專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚
「我們是受到 Elon Musk 講的 Tesla Bot 的影響，因為他要做 Tesla Bot，我們就想那我們為什麼不來做一個 TaiwanBot？」本集《全新一週》邀請到國立成功大學電機工程學系特聘教授、「Taiwan Bot」總計畫主持人李祖聖，深入解析投入人形機器人領域的契機，以及當前全球發展機器人產業的關鍵技術環節。
李祖聖分享，開始研製小型人形機器人系統的起點，可以追溯至 2006 年的國科會計畫。然而在研究過程中，當 2018 年 ASIMO 宣布停止生產人形機器人時，讓看著 ASIMO 成長的他們一度不確定未來研究方向。卻也幾乎在同一時間，Google DeepMind 推出 AlphaGo Zero，以 100 比 0 的戰績擊敗了前輩 AlphaGo，這也為研究團隊提供了關於 AI 機器人的啟發，開始致力打造「會走、會看、會思考」的台灣人形機器人。
AI 時代的人形機器人：從增強式學習法到視覺整合
由於人型機器人可能擁有 26 到 30 多個關節，傳統方法難以推導出運動學解，也讓增強式學習法成為一個很好的解決方案。因為透過增強式學習，機器人可以自己修正和學習所有的動作，包括最基本的走路與抓取。
「我們真正的困難點是雙腳，」李祖聖分析，因為團隊研發的是雙足的人形機器人，因此要讓機器人面對凹凸路面時不能跌倒、碰到障礙物要能修正，還要結合感測器與視覺，才能讓機器人可以準確上下樓梯。
此外，李祖聖指出，為確保機器人姿態穩定，通常會放至少一顆 IMU （Inertial measurement unit，慣性量測單元）在機器人的質量中心，以偵測傾斜角度和重力加速度的改變，避免機器人跌倒。
從工廠到家庭：機器人落地的現實挑戰
談到人形機器人可能在哪些場域率先落地，李祖聖表示，最早還是要先進到工廠，等運作一段時間、非常穩定之後，才可能真的進到家庭場域中。李祖聖進一步分析，因為目前工廠內的協作型機器人已具備法規基礎，規範人與機器人的合作機制，相較之下，雖然家用服務型機器人備受期待，但安全與責任歸屬問題仍是邁向普及的最大限制。
至於家用服務型機器人若要普及，李祖聖認為必須同時解決人機互動、空間感知與物件辨識三個層面。首先，機器人必須能夠跟人進行對話 (Dialogue)，並辨識出不同人的音質和音色、理解他們的要求，才能根據語意執行任務。
在空間感知部分，機器人必須具備 SLAM（Simultaneous Localization and Mapping，同時定位與建圖） 功能，知道「我到底在哪裡」，這通常需要搭配視覺感測器與 LiDAR 掃描來建立環境地圖。
最後，在物件辨識方面，機器人必須具備辨識日用品的能力，例如當使用者要求拿可樂時，機器人必須能區分出可口可樂與百事可樂的差異。
推動全球機器發展的五大關鍵技術
將視野從工廠與家庭的應用場域，擴大至台灣乃至全球，李祖聖以多年研究經驗，歸納推進機器人發展的五大關鍵技術。首先，要打造機器人的「大腦」，就必須要有高速運算晶片，因為晶片運算速度是決定機器人反應與智慧程度的關鍵。
其次，李祖聖提醒，人形機器人必須使用反應快且內含去雜訊功能的高品質感測器，因為當機器人快速行走時，如果沒有好的機構和視覺防震系統，影像就會「跳動」，導致視覺信號不可靠。
第三，關於精密機構設計部分，李祖聖強調好的設計能用漂亮的機械結構承擔身體重量，而非單純依賴強大馬達。另一方面，機器人是機械、電機、資工三系共同合作的產物，但如果機械系的機構設計錯誤了，所有演算法都會失效，造成無法彌補的狀態。
此外，人形機器人身上約有二、三十個關節，每個關節就是一顆馬達。理想的馬達需要重量輕、體積小、扭矩大且反應夠快，因此馬達、驅動器、控制器以及減速機的整合將是關鍵。同時，通訊協定的選擇也極為重要，如果一個系統同時處理多種協定，將會產生延遲，讓機器人動作變慢。
最後，在電源管理與材料科技的部分，機器人需要很好的電源管理系統，像是早期的機器人需要充電 8 小時才能運作半小時，雖然現在有所改善，但要取代人力工作 24 小時仍有難度，因此機器人必須具備 Cyber-Physical System（資訊物理系統） 的概念，能夠擁有「像人一樣覺得餓」的能力，意即當電量剩 20% 時，機器人可以自動回充或返回工作站。
「最後的大腦還是人工智慧，」李祖聖強調，儘管 AI 如同機器人的智慧中樞，但光有 AI 沒有前面提及的五大技術，機器人將無法運作，只能停留在模擬階段。
回顧近二十年的研究歷程，從實驗室到現實生活，李祖聖與許多台灣的學界夥伴，一路推動 TaiwanBot 發展，為台灣人形機器人的技術創新持續邁開前進的腳步。
