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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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