根據(jù)資策會MIC研究數(shù)據(jù)顯示(圖1)，2015年四大應(yīng)用領(lǐng)域機器人市場規(guī)模合計約269億美元，其中以工業(yè)機器人110億美元比重最高，但到了2025年整體市場規(guī)模將擴大到669億美元，盡管市場規(guī)模還是以工業(yè)機器人的244億美元最大，但商業(yè)用機器人與個人用機器人2000——2025年復(fù)合成長率(CAGR)分別為11.6%與17.4%，資策會MIC產(chǎn)業(yè)分析師張佳蕙(圖2)指出，尤其是2015年以后，這兩類應(yīng)用成長更為顯著，服務(wù)型應(yīng)用市場當中，有許多過去未導(dǎo)入機器人的新興領(lǐng)域，帶動其成長潛力。

資策會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，有許多過去未導(dǎo)入機器人的新興領(lǐng)域，帶動其成長潛力。

日本軟件銀行近年大舉進軍機器人領(lǐng)域，一連串的動作引發(fā)市場關(guān)注，張佳蕙說，包括2012年收購法國人形機器人公司AldebaranRobotics，其2014年推出的人形機器人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」的機器人，透過互動溝通了解家中成員，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)品的營銷，在家庭兼具娛樂及學(xué)習(xí)效果。此外，目前較知名已投入市場的服務(wù)型機器人還有Leka與Savioke。

近年各國都不約而同將機器人視為戰(zhàn)略產(chǎn)業(yè)，日本發(fā)展機器人已久，2015年日本政府設(shè)立機器人革命倡議協(xié)議會，推動機器人產(chǎn)業(yè)的發(fā)展；韓國則是由產(chǎn)業(yè)通商資源部主導(dǎo)，每五年制定基本計劃，目標是在2022年成為機器人活用的國家，生產(chǎn)規(guī)模達25兆韓圜；美國則是從2011年開始，由美國國家科學(xué)基金會(NSF)主導(dǎo)，發(fā)展能夠安全與人協(xié)同工作的機器人技術(shù)。目前韓國以家用機器人為發(fā)展主力，美國則是在救災(zāi)國防領(lǐng)先各國，張佳蕙建議，家庭應(yīng)用與公共應(yīng)用各國布局已深，商業(yè)應(yīng)用近期興起，臺灣可以伺機切入。

深度學(xué)習(xí)、語音識別等技術(shù)在近年有顯著的發(fā)展，也因此促成服務(wù)型機器人產(chǎn)業(yè)與應(yīng)用的興起，機器人從過去單向溝通執(zhí)行命令，進化到可以理解語意響應(yīng)對話內(nèi)容，應(yīng)用服務(wù)為機器人后續(xù)發(fā)展重點。機器人應(yīng)用情境多元，在不同場合必須結(jié)合各領(lǐng)域?qū)I(yè)知識及對用戶需求的了解，因此廠商應(yīng)透過開放平臺，加快機器人在各領(lǐng)域的應(yīng)用。

類神經(jīng)網(wǎng)絡(luò)技術(shù)大躍進

深度學(xué)習(xí)這個名詞因為2016年人工智能AlphaGo連敗南韓棋王，機器首度成功挑戰(zhàn)人腦，并在圍棋這個普遍被認為難度最高的博弈活動中，一時又被世界大眾所關(guān)心。而AlphaGo的深度學(xué)習(xí)核心就是類神經(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)的機制，這時類神經(jīng)網(wǎng)絡(luò)的基本學(xué)理架構(gòu)算是完成。類神經(jīng)網(wǎng)絡(luò)的神經(jīng)元其實是從前端收集到各種訊號(類似神經(jīng)的樹突)，然后將各個訊號根據(jù)權(quán)重加權(quán)后加總，再透過活化函數(shù)轉(zhuǎn)換成新訊號傳送出去(類似神經(jīng)元的軸突)。

