RMAC 的目標：讓人形機器人從「會做」走向「做得穩」

Hyundai Motor Group 在美國喬治亞州 HMGMA 園區設立的 RMAC（Robotics Metaplant Application Center，機器人超級工廠應用中心），不是單純展示 Atlas 的場地，而是讓 Boston Dynamics 的人形機器人先在接近真實產線的條件下學習、測試並驗證工作行為，再導入汽車製造據點。3536

其核心問題很務實：一台機器人能完成一次任務，與它能否在節拍、零件型號、容器位置及現場狀況持續變動的工廠裡，可靠地重複完成任務，是兩回事。RMAC 要建立的正是後者所需的訓練與驗證流程。3642

Atlas 第一份工作：汽車零件排序

Atlas 的首要應用是 零件排序（parts sequencing）。汽車工廠常在同一條產線組裝不同車型與配備等級，因此裝配人員必須在正確時間取得正確規格、且排列順序正確的零件；排序就是先把當日生產所需零件依序備妥的物流前置作業。10

Boston Dynamics 展示過的流程中，Atlas 會自主把引擎蓋板從供應商容器搬到可移動的排序推車。系統接收料箱位置資訊後，利用機器學習視覺模型辨識並定位料箱與環境治具，接著以專用抓取策略拿取物件，並持續估計手中物件的狀態；這些動作不是預先編排，也不是在執行時由人遠端逐步操作。9

選擇零件排序作為第一步，是因為它有明確的產線價值，同時比直接投入完整組裝作業更具邊界、較適合作為初期落地場景。10

三層訓練方式：人類示範、模擬學習、現場驗證

1. 人員引導與遠端操作

Atlas 可以自主運作，但 Boston Dynamics 表示，操作人員也可透過 VR 頭戴裝置或平板控制器手動操作它。4

這提供工程團隊一種實用的人機介面：當任務陌生或動作難以直接規則化時，人員可以示範動作、適時介入，並產生可用於行為開發的案例，而非把每一條運動軌跡都以傳統程式逐一寫死。4

2. 在模擬中進行強化學習

真實機器人反覆跌倒、失手或搬錯重物，成本高也不安全；因此大量嘗試會先在模擬環境完成。Boston Dynamics 以搬抬小型冰箱為例說明，Atlas 透過強化學習，經歷極大量不同冰箱條件的模擬變化，學習適應真實世界可能遇到的版本，而非死背一套固定動作。5

套用到汽車物流，變數不只是零件本身。料箱、治具、零件姿態與作業環境都可能改變。模擬訓練的價值，在於先讓行為策略接觸更廣的情境組合，再進入實體機器人的驗證階段。5

3. 接近真實工廠的測試與驗證

模擬不能取代現場。RMAC 的定位，就是建立一個在商業量產使用前，可開發應用案例、蒐集行為資料、測試系統並驗證結果的關卡。Hyundai 也描述，該中心會把抬舉、轉身與失衡後恢復等動作映射為訓練內容，協助機器人學習人機協作以及重複性、複雜性任務。3642

為何「拿起、搬走、放下」仍是難題？

在工廠中，把零件從一個容器移到另一個容器，並非只是機械手臂抓取問題，而是結合移動、感知與操作的系統挑戰。

• 辨識必須理解情境。 Atlas 不只要看出物件形狀，也要理解其在環境中的角色與應放置的位置。Boston Dynamics 指出，工廠常見的亮面金屬零件，或低對比的深色零件，都可能增加辨識難度。12
• 抓得住不等於搬得穩。 對於較重或外型不規則的物件，機器人需考量質量、慣性與接觸力，必要時利用身體支撐，並以全身控制維持平衡，而不只是依賴雙手。7
• 工作是一長串步驟。 從讀取工作指令、找到料箱、確認正確零件、穩定抓取、移動、精準放置，到處理環境變化或失敗情況，都是連續任務。Boston Dynamics 正開發受語言條件引導的「大型行為模型」（Large Behavior Models），處理這類長時程操作任務。11
• 工廠整合決定能否上線。 Atlas 支援條碼掃描與其他工作流程整合，但真正的製造應用還必須具備可預期的執行表現與低監督需求，不能只是在受控展示中成功一次。2

RMAC 與早期 Atlas 展示的差別：建立可複用的行為管線

RMAC 的意義不只在於訓練單一台 Atlas，也在於建立一套持續產出的「行為管線」：蒐集作業資料、開發任務行為、在近似工廠的環境中測試與驗證，最後把成果部署到更多機器人上。

Boston Dynamics 表示，一台 Atlas 學會的新技能可部署至整個 Atlas 機隊，任務也能客製化後大規模重新部署。16 Hyundai 則將 RMAC 定位為端到端 AI 機器人價值鏈的一環，結合訓練資料、測試與驗證。36

