蘋果 (AAPL-US) 近期宣布推出最新研發的機器人 ARMOR ，引起了科技界和工業界關注。ARMOR 是蘋果與美國卡內基美隆大學 (Carnegie Mellon University) 合作研發的新避障系統。作為蘋果在機器人領域的最新探索， ARMOR 不僅代表蘋果在硬體、軟體和 AI 術上的最新進展，更顯示蘋果對未來技術方向的深刻洞察。
蘋果 (AAPL-US) 近期宣布推出最新研發的機器人 ARMOR ，引起了科技界和工業界關注。ARMOR 是蘋果與美國卡內基美隆大學 (Carnegie Mellon University) 合作研發的新避障系統。作為蘋果在機器人領域的最新探索， ARMOR 不僅代表蘋果在硬體、軟體和 AI 術上的最新進展，更顯示蘋果對未來技術方向的深刻洞察。
蘋果近期宣布推出最新研發的機器人 ARMOR ，引起了科技界和工業界關注。（圖／123RF）ARMOR 機器人之所以引人注目，除了蘋果強大的品牌效應外，更重要的是它在技術上的一系列創新，尤其是在避障系統和感測技術方面。
傳統的人形機器人通常依賴安裝在頭部或軀幹的集中式攝影機與雷射雷達系統進行環境感知，雖然這種方式能提供廣闊的視野，但存在手臂和手部區域被遮蔽的問題。為克服這項挑戰，蘋果的 ARMOR 系統採用了一種全新的分散式感測器布局，特別是在機器人手臂上整合了大量感測器，提高了機器人在複雜環境中的避障能力。
ARMOR 機器人配備了多達 40 個 SparkFun VL53L5CX 飛時測距 (ToF) 雷射雷達感測器，分布在機器人每隻手臂上。每個感測器尺寸僅 6.4×3.0×1.5 公釐，能夠提供高達 4000 公釐的測距範圍，解析度為 8×8，頻率為 15Hz。這些感測器的分布使得 ARMOR 能感知手臂和周圍環境的每一細節，大幅提升了避障精準度和反應速度。
傳統機器人在避障過程，往往需要依賴大量的外部運算和處理，而 ARMOR 透過整合硬體和軟體的方式，將避障決策過程進行在地化處理。
ARMOR 搭載了一款名為 ARMOR-Policy 的 Transformer 編解碼架構，能透過模仿學習的方法，從人類運動展示中學習如何避開障礙物。這種基於深度學習的避障系統，使 ARMOR 在複雜的動態環境中更能靈活且精準地進行運動規劃。
研究團隊使用了 AMASS 資料集中 311,922 個真實人類運動序列，這些資料涵蓋了操作、舞蹈和社交行為等多種運動類型。透過將這些數據轉化為機器人關節的運動軌跡，並在其周圍生成障礙物區域，ARMOR 能精確地計算出安全的運動路徑，在避障性能上顯著提升。相較於傳統策略中使用四個安裝到機器人頭部以及外部感測，ARMOR 的碰撞次數能減少 63.7%，成功率提升 78.7%。
ARMOR 另一創新點在於其運動規劃的靈活性。ARMOR-Policy 系統透過引入額外的編碼器層和潛在變數推理，能夠產生多個運動軌跡候選方案，並透過計算選擇最優路徑。這種動態規劃方式使 ARMOR 在不斷變化的環境中即時調整自己的行動，避免了傳統機器人在靜態環境下的限制。
此外，ARMOR 也具備較高的運算效率。與基於採樣的運動規劃專家系統－輝達 (NVDA-US) 的 cuRobo 相比， ARMOR-Policy 表現出更好的性能，碰撞能減少 31.6%，成功率提高 16.9%，計算效率提升 26 倍。
為了驗證 ARMOR 系統的可行性，研究團隊也部署到 Fourier GR-1 人形機器人上，並成功實現了每秒 15 次的即時避障軌跡更新。結果表明，ARMOR 在複雜環境中的避障性能遠超傳統方案且系統穩定性良好。
ARMOR 機器人的推出，不僅展示了蘋果在硬體設計上的新突破，也為未來在其他機器人領域的產品奠定基礎。
蘋果近年在 AI 技術的投入持續增加，其產品中整合的 AI 功能如 Siri 語音助理、影像辨識技術等，已成為蘋果生態系統的一部分。ARMOR 機器人所搭載的避障系統與 AI 密切相關，透過深度學習和強化學習的結合，ARMOR 能夠即時分析和預測環境中的變化，從而做出最佳的運動決策。這意味著蘋果在 AI 的技術積累，正在透過機器人產品進一步延伸與應用。
（本文已獲鉅亨網同意授權刊出）
這篇文章 蘋果推出最新機器人ARMOR 運算效率超越輝達cuRobo 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。
