全球智能機(jī)械人的市場(chǎng)范圍估計(jì)在2021年將生長(zhǎng)至336億美元，而亞洲將是生長(zhǎng)最多的地域。最近幾年列國(guó)都不謀而合將機(jī)械人視為計(jì)謀家當(dāng)，某種水平乃至可所以一種綜合國(guó)力的展示，各范疇的引導(dǎo)廠商都積極投入并成長(zhǎng)傍邊。

　　機(jī)械人無(wú)疑已成為下一個(gè)科技明日之星，全球列國(guó)無(wú)不積極推進(jìn)機(jī)械人家當(dāng)，而近期人工智能與深度進(jìn)修等技巧成長(zhǎng)熱度增溫，更成為推進(jìn)智能機(jī)械人成長(zhǎng)的主要?jiǎng)幽堋Ｒ罁?jù)工研院IEK研討申報(bào)預(yù)估，全球智能機(jī)械人的市場(chǎng)范圍估計(jì)在2021年將生長(zhǎng)至336億美元，而亞洲將是生長(zhǎng)最多的地域。

　　依據(jù)財(cái)團(tuán)法人周詳機(jī)械研討成長(zhǎng)中間的界說(shuō)，智能機(jī)械人可透過(guò)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(yùn)動(dòng)、供給辦事或與人互動(dòng)。它是聚集各類技巧于一體的平臺(tái)，包括機(jī)械、掌握主動(dòng)化、電子、機(jī)電、影象、光學(xué)、通信、軟件與平安體系等相干技巧與運(yùn)用，個(gè)中軟硬件整合技巧至為主要。本課程深刻商量智能機(jī)械人家當(dāng)遠(yuǎn)景，并分析癥結(jié)技巧、零組件與軟硬件架構(gòu)。

　　辦事機(jī)械人具成長(zhǎng)潛力

　　依據(jù)資策會(huì)MIC研討數(shù)據(jù)顯示（圖1），2015年四年夜運(yùn)用范疇機(jī)械人市場(chǎng)范圍算計(jì)約269億美元，個(gè)中以工業(yè)機(jī)械人110億美元比重最高，但到了2025年全體市場(chǎng)范圍將擴(kuò)展到669億美元，雖然市場(chǎng)范圍照樣以工業(yè)機(jī)械人的244億美元最年夜，但貿(mào)易用機(jī)械人與小我用機(jī)械人2000——2025年復(fù)分解長(zhǎng)率（CAGR）分離為11.6%與17.4%，資策會(huì)MIC家當(dāng)剖析師張佳蕙（圖2）指出，特別是2015年今后，這兩類運(yùn)用生長(zhǎng)更加明顯，辦事型運(yùn)用市場(chǎng)傍邊，有很多曩昔未導(dǎo)入機(jī)械人的新興范疇，帶動(dòng)其生長(zhǎng)潛力。

　　資策會(huì)MIC家當(dāng)剖析師張佳蕙指出，2015年今后，辦事型運(yùn)用市場(chǎng)，有很多曩昔未導(dǎo)入機(jī)械人的新興范疇，帶動(dòng)其生長(zhǎng)潛力。

　　日本軟件銀行最近幾年年夜舉進(jìn)軍機(jī)械人范疇，連續(xù)串的舉措激發(fā)市場(chǎng)存眷，張佳蕙說(shuō)，包含2012年收買法國(guó)人形機(jī)械人公司AldebaranRobotics，其2014年推出的人形機(jī)械人Pepper陸續(xù)與IBMWatson、MicrosoftAzure協(xié)作。Softbank提出以溝通為基本供給家庭及貿(mào)易運(yùn)用的愿景，Pepper被設(shè)定為「愿望能被愛(ài)」的機(jī)械人，透過(guò)互動(dòng)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(xié)助企業(yè)產(chǎn)物的營(yíng)銷，在家庭兼具文娛及進(jìn)修后果。另外，今朝較著名已投入市場(chǎng)的辦事型機(jī)械人還有Leka與Savioke。