相關(guān)技術(shù)架構(gòu)其實早在1970年代就已經(jīng)完成了，數(shù)據(jù)決策技術(shù)長尹相志(圖3)表示，深度學(xué)習(xí)其實就是類神經(jīng)網(wǎng)絡(luò)的另一種說法，其成功來自于更深入理解人類大腦的運作。卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetwork)協(xié)助機器發(fā)展真正的視覺，其中的兩大原則為：局部感知與權(quán)重共享。讓機器可以從碎片特征理解整體意義，進而找出特征的群聚性，不斷分層細化的分析，無論是多細微的特征：只要不化成灰，都能抽取特征。

其中，圖形辨識是其中的重點，在過往的認知中，中央處理器(CPU)與繪圖處理器(GPU)處理不同的運算功能，單就圖形辨識的深度學(xué)習(xí)功能來說，GPU的效能是CPU的百至千倍，尹相志進一步表示，透過深度學(xué)習(xí)，機器甚至可以將原本馬賽克圖案的照片效果移除還原。不過，在語音與文字的辨識上，中文對于機器還是很大的挑戰(zhàn)，中文詞匯超過百萬，無須約定成俗即可創(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：藍瘦、香菇、94狂等。

大廠搜集數(shù)據(jù)布局未來

機器人產(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(Facebook)、微軟(Microsoft)、谷歌(Google)與亞馬遜(Amazon)。這些企業(yè)的共通點就是都透過產(chǎn)品、服務(wù)與消費者互動，并累積了多年的初級數(shù)據(jù)，未來人工智能與深度學(xué)習(xí)說穿了都是大量數(shù)據(jù)搜集、整理并分類、標注(Tag)使這些初級數(shù)據(jù)變成信息，最后再透過強大的處理器快速搜尋與反應(yīng)的結(jié)果。

從這樣的架構(gòu)來觀察，碩網(wǎng)信息總經(jīng)理邱仁鈿(圖4)認為，四大廠之間FB的數(shù)據(jù)結(jié)構(gòu)化程度最高，因為每個用戶上傳文章或圖片時，已經(jīng)將內(nèi)容整理過，圖片分辨率高甚至照片中的人物也直接標注了，未來FB要藉由這些數(shù)據(jù)做進一步整理或利用時，可以花費最少的時間，或進行更高質(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，認知運算能夠提升并簡化學(xué)習(xí)過程。

因此，機器人要降低錯誤率重點就在數(shù)據(jù)的完整性與結(jié)構(gòu)化，邱仁鈿進一步解釋，深度學(xué)習(xí)的應(yīng)用歷程從底層的類神經(jīng)網(wǎng)絡(luò)運算、大量數(shù)據(jù)分析、發(fā)現(xiàn)規(guī)則/自動歸類、產(chǎn)生媒合/推薦策略、記錄用戶行為、回饋到模型/提升準確率，最終就是要提升數(shù)據(jù)質(zhì)量并產(chǎn)生自我學(xué)習(xí)修正機制。

協(xié)作型機器人角色更加重要

工業(yè)制造從80、90年代的自動化，發(fā)展到2000年代的智能制造，未來的智能工廠除了更高度的自動化與取代更多復(fù)雜的人力制程之外，還希望發(fā)展更多協(xié)作型機器人，臺達電子機器人事業(yè)群機器人事業(yè)處長彭志誠(圖5)說明，包括點膠(Dispensing)、上螺釘(Screwing)、焊接(Soldering)、檢驗(Inspection)、組裝(Assembly)、卡匣自動搬運車(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時訂單。

一個機器人系統(tǒng)，彭志誠解釋，可以簡單分成機械結(jié)構(gòu)(Mechanicalstructure)、驅(qū)動程序、運算與控制單元、傳感器、通訊模塊幾個項目。未來協(xié)作型機器人的市場發(fā)展趨勢為業(yè)界矚目，多家研究單位都看好其發(fā)展，BarclaysEquity研究指出，2020年該市場規(guī)模將挑戰(zhàn)30億美元，2015——2020年復(fù)合成長率97%，是非常高度成長的市場。

工業(yè)4.0促成自主機器人發(fā)展

智能機器人的發(fā)展要從德國喊出的工業(yè)4.0口號來觀察，臺科大自動化及控制研究所副教授李敏凡(圖6)說，該口號的精神在少量多樣、周期短，一切商業(yè)活動始于賣方，過去傳統(tǒng)的生產(chǎn)價值鏈順序顛倒，從顧客需求開始驅(qū)動研發(fā)，再到供應(yīng)鏈與生產(chǎn)，完成整個商業(yè)活動。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，并實時反應(yīng)。

