走進銀行或商場有機器人提供導覽，走進醫院，看到機器人在送藥，最好家裡也有個機器人，可以幫我們從冰箱拿罐可樂過來，這幾年可以看到服務機器人領域興起，而且大多數都是初創公司。服務機器人的概念廣泛，從目前市場上的產品來看，最簡單的分類可分為兩種，一類是鎖定家庭或個人，除了iRobot這種專攻做家事如掃地的機器人之外，更多其實是定位為「夥伴」、「社交同伴」的產品，比較知名的像是具有麻省理工學院（MIT）血統的Jibo、深圳獨角獸優必選的Alpha 2X、華碩的Zenbo等。
另外就是專業服務機器人，此塊是依據不同行業需求創造出多種類型的機器人，像是軟銀（SoftBank）的Pepper、英特爾及Google Venture投資的Savioke，主要面向公共場所的人群，為酒店、零售等行業提供服務。另外，優必選的Cruzr機器人則是專攻教育領域，甚至還有專攻臨場機器人的公司BEAM，之前被美國政府通緝的斯諾登（Edward Snowden）有一年出現在美國消費電子展（CES）上，其實就是通過知名的Beam機器人「現身」在螢幕上，鎖定商業視訊會議應用可說是非常利基的市場。
少了手的服務機器人，能做好服務嗎？
但服務機器人領域始終是外頭看熱鬧人多，實際願意買單的人少，原因就在於「大家期望很高，但能做的事很少」，國內機器人龍頭新松機器人高級副總裁王宏玉曾這麼評論。
為什麼做的事很少，其中一項原因在於缺了手。目前大多數的服務機器人通常可以移動，但普遍沒有手，要不就是雖然有手，但裝飾或娛樂性質遠大於實際功用，能揮揮手跟人打招呼，但沒法真正拿起重物。人類能處理眾多工作，雙手扮演著很重要的角色，因此人類在構建世界時考慮了很多手部設計，所有手機、鍵盤和其他工具都經過精心設計，以適應我們的手指和手掌。
由於服務機器人是身處在真實環境，與工業環境不同，工業機器手臂執行任務，每次動作都是落在相同的位置和方向，這是經過事前詳細的設計跟測試，但現實生活裡充滿很多不確定性，服務機器人的手要能像人手般靈活運作，難度非常高，同時代表加了手成本立刻大幅增加，這就是為什麼面向大眾的服務機器人領域多半會捨棄機器手。
但也因為如此，缺手的機器人能做的事自然很有限，很難自主完成一整件事，例如不少飯店採用的Savioke機器人把餐點、清洗完的衣服送到住客房間，但還是得靠人類打開機器人的身體，取出東西，也就是說，還是必須由人類來完成最後的任務。當機器人做事「半調子」，服務做得不夠好，企業感覺投資效益不大，市場就一直難以走向規模化。
機器手可負重2公斤，也能換抓手
不過，陸續有機器人公司注意到上述難題，開始為機器人「上手」，其中一家初創公司Aeolus Robotics的服務型機器人獲得了不小關注，它可以手持吸塵器吸地板、拿食物給人，自己用手開門，該機器手可以拿取2公斤的物體，還會調整身體找到最適合的施力角度來搬運東西，此外開發人員設計了不同的抓手，以因應不同的場景需求，抓取不同的物體，這些手部功能就成了Aeolus Robotics與現有其他服務機器人的最大差異。
Aeolus Robotics機器人內置了已經預先訓練好的物件識別模型，以及2D和3D攝像頭，當它拿起一個物體時，會根據物體的形體等資訊，辨識出它手上拿取的物體是什麼，並且估測空間位置，產生手臂及手掌的抓取策略，例如有多少種抓取方式、哪一個角度抓取最適合、該施多少力等。
建構知識圖譜，打造機器人AI大腦
機器人與AI結合已是必然趨勢，特別是在真實世界是一個複雜的環境，機器人不能只是被動接收命令，還需要一個可以判斷的腦袋，Aeolus Robotics人工智慧演算法負責人王聖智就是帶領團隊研究「知識圖譜」（Knowledge Graph）技術，建立AI大腦。
王聖智解釋，進行視覺或語音相關AI研究時，通常會先建立一些事前已知的知識模型，比如按照人類生活的常理，杯子通常是放在桌上，不應該出現在地板上，也很少出現在椅子上，所以，在設計機器人的大腦時，就需要描寫這些物體的特性及彼此間的關聯。
最簡單來說，杯子、桌子、椅子各自都是節點，但杯子適合放在桌子的上面，而非桌子的下面，也不太適合放在椅子上，所以杯子與桌子的關聯比較強，兩個節點就會比較靠近，同理，杯子與椅子的節點就會離得較遠，這就是知識圖譜的基本概念。
他們先建立起這些常見場景和關聯的知識圖譜，當Aeolus Robotics機器人看到客廳地板上有一個物體，它會認為地板上不應該有東西，就過去把東西撿起來，也知道應該要把餅乾放到食物櫃，什麼藥品該放到什麼位置。機器人有了手，不只是幫人類取物而已，還可以分類物體，進行收納跟歸位。而這個圖譜隨著輸入的資訊越多而擴大，並動態調整節點之間的關聯強度。
快速學習為機器人領域興起的趨勢
儘管機器人已經有預先訓練好的大腦，但生活上物件百百種，總會遇到沒學過的東西，傳統機器人的做法通常得程式設計一系列操作，耗時之外，機器人的能力也僅限於特定活動或動作範圍。沒有新的程式設計，機器人無法超越並執行新的任務。但新一代的機器人研究可以仰賴AI來改善上述缺點。
Aeolus Robotics的做法是利用快速學習（Quick Learning）技術來因應，當機器人看到一個以前沒見過的新東西，快速學起來，下次辨識到這個物件就知道是什麼，而且後端系統會通過雲服務把學到的新知識傳送至其他機器人，形成知識分享。
王聖智進一步指出，機器人近來興起的一個趨勢就是快速學習。深度學習的優點可以處理很複雜的問題，但缺點是需要的資料量非常大，許多研究者都希望找到不必使用大量資料、但效果一樣好的方法，有一項議題因此變得相當火紅—快速學習，其中一次性學習（One Shot Learning）堪稱是終極目標，讓機器人看一次就學會，但難度挑戰很高，吸引了很多專家投入發展，另外也有Few Shot Learning，看幾次就學會。
「不論是Few Shot Learning或One Shot Learning，那這快速學習的技術是機器人很需要的一個技術，」他強調。目前機器人公司採用的方式大概有幾種，一種是如果要調整模型就送上雲端去做，另一種作法是在機器人本地端處理，若複雜度高再連上雲端執行。
「機器人有手，代表可以自主完成一整件事」，就是基於這個想法，Aeolus Robotics選擇從這個挑戰頗大的領域下手，在功能上做出跟其他服務機器人的差異化，產品已進入第二代機種開發，除了優化物件識別、快速學習的能力，一隻手也將增加為兩隻手、7個自由度，目前鎖定飯店、養老院的2B市場，預計明年量產。
目前2B專業服務機器人的商業模式多是采租賃方案，客戶向機器人公司承租、支付月費，例如SaviokeRelay機器人費用大約是每月平均2000美元。Aeolus Robotics預計未來也會是提供租賃服務，但尚未規劃價格。
服務機器人行業處於前景混沌的狀況，如何說服企業買一台機器人會比雇用一個員工來得划算，至少得先解決價格成本議題，才有機會迎來進入大規模商業化的一天。
