讓一台人形機器人進工廠，叫做試點；但是讓一千台同時上工，是完全不同的工程。
今年 4 月，德國機械與汽車零件製造商舍弗勒（Schaeffler）宣布，2032 年前要在全球工廠部署至少 1,000 台 Hexagon Robotics 的人形機器人 Aeon。
從產業面來看，需求與資金都已到位。全球大型人力資源公司 ManpowerGroup 調查顯示，75% 的受訪雇主找不到所需的技術人才；2025 年流入人形機器人新創的資金達 26.5 億美元，超過前 7 年的總和。接下來真正的挑戰，是人形機器人該如何規模化。
從單一機器人到機隊思維
Hexagon Robotics 總裁 Arnaud Robert 直言：「這不是把一台機器人做一件事乘以一千。」他把機器人視為一支「機隊」，在多座工廠之間調度，今天支援 A 區，明天可能換到 B 區。
如果任務固定在某個工位，一支機械手臂就夠了；人形機器人的價值，在於處理需要靈巧雙手、又要四處移動的多步驟工作。Robert 舉例，3 名檢測員一人請病假、一人休假，檢測立刻成了瓶頸，「這時派 50 台 Aeon 過去，產線就能恢復運轉。」
這正是它和傳統自動化的差異。傳統自動化為固定工作站量身打造設備，前提是一切照預期發生；機隊思維則以產能為單位，把機器人當成可調度的勞動力，哪裡有缺口就補哪裡。
為了隨時支援，Aeon 選擇雙足加輪子
要做到哪裡有缺口就補哪裡，機器人必須移動得夠快，也要能抵達工廠每個角落。這兩個條件決定了 Aeon 的外型：它有兩條腿，腳掌卻是輪子，這在人形機器人中相當少見。
Hexagon 測試過純雙足與多種輪式設計才定案。畢竟機器人大部分時間都在移動，平地上輪子更快、更省電，速度可達每秒 2.5 公尺；腿則讓機器人能跨越障礙、上樓梯。
不過，這麼設計的代價是，原地作業時停著的輪子得不斷微調保持平衡，比雙足更耗電。但 Hexagon 認為，人形機器人的價值本來就在移動，只需站著不動的工作，用固定機械手臂就好。因此他們仍選擇輪子，再自行開發電源管理系統補上弱點。
穩定產能，靠資料與量產標準
輪式雙足解決了「到得了」的問題，但機器人到了現場，還得「做得好」。這要靠兩件事，一是用夠好的資料訓練機器人，二是用對的標準檢驗它能不能真正上產線。
業界普遍認為，高品質訓練資料是人形機器人最大的瓶頸。寫程式的 AI 可以從網路上大量現成的程式碼學習，但機器人要學的是如何在真實世界動手，這類資料網路上幾乎找不到，只能自己蒐集。常見的方式包括模擬、合成影片、遙控操作、感測手套與頭戴攝影機等，Hexagon 也都有使用，但 Robert 認為還需要另外幾樣東西。
讓模擬與真實工廠雙向回饋
模擬資料，是在電腦裡打造一個盡量接近真實工廠的虛擬環境，讓機器人在裡面反覆練習。好處是成本低、可以大量產生，問題是虛擬世界再逼真，也和真實工廠有落差。
因此，Hexagon 把真實工廠的經驗再送回模擬世界。Aeon 身上有 22 個感測器，作業時不只記錄手上的任務，也記錄周遭發生的事。真實工廠充滿變數，有人經過、托盤擋路，零件本該在左邊，卻被放到了右邊。這些正是虛擬環境難以預想的狀況，把它們回饋到訓練中，模擬就會越來越接近真實。
在保護隱私的前提下，用客戶專屬資料訓練
第二樣是客戶的專屬資料。每座工廠的任務都不一樣，在 BMW 搬的是尾翼，在舍弗勒處理的又是別的零件。要讓機器人在某座工廠表現好，就得用那座工廠的資料訓練。
問題是，這些資料涉及客戶的生產流程，BMW 和舍弗勒都不希望外流。因此，Hexagon 必須在保護客戶資料的前提下完成訓練。這也意味著，一家客戶的資料不能直接拿去幫另一家訓練，規模化不能靠把所有資料混在一起堆量。
以班次產出與人工介入頻率衡量表現
資料決定機器人學得好不好，但學得好不等於能量產。Robert 指出，試點證明的是可行性，量產則需要兩件事：可重複的表現與規模。做一次、兩次可以，但到了量產，你得在 6 小時的班次裡做 100 次，而且一直維持高水準。為此，Hexagon 把所有指標濃縮成兩項。
第一項是班次產出，也就是 6 小時的班次裡，該搬的 500 個零件有沒有搬完。Hexagon 不比單一動作的速度，因為現在的人形機器人確實比熟練工人慢。但工廠在意的是整個班次的工作有沒有完成，只要完成了，偶爾慢一點、失誤一次，都不影響規模化的目標。
第二項是人工介入頻率，也就是機器人多常需要人出手幫忙。這背後是 Hexagon 對自主機器人的堅持。Robert 說，他們不相信工廠可以靠遙控操作；工廠不可能既是自主的，又需要頻繁的人工介入。
如果每台機器人都要有人在旁邊盯著、隨時接手，1,000 台機器人就需要一大群操作員，省下的人力又花了回去，機隊也就失去意義。
人形機器人的關鍵，在於能否像人力一樣被調度
如今，舍弗勒在德國設有人形機器人訓練場，完整複製真實產線的環境。一台 Aeon 在這裡學會的技能，可以複製到 100 台、1,000 台。Hexagon 也在訓練場測試多種用例，達不到人類作業節奏的先放下，可行的優先部署，形成「訓練、部署、規模化」的循環。
當然，前路仍長。約 6 年部署 1,000 台，並不是一夕之間大量湧入；舍弗勒也同時與約 45 家人形機器人公司合作，分散風險。
國際機器人聯合會（IFR）的報告也提醒，人形機器人的宣傳往往比實際表現好聽，真正用在具體場景時，效果未必如廣告所說，企業應從具體問題出發，而不是從技術出發。Robert 描繪的未來工廠，不是完全無人的「關燈工廠」。在他的設想裡，機器人承擔重複工作與瓶頸環節，資深員工則可以轉而思考，自己能不能改為管理一支機器人隊伍。
【推薦閱讀】
◆ 8,000 台人形機器人計畫進上海工廠，西門子：沒有工廠想當 AI 試錯場
◆ 美國上百家人形機器人公司，機器人投資基金執行長為何只看好特斯拉、Figure AI 與 Apptronik？
◆ Google 最強模型 Gemini 4 Argon 登場，連 Apollo 人形機器人的動作都能教？
＊本文開放合作夥伴轉載，參考資料：《Forbes》、《IFR》，圖片來源：Hexagon
（責任編輯：鄒家彥）
