全球智能機械人的市場范圍估計在2021年將生長至336億美元，而亞洲將是生長最多的地域。最近幾年列國都不謀而合將機械人視為計謀家當，某種水平乃至可所以一種綜合國力的展示，各范疇的引導廠商都積極投入并成長傍邊。

　　機械人無疑已成為下一個科技明日之星，全球列國無不積極推進機械人家當，而近期人工智能與深度進修等技巧成長熱度增溫，更成為推進智能機械人成長的主要動能。依據工研院IEK研討申報預估，全球智能機械人的市場范圍估計在2021年將生長至336億美元，而亞洲將是生長最多的地域。

　　依據財團法人周詳機械研討成長中間的界說，智能機械人可透過傳感器感知情況，并藉由法式化處殺青智能化懂得，最初反響出所需舉措，以履行各類臨盆運動、供給辦事或與人互動。它是聚集各類技巧于一體的平臺，包括機械、掌握主動化、電子、機電、影象、光學、通信、軟件與平安體系等相干技巧與運用，個中軟硬件整合技巧至為主要。本課程深刻商量智能機械人家當遠景，并分析癥結技巧、零組件與軟硬件架構。

　　辦事機械人具成長潛力

　　依據資策會MIC研討數據顯示（圖1），2015年四年夜運用范疇機械人市場范圍算計約269億美元，個中以工業機械人110億美元比重最高，但到了2025年全體市場范圍將擴展到669億美元，雖然市場范圍照樣以工業機械人的244億美元最年夜，但貿易用機械人與小我用機械人2000——2025年復分解長率（CAGR）分離為11.6%與17.4%，資策會MIC家當剖析師張佳蕙（圖2）指出，特別是2015年今后，這兩類運用生長更加明顯，辦事型運用市場傍邊，有很多曩昔未導入機械人的新興范疇，帶動其生長潛力。

　　資策會MIC家當剖析師張佳蕙指出，2015年今后，辦事型運用市場，有很多曩昔未導入機械人的新興范疇，帶動其生長潛力。

　　日本軟件銀行最近幾年年夜舉進軍機械人范疇，連續串的舉措激發市場存眷，張佳蕙說，包含2012年收買法國人形機械人公司AldebaranRobotics，其2014年推出的人形機械人Pepper陸續與IBMWatson、MicrosoftAzure協作。Softbank提出以溝通為基本供給家庭及貿易運用的愿景，Pepper被設定為「愿望能被愛」的機械人，透過互動溝通懂得家中成員，成為家中的一分子；并在人工智能的基本下，讓Pepper協助企業產物的營銷，在家庭兼具文娛及進修后果。另外，今朝較著名已投入市場的辦事型機械人還有Leka與Savioke。

　　最近幾年列國都不謀而合將機械人視為計謀家當，日本成長機械人已久，2015年日本當局設立機械人反動建議協定會，推進機械人家當的成長；韓國則是由家當互市資本部主導，每五年制訂根本籌劃，目的是在2022年成為機械人活用的國度，臨盆范圍達25兆韓圜；美國則是從2011年開端，由美國國度迷信基金會（NSF）主導，成長可以或許平安與人協同任務的機械人技巧。今朝韓國以家用機械工資成長主力，美國則是在救災國防搶先列國，張佳蕙建議，家庭運用與公共運用列國結構已深，貿易運用近期鼓起，臺灣可以乘機切入。

　　深度進修、語音辨認等技巧在最近幾年有明顯的成長，也是以促進辦事型機械人家當與運用的鼓起，機械人從曩昔單向溝通履行敕令，退化到可以懂得語意呼應對話內容，運用辦事為機械人后續成長重點。機械人運用情境多元，在分歧場所必需聯合各范疇專業常識及對用戶需求的懂得，是以廠商應透過開放平臺，加速機械人在各范疇的運用。

　　類神經收集技巧年夜躍進

　　深度進修這個名詞由于2016年人工智能AlphaGo連敗南韓棋王，機械首度勝利挑釁人腦，并在圍棋這個廣泛被以為難度最高的博弈運動中，一時又被世界年夜眾所關懷。而AlphaGo的深度進修焦點就是類神經收集技巧，早在1943年，WarrenMcCulloch和WalterPitts初次提入迷經元的數學模子，以后到了1958年，心思學家Rosenblatt提出了感知器（Perceptron）的概念，在前者神經元的構造中參加了練習修改參數的機制，這時候類神經收集的根本學理架構算是完成。類神經收集的神經元實際上是早年端搜集到各類訊號（相似神經的樹突），然后將各個訊號依據權重加權后加總，再透度日化函數轉換成新訊號傳送出去（相似神經元的軸突）。

