AI 架構，仍是產業必須跨越的五大障礙。
為什麼 SemiAnalysis 認為，Unitree 的策略與 BYD、DJI 有高度相似之處？該機構分析，一個成熟的中國硬體巨頭，其策略是：掌握物料清單（BoM）中最昂貴、最具挑戰性的零件，用這份掌控權累積無人能及的成本優勢，並透過自製供應鏈創造新市場。
SemiAnalysis 分析，BYD 當年從電池這個電動車最昂貴、最關鍵的零組件切入，逐步把電池、馬達、功率模組、車身、底盤等關鍵環節納入自家體系，最終建立成本與供應鏈優勢。DJI 則是先掌握飛控系統，從研究者與玩家市場起步，透過每一代硬體迭代打開新市場，從消費級空拍機一路進入測繪、巡檢、救災等企業場景。
SemiAnalysis 認為，Unitree 正是一個活生生的「大疆策略」案例。創辦人王興興曾是大疆員工，碩士論文做出低成本四足機器人 XDog，再以此創立 Unitree。Unitree 選定的核心零件是致動器（actuator，驅動機器人肢體的整合關節），它占人形機器人 BoM 的 50% 到 70%，正如比亞迪之於電池芯、大疆之於飛控。
Unitree 先從學術界切入：當大學實驗室在找不必花 7 到 10 萬美元以上的足式平台時，Unitree 的 Laikago 在 2018 年以 4.5 萬美元上市，A1 在 2020 年降到 1.5 萬美元，到今天的 Go2 視規格與地區落在 1,600 至 2,800 美元，入門四足機器人六年內降價 94% 到 96%。這也讓 Unitree 在同一套系統（致動器、控制、供應商、生產流程）上累積了多年的真實量產經驗。
2024 年的 H1 人形機器人約 9 萬美元，SemiAnalysis 形容它「基本上就是一台站起來用兩條腿走路的四足機器人」，但真正改變 Unitree 的是接續的 G1。這款 3 萬到 5 萬美元、可直接購買的人形機器人，為中國學術界帶來能力上的階躍式變化，NVIDIA、Apple、Meta 都各自採購了數百台 G1，使 Unitree 成為人形機器人 AI 研究的多數平台。
Unitree 的成本優勢，來自一個關鍵的技術賭注。SemiAnalysis 說明，2024 年 Unitree 的人形機器人其實表現不佳：馬達常過熱，G1 雙臂伸直時僅能撐住約 2 公斤幾秒鐘，之後往往需要約 30 分鐘才能恢復功能。問題出在其核心致動器選擇：QDD（準直接驅動），也就是用較強的馬達搭配低速比（通常低於 20:1）的行星齒輪箱，比傳統高速比致動器更簡單、更便宜，但把更多扭矩負擔直接壓在馬達上，導致電流高、運轉發熱。
當多數對手仍走諧波減速機（strainwave）路線時，Unitree 選擇押注 QDD 並持續迭代，透過讓馬達扭矩更平順、採用更密集的銅線（其稱為「低銅耗線圈」），以及在 2025 年 10 月為後續批次的 G1 加入骨盆主動散熱等方式改善。SemiAnalysis 指出，QDD 的效率達 95% 到 98%、優於諧波減速機的 85% 到 90%，成本最多便宜 80%，且低速比行星齒輪箱是常見的工業零件、供應商眾多。
對 Unitree 而言，一款新的 QDD 重新設計可在數週內做出樣品致動器，相較之下，西方人形機器人公司的客製馬達與齒輪箱子系統往往要花上三個月以上。SemiAnalysis 表示，經過迭代後，G1 在雙臂彎曲時已能持續 10 到 15 分鐘搬運 5 公斤，負載能力提升約兩倍，持續運作時間提升約五倍。
Unitree 的優勢不只是便宜，而是便宜背後的迭代速度。SemiAnalysis 指出，Unitree 自行開發無刷馬達、行星齒輪箱、光達與深度相機等零組件，這些通常是其他機器人公司外包的關鍵環節。透過自製與規模化採購，Unitree 不只壓低成本，也能更快修改設計、測試樣品與導入量產。
這種速度在中國供應鏈中特別明顯。SemiAnalysis 提到，中國供應商往往只需數小時車程即可抵達，樣品可以當天或隔天送到，垂直迭代週期能以「週」計算，而不是西方機器人公司常見的「季」。
這使 Unitree 在硬體世代更新上更接近 DJI 的節奏：先用不完美但足夠便宜的產品打開研究者與玩家市場，再用銷量反哺零組件、製造與設計能力，逐步讓下一代產品進入更高價值場景。
SemiAnalysis 認為，Unitree 的四足機器人正是這個飛輪的起點。從 2018 年 Laikago 約 4.5 萬美元，到後來 Go1 起價降至數千美元，Unitree 在六年間讓入門級四足機器人價格下降超過 90%。這些四足機器人累積的致動器、控制系統、供應鏈與製造經驗，後來成為人形機器人的基礎。
