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
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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