- 整合多感測器合成資料，機體動力學與地形接觸模擬，以虛實閉環驗證培育台灣在地自主能力
7STARLAKE 攜手 Raion Robotics 與國立成功大學測量及空間資訊學系 推動台灣 Physical AI 自主四足機器狗平台，左起Raion Robotics CBO Mr. Bryan Huh、喜門史塔雷克（7STARLAKE）總經理丁彥允、成功大學測量及空間資訊學系教授吳治達、成功大學 測量及空間資訊學系Project Manager 張翊峯。
此次合作著眼於讓台灣具備持續訓練、驗證與擴充機器人自主能力的技術基礎。透過數位孿生中介軟體（Digital Twin Middleware）串聯虛擬環境、感測資料、物理模型與實機運作，逐步提升四足仿生機器人的環境理解、定位導航與移動適應能力，拓展山區搜救、災害應變、高風險場域探勘及基礎設施巡檢等應用。
整合台韓技術
建立可持續開發的自主平台
在合作架構中，7STARLAKE 將其強固型電腦與高效能邊緣 AI 運算技術導入機器人系統，並與 Raion Robotics 合作開發四足機器狗的運算與應用整合方案。Raion
Robotics 提供四足機器狗平台及相關技術協作；國立成功大學測量及空間資訊學系 則以多感測器融合、定位及即時資訊處理研究能量，協助串聯環境感知與自主導航。三方將以開放式開發架構，支持在地演算法、AI 模型及任務功能的持續擴充。
7STARLAKE 總經理丁彥允表示，此次合作的目標，是讓台灣產學研團隊能依據自身場域、資料與任務需求，累積自主機器人的研發與整合能力。結合國際機器人平台與台灣邊緣 AI、感知及軟體開發能量，可逐步強化關鍵技術的掌握，建立可在地維護與持續演進的 Physical AI 生態系。
整合多感測器合成資料
串聯環境感知與機體狀態
合作團隊規劃將合成資料（Synthetic Data）的應用範圍，從虛擬相機與機器視覺，擴充至光達（LiDAR）、深度感測、慣性量測單元（IMU）、關節狀態及足端接觸等資料。依實機感測器配置與控制介面，建立外部環境感知與機體狀態回饋的整合模擬，使訓練同時涵蓋「看見地形」、「掌握姿態」與「感受落腳接觸」。
在環境感知方面，虛擬相機可產生影像、深度與語意標註資料；光達模擬則可提供距離與三維點雲，支援建圖、定位、障礙物偵測及可通行區域判斷。在機體狀態方面，IMU 模擬提供加速度與角速度，搭配關節角度、角速度及扭矩回饋，支援狀態估測與運動控制的開發及驗證。
數位孿生中介軟體將規劃串聯各類資料的時間戳記、座標關係與任務狀態，並納入感測雜訊、偏差、延遲及資料遺失等條件，檢驗多感測器融合在非理想環境中的表現。目標是在既有相機、感測器及 GPU 硬體條件下，改善辨識與定位穩定度，降低巡檢誤報、漏報及重複作業；相關效益將透過實機測試確認。
結合機體動力學與地形接觸模擬
培育在地移動能力
針對台灣山區、城鎮與工業場域，團隊規劃建立坡地、階梯、狹窄通道、碎石、濕滑路面及災後障礙物等訓練情境。除日夜光照、雨霧與遮擋造成的感知變化，也將分階段納入機體質量、重心、載重、關節限制、致動器響應及控制延遲等動力學條件，讓模型學習在不同機體與環境條件下調整行動。
足端與地面的接觸模擬，則著重觸地時序、接觸力、摩擦與滑移等互動，支援落腳判斷、重心調整與步態控制。透過改變地形及物理參數的訓練方式，逐步檢驗機器人在階梯、斜坡與低摩擦路面上的適應能力。碎石移動、泥地沉陷等複雜地表行為，將依模型能力與實測需求另行建模及校準。
此一技術架構將結合感知模型訓練與運動控制策略開發，並透過虛擬試運轉（Virtual Commissioning），預先檢查感測、定位、導航及任務流程的整合行為。實際地形通過能力仍須經受控場域及分階段實機測試，逐步縮小模擬與真實世界之間的落差，推動 Sim-to-Real 技術落地。
以虛實閉環驗證累積台灣 Physical AI 自主能力
合作團隊規劃建立「實機資料採集、場景與物理模型校準、模擬訓練、回歸測試、實機複驗」的持續改善流程。針對辨識失誤、定位漂移、足端滑移及任務中斷等案例，重建對應的虛擬情境，更新感知模型或控制策略，再以定位誤差、任務完成率、滑移與跌倒事件及巡檢誤報漏報等指標，評估改善成果。
在山區搜救與災害應變場景，四足機器狗可望支援環境探勘、影像回傳與目標搜尋；在工業及關鍵基礎設施巡檢場景，則可朝設備狀態辨識、異常通報及重複性巡檢作業發展。透過在地場域資料與虛實驗證流程的累積，團隊將依任務與安全要求持續調整系統，降低人員進入高風險區域的需求。
7STARLAKE 表示，Physical AI 的發展需要將運算、感知、決策與實體行動整合為可驗證的系統。未來將持續串聯台灣產學研資源，結合 Raion Robotics 的四足機器狗技術與 國立成功大學測量及空間資訊學系 的感知定位研究能量，逐步建立在地資料、模擬情境、模型訓練及實機整合能力，培育跨領域人才，推動可在地維護與持續演進的自主機器人生態系。