　　最近幾年列國(guó)都不謀而合將機(jī)械人視為計(jì)謀家當(dāng)，日本成長(zhǎng)機(jī)械人已久，2015年日本當(dāng)局設(shè)立機(jī)械人反動(dòng)建議協(xié)定會(huì)，推進(jìn)機(jī)械人家當(dāng)?shù)某砷L(zhǎng)；韓國(guó)則是由家當(dāng)互市資本部主導(dǎo)，每五年制訂根本籌劃，目的是在2022年成為機(jī)械人活用的國(guó)度，臨盆范圍達(dá)25兆韓圜；美國(guó)則是從2011年開(kāi)端，由美國(guó)國(guó)度迷信基金會(huì)（NSF）主導(dǎo)，成長(zhǎng)可以或許平安與人協(xié)同任務(wù)的機(jī)械人技巧。今朝韓國(guó)以家用機(jī)械工資成長(zhǎng)主力，美國(guó)則是在救災(zāi)國(guó)防搶先列國(guó)，張佳蕙建議，家庭運(yùn)用與公共運(yùn)用列國(guó)結(jié)構(gòu)已深，貿(mào)易運(yùn)用近期鼓起，臺(tái)灣可以乘機(jī)切入。

　　深度進(jìn)修、語(yǔ)音辨認(rèn)等技巧在最近幾年有明顯的成長(zhǎng)，也是以促進(jìn)辦事型機(jī)械人家當(dāng)與運(yùn)用的鼓起，機(jī)械人從曩昔單向溝通履行敕令，退化到可以懂得語(yǔ)意呼應(yīng)對(duì)話內(nèi)容，運(yùn)用辦事為機(jī)械人后續(xù)成長(zhǎng)重點(diǎn)。機(jī)械人運(yùn)用情境多元，在分歧場(chǎng)所必需聯(lián)合各范疇專業(yè)常識(shí)及對(duì)用戶需求的懂得，是以廠商應(yīng)透過(guò)開(kāi)放平臺(tái)，加速機(jī)械人在各范疇的運(yùn)用。

　　類神經(jīng)收集技巧年夜躍進(jìn)

　　深度進(jìn)修這個(gè)名詞由于2016年人工智能AlphaGo連敗南韓棋王，機(jī)械首度勝利挑釁人腦，并在圍棋這個(gè)廣泛被以為難度最高的博弈運(yùn)動(dòng)中，一時(shí)又被世界年夜眾所關(guān)懷。而AlphaGo的深度進(jìn)修焦點(diǎn)就是類神經(jīng)收集技巧，早在1943年，WarrenMcCulloch和WalterPitts初次提入迷經(jīng)元的數(shù)學(xué)模子，以后到了1958年，心思學(xué)家Rosenblatt提出了感知器（Perceptron）的概念，在前者神經(jīng)元的構(gòu)造中參加了練習(xí)修改參數(shù)的機(jī)制，這時(shí)候類神經(jīng)收集的根本學(xué)理架構(gòu)算是完成。類神經(jīng)收集的神經(jīng)元實(shí)際上是早年端搜集到各類訊號(hào)（相似神經(jīng)的樹突），然后將各個(gè)訊號(hào)依據(jù)權(quán)重加權(quán)后加總，再透度日化函數(shù)轉(zhuǎn)換成新訊號(hào)傳送出去（相似神經(jīng)元的軸突）。