過去外界常批評 Unitree 人形機器人可靠性不足，只適合展示、娛樂或研究。但 SemiAnalysis 認為，這種判斷正在改變。
報告指出，早期 G1 的確存在明顯限制，例如手臂負載低、容易過熱，搬運 2 至 3 公斤物品幾分鐘後就需要長時間冷卻。但 Unitree 持續改良致動器設計、降低馬達發熱、增加部分主動散熱，使 G1 現在能在手臂彎曲狀態下，持續 10 至 15 分鐘搬運約 5 公斤物品。
這不代表 G1 已經能勝任所有工作，但 SemiAnalysis 認為，它已足以進入部分輕量化、低風險、低靈巧度需求的場景，例如倉儲中搬運空箱、料箱或輕量物品。
SemiAnalysis 估計，2025 年 Unitree 可能已有約 250 台人形機器人進入生產性試點或部署場景，甚至有公司已部署 30 台 G1。這些部署多半仍需要遠端操作，距離 24 小時完全自主生產線仍很遠，但在特定物流任務中，若以較低設備成本計算，已可能接近或低於人類每小時 30 美元的勞動成本。
這正是 SemiAnalysis 看好 Unitree 的原因：它未必需要一開始就解決所有人形機器人問題，只要先在少數任務中證明經濟性，就可能像 DJI 一樣，用早期市場養出下一代產品。
不過，若從 Barclays 的角度來看，Unitree 的成本突破不等於整個產業已跨入大規模商業化。Barclays 指出，市場對人形機器人的期待可能過於樂觀。其分析師 William Thompson 認為，人形機器人終究會到來，但真正問題是「何時、以多大規模」到來。
Barclays 將產業瓶頸歸納為五項：安全、硬體、感知與資料、運算能力，以及缺乏通用 AI 架構。
首先是安全。傳統工業機器人大多被圍欄隔離，依照預先編寫的動作執行任務；人形機器人則要進入人類工作場域，與人共同移動、搬運、互動。一旦機器人失誤造成傷害，責任歸屬、認證標準與監管問題都比一般軟體複雜。
其次是硬體。人形機器人需要馬達、致動器、感測器、手部結構、電池與控制系統高度整合。Barclays 指出，目前許多供應鏈仍不成熟，部分原型甚至仍使用 3D 列印零件，距離低成本、大規模製造仍有落差。
第三是資料。大型語言模型可以從網路文本與影像中學習，但機器人需要的是「機器人視角」資料，包括關節動作、致動器指令、力回饋與感測器資訊。這類資料目前稀缺、昂貴且難以大量蒐集。
第四是運算。Barclays 指出，Physical AI 的運算需求橫跨三層：資料中心中的模擬訓練、VLA 等基礎模型訓練，以及機器人本體上的邊緣運算。這意味著人形機器人的成本壓力，不只來自機械結構，也來自模型、感知與推論所需的運算平台。
第五則是通用架構尚未突破。Barclays 認為，Physical AI 仍未迎來像 GPT 之於語言模型的突破時刻。Thompson 以自動駕駛為類比，指其歷經十多年的安全審查、法規摩擦與信任重建才走向更廣部署，人形機器人很可能也得先經過「人在迴圈中」的階段。報告因此判斷，近期較確定的機會在焊接、物流等受控環境的窄任務機器人，而垂直整合在現階段是「供應鏈尚未就緒下的被迫選擇」，製造能力「只是入場券」，遠非決勝關鍵。
換言之，Unitree 或許已找到複製中國硬體巨頭的路徑，但巴克萊的提醒同樣清楚：對整個人形機器人產業而言，從「技術可行」走到「商業可行」仍是一段漫長的過渡，而它是否已準備好迎接大規模商業化，仍是另一個問題。
【推薦閱讀】
◆ 中國已量產全球 85% 人形機器人，下一個難題是：誰來買單？
＊本文開放合作夥伴轉載，資料來源：SemiAnalysis、rest of world、BigGo Finance，首圖來源：Unitree
目前台灣正面臨高齡化與缺工的嚴峻挑戰，產業界迫切尋求科技解方，使得「實體 AI（Physical AI）」迅速成為熱門焦點。然而，當 AI 快速走向實體世界，開發者是否也陷入「為了 AI 而 AI」的技術焦慮？
在五月舉行的「333 Robots Community Meetup」系列活動中，特別邀請到國立陽明交通大學資工系副教授陳奕廷。他也在演講中直指當前的產業盲點，呼籲開發者比起跟上「AI 加機器人」的潮流，更重要的是必須秉持「用真實世界的需求驅動 Physical AI 落地」的核心理念。
