機械工業網 - 機械工業雜誌 - 機械產業的入口網站

作者:黃仲宏日本工業自動化的運用與機器人技術發展

日本機器人工業會公布統計數據，2017年日本工業機器人出貨額達到7,500億日圓，連續第4年呈現增長，創下歷史新高；日本機器人產業擁有一流的技術水準並在全世界佔有舉足輕重的地位，是長期的技術累積成果。任何一種新技術或新產品的誕生，都會影響該市場或特定產業的波動；人工智慧的再興也不例外，人工智慧在未來五至十年間很有可能完全取代現有機器人所運用的演算法，而大數據與雲端運算的結合也將衝擊機器人市場的技術趨勢。本文將從九大要項分析日本如何實踐自動化的徹底運用，再從三大方向看日本電機大廠的機器人技術發展。

作者:蕭欽奇、程登湖、謝佳鴻機器人無治具組裝技術研究

無治具組裝 (Fixtureless Assembly) 為機器人邁向高度彈性化的核心指標，亦為製造業面對少量
多樣生產之關鍵挑戰。傳統組裝技術仰賴精密治具與預先編程，難以因應頻繁換線之成本與時間壓
力。本文整合三大核心技術：(1) 以 Google Gemini API 為基礎之大型語言模型 (LLM) 任務規劃，可
將自然語言指令轉換為可執行動作序列並支援即時錯誤恢復；(2) 視覺、力覺與多模態大型語言模型
(MLLM) 之三重感測融合，依序執行夾取、組裝與判定；(3) 雙臂協作控制演算法，搭配 YOLO 物件檢
測與 Gemma 3 4B 多模態模型。於木製椅子組裝實驗中，達成物件辨識率 95%、組裝成功與失敗判定正
確率分別為 95% 與 94%，並維持力控誤差小於 1 N，驗證本架構於無治具情境下兼具彈性與穩健性。

作者:劉東昇機器人時代下的線性傳動元件新格局

作者:施志軒、林宛昀基於大型語言模型之智慧機器人製造單元助理

近年來，大型語言模型（LLMs）在文本生成、機器翻譯與教育輔助等多元應用中展現出卓越的表現。然而，當其應用於現實環境，特別是涉及實體互動場域時，效能常受限制。主要的挑戰包括：模型無法即時取得現場資料、對實務故障排除流程理解不足，以及對機器人動作中隱含的複雜性掌握有限。為解決上述問題，本研究提出一種基於Server-Client架構、整合多代理大型語言模型的控制框架，以提升機器人製造工作站之穩定性、擴展性與作業效率。開發智慧機器人製造單元AI助理，採用TCP（Transmission Control Protocol）通訊協定並以JSON格式進行訊息交換，實現跨平台整合。本系統相較於傳統人工處理方式，展現出更佳效能，特別在以下三項關鍵任務中表現亮眼：自然語言生成機器人控制程式、文字轉換為SQL（Structured Query Language）查詢指令，以及基於RAG（Retrieval-Augmented Generation）技術的語意型故障診斷。實驗結果顯示，本系統不僅提升了機器人控制的準確性與生產資料查詢能力，更將故障處理時間縮短47.6%，顯著強化維修效率與決策支援能力。

作者:楊宗賢、劉昱顯機器人AI視覺動態影像特徵定位技術

傳統在使用機器人進行自動化的設計應用中，機器人與目標物之間的定位與即時動態控制佔據了關鍵角色，也幾乎決定了系統整體的動態效能，並影響總體執行時間與工作精度兩個重要的量化指標。一般在設計機器人控制流程前會先利用視覺感測器來偵測目標物上的特定平面格狀交點特徵或立體參考點後，再進行兩者間的座標校正與轉換計算，才可進行後續的智慧化控制流程，然而現今為符合產業在高速動態與高精度的需求下，在目標物上的特徵偵測演算速度與位置正確性將會是關鍵。有鑑於目前人工智慧(Artificial Intelligence, AI)的蓬勃發展，本文分析多種具備即時性與準確性的特徵偵測AI模型與機器學習演算法，並分別針對橡膠、鑄件、畜牧三種產業上所需要的2D與3D的視覺特徵偵測、分類與追蹤，搭配高即時性機器人的動態控制來實現低延遲與高精度的自動化系統。

作者:劉東昇工業機器人技術回顧與2024年趨勢觀察

COVID-19疫情肆虐這三年讓全球了解未來面臨產業人力不足的嚴重性，如居家上班、結構缺工、勞動力不足等現象讓傳統需要大量勞動力的產業無所適從。值得慶幸的是，機器人技術發展並沒有因為疫情封鎖就停滯不前，使用各種新穎的機器人解決勞動力不足的問題，現況來看是一帖良藥。本文首先回顧2023年國內外機器人領導廠商技術動態，包含全球機器人四大家族及我國代表性機器人廠商發布的最新技術亮點，各自致力研究的項目領域，接著由相關市調來評估未來全球機器人成長趨勢，包含市場所在地區及機器人種類，最後說明未來趨勢及挑戰。

