實體 AI · 人形機器人
Physical AI
什麼是實體 AI?
- 將智慧植入實際的「身體(機器人)」,在現實中工作的 AI
- 感知・世界模型・控制是核心要素
- 為了直接沿用以人為中心設計的環境,人形機器人受到關注
實體 AI 真正改變的,是「出錯時要付出的代價」。聊天機器人給出錯誤答案,重新提問就好;但機器手臂一旦判斷失誤,20 公斤的材料就會掉到地上,整條產線跟著停擺。因此這個領域的專案,比起「準確率幾%」這類指標,失敗時能安全停下來的設計往往要先被考慮。這也是為什麼在導入評估會議上,「一小時能抓幾個?」遠不如「沒抓到時,由誰、如何察覺?」來得重要。
也最好先釐清與既有工廠自動化之間的界線。輸送帶旁的工業用機器人,是只會重複人工逐一示教過動作的機器,因此零件只要歪了 2~3 公分擺放,它就會照樣撲空。實體 AI 的差別在於,它是學習情境,而非座標。因此,品項頻繁更換的多品種小量產線,或每次堆放狀況都不同的入庫區,這類用示教方式算不出效益的製程,常被列為首要的導入候選。
外形也會依用途而有所不同。雙足行走的人形機器人可以直接使用樓梯、狹窄通道與人用工作台,但平衡控制耗電量大,單價也高。相反地,在輪子上加裝手臂的行動操作機械手臂,或固定式揀貨機器人,則是投資回收期短得多的務實選擇。在評估階段,比起「需不需要人形機器人」,建議先算清楚地面是否平整、人員一天需要介入幾次。
最常見的迷思是「既然是依人的環境打造,直接搬進工廠就行」。實際上,光是照明改變,或棧板上多蓋一層塑膠膜,辨識率就會驟降;安全圍欄、職場風險評估與緊急停機動線也都得重新規劃。更常出錯的反而是人。若沒有先培養機器人停機時負責復原的人力,設備雖然進場了,稼動率卻會比導入前還低。實務上最穩妥的順序,是先從導入預算中撥出一部分,用於現場再訓練。
意指「在物理世界中運作的 AI」。2024~2025 年間,半導體與機器人產業為了與生成式 AI(數位)作區隔,將其提出為下一代發展主軸,因而開始廣泛使用。
以下以假設案例說明。A 公司是員工約 240 人規模的汽車零組件二級供應商,塗裝製程後負責檢驗與裝載的三班制人力共 12 人,其中 4 人在半年內離職。因缺額無法補足,產線平均每天停機 40 分鐘。2025 年 9 月,生產技術團隊以 6 個月租賃條件,試辦投入 2 台揀貨用行動操作機械手臂。
- 生產技術團隊朴副理將最初兩週機器人失誤的 187 起情況錄影彙整,找出一個規律:只有在地面滲油的區段,機器人才會撲空。
- 與系統整合(SI)廠商一同將產線照度調整為均勻,並把棧板規格統一為 2 種後,第 3 週的揀取成功率由 78% 提升至 94%。
- 指定兩名班長負責機器人復原,並進行 8 小時實作訓練。金班長則要求:「不要只說停了就叫人,請教我們自己怎麼解決。」
- 將夜班改為 2 台機器人搭配 1 名作業員的編制,多出的人力則轉任外觀最終檢驗與不良原因紀錄工作。
- 6 個月後,產線停機時間由每天 40 分鐘減至 11 分鐘,同時將 3 名人員調派至檢驗製程,返工率也由 2.1% 降至 1.3%。
金鍾赫
Seung-tae Park