2018年無人機與移動式機器人的技術成熟曲線

將無人機與移動式機器人部署於人類難到達的偏遠地區,以進行感測與資料處理,其可提供更高的安全性、更優異的表現,以及更低的成本。在2018年Gartner的無人機與移動式機器人的技術報告中,具顛覆性效益的技術如:機器學習(Machine Learning)、鋁空氣電池(Aluminum-Air Batteries)、移動式機器人(Autonomous Mobile Robots, AMRs)、情感AI(Emotion AI)、生技-培養組織或人工組織(Biotech — Cultured or Artificial Tissue)、個人機器人(Personal Robot),以及鋰空氣電池(Lithium-Air Batteries)共七項。其中,僅情感AI(Emotion AI)取代了2017年奈米碳管電子(Nanotube Electronics)技術,其餘顛覆性技術皆與2017年相同。
本文以下將介紹目前處於過度期望的高峰期(Peak of Inflated Expectations)的機器學習(Machine Learning),其預計2年至5年內為產業帶來顛覆性效益,以及現階段位於創新始動期(Innovation Trigger),並預計5年至10年內為產業帶來顛覆性效益的鋁空氣電池(Aluminum-Air Batteries)。

一、 機器學習(Machine Learning)
(一) 定義:機器學習是指從一系列的觀察值萃取出特定的知識和模式(Pattern),目前約可分為三種類型:監督式學習(Supervised Learning)、非監督式學習(Unsupervised Learning)與增強學習(Reinforcement Learning)。
(二) 商業影響:機器學習將在各種商業、消費者、社交情境下,可改善與針對商業問題提出新解決方案,包含:自動化、搜尋藥物、顧客參與、最適化供應鏈、預測性維修(Predictive Maintenance)、營運效益、員工的工作效益、偵測詐欺及最適化資源等。機器學習的影響可能是外顯或是內隱的效果,外顯影響來自於機器學習的措施,內隱影響則來自於使用者使用產品與解決方案,意識不到其中有包含機器學習。
(三) 2018年機器學習的進展:與2017年相比,機器學習的定義、商業影響、技術成熟度與產業應用時間點皆相同。因機器學習對商業有重要的影響力,使其持續成為最熱門的科技概念,且在不斷成長的資料量與傳統工程模式無法處理多重複雜性,使得機器學習的需求與採用持續擴大。越來越多的公司正在尋找應用機器學習的方式,且許多已經處於試驗或是概念性驗證的起始階段,技術供應商亦為軟體增加嵌入式機器學習的功能。儘管這項技術越來越受到重視,但大多數公司仍在尋找一套適合自身企業的機器學習方法。

二、 鋁空氣電池(Aluminum-Air Batteries)
(一). 定義:鋁空氣電池使用Open-Cell結構,透過鋁陽極與空氣中的氧氣反應進而產生電流。但這是所謂的一次電池(Primary cell),無法重複充放電,一旦化學物質耗盡就必須更換鋁陽極,不過這些陽極是可回收再利用的,將有助於降低材料成本。

(二). 商業影響:鋁空氣電池是目前最具有高功率密度(power density)的電池,比鋰電池容量高出八倍,可讓電動車充電五分鐘即能行駛1,000英里。此外,更換電解質液的充電過程較目前充電站的充電方法快且更簡便。

資訊來源:
Hype Cycle for Drones and Mobile Robots, 2018
STPI NAR Labs國家實驗研究院 科技政策研究與資訊中心