　　相干技巧架構(gòu)其實(shí)早在1970年月就曾經(jīng)完成了，數(shù)據(jù)決議計(jì)劃技巧長(zhǎng)尹相志（圖3）表現(xiàn)，深度進(jìn)修其實(shí)就是類神經(jīng)收集的另外一種說(shuō)法，其勝利來(lái)自于更深刻懂得人類年夜腦的運(yùn)作。卷積神經(jīng)收集（ConvolutionalNeuralNetwork）協(xié)助機(jī)械成長(zhǎng)真實(shí)的視覺(jué)，個(gè)中的兩年夜準(zhǔn)繩為：部分感知與權(quán)重同享。讓機(jī)械可以從碎片特點(diǎn)懂得全體意義，進(jìn)而找出特點(diǎn)的群聚性，賡續(xù)分層細(xì)化的剖析，不管是多纖細(xì)的特點(diǎn)：只需不化成灰，都能抽取特點(diǎn)。

　　個(gè)中，圖形辨識(shí)是個(gè)中的重點(diǎn)，在過(guò)往的認(rèn)知中，中心處置器（CPU）與畫圖處置器（GPU）處置分歧的運(yùn)算功效，單就圖形辨識(shí)的深度進(jìn)修功效來(lái)講，GPU的效能是CPU的百至千倍，尹相志進(jìn)一步表現(xiàn)，透過(guò)深度進(jìn)修，機(jī)械乃至可以將本來(lái)馬賽克圖案的照片后果移除復(fù)原。不外，在語(yǔ)音與文字的辨識(shí)上，中文關(guān)于機(jī)械照樣很年夜的挑釁，中文辭匯跨越百萬(wàn)，不必商定成俗便可發(fā)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(lán)瘦、噴鼻菇、94狂等。

年夜廠匯集數(shù)據(jù)結(jié)構(gòu)將來(lái)

　　機(jī)械人家當(dāng)遠(yuǎn)景遭到各方注視，特別深度進(jìn)修、人工智能成為各年夜廠結(jié)構(gòu)下一波企業(yè)成長(zhǎng)的偏向，包含臉書(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(guò)產(chǎn)物、辦事與花費(fèi)者互動(dòng)，并積累了多年的低級(jí)數(shù)據(jù)，將來(lái)人工智能與深度進(jìn)修說(shuō)穿了都是年夜量數(shù)據(jù)匯集、整頓并分類、標(biāo)注(Tag)使這些低級(jí)數(shù)據(jù)釀成信息，最初再透過(guò)壯大的處置器疾速搜索與反響的成果。

　　從如許的架構(gòu)來(lái)不雅察，碩網(wǎng)信息總司理邱仁鈿(圖4)以為，四年夜廠之間FB的數(shù)據(jù)構(gòu)造化水平最高，由于每一個(gè)用戶上傳文章或圖片時(shí)，曾經(jīng)將內(nèi)容整頓過(guò)，圖片分辯率高乃至照片中的人物也直接標(biāo)注了，將來(lái)FB要藉由這些數(shù)據(jù)做進(jìn)一步整頓或應(yīng)用時(shí)，可以消費(fèi)起碼的時(shí)光，或停止更高質(zhì)量的整頓。今朝世界上有80%的數(shù)據(jù)數(shù)據(jù)長(zhǎng)短構(gòu)造化的，認(rèn)知運(yùn)算可以或許晉升并簡(jiǎn)化進(jìn)修進(jìn)程。

　　是以，機(jī)械人要下降毛病率重點(diǎn)就在數(shù)據(jù)的完全性與構(gòu)造化，邱仁鈿進(jìn)一步說(shuō)明，深度進(jìn)修的運(yùn)用過(guò)程從底層的類神經(jīng)收集運(yùn)算、年夜量數(shù)據(jù)剖析、發(fā)明規(guī)矩/主動(dòng)歸類、發(fā)生媒合/推舉戰(zhàn)略、記載用戶行動(dòng)、回饋到模子/晉升精確率，終究就是要晉升數(shù)據(jù)質(zhì)量并發(fā)生自我進(jìn)修修改機(jī)制。

