2026 年 10 月 29 日，法國新創 Bleu Robotics 宣佈一筆 500 萬歐元的種子前輪募資，準備將機器人學習技術推向工廠應用。它希望讓現場人員透過少量示範，教機器人完成一項工作，並把任務部署時間縮短到一小時以內。目前公開資訊仍以公司測試與初期工廠合作為主，因此，還不能證明各種產線都能做到，但對於經常換產品、換工序的工廠來說，它提出了一個很實際的問題：每換一份工作，機器人要花多久才能重新上工？
這期我們就從這個問題談起，看看機器人的學習能力，如何影響工廠採用自動化的意願。
買得起機器人還要算換線的成本
如果每次換工作，都要重新調整設備、編寫程式與測試，即使機器人本體變便宜，後續工程費用仍然可能讓工廠卻步。Bleu Robotics 瞄準的商機，就是在降低這筆反覆發生的成本。對台灣新創與製造業而言，值得思考的是：當產品與訂單改變，如何讓原本買進的設備繼續派上用場，而不必每次都重新做一套工程？
想像一家零件加工廠，某個工站每天負責取料、放進機台、啟動加工，再把完成的零件取出。工作看似重複，但換了產品，零件形狀、擺放方式與加工順序都可能跟著變。原本的夾具還能用嗎？相機認得出新零件嗎？機器手臂的路徑要不要重新調整？
Bleu Robotics 在技術說明中，便以機台上下料解釋它想解決的問題：除了機器人本體，工站還可能需要專用夾具、視覺辨識與工程設定，這些都是自動化成本的一部分。對於要長期大量生產的同一產品來說，前期投入可以分攤到許多產出的產品上；但對於經常換生產線的工廠來說，主管還得考慮重新設定期間少做了多少產品，以及下一次變更又要花多少錢。所以，判斷機器人是否划算，除了購買價格與動作速度，也要看它換工作時，需要付出多少時間與費用。
示範一次動作還要教會它應付變化
Bleu Robotics 嘗試讓現場人員透過示範，教機器人完成特定任務，利用既有的視覺追蹤與控制能力，從物件位置和示範中學習如何完成工作，減少每項任務都從頭設定的需要。但有個前提，系統必須能追蹤物件，機器人也要能可靠地執行控制指令。
以放置零件為例，如果材料盒稍微移動，機器人仍朝上次記錄的位置伸手，就可能會抓空，所以要先在工作現場，根據眼前的位置調整動作。透過少量的示範，如果能達到效果，熟練作業員就可能減少教學時間，工程人員也能少做一些重複設定。不過，即使示範過程簡單，也不代表背後的整合工作已經消失。辨識是否準確、控制是否穩定、設備能否配合，都會影響最後省下多少時間。
一小時學會多久才能放心上線？
Bleu Robotics 在其技術說明文件中，也列出了限制：模型主要針對硬質物件，布料等柔軟材料不在當前重點範圍；公司表示，系統遇到無法辨識的情況會停止並求助，而跨工站移動與更精細的操作，則被列為後續開發方向，這些限制條件會影響工廠實際選擇哪些工作先試用。
拿取形狀固定的零件，與處理容易變形的袋子，對感測和控制的要求都不同；即使機器人很快學會某項動作，主管仍須確認它連續工作的產出量與品質，以及出問題後怎麼處理。在工廠遇到不確定的情況先停下來，可以限制錯誤動作，但單靠這項設計，還不能認定整個工站已經安全。如果機器人頻繁求助，那原本節省人力的預期，也可能仍會被頻繁的人力支援佔用。
所以，生產主管還想知道的有：多久要介入一次？由誰處理？恢復作業要花多久？學習時間縮短值得期待，但從設備設定、測試到驗收，整段流程是否變快，才會反映在工廠的導入成本上。
每月收軟體費能負擔多少現場工作？
目前 Bleu Robotics 規劃透過機器人製造商與系統整合商接近工廠，以月訂閱方式提供軟體。公司目前仍處於早期商業化階段，正在推進與工廠的初期合作與部署。
而這門生意是否可行，要看服務下一位客戶時，有多少工作是可以沿用。如果不同工廠在生產線上有相似的作業需求，那就能夠沿用既有的系統整合方式與機器人教學流程，減少部署的投入。但如果每到一家工廠，都得重新開發夾具、調整視覺系統，再派工程師長期駐廠，那每個月收取的軟體費就必須足以支撐大量現場服務，否則客戶愈多，人力負擔也可會愈重。
所以，對於新創來說，除了證明機器人學得會之外，還要證明公司能以合理成本把工作交付出去。而每次部署所需的工程時間能否逐漸減少，會影響這門生意能成長多快。
老師傅的經驗如何進入機器人的工作裡？
在機器人導入過程中，由熟練技術人員為 AI 示範助其學習，也扮演著重要的角色。老師傅長期累積的經驗，不只是如何完成動作，還包括怎麼拿取零件才不會刮傷表面、什麼情況需要重新處理，以及哪些步驟可以依現場狀況調整。這些經驗未必僅靠動作示範，就能夠完整傳授給機器人。如果只學會操作步驟，卻沒有掌握背後的品質要求與判斷標準，機器人即使能模仿老師傅的動作，也不代表它能在不同情況下做出正確判斷。對此，有另一家新創 Tutor Intelligence，則提供讓遠端人員協助機器人在客戶現場工作，再利用作業資料改善模型。
不過，當機器人開始透過示範學習新的工作，工廠也需要重新思考人員的分工。除了安排熟練員工教導機器人，還需要有人確認作業成果是否符合品質要求，並在遇到未曾訓練過的情況時，決定如何調整操作方式。如果這些工作沒有明確的負責人，即使機器人學習新任務的速度加快，在實際導入生產線時，仍有可能因為缺乏適當的人員監督與協助而影響正常運作。
台灣新創可以先把一類工作教好
對於服務少量多樣生產型態的工廠而言，Bleu Robotics 提供了一個值得新創參考的方向：先找出工廠裡經常需要調整、又具有一定共通性的工作，設法降低機器人每次更換任務時的設定成本。
例如，針對特定零件的上下料作業，建立一套可以重複使用的機器人教學流程、設備整合方式與品質驗收標準，再逐步確認這套方法能否應用到其他具有相似需求的生產線。
但這樣的商業價值，最終仍需要透過實際部署來證明。工廠願意付費，通常是因為導入後確實縮短了產線切換時間、減少工程人員的支援需求，或讓同一套設備能夠處理更多不同的工作。如果工廠長期生產固定產品，原有的自動化設備也已經穩定運作，額外導入機器人學習系統，未必能帶來足夠的效益。至於是否需要採用人形機器人，也應依照實際的作業空間、操作需求與現有設備條件來評估。
目前，Bleu Robotics 完成募資，但這還不能說，這套商業模式已經成熟。不過，它提出了一個值得新創與製造業共同思考的問題：當工廠接到不同的訂單，需要改變原有的生產作業時，機器人能否在合理的時間與成本內完成調整，重新投入生產？
如果能持續做好這件事，機器人的學習能力才有機會真正轉化為工廠願意付費的商業價值。
本文依 CC 創用姓名標示 - 非商業性 - 相同方式分享 4.0 國際釋出