產業技術評析

一、前言
 

近年來企業對於自動化的需求，使自主移動機器人(Autonomous Mobile Robot, AMR)成為自動化搬運的熱門選項，就全球市場而言，AMR仍處於高度成長階段。以需求面來說，疫情造成的企業人力短缺、以及逐年上升的人力成本，皆驅動企業尋求新技術減輕勞動力帶來的問題，藉此釋放人力以從事更高附加價值之任務。供給面而言，也觀察到AMR新創公司發展快速，及國際廠商藉併購方式進入產業，顯示對於AMR前景的看好。
 

二、導航方式及技術複雜度為AMR與AGV主要差異
 

2020年，美國國家標準協會(ANSI)和機器人工業協會(RIA)發布了新的機器人安全標準─R15.08，將以往界線模糊的自動導引車(Automated Guided Vehicle, AGV)以及自主移動機器人(Autonomous Mobile Robot, AMR)賦予明確的定義。R15.08將AMR定義為一移動平台，可在結構化或半結構化的空間移動，並能考量所處環境、當前位置、目的地等因素，即時規劃及調整移動路徑；AGV則為遵循既定物理或虛擬的引導路線移動，路徑中如有障礙物，AGV會暫停移動直至障礙物被移除。

簡言之，AMR與AGV差異在於自主規劃路徑移動能力與否，而AMR能清楚判別該如何修正移動路徑則來自於對環境的認知能力。技術面而言，AMR以同步定位與地圖建構技術(Simultaneous Localization and Mapping, SLAM)為導航方式，先讓AMR於場域中運行，並透過光達或是相機等感測器進行將所處環境建置成初始地圖，並能以手動新增牆面或將動態物品移除，修改成後續導航會使用的參照地圖，至此AMR便具備導航移動所需的初始能力。實際運行時，AMR會先設定所欲抵達之目的地，並在移動過程中連續掃描環境，透過感測器蒐集的數據得以推算自身定位，移動過程中如偵測到障礙物，AMR到目的地之規劃路徑大致不會變動，而是規劃出繞行障礙物的路線。透過此方式，AMR得以順利移動到指定地點。

AGV導航方式則簡單許多，從早期利用電線/色帶/磁條的導航方式，到Amazon Robotics(前身為Kiva systems)大量使用的二維條碼導航技術，都是需要鋪設標示物。透過標示物給予固定路線或位置資訊的方式，AGV得以按指示移動到目的地。然因缺乏對於環境的認知，AGV遇到障礙物不能另闢移動路徑，而是停止運行至障礙物撤離，再依原設定路線行駛。綜整以上，AMR較AGV導航技術複雜度較高之主因在於，需運算感測器蒐集之環境資訊量，隨時計算自身定位，以及修正路徑規劃等面向。
 

三、AMR導航技術發展
 

從產品分類的角度出發，因導航技術的進步使AMR與AGV有了區分；供應鏈方面，臺灣業者欲藉由自主掌握導航技術，尋求競爭間的差異性；導航技術競爭分析方面，臺灣較國際代表廠商仍有段技術差距。綜合以上，導航技術的重要性不言而喻，AMR未來導航技術發展趨勢，以及導航在場域上的限制該如何克服，皆為值得關注的議題。

(一)定位及地圖建構為導航重要基礎

對於AMR移動過程的決策判斷，第一步需要先知道「我在哪？」，透過光達、相機等感測器對於空間的掃描，AMR對所處環境建立初步地圖，並利用感測器蒐集的數據計算自身所處位置。第二步為「我要去哪？」，透過標示目的地及路徑規劃，AMR得以知道行進方向，避障修正的路徑規劃亦在此範疇內。第三步則為「移動」，透過指令控制伺服馬達、減速機、驅動輪等機構件運作進行移動。

而在導航流程中，又以環境認知、自身定位為導航技術之重要基礎，有精準且穩定的定位方能確保有效導航。此部份透由SLAM技術，讓AMR在移動的同時不斷掃描固定參考點，如牆壁、柱子等，透過數據換算成座標得以建構地圖並推算自身定位。SLAM技術依據感測器可區分為LiDAR SLAM和Visual SLAM，前者利用光達收發雷射光，運用光碰到物體會反射的原理，計算考量射出射入的角度以及時間差，LiDAR SLAM得以在地圖中精確標示出物體所處座標，亦稱作點雲。由於計算物體位置方式直觀，因此具有空間運算較容易，以及地圖精確度高的優點。

而後者依照相機感測器的分類不同(如單目相機、雙目相機、RGB-D相機等)，也有不同的建圖原理。技術概念簡易說明如下：(1)單目相機先透過比對特徵，找出連續圖片中的待測物為同一物體，再加以計算AMR與物體的深度訊息；(2)雙目相機由於已知兩個相機間之距離，測距能力較單目相機精準；(3)RGB-D相機則利用飛時測距(Time of Flight, ToF)，透過紅外光反射原理，得知每個像素與相機的距離，不同於光達測距是逐個點計算空間訊息，RGB-D是直接計算整張圖片中的位置深度資訊，然此有效探測距離較短，因此應用上多以AMR避障為主。由此可知，LiDAR SLAM因測距直觀，可掌握較高的地圖精度，也有較成熟的導航應用。而Visual SLAM用於導航的單目/雙目相機則因為深度資訊取得不易，需透過物件間的特徵比對才能進一步計算距離，因此座標運算過程較為繁雜。