　　相干技巧架構其實早在1970年月就曾經完成了，數據決議計劃技巧長尹相志（圖3）表現，深度進修其實就是類神經收集的另外一種說法，其勝利來自于更深刻懂得人類年夜腦的運作。卷積神經收集（ConvolutionalNeuralNetwork）協助機械成長真實的視覺，個中的兩年夜準繩為：部分感知與權重同享。讓機械可以從碎片特點懂得全體意義，進而找出特點的群聚性，賡續分層細化的剖析，不管是多纖細的特點：只需不化成灰，都能抽取特點。

　　個中，圖形辨識是個中的重點，在過往的認知中，中心處置器（CPU）與畫圖處置器（GPU）處置分歧的運算功效，單就圖形辨識的深度進修功效來講，GPU的效能是CPU的百至千倍，尹相志進一步表現，透過深度進修，機械乃至可以將本來馬賽克圖案的照片后果移除復原。不外，在語音與文字的辨識上，中文關于機械照樣很年夜的挑釁，中文辭匯跨越百萬，不必商定成俗便可發明新字和付與詞性，還有許多中英、中日、中韓攙雜的辭匯，諸如：藍瘦、噴鼻菇、94狂等。

年夜廠匯集數據結構將來

　　機械人家當遠景遭到各方注視，特別深度進修、人工智能成為各年夜廠結構下一波企業成長的偏向，包含臉書(Facebook)、微軟(Microsoft)、谷歌(Google)與亞馬遜(Amazon)。這些企業的共通點就是都透過產物、辦事與花費者互動，并積累了多年的低級數據，將來人工智能與深度進修說穿了都是年夜量數據匯集、整頓并分類、標注(Tag)使這些低級數據釀成信息，最初再透過壯大的處置器疾速搜索與反響的成果。

　　從如許的架構來不雅察，碩網信息總司理邱仁鈿(圖4)以為，四年夜廠之間FB的數據構造化水平最高，由于每一個用戶上傳文章或圖片時，曾經將內容整頓過，圖片分辯率高乃至照片中的人物也直接標注了，將來FB要藉由這些數據做進一步整頓或應用時，可以消費起碼的時光，或停止更高質量的整頓。今朝世界上有80%的數據數據長短構造化的，認知運算可以或許晉升并簡化進修進程。

　　是以，機械人要下降毛病率重點就在數據的完全性與構造化，邱仁鈿進一步說明，深度進修的運用過程從底層的類神經收集運算、年夜量數據剖析、發明規矩/主動歸類、發生媒合/推舉戰略、記載用戶行動、回饋到模子/晉升精確率，終究就是要晉升數據質量并發生自我進修修改機制。

　　協作型機械人腳色加倍主要

　　工業制作從80、90年月的主動化，成長到2000年月的智能制作，將來的智能工場除更高度的主動化與代替更多龐雜的人力制程以外，還愿望成長更多協作型機械人，臺達電子機械人事業群機械人事業處長彭志誠(圖5)解釋，包含點膠(Dispensing)、上螺釘(Screwing)、焊接(Soldering)、磨練(Inspection)、組裝(Assembly)、卡匣主動搬運車(Pick&PlaceVehicle，P&P)等，乃至可以彈性改換夾具與對象，臨盆線因產物、制程須要而可以彈性重組(Reconfigurable)，可以處置更多客制化的及時定單。

　　一個機械人體系，彭志誠說明，可以簡略分紅機械構造(Mechanicalstructure)、驅動法式、運算與掌握單位、傳感器、通信模塊幾個項目。將來協作型機械人的市場成長趨向為業界注視，多家研討單元都看好其成長，BarclaysEquity研討指出，2020年該市場范圍將挑釁30億美元，2015——2020年復分解長率97%，長短常高度生長的市場。

　　工業4.0促進自立機械人成長

　　智能機械人的成長要從德國喊出的工業4.0標語來不雅察，臺科年夜主動化及掌握研討所副傳授李敏凡(圖6)說，該標語的精力在大批多樣、周期短，一切貿易運動始于賣方，曩昔傳統的臨盆價值鏈次序倒置，從顧客需求開端驅動研發，再到供給鏈與臨盆，完成全部貿易運動。是以，臨盆線必需保持高度彈性，以因應林林總總分歧的需求，并及時反響。