自主移動機器人(AutonomousMobileRobot)有別于非自主性質(zhì)的機器人，李敏凡指出，非自主性質(zhì)如遙控是由人類以有線或無線方式控制；自動是執(zhí)行規(guī)畫好的任務(wù)計算機程序；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、隨機彈性調(diào)整工作內(nèi)容。簡單的說，工業(yè)4.0就是工業(yè)3.0加上人工智能，自主機器人的行為內(nèi)容包括，避障、目標搜尋、軌跡追蹤、保持隊形等。

傳感器應(yīng)用質(zhì)量均升

從關(guān)鍵零組件的角度來看，臺科大電子工程系賴文政(圖7)博士說，機器人是由許多次系統(tǒng)整合而成的，若進一步將次系統(tǒng)拆解，則可以大致分成顯示器、輸入設(shè)備如鍵盤/游戲桿、驅(qū)動器如馬達、通訊設(shè)備、感測模塊、視覺模塊、導(dǎo)航模塊等重要單元。這些模塊在一個機器人身上可能出現(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，要讓機器人更聰明，需透過這些前端的傳感器搜集更多信息，意法半導(dǎo)體(ST)模擬、微機電與感測組件應(yīng)用經(jīng)理陳建成(圖8)說明，傳感器分成動作、環(huán)境、聲音三類，以當紅的Pepper為例，其頭部有四個麥克風(fēng)、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。

也由于感測的需求越來越高，環(huán)境傳感器將往新應(yīng)用領(lǐng)域發(fā)展，微機電類型的電子羅盤、加速度計、陀螺儀、麥克風(fēng)等將持續(xù)提升感測精準度，也就是降低噪聲干擾，提升感測靈敏度與精度。另外因應(yīng)傳感器融合(SensorFusion)的發(fā)展趨勢，將促成同性質(zhì)的傳感器融合，如加速度計整合陀螺儀成為六軸傳感器，加速度計整合電子羅盤與陀螺儀成為九軸傳感器。未來單一功能的傳感器將會越來越少。

智能機器人測試項目繁復(fù)

智能機器人尤其是陪伴與服務(wù)型機器人遲遲未能普及的一個重要原因就是安全性，有些陪伴型機器人動輒幾十公斤，加上移動速度，若是在家中發(fā)生意外，面對的是小朋友與老人家，恐怕還未達成陪伴的目的就先釀成災(zāi)害。另外，在工廠的生產(chǎn)在線，每天與機械為伍的人員，安全風(fēng)險更是有增無減。

因此機器人產(chǎn)品風(fēng)險與驗證也是一個重要的議題，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標準是美國對于機器人設(shè)備的基本安全設(shè)計要求，其中的測試要點包括電源輸入、最大負載電流、操作溫度、過電壓與欠電壓、漏電流、操作軟件、手持部位、導(dǎo)體失效、通風(fēng)馬達死鎖、驅(qū)動馬達死鎖、馬達煞車、零組件破損、過載、斷電與重啟、緊急停止裝置、緊急停止時間與移動距離測量、斷電下的緊急移動、抓取裝置、教學(xué)模式下的低速運動測量、突電壓的防護、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、外殼強度等數(shù)十個項目。

而且不是只有整機要測試，陳立閔強調(diào)，零組件安全與軟件安全都要測試，其他還有很多必要與非必要的安全防護，跟產(chǎn)品的類型與個別特性有關(guān)，例如機能安全(FunctionalSafety)認證，內(nèi)容提到機器設(shè)備的安全可靠性分成五級，耐用次數(shù)從一萬次到一千萬次。智能機器人的驗證內(nèi)容繁瑣，因應(yīng)產(chǎn)業(yè)與時代的發(fā)展，當我們與機器人的互動越來越密切，也可能因為發(fā)生新的非預(yù)期意外，使得安全驗證的項目越來越多，因此如欲投入智能機器人領(lǐng)域，及早了解復(fù)雜的安全認證內(nèi)容并導(dǎo)入非常重要。