機器人背後的動作教練　晶翔機電以動作捕捉技術布局Physical AI

【記者 高鐿玲／台北 報導】隨著人工智慧逐步走向實體應用，機器人如何學習人類動作、執行複雜任務，成為Physical AI發展的重要課題。位於新竹科學園區的晶翔機電（j-mex），將多年累積的慣性感測與動作捕捉技術運用於機器人訓練，透過人體示範取得操作數據，協助機器人學習抓取、移動等動作。從人體動作分析延伸至智慧機器人領域，晶翔以「動作教練」的角色切入Physical AI市場，為開發團隊提供動作數據與技術解決方案。

晶翔機電成立於2006年，長期投入MEMS慣性感測應用、人體姿態估算及動作演算法研發。總經理倪昌德表示，公司近年將既有動作捕捉技術延伸至機器人動作訓練及資料蒐集。由於人體與機器人的關節結構、自由度及關節限制不同，動作無法直接複製。晶翔透過Motion Capture（動作捕捉）取得人體姿態資料，再以Motion Retargeting（動作重定向）技術，依不同機器人的關節限制進行映射，將示範動作轉換為可供機器人執行及學習的數據。

▲晶翔機電總經理倪昌德，帶領團隊布局Physical AI市場。

在產品應用方面，晶翔推出AgileMaster人形機器人遠端操控解決方案，整合動作捕捉、動作重定向、機器人控制及訓練資料蒐集。操作人員穿戴感測設備，即可透過自身動作控制機械手臂或人形機器人，並同步記錄機器人狀態及操作數據，供模仿學習（Imitation Learning）與後續模型訓練使用。執行副總張宗穆指出，真實機器人動作數據的取得，是機器人訓練面臨的重要挑戰；人類示範提供合理的動作基礎，也有助於後續學習與調整。晶翔目前公開的合作、技術整合或應用對象，包括達明機器人、所羅門、工研院、Universal Robots及Franka Robotics。

▲透過真人動作捕捉取得姿態數據，協助機器人學習人類動作。

隨著Physical AI發展，機器人應用有望從工業自動化逐步擴展至商業服務、特殊作業及日常生活，自主學習、複雜操作與環境適應能力將更受重視。技術長陳奇宏指出，機器人訓練需要串聯動作捕捉、動作映射與模型學習，視覺、語言與動作模型（VLA）所需資料的整合，也是未來技術發展的重要方向。面對不同機器人平台與實際任務的訓練需求，晶翔將持續投入動作數據蒐集、跨平台整合及Physical AI應用，為機器人從實驗環境走向更廣泛的產業場景提供技術支援。（照片記者高鐿玲翻攝）