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(chǎng)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(chǎng)規(guī)模將擴(kuò)大到669億美元，盡管市場(chǎng)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(zhǎng)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(lèi)應(yīng)用成長(zhǎng)更為顯著，服務(wù)型應(yīng)用市場(chǎng)當(dāng)中，有許多過(guò)去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動(dòng)其成長(zhǎng)潛力。

2000～2025年全球各應(yīng)用領(lǐng)域機(jī)器人產(chǎn)業(yè)規(guī)模

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(chǎng)，有許多過(guò)去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動(dòng)其成長(zhǎng)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(chǎng)關(guān)注，張佳蕙說(shuō)，包括2012年收購(gòu)法國(guó)人形機(jī)器人公司AldebaranRobotics，其2014年推出的人形機(jī)器人Pepper陸續(xù)與IBMWatson、MicrosoftAzure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(ài)」的機(jī)器人，透過(guò)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(yíng)銷(xiāo)，在家庭兼具娛樂(lè)及學(xué)習(xí)效果。此外，目前較知名已投入市場(chǎng)的服務(wù)型機(jī)器人還有Leka與Savioke。

近年各國(guó)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(guó)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(guó)家，生產(chǎn)規(guī)模達(dá)25兆韓圜；美國(guó)則是從2011年開(kāi)始，由美國(guó)國(guó)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(guó)以家用機(jī)器人為發(fā)展主力，美國(guó)則是在救災(zāi)國(guó)防領(lǐng)先各國(guó)，張佳蕙建議，家庭應(yīng)用與公共應(yīng)用各國(guó)布局已深，商業(yè)應(yīng)用近期興起，臺(tái)灣可以伺機(jī)切入。

深度學(xué)習(xí)、語(yǔ)音識(shí)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(guò)去單向溝通執(zhí)行命令，進(jìn)化到可以理解語(yǔ)意響應(yīng)對(duì)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(chǎng)合必須結(jié)合各領(lǐng)域?qū)I(yè)知識(shí)及對(duì)用戶需求的了解，因此廠商應(yīng)透過(guò)開(kāi)放平臺(tái)，加快機(jī)器人在各領(lǐng)域的應(yīng)用。

類(lèi)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(lèi)神經(jīng)網(wǎng)絡(luò)技術(shù)，早在1943年，WarrenMcCulloch以及WalterPitts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(lèi)神經(jīng)網(wǎng)絡(luò)的基本學(xué)理架構(gòu)算是完成。類(lèi)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(hào)(類(lèi)似神經(jīng)的樹(shù)突)，然后將各個(gè)訊號(hào)根據(jù)權(quán)重加權(quán)后加總，再透過(guò)活化函數(shù)轉(zhuǎn)換成新訊號(hào)傳送出去(類(lèi)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(zhǎng)尹相志(圖3)表示，深度學(xué)習(xí)其實(shí)就是類(lèi)神經(jīng)網(wǎng)絡(luò)的另一種說(shuō)法，其成功來(lái)自于更深入理解人類(lèi)大腦的運(yùn)作。卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetwork)協(xié)助機(jī)器發(fā)展真正的視覺(jué)，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(wú)論是多細(xì)微的特征：只要不化成灰，都能抽取特征。

其中，圖形辨識(shí)是其中的重點(diǎn)，在過(guò)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(shí)的深度學(xué)習(xí)功能來(lái)說(shuō)，GPU的效能是CPU的百至千倍，尹相志進(jìn)一步表示，透過(guò)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(guò)，在語(yǔ)音與文字的辨識(shí)上，中文對(duì)于機(jī)器還是很大的挑戰(zhàn)，中文詞匯超過(guò)百萬(wàn)，無(wú)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(lái)

