AI 機器人的具體型態不只有工廠中的機器手臂，還包含人形機器人、無人機、無人移動運具等，其中邊緣運算更扮演重要角色。融程電訊副總經理李宗柏近日出席 TechOrange 與 NVIDIA、 AWS 共同主辦的「AI 機器人產業論壇」，就以「AI 無所不在！如何透過 Mobility Edge 提升即時決策與效率？」為講題，分享如何透過 Mobility Edge（行動邊緣）提升機器人的效益。
AI 本質上就是機器人，包含汽車、無人機與人形機器人
「AI 本質上就是機器人，」李宗柏分析，機器人包含汽車、無人機和人形機器人。汽車並不是狹義上的乘坐車輛，而是汽車型機器人，例如農耕機過去需要人力全程控制，現在已經可以進行智慧農耕規劃，未來更朝農耕自動化前進。
在無人機方面，過去往往需要無線模組將大量影像資料即時回傳控制中心，再傳到雲端伺服器，然而現在企業開始追求讓無人機在現場做決策，意即只要透過機具上的 AI 加速器，不必連線回傳資料，就能當場根據偵測到的影像即時進行決策，並做出因應措施。
針對人形機器人，李宗柏認為此型態將實現產量最大化，因為現在的建築設施、環境，就是適合人形運作的設計，甚至最好可以擁有三頭六臂幫助人類執行更多工作任務，然而如果機器人要從人形進化成三頭六臂，對於系統的要求也將更嚴格。
AI 邊緣運算的需求，其實來自市場
事實上，AI 邊緣運算的興起，來自企業應用端的實際需求。李宗柏觀察，過去 IoT（物聯網）技術盛行時，客戶對於工業電腦的要求只有簡單的 CPU，但近年趨勢產生變化──企業開始要求更高的算力、更多的感測器。在這樣的背景下，最好的感測器就是相機，因此企業對於 PC 的 I/O 連接器是否能支援相機的要求也越來越高。
李宗柏分享，融程電訊的策略就是讓自家 GCS Controller 開始支援 NVIDIA Jetson 平台，使企業可以結合自己的機器人，進一步帶到更多的應用場景。李宗柏表示，現在日常生活中最常看到的機器人應用，就是在單一場景內送餐的機器人或工廠自動化，然而隨著技術發展，未來將可以拓展至戶外、車道、船上等更加複雜的情境。
李宗柏分析，未來 AI 機器人的應用會走向戶外與開放式的情境，例如石油與天然氣、礦業、物流與倉儲以及國防領域。這些場域需要的 Mobility Edge 功能，包含無人機自動巡檢、熱像分析、異常即時回報、自主導航、粉塵與夜間環境的視覺分析、手持控制器控制地面機器人、車隊同步等。
AI 落地的關鍵挑戰不是演算法，而是環境
如果想擴展機器人的應用面向，就必須讓機器人進入更複雜的場域，「因此 AI 落地的關鍵挑戰，不是演算法，而是環境，」李宗柏舉例，當感測器髒污時，AI 是否能持續正常運作？在沒有雲端連線的情況下，AI 是否仍能自主做出決策？以及 AI 是否能承受高溫、低溫、衝擊和持續壓力？這些疑問，都是 AI 落地時的常見挑戰。
李宗柏強調，一旦機器人普及，就會跟環境與人有更密切的接觸，屆時 AI 能力只是基本，還要思考如何在技術規格上符合安全性。未來，隨著 Mobility Edge 技術與強固型（ruggedized）AI 系統演進， AI 系統已不僅僅追求智慧，更將講求韌性與即時反應能力，融程電訊也將持續透過客製服務，與生態系夥伴一同擴展機器人產業領域，使其更豐富完整。
