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
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?

曾是台灣製造業重要根基的塑膠射出產業,如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者,老師傅退休、新人才接不上的現況,更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具,許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出,全球塑膠射出市場規模超過 3000 億美元,每年仍以約 3% 至 4% 的幅度成長。需求並未消失,只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉,老師傅數十年累積的經驗卻很難複製。

這道人才缺口,正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發,歷經近十年研究與工廠驗證,嘗試把老師傅腦中的射出經驗,轉化成可以計算、保存與持續學習的 AI 模型,解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI,射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備,不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後,生產現場仍得依產品、材料與機台特性,調整溫度、速度、壓力、位置等條件;即使使用同一種塑料,不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處,不只是記住參數,而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的,就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後,第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統,工廠只要輸入材料、機台規格、產品尺寸等資訊,sMolding 便能計算第一組成型參數;若試模後出現產品缺陷,再由 sTroubleshooting 提供修正建議。

用手機即可查看系統狀況
圖/ 智穎智能提供

「它就像導航。我今天告訴你要從 A 點到 B 點,但不知道路怎麼走,導航會把路徑算給你。」張詠翔說。對射出成型而言,這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例,傳統方式需 7.5 小時,導入系統後縮短至 2 小時,材料使用量從 23 公斤降至 8.7 公斤,整體試模成本降低 64%。

但找到正確參數只是第一步,真正進入量產後,工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損,都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組,透過射出壓力數據持續監控品質,並依生產狀態自動補償關鍵參數。換言之,AI 不只在試模階段提供一條正確的「導航路徑」,進入量產後還能因應製程變化持續修正,進一步朝「自駕」邁進。

從產線驗證到海外布局,桃園如何助攻智穎智能跨過0到1?

但要讓 AI 真正走進工廠,智穎智能採取 SaaS 訂閱模式,將核心運算留在雲端持續學習與更新,降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備,因此智穎智能的方案既能導入既有設備,也能與射出機、控制器業者合作,在新機出廠時直接整合。「一個工廠不會只有一個廠牌,就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言,AI 真正走進製造現場的關鍵,在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言,降低導入門檻還不夠,更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言,桃園不只是公司所在地,也提供了技術走向市場的第一塊試驗場。「對新創來說,第一個就是要經費、要人才、要場域,再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期,團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源,降低早期研發與營運負擔。更重要的是,桃園密集的製造業聚落,本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業,智穎智能在創業初期接觸到位於桃園的「良器」,成為公司第一個客戶。從概念驗證、產品調整到實際導入,合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言,第一個願意開放場域的客戶,意義遠超過第一筆營收。

如今,從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次,完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示,透過市府帶領團隊前往日本神戶,智穎智能接觸當地官方與企業資源。在市府引薦下,團隊成功對接了神戶知名加速器,更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局,為下一階段海外市場拓展做準備。

智穎智能在 TaipeiPLAS 2026 台北國際塑橡膠工業展,展示 AI 智慧製造成果,現場商洽氣氛熱烈,成功吸引產業關注。
圖/ 智穎智能提供

AI 解決「怎麼生產」後,下一步是「替誰生產」

當 AI 開始解決「怎麼生產」,張詠翔看到的下一個問題,是「替誰生產」。部分製造商提高生產效率後反過來問他,如果我的產能多了 20%,但沒有多 20% 的訂單,我何必要做那麼快?

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家,品牌要在海外重新尋找符合特定規範與製程能力的供應商,也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商,讓品牌端能依條件尋找供應商,也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務,初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究,到桃園工廠提供第一個實際驗證場域;從把老師傅經驗變成 AI「導航」,再走向能自行修正製程的「自駕」,智穎智能試圖數位化的,是製造業最難被保存的資產:人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散,這套從桃園工廠磨出的 AI,下一步不只要替老師傅找到數位接班人,也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源,將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去,讓外界看見桃園豐沛且具實戰力的創新動能。

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
台達電全解讀
© 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