人人都能當「鷹眼」!YouTuber打造閉眼也能百發百中的超級弓箭,怎麼做到的?
人人都能當「鷹眼」!YouTuber打造閉眼也能百發百中的超級弓箭,怎麼做到的?

有人閒著無聊時,只會刷抖音、看劇、玩遊戲。而有些人閒著無聊,卻做出了一把全自動瞄準弓。

Shane Wighton是一名「平凡無奇」的YouTuber,在去年疫情期間,他創立了自己的YouTube頻道,名叫「Stuff made here」。

僅過了短短一年時間,他就有了300萬粉絲,而他漲粉的秘訣是製造東西,而且還是大工程。

作為一名工程師,他本就有著不俗的動手能力,平時會將一些突發奇想的產品創作過程拍下來上傳到YouTube上,自動理髮器、伐木機器人都是他的得意之作,活像手工耿Plus。

而他的最新作,便是這把「自瞄弓」。讓我們把他製作「物理外掛」的過程看一遍。

首先創作背景是這樣的,Shane有個會射箭的老婆,技術還不賴。於是他心中強烈的勝負欲開始作祟,讓他有了新的作品思路,做一把自瞄弓。

最後他甚至復刻了鷹眼在《復仇者聯盟1》中的名場面,背射命中目標。成果令人驚喜,但更有趣的是他的製作過程。

立項之初,他的目標是做到用弓箭打擊移動靶。

為什麼要設立這個目標呢?因為他老婆能做到,所以Shane的實際目標是超越他老婆。

考慮到一上來就打移動靶,有點不知天高地厚了,所以Shane先訂個小目標,射擊固定靶。

我們拉弓射箭時如果要擊中目標,需要有一個瞄準的過程,可以被極度簡略的比喻成用槍射擊時的瞄準過程,即瞄點、準星、眼睛三點一線,更精準的講是弓箭的延長線對上靶子。

請記住這是被極度簡化後的過程,實際射擊時還需要把風向、風速、射程、拉弓力度等等因素考慮在內。

那麼要讓自動弓實現瞄準的話,就得先給它裝上「眼睛」,Shane買來了OptiTrack的動態捕捉套裝給弓、箭、靶進行定位,然後自己用Python編寫軟體,實現對物體的跟蹤定位工作。

Shane
圖/ 愛范兒

這套動態捕捉系統可以實現每秒50幀的掃描效率,無論他怎麼動,這把弓都能瞄準靶心,至少理論上是這樣的。

經過一番加工、組裝、調整之後,進入到實踐知分曉的環節。初試時,箭支每次射出都會往左上方偏移,好在這不難解決。在Shane完成了箭道修正的工作之後,他立馬把妻子叫了過來,自信滿滿地開始第一次踢館。

然而結果與他預想的不太一樣,0:3完敗,但差距並不大,甚至可以說這把機器弓箭,與剛進箭館試練過幾個小時的小白的準度差不多了,至少沒有脫靶。

是時候向下一個目標進發了,似乎都能聽到Shane在畫外喊著「移動靶我來了」。不過舊的程序有太多Bug了,但他不想把時間花在「抓蟲」這件事上,於是他清空了所有代碼,直接開始編寫新的項目。在這期間,他還順便做了個發靶機,以替代之前的語音發靶助手:他的妻子。

Shane在新項目中加入了機器學習,這能讓每一次射擊都成為訓練自瞄弓的素材,不斷修正箭道,最終實現百分百空手接,不對,是百分百中靶。

Shane
圖/ 愛范兒

當然,道路是曲折的,Bug是多樣的,此處再次省略大段調整過程,總之箭支離移動靶越來越近,但Shane發現箭支射出後,移動方向並不固定,時而往左時而往右,即便演算法沒有任何問題,箭還是射不中靶。

原來,他一直用的都是反曲弓,這種弓的弓弦撒放時不是直直往前的,導致放箭後箭尾產生左右搖擺的動作,目標越遠,搖擺幅度越大,準度越低。

於是Shane把弓換成了複合弓,舊問題迎刃而解,但同時帶來了新的問題,複合弓很重。為此,他又順便做了一件攝影機穩定器套裝,用於固定複合弓。

Shane
圖/ 愛范兒

我們在遊戲裡換了把武器就能大殺四方,Shane用上最終的裝備後,也順利「攻克」了有著三年玩弓經驗的妻子、移動靶、假人頭上的蘋果這幾重難關。

作為旁觀者,看著這個略帶玩票屬性的項目逐步成型,最後變成真切可用的成品,感覺很燃,讓人聯想起探索頻道一檔早已停播的科普節目:《流言終結者》。

兩位主持人亞當 (Adam Savage) 和傑米 (Jamie Hyneman) 與另外三位常駐助手,會在每期節目裡找來當下熱門的謠言和都市傳說,然後用科學實驗的方式去驗證這些流言的真實性。

在他們的一次次實驗中,我們知道了電影裡「流沙吃人」的場景是假的;一張紙是可以對折超過7次的;食物掉落地面後,無論撿起的速度有多快,都會沾染細菌(3秒定律)。

節目組成員會親自打造出實驗所需的工具和裝備,然後用實驗反覆論證,最終解開縈繞在觀眾頭頂的困惑,同時也在許多小孩子心中種下了科學辯證一切的種子,不知道有多少人受此節目的影響,而踏上了成為科學家的道路。

不過我每次看到類似的科普節目,總會想到《流言終結者》,譬如Shane經營的YouTube頻道,只不過他所做的不是破除流言,而是發揮天馬行空的想像力,把別人想做但不敢做的東西做了出來。

我們翻翻Shane的頻道,就能看到許多看似無用但很有趣的東西:撞球機器人、百發百中機動籃框等等,其中用到的技術,通過拆解重新組合之後,很有可能會衍生出下一個改變世界的產品。

各種創新技術的快速普及,讓越來越多有才的人展現自己的技能,Shane在家就有一個創意工坊,放著各種各樣的工具和裝備。這使得他的頻道就像是新一代的《流言終結者》,借助媒體平台的推動力,在更廣的受眾範圍中,影響著更多人。

shane
圖/ 愛范兒

當然,國內外都有不少像Shane這樣的「創造大師」,像我們熟知的稚暉君、手工耿、才疏學淺的才淺等等,他們也在用自己的手藝活,向普羅大眾展示著如今科技的進展程度。

然而我們在內容平台上看到的,更多是一些濫竽充數的內容,它們背後的生產者吃著演算法的紅利,賺著昧良心的錢。

創作成本日益壓縮,這種劣幣驅逐良幣的情況漸漸顯現出來,我們作為普通的觀眾能做的,也只有動動手指點個讚,幫助高技術力創作者對抗演算法,加速每一塊金子發光的進程。

本文授權轉載自:愛范兒

【延伸閱讀】

1.第八輪疫苗預約也是AZ疫苗,9/10開放18-22歲預約!怎麼操作一次看懂
2.百事慫恿消費者和可口可樂分手!疫情帶出新型態市場,誰能奪取消費者的心?

最新9月號雜誌《2021年台灣網紅生態全解析》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:傅珮晴、錢玉紘

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