　　協(xié)作型機(jī)械人腳色加倍主要

　　工業(yè)制作從80、90年月的主動(dòng)化，成長(zhǎng)到2000年月的智能制作，將來(lái)的智能工場(chǎng)除更高度的主動(dòng)化與代替更多龐雜的人力制程以外，還愿望成長(zhǎng)更多協(xié)作型機(jī)械人，臺(tái)達(dá)電子機(jī)械人事業(yè)群機(jī)械人事業(yè)處長(zhǎng)彭志誠(chéng)(圖5)解釋，包含點(diǎn)膠(Dispensing)、上螺釘(Screwing)、焊接(Soldering)、磨練(Inspection)、組裝(Assembly)、卡匣主動(dòng)搬運(yùn)車(Pick&PlaceVehicle，P&P)等，乃至可以彈性改換夾具與對(duì)象，臨盆線因產(chǎn)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(shí)定單。

　　一個(gè)機(jī)械人體系，彭志誠(chéng)說(shuō)明，可以簡(jiǎn)略分紅機(jī)械構(gòu)造(Mechanicalstructure)、驅(qū)動(dòng)法式、運(yùn)算與掌握單位、傳感器、通信模塊幾個(gè)項(xiàng)目。將來(lái)協(xié)作型機(jī)械人的市場(chǎng)成長(zhǎng)趨向?yàn)闃I(yè)界注視，多家研討單元都看好其成長(zhǎng)，BarclaysEquity研討指出，2020年該市場(chǎng)范圍將挑釁30億美元，2015——2020年復(fù)分解長(zhǎng)率97%，長(zhǎng)短常高度生長(zhǎng)的市場(chǎng)。

　　工業(yè)4.0促進(jìn)自立機(jī)械人成長(zhǎng)

　　智能機(jī)械人的成長(zhǎng)要從德國(guó)喊出的工業(yè)4.0標(biāo)語(yǔ)來(lái)不雅察，臺(tái)科年夜主動(dòng)化及掌握研討所副傳授李敏凡(圖6)說(shuō)，該標(biāo)語(yǔ)的精力在大批多樣、周期短，一切貿(mào)易運(yùn)動(dòng)始于賣方，曩昔傳統(tǒng)的臨盆價(jià)值鏈次序倒置，從顧客需求開(kāi)端驅(qū)動(dòng)研發(fā)，再到供給鏈與臨盆，完成全部貿(mào)易運(yùn)動(dòng)。是以，臨盆線必需保持高度彈性，以因應(yīng)林林總總分歧的需求，并及時(shí)反響。

　　自立挪動(dòng)機(jī)械人(AutonomousMobileRobot)有別于非自立性質(zhì)的機(jī)械人，李敏凡指出，非自立性質(zhì)如遙控是由人類以有線或無(wú)線方法掌握；主動(dòng)是履行籌劃好的義務(wù)盤算機(jī)法式；而自立則是可以在未知情況，處置非預(yù)知的任務(wù)，并可隨時(shí)、隨機(jī)彈性調(diào)劑任務(wù)內(nèi)容。簡(jiǎn)略的說(shuō)，工業(yè)4.0就是工業(yè)3.0加上人工智能，自立機(jī)械人的行動(dòng)內(nèi)容包含，避障、目的搜索、軌跡追蹤、堅(jiān)持隊(duì)形等。

　　傳感器運(yùn)用質(zhì)量均升

　　從癥結(jié)零組件的角度來(lái)看，臺(tái)科年夜電子工程系賴文政(圖7)博士說(shuō)，機(jī)械人是由很多次體系整合而成的，若進(jìn)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(qū)動(dòng)器如馬達(dá)、通信裝備、感測(cè)模塊、視覺(jué)模塊、導(dǎo)航模塊等主要單位。這些模塊在一個(gè)機(jī)械人身上能夠涌現(xiàn)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(xiàn)，長(zhǎng)短常主要的癥結(jié)零組件，并且隨功效晉升，這些癥結(jié)零組件的應(yīng)用量也將更加驚人。

