全球服務型機器人市場快速成長，根據國際機器人聯盟（International Federation of Robotics，IFR）資料顯示，2017年全球個人/家用服務型機器人市場規模約有21億美元，較2016年成長27％。其家事類服務型機器人銷售量約占整體七成，有近610萬台的規模，成長率相較去年31％。而娛樂型機器人銷售量則占整體三成，約為240萬台，較2016年成長12％。

圖1 : 全球專業服務型機器人市場銷售成長，未來發展潛力雄厚，而要掌握此商機，3D感測與建圖定位將是兩大關鍵技術。（source：International Federation of Robotics）

2017年全球專業服務型機器人市場銷售額約為66億美元，相較於2016年則成39％，在出貨量上，2017年出貨量超過10萬台，相較於2016年的6萬台，2017年大幅成長85％。然而，全球專業服務型機器人市場銷售量大漲85％，其銷售額卻成長39％的原因，主要是高價機器人成長趨緩，如國防機器人、水下機器人等銷售量放緩，且此類機器人生命週期可達10年之久，部分可能都還在運轉中未除役，因此對於銷售額貢獻較少。而如物流系統機器人雖銷售量成長高達162％，也占整體事業服務型機器人高達63％的比例，但由於價格相對較低，對於銷售額提升的幅度仍相對較小。

3D感測應用多元

在目前的服務性機器人中，3D感測與建圖定位是兩大關鍵技術。3D感測技術由於人臉辨識應用場域廣泛，因此依據每次辨識人數大致分為兩大類：「單次多人與「單次單人」。

圖2 : 機器人必須擁有3D影像，才能精確判斷環境周邊的物件位置。（source：KUKA Robotics）

「單次多人」偏向出席統計（Attendance），多為監控所使用，不會受限制的進出，但是會讓管理者（如保全人員）得知場域中可能存在什麼樣身分的人。如大陸所推行的「天眼」，即為單次多人的應用；「單次單人」為門禁系統所使用，其概念即過濾每一位進出的人是否為授權者，以及其授權的程度，如公司的員工與訪客可以進出的場域授權不同。

單次多人與單次單人的應用場域相當不同，單次單人存在著「關門」機制，即每一位需要進入的人都需要通過辨識，才得以進入，其安全性高，並可過濾不在授權名單內的阻生人進入該場域，因此可掌握每一位進出人員的身分並且準確性高；而單次多人則沒有「閘門」機制的限制，故被更廣泛的使用在公開場域，由於沒有通關機制，因此人在不知情的情況並不會配合辨認（如停下腳步，與面對攝影機），其準確率相對較低。

現在「單次單人」辨識導入辦公大樓、企業總部、租貨辦公室、實驗室、機房、產線、以及各式VIP貴室的應用範例正在快速成長；而「單次多人」辨識除了被安防監控、保全業者與政府機關引用進各式場域中，也逐漸被服務業者使用來輔助服務人員確認客戶身分。

以門禁系統為例，根據研究報告指出，2019年預估市場為45億美元，其中有將近20％使用生物辨識，即有近10億美元的市場，便利性、效率和安全性是人臉辨識技術重要興起的原因。臉部辨識技術應用於門禁系統與安防監控發展上，仍存在許多關鍵突破點。

近期台灣的立普思公司的多維融合（2D+3D）辨識、具備多光譜防偽、以及AI深度學習之「單次單人」人臉辨識系統，與同樣使用3D技術的Apple FacelD都有高精準與快速辨識特點，並一舉突破使用者限制至2萬人（iPhone之FacelD僅可註冊最多2位使用者），就大幅降低企業需要大量登錄與管理使用者的難度。

產品瞄準高安全性區隔之場域，進行身分查驗、黑/白NIP名單過濾、權限認證、以及打卡等重要工作。另外，立普思也利用深度攝影機感測影像和人形輪廓辨識技術，開發照護系統，兼顧被照護者之隱私和不干擾其日常生活行動，以減輕照護者的負擔和減少被照護者離床跌倒的風險。

以視覺影像的感測技術為基礎，現在已有身體姿態改變分析、靜態追蹤以及3D頭部動作分析，可適用於更多不同的環境與檢測項目，現階段甚至能利用深度學習來達到更精準的偵測，且以3D影像取代傳統2D影像監控更能增加保護受測者的隱私。

就應用面來看，此系統可應用於長照中心或病房，隨著在宅養老的觀念推動，將來更可以用於居家照護。將設備架設於有跌倒風險的場域，當病患或長者在離床時可以通報照護者，及時給予被照護者協助以降低跌倒風險。照護人員在平時或夜間也能透過遠端的影像，得知被照護者是否安睡或離床，將干擾降到最低，倘若病患長者如廁時間太久，也能通報照護者，隨時關心被照護者之狀態。

此外，基於對行為的長期分析和預測模型的建立，更能做到ADL（Activities of Daily Living）日常生活活動量的評估，及早發現長者的失能狀況，讓照護或復健的規劃更完備。

建圖定位技術仍有成長空間

至於建圖定位技術的發展與應用，在人工智慧快速發展下，服務型機器人已漸漸進人我們的生活，改善周遭環境。而這些機器人仍有移動問題須被解決，也就是在全場景的移動能力。這些場景是指機器人存在，並與其相互互動的周遭環境。而機器人應用場景決定了機器人應用難度及所需技術層次。

應用場景主要可分為兩個維度分析，即機器人的行進速度和環境的結構化程度。環境越結構化、機器人移動速度越低，則其應用場需求就相對越單純，所需技術層次就較低，如家用掃地機器人；環境越非結構化、機器人移動速度越高，則其應用場景就相對的複雜，所需的技術層次就較高，就像自駕車應用。

圖3 : 服務型機器人與周邊科技的結合越來越深，其應用也漸趨多元。（攝影／王明德）

就多數的服務型機器人而言，是屬於結構或結構與非結構間、低速，而且對人機互動的人性化場景要求較高。服務機器人全場景移動能力主要的靈魂就是機器人核心演算法，包含建圖及定位、環境感知、路徑規劃及運動控制。其中建圖及定位是告知機器人位置，環境感知是讓機器人了解身處的環境，路徑規劃及運動控制是告訴機器人要去的路徑與其方式。

就建圖與定位，最常用的技術是SLAM（Simulaneous Localization and Mapping），SLAM是機器人根據感測器的資訊，一邊計算自身位置，一邊構建環境地圖的過程，解決機器人等在未知場景下運動時的定位與地圖構建問題。目前，SLAM的主要應用於機器人、無人機、無人駕駛、AR、VR等領域。

由於感測器種類不同，SLAM主要分為雷射LDSSLAM和視覺VSLAM兩大類。其中，LDSSLAM比VSLAM起步早，在理論、技術和產品應用上都相對的成熟。基於視覺的VSLAM方案目前主要有兩種實現路徑，一種是基於RGBD的深度攝影機，比如Kinect；還有一種就是使用單鏡頭、雙鏡頭或者魚眼攝影機，整體而言，VSLAM目前尚處於技術研發期，應用場景的拓展則有待產品成熟，不過隨著各大廠商的競相投入，未來發展潛力仍然雄厚。