建構機器人新視覺架構 歐特明搶進農業與礦業領域

走進一片盛夏的稻田，曳引機在秧列間平穩穿梭，車身上卻看不見傳統的光達感測器——取而代之的是幾組精密的車規級相機模組，正以每秒數十幀的頻率掃描前方作物行距、葉色變化與病蟲害跡象，即時分析後驅動精準噴射系統在正確位置施藥。這不是實驗室裡的概念展示，而是台灣AI視覺系統開發商歐特明電子（oToBrite）已實際推向市場的智慧農業解決方案。當全球科技巨頭爭相在全自动駕駛轎車市場殺價流血之際，歐特明正悄悄將戰場轉移至礦場的自走卡車、田間的農業機具，以及你我街道上的送餐機器人——一個正在爆發卻少有人注意的「戶外移動機器人」新賽道。

歐特明成立於2013年，以車用視覺AI起家，曾與華創、納智捷合作開發環景系統，更是中國電動車小鵬汽車自動停車系統的幕後功臣。然而，該公司產品策略暨行銷協理曾怡舜觀察到，乘用車市場的競爭已白熱化，而所謂的「機器人」定義正在快速擴張，「外送無人機、送貨機器狗，這些『戶外移動載具』都被包含在機器人的範疇裡，和自駕車的邊界越來越模糊」。正是在這樣的趨勢下，歐特明決定將累積十年的「車規級」視覺技術，移植到過去只有工廠室內自動化經驗的機器人領域。這個跨界的底氣，來自一段艱苦的技術磨練歷程：2017年，在算力堪稱「貧瘠」的年代，歐特明團隊在不到一個TOPS的晶片上，設法執行精準的AI視覺感知，「我們光是可以拿來運行AI的晶片，就不到一個TOPS」，曾怡舜回憶道，這段經歷逼出了歐特明的核心競爭力——極限模型壓縮技術，研究如何在極小的算力下保持極高的辨識精度。

這項能力的戰略價值，在非道路場景中尤其凸顯。工廠內的自動化流程環境相對穩定，但當載具要走出戶外，進入充滿灰塵、強光、濃霧、作物遮蔽的農田，或震動劇烈、地形起伏的礦坑時，傳統工業電腦方案便顯得力不從心。農業機械尤其需要在灰塵與高逆光環境下維持精準的作物行距、病蟲害與異物障礙辨識；礦業用自走車隊則要在GPS訊號不穩定或通訊中斷時自主導航與避障。歐特明的對應策略，是整合光達（LiDAR）與多光譜相機，透過深度學習模型即時分析田間影像，再結合自家拿手的車規級ISP（影像訊號處理器）調校，在強逆光、低照度、濃霧與高速運動等極端條件下，維持清晰且適合AI演算的影像品質。

在礦業應用端，全球自動駕駛礦卡新創希迪智駕（CiDi）的實戰數據最具說服力。根據CiDi 2025年度報告，該公司已成功在台灣水泥旗下江蘇句容礦區部署14台全電動自動駕駛礦卡，連續穩定運行逾三年，累計行駛里程超過100萬公里，創下全球規模最大、運行時間最長的全電動自動採礦車隊紀錄。這些車輛在CiDi自研感知與決策系統控制下，實現了「零事故、零排放、零司機」的「三零」里程碑，作業效率達到人類駕駛水準的1.04倍，累計為業主節省的成本以千萬人民幣計算。歐特明供應的視覺感知模組，正是這套系統中不可或缺的眼睛——在光達與其他感測器之外，提供冗餘且低成本的障礙偵測與車道維持能力。

歐特明於2025年11月在東京iREX機器人展會正式發布多項針對戶外機器人與無人載具的視覺AI新品，其中包括榮獲台灣精品獎的oToSLAM系統。oToSLAM是該公司自主開發的多鏡頭視覺AI同步定位與建圖（SLAM）解決方案，核心特點在於無需昂貴的HD Map或LiDAR，即可在室內外環境中實現最高1公分精度定位，並透過多相機融合實現360度感知範圍。這項技術的關鍵創新，在於結合語意化與非語意化特徵點的混合SLAM架構——傳統SLAM系統依賴純幾何特徵，在光照變化或動態物體多的場景中容易失效，而歐特明加入物件分類與可行駛區域分割等語意資訊後，大幅提升了系統在真實複雜環境中的穩健性。

然而，跨足機器人領域也意味著營運模式的根本轉變。乘用車市場追求的是單一型號、萬台起跳的大規模量產；機器人市場則是典型的「少量多樣」——從自駕農耕機、礦區卡車到送餐機器人，每種客戶的需求都大不相同。「以前我們可能對應三到五個客戶（車廠），我現在可能要後面加個零」，曾怡舜坦言，面對暴增的客戶數，歐特明必須調整工廠應對少量多樣的生產模式，並轉向生態系策略，開發視覺定位（VIO）與雙目3D相機等工具，填補工業電腦廠商缺乏的技術能力，例如高速影像傳輸介面GMSL。

台灣在這波智慧農業與智慧礦業的全球浪潮中，正在扮演供應鏈關鍵角色。陽明交通大學人工智慧普適研究中心透過結合無人機多光譜影像與深度神經網路模型，建立涵蓋水稻全生命週期的作物影像資料庫，可支援育苗定位、葉色分析、株高量測、產量預測與病蟲害偵測等多元應用。金屬中心則首度將「具量產性碳纖維複材結構成形製程」結合「高性能水溶性芯材技術」應用於無人機產業，突破中空複合材料構件製作時脫模困難與量產瓶頸，將傳統人工貼合固化製程所需二至六小時大幅縮短至二十分鐘以內，為台灣切入國際供應鏈奠定基礎。碳基科技等軍工無人機廠商持續以航太級碳纖複合材料支撐輕量化需求，形成從感知系統到結構材料的完整供應鏈。

從更廣的視角來看，AI視覺技術正在成為農業與礦業自動化的共同底層能力。無論是田間作物的精準噴射、礦區的自走車隊，還是畜舍水產養殖場的智慧監測，具備惡劣環境適應力的感知系統都是實現商業化規模部署的前提條件。台灣在半導體與光學供應鏈的深厚基礎，加上AI軟體能力的快速累積，正在為這個新興市場奠定量身打造的供應商地位。當「機器人」走出工廠、走進農田與礦坑，歐特明正在證明：或許，最困難的不是造出更聰明的車，而是讓聰明的眼睛學會在任何人類能去的地方，看清楚前方的路。