(二)LiDAR SLAM及Visual SLAM各有適用情境

一般而言，AMR業者由於成本及應用需求考量，LiDAR SLAM多搭配2D光達，單顆售價即新臺幣數十萬元，依品牌及測距範圍有不同價格，3D光達要價則更在此之上，多應用於自駕車為主。然而在2D光達平面的視野中，就會產生高度視野盲區、以及原先場域變動大則難以辨認等問題。

而Visual SLAM由於具有3D視野及物體辨識能力，相機感測器能從顏色、紋路、線條等內容中判斷物體間的差異性，即便環境中有部份物件增減，仍可透由對整體環境的認知，辨識自身仍處於原來環境，對於經常變動的環境仍具有相當的導航穩定性。然而相對來說，立體環境中各個物件的座標計算，便會造成Visual SLAM龐大的運算負擔。

目前AMR建構地圖的感測器還是以光達為主、相機次之，更少有業者將兩者蒐集的數據共同彙整成參考地圖。依上述不同感測器對應的SLAM發展技術趨勢歸納如下：

1. LiDAR SLAM

LiDAR SLAM技術發展較早、技術較為成熟，即使光達成本不菲，然其運作原理使其在物體座標的幾何計算上較為容易，成為現今業者做為地圖建構普遍採用的感測器。LiDAR SLAM現今需要克服的主要是場域應用限制問題，技術趨勢將朝向提升動態環境定位穩定度、減少空曠環境迷航等面向發展。

2. Visual SLAM

採用Visual SLAM的AMR在市場中僅占少數，視覺計算複雜度、龐大的算力需求為其技術門檻。Visual SLAM現今需要克服的是技術問題，未來將朝向不斷優化演算法以降低圖像特徵提取、匹配的運算負擔，使其能夠即時建構地圖，方能符合安全及有效的導航應用需求。另外環境中如存在特徵點不多的物件，如白牆，將缺少可提取的特徵點，有礙後續匹配作業，因此地圖建構的穩定性也是技術發展趨勢之一。

3. LiDAR+Visual SLAM

觀察現今國際大廠的產品，AMR如同時搭配光達及相機，則各自代表不同用途。一般而言，其中一個感測器將用於地圖建構，另一個則為避障用途。如欲將光達及相機產生的數據彙整成一張地圖，則需進行數據融合，將具更高的技術難度。(1)資料面：統一感測器蒐集的數據類型、時間標記、座標系等；(2)軟體面：需應付倍增、矛盾的訊息，模型要能快速處理數據、過濾無用、錯誤的數據並生成正確地圖；(3)硬體面：因圖形分析需求須配置資料處理能力高、低功耗的處理器。

目前LiDAR+Visual融合的SLAM技術發展尚未明朗，可觀察到僅有極少數業者在此技術有落地的應用。例如Geek+的VXSLAM技術，利用融合光達的方格地圖(grid map)以及視覺的特徵地圖(feature map)，並考量不同時間點的光照變化會產生對特徵地圖的影響。因此針對單一區域會再建立不同時段的地圖，再統一進行多層地圖的優化演算，得以讓AMR在定位時，根據與自身匹配程度，選取要基於哪張地圖進行定位。
 

四、結論
 

根據美國國家標準協會(ANSI)和機器人工業協會(RIA)發布R15.08機器人安全標準，AMR及AGV從此有了明確的劃分，定義中兩者差異在於是否能判斷所處環境調整移動路徑，而此差異性則根源於導航方式的差異，這也突顯導航技術對於AMR之重要性。國內部份AMR廠商憑藉著本業之機電製造技術，具備硬體上的技術優勢。然整體而言，導航技術對變動環境的適應性、定位精度、穩定度等方面仍有改善空間。

導航技術中，以AMR對環境認知、自身定位之SLAM技術為重要基礎，依感測器區分為LiDAR SLAM與Visual SLAM。前者因測距準確、導航效益佳、複雜度較低的特性，技術發展成熟度也較高，成為目前AMR業者普遍採用的導航技術。然其缺少對物體的辨識能力，將不利於變動環境中定位。技術發展趨勢會著重在解決應用問題，例如因應高度變動的環境，以及如何解決空曠環境易迷航、特徵重複性高的作業環境等應用限制。後者則利用分析圖片顏色、紋路等訊息辨別物件，進而計算出其深度資訊，運算複雜度較高。目前由於技術成熟度不高，因此採用此種導航技術業者較少。技術發展趨勢以優化演算法以降低圖像特徵提取、匹配的運算負擔，達成地圖能即時建構，並具有相當穩定性為主。
 

(本文作者為資策會MIC執行產業技術基磐研究與知識服務計畫產業分析師)