作者:周暐程半導體產業機器人應用現況與發展

當今半導體產業專用機器人，需符合半導體製程要求潔淨度、防塵、重複精度高、耐震度高之特性，晶圓機器人(Wafer Robot)多半搭配週邊設備採購，節省設備整合與測試時間，加快產線升級或擴廠產線；業者與應用商已合作多年，具有一定默契與經驗，已習慣了日系品牌手臂與半導體設備，選用上趨於保守。在臺灣半導體產業後段製程，多以Overhead Hoist Transfer(OHT)進行晶圓搬送，但需空間架設軌道，較應用於標準化製程；近年來，場域中開始講求彈性、靈活性，除了有半導體專用機器人，也開始引進自主移動機器人與協作機器人的半導體廠解決方案，提升半導體產線設備升級。

作者:施志軒機器人3D環境感知與深度學習介紹

隨著近年來機器人研究的發展，機器人逐漸走出實驗室，並廣泛應用在堆疊搬運、生產製造、產線組裝等。然而，機器人面臨的問題更加複雜，且必須與環境進行互動，因此必須具備更高階的感知功能。深度學習處理三維點雲可分為三個大類別來探討，其包括三維形狀分類、三維目標偵測與追蹤、三維點雲分割三大任務。3D感測器所收集的點雲資料屬於三維資料可以表示空間中大量的幾何、形狀與尺度資訊，然而因為資料量大、資料無序性與不會隨著旋轉改變結果。因此PointNet作為第一個能直接從點雲中學習有用資訊，達到End-to-end學習，可用同一個網路架構完成點雲分類與分割。工研院機械所團隊推出研磨拋光機器人品牌RobotSmith，提供整體軟硬解決方案，並在機器人3D環境感知處理上展示兩個成功案例:研磨周邊系統定位與焊道研磨疊代補償。期許在這波3D深度學習浪潮中，以精實的技術能力，攜手台灣產業共創新頁。

作者:吳建佑、楊宗賢、黎煥昇、許舒晴機器手臂協作控制技術議題探討

為了因應複雜的加工生產流程，智慧工廠的演進從過往的單機自動化，邁向多機協作的自動化；機器人也從脈衝控制到總線控制，從一台控制器只能控制一台機器人到一台控制器可以控制多台機器人。而運動控制方式的變化，使得「多機協作」成為可能。在多機協作的環境中，多隻機械臂相應配合對工件做固定動作之加工。在多機協作的情境下，當任一機器臂發生不預期的運動時，將導致其他機械臂發生碰撞，過大的外力將會對機械臂造成物理性傷害，增加工廠營運成本。在人機協作的情境下，作業員突如其來的不預期動作，可能造成人員損傷。本文以多機協同作業控制、多機協作碰撞預防與人機協作之機械手臂防碰撞等技術議題進行探討。

作者:林浩鋕、蔡宗廷開源機器人作業系統第二代的介紹與未來應用

ROS 1.0 已經有10多年的發展，早已成為機器人研究領域不可或缺的開發環境。然而其中心化的架構，缺乏QoS的通訊方式以及穩健網路假設等缺點，造成研究開發成果難以直接商品化或導入工業應用。因此，OSRF於2014年起開始投入ROS 2.0的開發，採用已在國防軍工業以及大型工業應用中有諸多實戰經歷的DDS作為ROS 2.0的middleware。本篇文章將大致描述ROS 2.0的源起與設計理念，DDS的發展與相關概念，ROS 2.0與DDS的整合架構到ROS 2.0目前的發展與未來可能的應用。

作者:潘韋龍、黎尚昆、蔡承翰生成式視覺模組導引機器人智慧研磨技術

中大型鑄件如鐵路連結器之澆口去除、研磨與除鏽長期仰賴人工，品質受疲勞與經驗影響，潛藏
安全風險。本文整合 3D 視覺、AI 瑕疵辨識、自動換刀主軸與浮動研磨頭，提出適用於少量多樣鑄件之
智慧系統。系統採「感測 → 決策 → 執行 → 回授」架構，即便無 CAD 資訊亦能由點雲自動辨識待修區
並規劃路徑，加工後再經 AI 視覺檢出剩餘瑕疵並補修。實證顯示，1 m × 1 m 區域於 40 秒內完成掃描；
瑕疵辨識率達 91%；澆口由 5–20 mm 精修至 0.5 mm；導入後產能由每日 2 件提升至 3 件、人力減半，並
建立品質追溯機制。

作者:蕭得聖、張馨尹、童瑞棋、李宜靜、楊勛崴整合視覺偵測與順應控制之自動鼻腔採檢機器人設計與實現

聚合酶連鎖反應(PCR)檢測被廣泛用於確認COVID-19感染，且依規定必須由醫護人員執行，導致醫護人員暴露於高度感染風險中。在本文中，我們設計並實作一款自動化鼻腔採檢機器人，以取代醫護人員執行PCR檢測。此系統整合了配備有力/力矩感測器的六軸工業機器人，以及用於鼻孔偵測與鼻道估測的深度攝影機，透過順應控制實現安全的鼻腔採檢。實驗驗證顯示，視覺系統能有效運作，且順應控制法則可使機器人在採檢過程中將接觸力控制於預定範圍內。因此，本研究提出的機器人可實現安全且自動化的鼻腔採檢作業。

歷史雜誌