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(shū)(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(guò)產(chǎn)品、服務(wù)與消費(fèi)者互動(dòng)，并累積了多年的初級(jí)數(shù)據(jù)，未來(lái)人工智能與深度學(xué)習(xí)說(shuō)穿了都是大量數(shù)據(jù)搜集、整理并分類(lèi)、標(biāo)注(Tag)使這些初級(jí)數(shù)據(jù)變成信息，最后再透過(guò)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(lái)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(guò)，圖片分辨率高甚至照片中的人物也直接標(biāo)注了，未來(lái)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(jiǎn)化學(xué)習(xí)過(guò)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?zhuān)疃葘W(xué)習(xí)的應(yīng)用歷程從底層的類(lèi)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(lèi)、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(lái)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(tái)達(dá)電子機(jī)器人事業(yè)群機(jī)器人事業(yè)處長(zhǎng)彭志誠(chéng)(圖5)說(shuō)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(chē)(Pick&PlaceVehicle，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(chéng)解釋?zhuān)梢院?jiǎn)單分成機(jī)械結(jié)構(gòu)(Mechanicalstructure)、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(lái)協(xié)作型機(jī)器人的市場(chǎng)發(fā)展趨勢(shì)為業(yè)界矚目，多家研究單位都看好其發(fā)展，BarclaysEquity研究指出，2020年該市場(chǎng)規(guī)模將挑戰(zhàn)30億美元，2015～2020年復(fù)合成長(zhǎng)率97%，是非常高度成長(zhǎng)的市場(chǎng)。

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(guó)喊出的工業(yè)4.0口號(hào)來(lái)觀察，臺(tái)科大自動(dòng)化及控制研究所副教授李敏凡(圖6)說(shuō)，該口號(hào)的精神在少量多樣、周期短，一切商業(yè)活動(dòng)始于賣(mài)方，過(guò)去傳統(tǒng)的生產(chǎn)價(jià)值鏈順序顛倒，從顧客需求開(kāi)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(AutonomousMobileRobot)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(lèi)以有線或無(wú)線方式控制；自動(dòng)是執(zhí)行規(guī)畫(huà)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(jiǎn)單的說(shuō)，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(lái)看，臺(tái)科大電子工程系賴(lài)文政(圖7)博士說(shuō)，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(pán)/游戲桿、驅(qū)動(dòng)器如馬達(dá)、通訊設(shè)備、感測(cè)模塊、視覺(jué)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(guò)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(cè)組件應(yīng)用經(jīng)理陳建成(圖8)說(shuō)明，傳感器分成動(dòng)作、環(huán)境、聲音三類(lèi)，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(lèi)近30顆傳感器。

也由于感測(cè)的需求越來(lái)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(lèi)型的電子羅盤(pán)、加速度計(jì)、陀螺儀、麥克風(fēng)等將持續(xù)提升感測(cè)精準(zhǔn)度，也就是降低噪聲干擾，提升感測(cè)靈敏度與精度。另外因應(yīng)傳感器融合(SensorFusion)的發(fā)展趨勢(shì)，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(pán)與陀螺儀成為九軸傳感器。未來(lái)單一功能的傳感器將會(huì)越來(lái)越少。

智能機(jī)器人測(cè)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(duì)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(wú)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，UL1740標(biāo)準(zhǔn)是美國(guó)對(duì)于機(jī)器人設(shè)備的基本安全設(shè)計(jì)要求，其中的測(cè)試要點(diǎn)包括電源輸入、最大負(fù)載電流、操作溫度、過(guò)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(chē)、零組件破損、過(guò)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(cè)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(cè)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(cè)試，陳立閔強(qiáng)調(diào)，零組件安全與軟件安全都要測(cè)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(lèi)型與個(gè)別特性有關(guān)，例如機(jī)能安全(FunctionalSafety)認(rèn)證，內(nèi)容提到機(jī)器設(shè)備的安全可靠性分成五級(jí)，耐用次數(shù)從一萬(wàn)次到一千萬(wàn)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(lái)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(lái)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。

更多資訊請(qǐng)關(guān)注工業(yè)機(jī)器人頻道