　　特別是傳感器，要讓機(jī)械人更聰慧，需透過(guò)這些前真?zhèn)€傳感器匯集更多信息，意法半導(dǎo)體(ST)模仿、微電機(jī)與感測(cè)組件運(yùn)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(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。

　　也因?yàn)楦袦y(cè)的需求愈來(lái)愈高，情況傳感器將往新運(yùn)用范疇成長(zhǎng)，微電機(jī)類型的電子羅盤、加快度計(jì)、陀螺儀、麥克風(fēng)等將連續(xù)晉升感測(cè)精準(zhǔn)度，也就是下降噪聲攪擾，晉升感測(cè)敏銳度與精度。別的因應(yīng)傳感器融會(huì)(SensorFusion)的成長(zhǎng)趨向，將促進(jìn)異性質(zhì)的傳感器融會(huì)，如加快度計(jì)整合陀螺儀成為六軸傳感器，加快度計(jì)整合電子羅盤與陀螺儀成為九軸傳感器。將來(lái)單一功效的傳感器將會(huì)愈來(lái)愈少。

　　智能機(jī)械人測(cè)試項(xiàng)目繁復(fù)

　　智能機(jī)械人特別是陪同與辦事型機(jī)械人遲遲未能普及的一個(gè)主要緣由就是平安性，有些陪同型機(jī)械人動(dòng)輒幾十千克，加上挪動(dòng)速度，若是在家中產(chǎn)生不測(cè)，面臨的是小同伙與白叟家，生怕還未殺青陪同的目標(biāo)就先變成災(zāi)禍。別的，在工場(chǎng)的臨盆在線，天天與機(jī)械為伍的人員，平安風(fēng)險(xiǎn)更是有增無(wú)減。

　　是以機(jī)械人產(chǎn)物風(fēng)險(xiǎn)與驗(yàn)證也是一個(gè)主要的議題，UL動(dòng)力暨電力科技部事業(yè)成長(zhǎng)司理陳立閔(圖9)指出，UL1740尺度是美國(guó)關(guān)于機(jī)械人裝備的根本平安設(shè)計(jì)請(qǐng)求，個(gè)中的測(cè)試要點(diǎn)包含電源輸出、最年夜負(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)體掉效、透風(fēng)馬達(dá)逝世鎖、驅(qū)動(dòng)馬達(dá)逝世鎖、馬達(dá)煞車、零組件破損、過(guò)載、斷電與重啟、緊迫停滯裝配、緊迫停滯時(shí)光與挪動(dòng)間隔丈量、斷電下的緊迫挪動(dòng)、抓取裝配、教授教養(yǎng)形式下的低速活動(dòng)丈量、突電壓的防護(hù)、絕緣資料耐受電壓、電路板耐受電壓、彎折、軸向扭轉(zhuǎn)耐受性、提拉與挪動(dòng)、外殼強(qiáng)度等數(shù)十個(gè)項(xiàng)目。

　　并且不是只要零件要測(cè)試，陳立閔強(qiáng)調(diào)，零組件平安與軟件平安都要測(cè)試，其他還有許多需要與非需要的平安防護(hù)，跟產(chǎn)物的類型與個(gè)體特征有關(guān)，例如性能平安(FunctionalSafety)認(rèn)證，內(nèi)容提到機(jī)械裝備的平安靠得住性分紅五級(jí)，耐用次數(shù)從一萬(wàn)次到一萬(wàn)萬(wàn)次。智能機(jī)械人的驗(yàn)證內(nèi)容繁瑣，因應(yīng)家當(dāng)與時(shí)期的成長(zhǎng)，當(dāng)我們與機(jī)械人的互動(dòng)愈來(lái)愈親密，也能夠由于產(chǎn)生新的非預(yù)期不測(cè)，使得平安驗(yàn)證的項(xiàng)目愈來(lái)愈多，是以如欲投入智能機(jī)械人范疇，盡早懂得龐雜的平安認(rèn)證內(nèi)容并導(dǎo)入異常主要。