　　自立挪動機械人(AutonomousMobileRobot)有別于非自立性質的機械人，李敏凡指出，非自立性質如遙控是由人類以有線或無線方法掌握；主動是履行籌劃好的義務盤算機法式；而自立則是可以在未知情況，處置非預知的任務，并可隨時、隨機彈性調劑任務內容。簡略的說，工業4.0就是工業3.0加上人工智能，自立機械人的行動內容包含，避障、目的搜索、軌跡追蹤、堅持隊形等。

　　傳感器運用質量均升

　　從癥結零組件的角度來看，臺科年夜電子工程系賴文政(圖7)博士說，機械人是由很多次體系整合而成的，若進一步將次體系拆解，則可以年夜致分紅顯示器、輸出裝備如鍵盤/游戲桿、驅動器如馬達、通信裝備、感測模塊、視覺模塊、導航模塊等主要單位。這些模塊在一個機械人身上能夠涌現屢次，而微掌握器(MCU)與傳感器，在很多次體系或模塊上都邑幾回再三涌現，長短常主要的癥結零組件，并且隨功效晉升，這些癥結零組件的應用量也將更加驚人。

　　特別是傳感器，要讓機械人更聰慧，需透過這些前真個傳感器匯集更多信息，意法半導體(ST)模仿、微電機與感測組件運用司理陳建成(圖8)解釋，傳感器分紅舉措、情況、聲響三類，以當紅的Pepper為例，其頭部有四個麥克風、兩個RGB相機、一個3D傳感器、三個觸控傳感器、胸前有一個陀螺儀、手部有兩個觸控傳感器、腿部有兩個聲納傳感器、雷射傳感器六個、三個保險桿傳感器、一個陀螺儀、兩個紅外線傳感器，共九類近30顆傳感器。

　　也因為感測的需求愈來愈高，情況傳感器將往新運用范疇成長，微電機類型的電子羅盤、加快度計、陀螺儀、麥克風等將連續晉升感測精準度，也就是下降噪聲攪擾，晉升感測敏銳度與精度。別的因應傳感器融會(SensorFusion)的成長趨向，將促進異性質的傳感器融會，如加快度計整合陀螺儀成為六軸傳感器，加快度計整合電子羅盤與陀螺儀成為九軸傳感器。將來單一功效的傳感器將會愈來愈少。

　　智能機械人測試項目繁復

　　智能機械人特別是陪同與辦事型機械人遲遲未能普及的一個主要緣由就是平安性，有些陪同型機械人動輒幾十千克，加上挪動速度，若是在家中產生不測，面臨的是小同伙與白叟家，生怕還未殺青陪同的目標就先變成災禍。別的，在工場的臨盆在線，天天與機械為伍的人員，平安風險更是有增無減。

　　是以機械人產物風險與驗證也是一個主要的議題，UL動力暨電力科技部事業成長司理陳立閔(圖9)指出，UL1740尺度是美國關于機械人裝備的根本平安設計請求，個中的測試要點包含電源輸出、最年夜負載電流、操作溫度、過電壓與欠電壓、漏電流、操作軟件、手持部位、導體掉效、透風馬達逝世鎖、驅動馬達逝世鎖、馬達煞車、零組件破損、過載、斷電與重啟、緊迫停滯裝配、緊迫停滯時光與挪動間隔丈量、斷電下的緊迫挪動、抓取裝配、教授教養形式下的低速活動丈量、突電壓的防護、絕緣資料耐受電壓、電路板耐受電壓、彎折、軸向扭轉耐受性、提拉與挪動、外殼強度等數十個項目。

　　并且不是只要零件要測試，陳立閔強調，零組件平安與軟件平安都要測試，其他還有許多需要與非需要的平安防護，跟產物的類型與個體特征有關，例如性能平安(FunctionalSafety)認證，內容提到機械裝備的平安靠得住性分紅五級，耐用次數從一萬次到一萬萬次。智能機械人的驗證內容繁瑣，因應家當與時期的成長，當我們與機械人的互動愈來愈親密，也能夠由于產生新的非預期不測，使得平安驗證的項目愈來愈多，是以如欲投入智能機械人范疇，盡早懂得龐雜的平安認證內容并導入異常主要。