地圖介紹
【核心專業】
本學習地圖將 AI 機器人的核心職能拆解為四大平行技術路徑。各路徑分別對應不同職務角色與專業門檻，涵蓋機構設計、系統整合、動力驅動、感測融合、AI 決策、安全控制與資安防護。
1. 載具與系統
AI 機器人的可靠度，取決於載具結構、系統架構與現場部署能力是否能相互對接。本模組聚焦機器手臂、機構建模、CPS、數位孿生、MVP 驗證與智慧機電整合，適合機構工程師、自動化系統工程師、機器人專案導入人員與設備維運人才。
- ① 機構與架構設計：機器手臂設計與控制、機器手臂校正原理與應用、機器人機構建模與模擬技術。
- ② 系統整合與部署：CPS 與數位孿生系統整合技術、機器人系統工程開發與 MVP 驗證維運。
- ③ 系統工程與維運：智慧機電系統通訊與整合驗證實務、智慧機電系統整合與現場部署技術。
2. 動力模組：建構驅動、控制與安全保護能力
動力模組是機器人精準運動與穩定運作的核心。本模組涵蓋智慧馬達、嵌入式系統、邊緣運算、運動規劃、安全設計與電池管理，協助學習者建立從硬體驅動到 AI 控制的整合判讀能力。
- ① 動力驅動與嵌入式控制：智慧馬達驅動與 AI 控制技術、機器人嵌入式系統與邊緣運算技術、機器人動力系統設計與調校實務。
- ② 運動控制與安全保護：機器人安全設計及容錯控制技術、機器手臂運動規劃與控制技術。
- ③ 智慧能源與電池管理：BMS 系統架構與整合技術、電池健康預測與異常診斷技術。
3. 感測預知
AI 機器人要具備自主性，必須能處理影像、訊號、空間位置與多模態語意。本模組聚焦 OpenCV、機器視覺、AOI、SLAM、LiDAR/3D 感測融合、設備異常診斷與多模態決策，適合機器視覺工程師、感測系統工程師、資料分析與設備診斷人才。
- ① 感測訊號處理：智慧感測訊號處理與特徵擷取技術、AI 訊號處理與設備異常診斷實務。
- ② 環境感知與感測融合：OpenCV 影像處理與機械視覺基礎、智慧機器視覺技術原理與應用技術、AI 視覺檢測與 AOI 應用技術、SLAM × LiDAR/3D 感測融合實作。
- ③ 新興多模態感知：智慧感測融合與時序同步技術、AI 機器視覺與機器人模擬器應用實例、AI 多模態融合應用與語意決策技術。
4. 決策控制
決策控制模組關注 AI 機器人如何從感知結果轉化為可執行任務。此區塊涵蓋自主移動、多機器人協作、即時控制、Agent 設計、虛實整合與資安應用，對應自主移動機器人、智慧物流、工業自動化與高安全性場域部署需求。
- ① 決策與導航控制：自主移動機器人系統、多機器人協作與任務調度實務、機器人控制系統設計與調參實務。
- ② AI 決策與虛實整合：AI 邊緣運算與即時控制整合技術、AI 智能控制與自適應學習技術、機器人虛實整合系統、AI 機器人決策系統與 Agent 設計：模型訓練與邊緣部署實務。
- ③ 安全與資安控制：機器人系統整合與資安應用、智慧製造資訊安全。
【基石：全領域共通專業】
AI 機器人不是單一技術，而是跨機械、電控、資訊、AI、標準與法規的整合型專業。在進入特定模組前，建立共通語言有助於跨部門協作，特別是在需求定義、規格溝通、系統驗證與安全合規上。ISO 10218-1:2025 與 ISO 10218-2:2025 分別規範工業機器人本體，以及工業機器人應用與機器人單元整合的安全要求；對智慧製造與工業自動化導入而言，安全設計、風險降低與系統整合能力，已是機器人產業人才不可忽視的基本素養。
- ① 產業導向與應用導論：AI 機器人產業發展趨勢與應用案例。
