產業追蹤／3D訓練 機械手臂變聰明

根據國際機器人聯合會（IFR）指出，在2020年至2022年，全球將有200萬台工業機器人的新裝機量，成為智慧製造時代重要角色。

在經濟部技術處科專支持下，工研院開發出AI機械手臂，把枯燥例行又費力氣的上下料工作，交由機器人負責，釋放人力去做更有價值的事。藉由3D影像與AI自主學習技術，機械手臂像是活了過來，在12小時內就能自主學習新工件的夾取，工件就算隨機擺放或堆疊，也能準確抓取，AI讓機械手臂愈來愈聰明，未來因應少量多樣的生產需求，產線也能在短時間內迅速更換待加工工件，大幅提升生產效率。

在過去工廠自動化轉型浪潮下，許多工廠都逐漸採用機械手臂取代重複的上下料工作。機械手臂上的3D攝影機就像眼睛，擷取影像資訊後，經由AI辨識物件樣貌，接著控制手臂夾取以放置到相對應的加工區位置。但近年來市場出現少量多樣的快速製造需求，一條產線可能需要共線生產多種產品，傳統的機械手臂就逐漸碰到瓶頸。

一般來說，要設計某樣特定工件的上下料夾取程式，工程師要花上一、二周時間撰寫和修正機械手臂控制程式，每當換線或換料，就需要重新設計取物方法。但透過AI自主學習，機械手臂只要12小時就能學會，不但減少成本、大幅提升產能，也解決目前的缺工問題。

在學習過程中，準備大量及高品質的訓練資料是導入AI的關鍵。過去大多透過人工針對物件邊界或取物點進行標記，花費時間與人力成本高，無法快速在產業落地。工研院特地研發擬真的3D訓練資料產生模擬器，妥善運用模擬世界中完整的3D資訊與物理運動模型，自動分析物體表面每個取物點的優劣程度，再將完整3D訊息轉換成真實世界看到的2.5D資訊，即2D影像加上深度的資訊，可自動產生大量的虛擬3D場景和取物點標記資料。根據所產生的大量高品質的訓練資料，再以深度學習演算法訓練出適用於真實世界的最佳取物點判斷AI模型。

透過自動取物點優劣分析及訓練資料產生技術，過去人工一天只能標記100張圖片，該模擬器2小時就能標記2,000張，如此一來，機器手臂的大腦就能在虛擬世界中學習大量物件之取物，轉換到真實世界時，再透過實際場景不斷精進取物策略，達到符合產業落地的需求。

目前這套AI機械手臂已導入水電五金、手工具和自行車零組件等金屬加工相關產業。團隊初期在水五金加工廠蹲點一年，現已完成場域驗證並達成單一輸送帶多品項工件的辨識與取放。此外，也與國內自行車鋁合金輪圈製造商合作，導入機械手臂自動輪圈加工，將上下料人員轉為負責品管工作，將人力高質化應用。

這套AI機械手臂終極目標是達到「泛用取物」，也就是可自主學習、辨識任何新物品的夾取點或吸取點，這樣的技術適合導入在商品繁多、形狀不一的倉儲產業。目前這項泛用取物技術已和台灣知名的機械手臂大廠合作，導入國內的倉儲物流場域，進行智慧自動化的取物分撿作業，可大幅減少人工撿貨；透過AI軟體加值機械手臂，也將提升機械手臂的產品售價達1.5倍，市占擴大二倍。

未來在「人機協作」也是發展方向之一，目前工廠端人力作業居多、且較有可能有效導入機械手臂的站點就是組裝站，若能透過人機協作的模式，將能帶動整體生產效率。此外，醫療手術用的協作型手臂市場，例如運用機械手臂協助醫療器械扶持定位或超音波探頭移動等所謂的「醫機協作」，也有逐步增加需求的趨勢。隨著機械手臂愈來愈聰明，除可帶動台灣傳統3K產業升級轉型，也擴大觸角讓更多產業往高值化邁進。

文章來源：經濟日報

作者是經濟部技術處人工智慧產業關鍵技術拔尖計畫主持人