-
作者
-
發佈日期
2026-10-26
-
閱讀時間
9分鐘
-
字體大小
AI 正逐步走出螢幕，走進現實。AIoScout 創辦人 Jason 認為，無論是引領產業經濟革新，抑或是應對人類永續發展的挑戰，AI 機械人都帶著難以估計的潛力；全球對具備實體 AI（Physical AI）研發能力的工程專才，需求必定迎來重大增長。反觀教育現況，受限於編程與硬件的技術門檻，正統的機械工程學科往往要到大學階段才正式引入，導致中小學生鮮有機會及早接觸，升學選科時亦難以依據自身的天賦與熱情作出選擇。
面對 AIoT 的未來，Jason 深信，現在正是將機械工程教育及早向下扎根的關鍵時刻。而目前市面上大部分的機械人教具，普遍缺乏學習 AIoT 所需的「實作測試、反覆試錯與動態調校」場景，這些痛點正是啟發他創立 AIoScout 的契機。透過研發一套具備靈活難度延伸、貫穿全學齡的 Physical AI 教具與配套，Jason 希望將真正契合未來需求的實體 AI 教育提早帶進課堂，為智能時代孕育更多關鍵人才。
方案特色：
1) 整合軟件與硬件，降低技術門檻，讓學生提早接觸機械工程
AIoScout 透過軟件與硬件的高度整合，大幅降低傳統機械工程的編程與硬件技術門檻，讓學生以直觀的方式探索 Physical AI。智能車採用磁吸模組化設計，方便學生自由組裝及更換不同感測器與輸出模組，減少課堂花在硬件故障排查上的時間。平台同時支援 Block Coding（積木式編程），讓學生專注於邏輯思考及拆解問題；另設專屬 AI 視覺訓練介面，讓學生直觀體驗 AI 模型的訓練過程。
▲ Block Coding（積木式編程）操作直觀，讓學生更容易掌握編程邏輯，專注於拆解及解決問題。
2) 智能互動場地，支援即時指令執行及動態訓練
AIoScout 教育方案透過互動式實體場地，連結數碼邏輯與真實物理反饋，建立結合場地、感測器及 Edge AI 即時運算的實體 AI 訓練基地。場地透過專屬地塊伺服器（Tile Server），持續向智能車發送數據，讓小車「感知」周圍環境，並與紅綠燈訊號、相鄰地塊等外部元素作即時互動。小車則由車載微控制器（MCU）直接進行本地運算，配合整合式 Webcam 攝影機與麥克風，具備即時影像辨識及聲音感知的 Edge AI 能力，讓學生在實體場景中體驗指令執行與動態訓練。
3) 靈活延伸任務難度，以提供全學齡 Physical AI 學習為發展目標
AIoScout 的即時互動 AIoT 智能場地具備高度擴展性，可按學習需要調整任務難度。團隊後續可擴充場地大小，加入不同難度的硬件賽道、實體障礙物，以及支援即時變更的指令路牌；配合系統的即時多車協同功能，營造更複雜多變的路況。即使同樣是讓小車從一個座標導航至另一個座標，也可設計成簡單或具挑戰性的任務，逐步培養學生不同程度的編程邏輯思維。
Jason 認為，機械人教具若只能完成單一任務，便難以配合時代需要。團隊最終希望開發一套能陪伴學生從小學、中學一直到大學，持續探索未來工程的實體 AI 學習工具。
▲ 場地可透過擴充賽道、加入障礙物及調整指令，靈活延伸任務難度，配合不同學習階段的需要。
4) 實時 Dashboard 支援課堂教學，建立 Physical AI 完整學習鏈
要讓 Physical AI 學習在中學甚至小學落地，方案必須貼合實際課堂需要，AIoScout 的智能教學 Dashboard 支援老師進行多車協同管理，包括群體監測、即時介入調整、遙距除錯及整體進度管理，並提供個別學生或隊伍的學習表現數據與分析，協助老師掌握學習情況。
團隊亦以香港科技大學機械工程學科為藍本，設計出適合中學生的「Physical AI & Autonomous Robotics」四部曲課程，包括：智能車組裝，環境感知測試與調校，雲端連接以及車載 AI 運算。透過 AIoScout 系統，老師可從旁協助學生學習機械工程知識、進行 AIoT 軟件訓練，並引導他們動手試錯，培養邏輯思考、發現、拆解及解決問題的能力，同時鍛鍊面對挑戰的韌性。
▲ AIoScout 教學 Dashboard 支援多車協同管理，讓老師即時監測、介入調整及遙距除錯，並掌握個別學生或隊伍的學習表現。
未來方向
AIoScout 的前代智能車及 AIoT 互動場地，過去兩年已成為香港科技大學本科課程的核心教材。團隊已將這套學習系統轉化為面向中學的 STEAM 教育方案，並正積極推廣。Jason 表示，待累積更多課堂實試數據與經驗後，未來有望進一步改良方案，發展適合小學生學習的 Physical AI 教育方案。他相信，AI 年代的機械人能為人類創造的價值與效益遠超想像，因此需要培育更多優秀的機械工程人才，而機械人教育必須提供充足的動手實試機會。他強調：「Robotics，絕對不能紙上談兵！」