- ② AI 與資料基礎：Python 數據、機器學習與深度學習技術。
- ③ ROS 基礎系統：ROS2 系統建構與機器人模擬技術。
- ④ 控制與嵌入式概念：AI 嵌入式機器人開發與控制技術。
- ⑤ 法規與標準導論：機器人國際安全標準與法規導論。
【實務：應用場景的域內專業】
產業應用是 AI 機器人落地的關鍵門檻。相同的機器視覺、控制與導航能力，進入智慧製造、智慧物流、服務照護場域時，會面臨不同流程、風險、維運與投資回收條件。本區課程將應用場景獨立呈現，協助學習者把技術轉化為產業應用能力。
- ① 智慧製造與工業自動化：協作機器人與 AI 整合應用、智慧製造：工業機器人製程應用案例、CPS/離線編程與製程案例。
- ② 自主移動與智慧物流：AMR 自主移動機器人與智慧任務整合實務、自主移動機器應用案例、製造業智慧倉儲與物流 AI 導入。
- ③ 服務與照護型應用：日本機器人與 AI 未來照護創新學習營、服務型 AI 機器人技術應用案例。
【結語：ITRI 賦能個人化職涯】
AI 機器人職涯不是單一路線，而是以職能組合建立差異化定位。機構背景人才可強化系統整合與數位孿生能力；電控與嵌入式人才可深化動力驅動、邊緣運算與即時控制；影像與資料人才可切入機器視覺、SLAM、AOI 與設備診斷；製造與物流管理人才可聚焦協作機器人、AMR 與智慧倉儲導入。工研院產業學院透過「AI 機器人學習地圖」，將複雜技術轉譯為可選擇、可組合、可對應職務需求的學習架構，協助學習者建立面向智慧製造、自主移動與服務型機器人的長期競爭力。
常見問題
A: 可以，但建議先從「基礎知能」建立共通語言，特別是「AI 機器人產業發展趨勢與應用案例」、「Python 數據、機器學習與深度學習技術」、「ROS2 系統建構與機器人模擬技術」。若已具備資訊或資料分析背景，可把優勢延伸到感測融合、機器視覺與 AI 決策模組。
A: 一般自動化設備多強調固定流程與重複動作；AI 機器人則需要處理環境感知、即時控制、任務調度與異常判斷。地圖中的「感測預知」與「決策控制」正是強化機器人自主性與場域適應力的關鍵能力。
A: 智慧製造導入通常需要機構、控制、感測、資安與製程知識並行。可依職務需求選擇「載具與系統」、「動力模組」、「感測預知」、「決策控制」與「產業應用」中的「智慧製造與工業自動化」主題，建立從設備整合到現場部署的完整視角。
A: AI 機器人會與人員、產線、網路與資料系統互動，安全風險不只來自機械運動，也包含功能安全、系統整合、資料傳輸與未授權存取。對智慧製造與工業自動化場域而言，ISO 10218 系列標準已將工業機器人本體、工業機器人應用與機器人單元整合安全列為核心要求；因此「機器人國際安全標準與法規導論」、「機器人系統整合與資安應用」與「智慧製造資訊安全工程師培訓班」皆具備高度實務價值。
A: 這些主題適合自主移動機器人、智慧物流、倉儲自動化、巡檢機器人與場域導入工程師。相關課程包含「SLAM × LiDAR/3D 感測融合實作」、「AMR 自主移動機器人與智慧任務整合實務」、「自主移動機器應用案例」與「多機器人協作與任務調度實務」。
A: Agent 設計關注任務理解、規劃、工具調用、模型訓練與邊緣部署，能協助機器人從被動執行指令，提升為具備任務判斷與協作能力的智慧系統。「AI 機器人決策系統與 Agent 設計：模型訓練與邊緣部署實務」可協助學習者理解 AI 決策如何與即時控制、感測資料與部署環境銜接。
相關課程
