
看見、學習,由機器人執行。
將視覺辨識、作業判斷與機器人控制串連為單一流程, 讓檢測結果直接延伸至實際的現場自動化。
現場運營
以視覺與感測器的融合,實現媲美人類的機器人控制
在影像資料的基礎上,加入力/扭矩感測器技術。AI 推導出的資料如同人類般,即時轉化為精準且安全的機器人動作。
僅依賴單純的視覺資訊,現場物件掌握能力有限
即時同步擷取視覺與物理資料
立體化感知物件狀態,提供判斷依據
無需編寫程式,將多品牌機器人整合為一的控制環境
即使是不同品牌的機器人,也能在同一畫面中管理,並以日常語言輕鬆下達動作指令。
- No-Code
無需專業知識, 也能直覺地配置機器人控制
- 拖放積木,輕鬆編排作業流程
- 實際運行前,先以 3D 畫面預覽並安全驗證
- 即使不懂程式,現場實務人員也能親自設定機器人動作
- 如對話般以自然語言下達指令,即可完成機器人動作

- 邊緣控制
隨處輕量運行, 以低功耗 PC 即可獨立驅動
- 無需昂貴的伺服器或雲端連線, 僅以小型 PC 即可執行
- 即使在電力與空間有限的移動式現場, 也能順暢運作

- 設備整合管理
不分製造商, 於單一畫面完美控制
- 機械手臂、攝影機、夾爪等設備即使品牌不同,也能完美串接
- 不受限於特定製造商,同時控制多品牌的機器人
- 沿用既有設備,節省導入新設備的成本

- 強化學習
無需編寫程式, 模仿人類動作的機器人
- 模仿人類示範動作,省去繁複的機器人設定(教導)步驟
- 即時察覺障礙物,自主尋找安全路徑移動
- 機器人自行精進動作,作業更為精準

看見、判斷後立即行動的現場自動化
越是需要精準辨識與精密動作的嚴苛製程,AI 與機器人結合的 AIVot 能力就越能大放異彩。
- 1
視覺引導揀放/組裝
透過攝影機辨識對象的位置與狀態,並指示機器人執行作業。

- 2
基於影像的情境判斷
不僅擷取抓取位置,還能透過 AI 演算法判斷製程狀態,並根據判定結果讓機器人執行相應作業。

- 3
基於 VLA 的機器人控制
利用 VLA 基礎模型,以少量現場資料訓練機器人模型,並透過強化學習,使其在導入後隨著時間推移不斷提升準確度。

從辨識到硬體控制,成就 AIVot 的生態系
視覺攝影機、AI 模型與運營資料與機械手臂相連,如同單一有機體般完美協調。
掌握現場的眼睛
- 即時辨識形狀與大小各異的物體。
- 精準找出位置,為機器人提供視覺資訊。
- (±0.5mm 以內)實現不容絲毫誤差的高精度組裝自動化。
- (±5mm 以內)對各種尺寸與形狀的貨物,快速且穩定地進行揀取與放置(Pick and Place)。
掌握現場的眼睛
- 即時辨識形狀與大小各異的物體。
- 精準找出位置,為機器人提供視覺資訊。
- (±0.5mm 以內)實現不容絲毫誤差的高精度組裝自動化。
- (±5mm 以內)對各種尺寸與形狀的貨物,快速且穩定地進行揀取與放置(Pick and Place)。
計算並學習最佳行動
- 即使是混雜的多樣零件(Mixed SKU),AI 也能聰明地分類與檢出。
- 進行自動對齊攝影機與機器人位置的自動校正(Auto-Calibration)。
- 自主尋找最佳移動路徑,並持續學習進化。
貼合現場的精密執行
- 根據攝影機所見的資訊,即時修正機器人的動作。
- 為您量身設計貼合作業環境與物件形狀的客製化機器人手部(夾爪)。
想了解導入規模 與運營條件嗎?
查看常見問題
Q.能與現有正在使用的機器人或設備相容嗎?
是的,可以相容。AIVot採用不依賴於特定機器人品牌或硬體的硬體無關(Hardware-Agnostic)架構設計。完美支援與KUKA、Doosan、Yaskawa、Hyundai、Neuromeka等工業現場主要機器人廠商及現有設備的順暢聯動。
Q.現場存在振動或零件位置偏差時也能進行作業嗎?
可以。AIVot支援自適應自主控制(Adaptive Autonomy)技術,能即時偵測現場振動或零件位置的細微偏差等作業環境變化,並自動校正機器人的動作,從而保證作業的穩定性。
Q.能夠根據對象物客製化夾爪嗎?
是的,可以進行客製化設計。我們會精密分析對象物特有的形狀、材質與重量,客製化真空式、磁力式、機械式等最適合的夾爪形式。此外,為因應多品種混流生產,還可應用能夠多用途使用的可更換式手爪(Tool Changer)系統。
Q.在雜散光或現場照明變化的情況下也能穩定運作嗎?
是的,能夠穩健地因應環境變化運作。我們採用自有的遮光結構與專用光學解決方案,有效阻斷外部雜散光的進入,即使周邊照明環境發生變動,也能維持一致的效能,從而確保了穩健性(Robustness)。
Q.對於難處理的對象物(反射體、有光澤/無光澤、透明、表面變化、相似個體等)也能準確辨識嗎?
是的,可以。我們會根據對象物難處理的表面特性,選定同軸光、穹頂光、結構光等最佳的照明及相機配置。對於一般視覺難以區分的相似個體或表面變化條件,也會運用基於深度學習的辨識演算法準確分類並應對。