立即報名在 6 月 17 日 19:00 舉行的「333 Robots Community Meetup」，與來自陽明交大人本智慧系統實驗室（HCIS Lab）、 Taiwan Robotics Community、台灣夏普的講者，一同探討最新實體 AI 技術趨勢。
立即報名
隨著生成式 AI 的爆發，陳奕廷表示，許多人會直覺地將 Physical AI 想像為「會自己泡咖啡的人形機器人」，或單純的「AI 加上機器人」，但他想先破除這個迷思。陳奕廷指出，Physical AI 並非新名詞，而是「運用 AI 技術，使系統透過感測器觀察、推理分析，並透過致動器在實體世界中採取行動」的一種型態。事實上，這種「感知、推理、行動」的架構，早在 1960 年代史丹佛研究院的 Shakey 機器人專案中就已具備雛形。
然而，當前的開發困境在於，不同領域的專家在投入 Physical AI 時，容易因視角錯位而陷入「各說各話」的盲點。陳奕廷觀察，從機械工程視角出發的開發者，傾向先開出「高功率輸出、安全性、多指靈巧度」等硬體規格，接著才思考能應用在哪裡；從資訊科學視角切入的開發者，則習慣不預設機器人長相，專注於收集海量數據、微調基礎模型，試圖打造出能聽懂一句指令就執行各種任務的通用型機器人。這種從單一視角出發的現象，容易讓開發者變成「拿著鐵鎚找釘子」的人，反而忽略跨領域整合與系統工程的真諦。
為了解釋盲目解決表象問題的風險，陳奕廷以醫院缺工的真實痛點為例，說明當工程師聽到護理師每天需要在病房來回走上兩萬步時，最直覺的反應往往是直接開發，或導入一台能在複雜環境中自主導航的送藥機器人，代替護理師執行送藥任務。
不過，陳奕廷提醒開發者，真正的開發思維應該先退一步深究：「為什麼護理師要走兩萬步？」與其單純把現有任務自動化，開發者更該思考系統設計是否出了問題。他也分享在醫院觀察到的真實現象：許多受過專業訓練的藥師，竟有一定比例的工作時間花在搬運藥箱上，這些才是必須從根本解決的系統性痛點。
針對這些挑戰，陳奕廷提倡導入「以人為本的實體 AI」閉環式協同演化框架（A Closed-Loop Co-Evolution Framework），強調未來的機器人開發流程必須借鏡「系統工程（Systems Engineering）」思維，從確認人類的真實需求與意圖出發，接著明確定義任務與限制條件。隨後，開發團隊必須進行人類、硬體、軟體的三方協同設計（Co-Design Engine），並將系統投入真實世界部署與評估。透過持續獲取人類與環境的動態回饋，實體 AI 系統才能在不斷改變的情境中持續演化與適應。
機器人要真正落地，無法單靠寫程式或單一專業來解決，這正是 333 Robots Community Meetup 匯聚開發者、學界與產業界進行跨域交流的最大價值。
「我們要會問為什麼，我們要去思考為什麼這些事情會這樣子發生，」陳奕廷提醒，只有當開發者不再被單一技術框架綁架、具備分析真實世界問題的能力，並透過重新思考痛點源頭來驅動設計，Physical AI 才能真正在產業中發揮價值。
延續「333 Robots Community Meetup」的精神，六月份的活動將與開發者一同探討前沿技術如何走出實驗室，並由陽明交大「人本智慧系統實驗室（HCIS Lab）」的黃毓翔與林谷翰，帶來甫從奧地利頂尖研討會「IEEE ICRA 與 WBCD 雙手操作挑戰賽」帶回的第一手情報，解析各國好手如何運用端到端實體 AI 技術，突破雙臂機器人的複雜操作。
另一方面，擁有豐富機器人系統工程經驗、來自 Taiwan Robotics Community 的簡文昱，將和與會者們一同探討數位孿生在軌道產業的應用，同時分享如何以虛擬世界的高精度模擬，讓 AI 安全走入高風險場域。
在活動現場，台灣夏普行銷長蕭家昕也將帶來邊緣 AI 技術商品化的實例展示：AI 陪伴型機器人「Poketomo 口袋同萌」，讓與會者在掌握最新技術趨勢的同時，也能親身體驗前沿技術「走出實驗室」並落實為真實產品的樣貌。
前言技術如何走出實驗室？世界級賽場上有哪些最新的技術解法？六月交流之夜，邀請您一同來現場喝杯啤酒、輕鬆聊聊！
立即報名
在 Windows 出現以前，電腦多半是工程師與電腦科學家才能真正操作的專業工具，使用者必須學習命令列介面、複雜的硬體協定，甚至從頭開始編寫軟體。然而，在 Windows 誕生後，透過直觀的使用者介面、內建應用程式與隨插即用（plug-and-play）的硬體能力，把複雜的操作變得容易上手，成功讓個人電腦從工程工具，變成人人皆可使用的裝置。
