專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚
「現在的人形機器人技術，其實是 AI 跟機器人技術的深度整合，與其說是垂直發展，倒不如說是橫向、把各種不同領域技術整合進來，所以如何無縫整合，其實是一個相當大的工程，」本集《全新一週》邀請到達明機器人智慧機器人發展處處長夏紹基，從達明機器人在今年五月成立的人形智創中心開始談起，分析 AI 機器人的趨勢，以及人形機器人發展的挑戰與解方。
夏紹基表示，因為人形機器人必須在人類生活的環境中移動並執行任務，所以最重要的是要讓機器人理解環境，因此需要一個空間 AI 模型，告訴機器人環境中物品的位置、方向、大小、顏色等資訊。這些感知與視覺技術，是達明機器人開發人形機器人時持續探究的一塊，並期待結合學術單位的研究成果，共同打造這些新技術。
傳統機器人與人形機器人的差異
夏紹基指出，傳統或現行的機器人，主要設計目的是「執行程式設計師編寫的程式碼」，屬於 Rule-based（規則式）。此外傳統機器人運行的時候會比較聚焦在物理階層的互動技術，但「規劃任務」則是人類的工作。
然而，隨著如大語言模型（LLM）或視覺大語言模型（VLM）等新一代 AI 模型的導入，機器人的架構開始產生結構性轉變，「除了可以透過自然語言對談之外，機器人也可以規劃整個任務過程，並根據環境因素規劃整個任務過程，」夏紹基形容，AI 進來之後，是把「規劃」這一層工作自動化，未來可能只需要直接指揮機器人、告訴它命令，就可以自動完成指定任務，這也是未來人形機器人與現有機器人最大的不同。
人形機器人落地應用的兩大挑戰
今年八月，達明機器人推出結合 NVIDIA Isaac GR00T 機器人通用模型與自主研發 AI 視覺技術的人形機器人TM Xplore I。從結構設計來看， Xplore I 頭部具有兩軸自由度，可進行旋轉與俯仰動作，雙手各有七個自由度，軀幹則有六個自由度。Xplore I 的頭部與雙手皆配有鏡頭，同時考慮到應用場景主要會在平坦的工廠，因此腳部以輪式為主。
「目前我們碰到的困難是在機器人跟真實世界互動時，會產生差異，導致精度沒有辦法符合，」夏紹基分析，造成這種現象的來源有兩個原因，首先是「從模擬到實體」的問題，因為現在缺乏一個可靠的物理 AI，因此經過虛擬環境所模擬出來的動作，放到真實世界的時候就會產生落差，進而造成落地的困難。
第二個原因是，機器人其實是透過有限資料學習運動技巧，所以當環境出現不同變數，機器人就較難進行之前學習的動作，這又被稱為「泛化」。因此如何克服從模擬到實體的差距，以及把動作泛化到每一個環境都適用，是目前人形機器人落地應用的兩大挑戰。
夏紹基說明，這兩大挑戰也是現今全球業界的共同課題，達明機器人也持續透過關注世界模型與物理模型的開發進展，並結合現有學術單位的研究成果，探究提升機器人精度與適應能力的解方。
人形機器人將是未來社會的解方
「Xplore I 是達明的第一代智慧人形機器人開發平台，基本上往後我們的人形機器人技術，都會以這個平台為基礎繼續發展，」夏紹基強調，達明選擇以工業應用為主戰場，期待充分發揮人形機器人的優勢，並針對不同行業與專業領域，訓練具備特定技能的專業型機器人，提供客製化服務，讓企業不需投入高額建置或維護成本，也無須專業團隊管理，就能達到提升生產效能、有效降低支出的成果。
夏紹基指出，隨著台灣進入超高齡社會，人形機器人將是填補人力缺口的重要解方。未來，這些機器人將不僅是生產線上的輔助夥伴，還可以延伸到長照與陪伴場域，進一步照顧老年人的日常生活，甚至能 24 小時監控長者的健康狀況，「以這個角度來看，其實人形機器人不只提供比較好的生活照顧，也減輕年輕人的負擔，所以對社會結構來講，我覺得人形機器人是一個正向的影響。 」
