2026台北國際自動化工業大展今年聚焦人工智慧、智慧製造與工業5.0。相較於過去工業機器人依照固定程式執行重複作業，Nvidia近年積極推動的Physical AI，則強調結合AI模型、視覺感知與數位孿生，讓機器人具備理解環境、自主規畫、執行任務及持續學習的能力。
在本屆展會中，台達電、所羅門等業者展示相關應用，呈現工廠從「自動化」逐步走向「自主化」的發展方向。現場展出的技術大致可歸納為三項趨勢：數位孿生協助產線規畫與Physical AI落地、AI Vision成為Physical AI的感知能力，以及機器人逐步由執行工具轉變為具備自主作業能力的系統。
Delta DIATwin結合Omniverse，建立Sim-to-Real流程
台達今年展示的重點之一，是將生產線數位孿生與AI技術結合。台達以Delta DIATwin虛擬機台開發平台搭配Nvidia Omniverse，在虛擬環境中建立與實體一致的生產線模型，再利用AI自動規畫最佳加工路徑，並驗證設備運動與製程流程。
完成虛擬環境中的模擬與驗證後，相關設定再部署至實際設備，形成Sim-to-Real（Simulation to Reality）導入流程。台達表示，目前這項技術已實際應用於AI伺服器相關生產線，有助降低跨廠區複製及設備調校成本。
在PCB噴塗膠應用展示中，台達透過工業級數位雙生與Nvidia Omniverse的高擬真物理模擬，先設定噴塗膠製程配方，包括材質與黏性等參數，再模擬機器手臂執行PCB噴塗膠作業，檢視是否出現溢流，避免影響PCB板品質。
這種先在數位孿生環境完成訓練、驗證與最佳化，再部署至真實產線的方式，是Nvidia推動Physical AI落地的重要環節。透過預先模擬，業者可在一定程度上降低設備碰撞及產線停機風險；不過實際效果仍取決於虛擬模型、感測資料與現場設備的一致性。
生成瑕疵樣本，加速AOI模型訓練
除生產線模擬外，台達也展示利用Nvidia Cosmos Defect Image Generation自動生成不同瑕疵樣本，藉此加速AOI（自動光學檢測）模型訓練。
台達表示，透過這項技術，新產品的模型建立時間可由約3個月縮短至2週，AOI辨識率則提升17%。這些數據為台達現場說法，實際導入成效仍可能受到產品種類、瑕疵樣本品質與生產環境差異影響。
AI Vision成為Physical AI的感知層
Physical AI的另一項關鍵能力是對環境的理解，因此AI視覺技術也成為本屆展會的重要展示內容。所羅門展出Agentic Physical AI平台、新一代3D AI Vision及AR智慧配線等方案，目標是讓AI不只辨識影像，也能理解空間、物件姿態與現場環境，提供機器人進行自主決策所需的感知資訊。
過去AOI主要著重於產品瑕疵檢測；3D AI Vision則進一步協助機器手臂辨識物件位置、抓取角度及空間關係，使機器人能依照不同零件與作業情境調整動作。對需要自主完成任務的機器人而言，除了理解語音或文字指令，也必須觀察周遭環境、判斷物件位置並即時避障，AI視覺因此成為其中的核心感知層。
所羅門展示的AI Vision可搭配人形機器人或AMR使用。在約5至6公尺距離下，系統利用具備放大倍率的攝影機及VLM（視覺語言模型）辨識物品，並依照語音指令辨識視力檢查表上的英文字母E、設備上的儀表讀值及桌面上的皮夾。
展示情境中，機器人也能依指令走近桌前抓取物品，再返回主持人面前交付。AMR則可在接近5至6公尺的距離，透過攝影機30倍放大倍率與VLM影像理解能力，自動辨識儀表上的數據。
台達展示雙臂機器人自主繪圖
在機器人自主化方面，台達首度展示Embodied AI雙臂機器人平台。該平台整合AI模型與機器人控制架構，可依照語音指令完成指定任務，現場展示內容包括依使用者要求繪製不同風格的人像，呈現從理解指令、規畫動作到完成任務的流程。
這套平台整合最高可達275 TOPS的Nvidia Jetson AGX Orin，以及Isaac ROS與cuMotion等機器人生態系技術，可即時建立3D環境模型、規畫運動路徑並進行避障。台達未來瞄準的應用方向包括AI伺服器組裝等高精度製程。
在雙臂繪圖展示中，使用者可輸入寵物或人物照片，系統先模擬雙臂繪製結果，再由控制系統操作兩條機器手臂完成繪圖。每支手臂具備6個關節，兩臂可同時運作並避免互相干擾；當現場出現異物時，系統也能自動避開。
所羅門與其他業者探索協同作業
相較於台達著重數位孿生、雙臂控制與高精度製程展示，所羅門則聚焦於透過Agentic Physical AI與AI Vision，提升人形機器人及工業機器人的環境理解與自主作業能力。
其他參展業者的展示方向雖不盡相同，但也涵蓋人形機器人、AMR、機器手臂及機器狗等設備，並呈現多種協同作業情境。例如在倉儲場域中，人形機器人、AMR與機器手臂可分工合作；兩條機器手臂則能同時從一個箱盒取出物品，放入另一個箱盒，並在作業過程中避免彼此干擾。
從固定程式轉向具備判斷能力的系統
本屆展會反映出工業機器人的發展重點，正從固定流程的自動化，延伸至結合視覺、語意理解、數位孿生與即時控制的自主化系統。數位孿生可提供部署前的模擬與驗證環境，AI Vision則負責理解物件與現場狀況，機器人控制平台再將這些資訊轉化為動作。
不過，Physical AI要在工廠大規模落地，仍須面對資料品質、虛實環境差異、設備整合、模型可靠性及安全性等問題。現場展示證明相關技術已能支援特定任務，但從展場情境擴大至複雜、連續且高要求的工業生產環境，仍需要更多實際導入與長期運作驗證。
Reference Link : ithome.com.tw