位於美國西雅圖的 Edge AI 與機器人技術公司 Numurus，透過軟體平台、硬體整合與工程服務，協助企業加速機器人、智慧感測器與 AI 應用的開發流程，目標是把原本可能耗時數年的開發週期縮短到數個月。
Numurus 執行長 Jason Seawall 近日在《The Robot Report》撰文指出，類似的轉變正在機器人產業發生，Edge AI 正準備讓機器人從少數專家才能操作的系統，走向被廣泛使用的型態。一旦 Edge AI 的操作門檻降低，客群將從原本資金充裕的機器人新創、大型 OEM 與國防承包商，擴展到 STEM 教育計畫與跨領域研究人員，並讓團隊能將第一版產品的出貨時間從一年縮短至幾週。
Jason Seawall 指出，來自 NVIDIA、AMD、Qualcomm 與 Hailo 等公司的 Edge AI 處理器，已讓機器人能在本地端執行 AI 模型、快速分析感測器資料，並做出毫秒級決策，且這些晶片已具備足夠的運算速度、較低成本與更高能源效率，得以運行真正的 AI 工作負載，使得硬體技術跨越實用的轉折點。然而，這類 Edge AI 系統的極高複雜度，仍將部署門檻侷限在經驗豐富的工程師手中。
與個人電腦不同，機器人需要介接的是相機、雷射、GPS 與馬達，機器人也需要能連結即時感測器數據與 AI 模型的控制軟體，而不是一般的文書處理程式。這項對軟體層的迫切需求，在 BlackBerry QNX 發布的《Inside the Robot: Architecture Benchmark Report》報告中也獲得強烈佐證。這份針對全球 1,000 名開發者的調查報告顯示，高達 27% 的受訪者將「軟體架構與整合」列為最大的效能瓶頸，遠高於指向硬體的 16%。
報告指出，開發者目前普遍面臨四大核心挑戰：系統整合複雜、認證容易延遲、人機互動存在安全風險，以及難以確保系統行為的可預測性。此外，即便團隊有能力自建底層軟體，也必須承擔「從零打造」的巨大隱性成本，這包含長達 6 到 12 個月的開發期，以及遇到硬體變更就容易崩潰的客製化程式碼，更可惜的是，高階工程師往往被迫將大量時間浪費在維護底層驅動程式上。正因為缺乏好用的軟體基礎，對多數人來說，現在的 Edge AI 處理器就如同 1981 年的個人電腦一樣：「功能強大，卻難以親近」。
要打破軟體架構的瓶頸，機器人產業就需要一套類似 Windows 的易用平台。為了解決這個痛點，Numurus 公司在 2020 年轉向開發名為 NEPI（Numurus Edge Platform Interface）的易用軟體平台。該平台以 Docker 容器的形式安裝執行，並透過提供隨插即用驅動程式（plug-and-play drivers）、內建自動化應用程式（built-in applications）以及直觀的瀏覽器介面（browser-based interfaces），大幅降低 Edge AI 部署的複雜度。
這樣的設計也呼應 Windows 當年讓 PC 普及的邏輯。在這個脈絡下，Edge AI 不只是協助機器人在本地端執行模型，更讓機器人開發從高度碎片化的工程整合，開始走向具備 AI 模型管理（AI model management）與隨插即用硬體的平台化部署流程。
展望未來，QNX 的調查顯示有高達 85% 的開發者預期，未來 3 到 5 年軟體在機器人中的角色將更加吃重，投資也將集中在 AI 驅動決策與網路安全等領域。
「PC 時代的勝利不是靠更快的硬體，而是靠軟體層讓非專家也能善用這些硬體，」Jason Seawall 提出的「Windows for robots」比喻，明確指向產業接下來的關鍵任務：機器人產業如今面臨的課題，是建立能無縫整合 Edge AI、感測器、應用程式與介面的軟體平台。當機器人開發能徹底轉向由軟體平台支撐的標準化部署時，Edge AI 才能真正擴大機器人的可用性，讓缺乏嵌入式軟體專家的團隊，也能輕鬆引進 AI 自動化技術。
【推薦閱讀】
◆ 中國已量產全球 85% 人形機器人，下一個難題是：誰來買單？
◆ 展示容易部署難，人形機器人距離真正的工業化還有多遠？
◆ 複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業
＊本文開放合作夥伴轉載，資料來源：《The Robot Report》、《Robotics & Automation News》，首圖來源：Numurus
登录