Physical AI 指的是能感知環境、做出判斷並實際控制硬體動作的 AI 系統。本文用一條價值鏈把它講清楚。

兩者都用深度學習，但輸出型態、驗證方式與失敗代價完全不同。

開源桌上型機械手臂 SO-101 的定位、規格特色與適合的使用者。

焊接手臂與一般機械手臂的差異，以及它必須額外處理的問題。

從傳統影像處理到深度學習，工業視覺這幾年變了什麼。

自動光學檢測的組成、判定邏輯與導入時最該先確認的事。

規格重點、與前代差異，以及在機器人專案裡的定位。

視覺語言模型與視覺語言動作模型，如何把一句話變成手臂的動作序列。

從開箱、通電到第一次移動關節，避開新手最常踩的幾個坑。

三種任務的輸出格式、標註成本與適用場景對照。

規則式與模型式檢測的維護成本、可解釋性與適用場景。

為什麼實體控制多半要在本地推論，以及算力、延遲、功耗怎麼取捨。

缺件、偏移、極性、錫橋、少錫、空焊等項目的判定重點。

起弧點、收弧點、擺動與姿態角，路徑怎麼排才穩定。

用分割與線性擬合找出焊縫中心線，並轉成手臂可執行的軌跡。

從收集不良品、定義標註規則到上線後的重訓循環。

帶 Wi-Fi 與藍牙的低成本微控制器，適合感測與控制。

加一顆相機之後，手臂從播放軌跡變成能對環境反應。

什麼時候需要 Z 軸資訊，三種深度成像方式怎麼選。

微控制器與單板電腦的分工，選錯會讓專案卡住。

視野、解析度、工作距離與光源型式的搭配計算。

取像、偵測、座標轉換、路徑、夾取、驗證，六個步驟的完整順序。