這不代表一座工廠訓練出的行為能毫不修改地套用到所有工廠；不同場域仍有設備配置、物流規則與安全要求差異。但目標已從每座工廠各自打造一次性的專案，轉向可重複驗證、部署並持續改善的能力套件。

時程與擴張規畫：2028 年先在喬治亞州上線

RMAC 在先導運作後，於 2026 年 9 月啟動全面運作，作為 Atlas 導入 Hyundai 製造據點前的測試平台。3335

Hyundai 公開的路線圖將訓練與產線營運分開：Atlas 預計在 2028 年於 HMGMA 開始作業，初期聚焦零件排序。相關報導指出，之後將分階段擴展到其他據點，並最終延伸至零組件組裝工作。2644

Hyundai 也曾表示，目標是在 Hyundai 與 Kia 工廠部署超過 25,000 台 Atlas，並在 2028 年達到每年約 30,000 台 的機器人生產能力。這些是公司提出的部署與產能目標，並不代表目前已裝設同等規模的機器人機隊。2627

捷克廠會是 Atlas 的下一站嗎？

據近期報導，Hyundai 位於捷克 Nošovice 的 Hyundai Motor Manufacturing Czech，正與 Boston Dynamics 及 Hyundai 總部討論可能部署 Atlas。不過，尚未公布在現役產線測試或正式導入生產的日期。1819

若歐洲廠區進入測試，考驗的不只是機器人能力。報導將勞動力短缺列為探索導入的背景之一；同時，員工接受度、安全、品質，以及如何融入既有作業流程，都是部署成敗的關鍵問題。1921

短期來看，喬治亞州 RMAC 仍是 Atlas 最主要的訓練基地，零件排序則是第一個實際工作場景。這項計畫最終的衡量標準，不是機器人展示得多靈活，而是它的行為能否在真實汽車工廠中穩定、可靠且可重複地運作。

RMAC 的目標：讓人形機器人從「會做」走向「做得穩」

Hyundai Motor Group 在美國喬治亞州 HMGMA 園區設立的 RMAC（Robotics Metaplant Application Center，機器人超級工廠應用中心），不是單純展示 Atlas 的場地，而是讓 Boston Dynamics 的人形機器人先在接近真實產線的條件下學習、測試並驗證工作行為，再導入汽車製造據點。3536

其核心問題很務實：一台機器人能完成一次任務，與它能否在節拍、零件型號、容器位置及現場狀況持續變動的工廠裡，可靠地重複完成任務，是兩回事。RMAC 要建立的正是後者所需的訓練與驗證流程。3642

Atlas 第一份工作：汽車零件排序

Atlas 的首要應用是 零件排序（parts sequencing）。汽車工廠常在同一條產線組裝不同車型與配備等級，因此裝配人員必須在正確時間取得正確規格、且排列順序正確的零件；排序就是先把當日生產所需零件依序備妥的物流前置作業。10

Boston Dynamics 展示過的流程中，Atlas 會自主把引擎蓋板從供應商容器搬到可移動的排序推車。系統接收料箱位置資訊後，利用機器學習視覺模型辨識並定位料箱與環境治具，接著以專用抓取策略拿取物件，並持續估計手中物件的狀態；這些動作不是預先編排，也不是在執行時由人遠端逐步操作。9

選擇零件排序作為第一步，是因為它有明確的產線價值，同時比直接投入完整組裝作業更具邊界、較適合作為初期落地場景。10

三層訓練方式：人類示範、模擬學習、現場驗證

1. 人員引導與遠端操作

Atlas 可以自主運作，但 Boston Dynamics 表示，操作人員也可透過 VR 頭戴裝置或平板控制器手動操作它。4

這提供工程團隊一種實用的人機介面：當任務陌生或動作難以直接規則化時，人員可以示範動作、適時介入，並產生可用於行為開發的案例，而非把每一條運動軌跡都以傳統程式逐一寫死。4

2. 在模擬中進行強化學習

真實機器人反覆跌倒、失手或搬錯重物，成本高也不安全；因此大量嘗試會先在模擬環境完成。Boston Dynamics 以搬抬小型冰箱為例說明，Atlas 透過強化學習，經歷極大量不同冰箱條件的模擬變化，學習適應真實世界可能遇到的版本，而非死背一套固定動作。5

套用到汽車物流，變數不只是零件本身。料箱、治具、零件姿態與作業環境都可能改變。模擬訓練的價值，在於先讓行為策略接觸更廣的情境組合，再進入實體機器人的驗證階段。5

3. 接近真實工廠的測試與驗證

模擬不能取代現場。RMAC 的定位，就是建立一個在商業量產使用前，可開發應用案例、蒐集行為資料、測試系統並驗證結果的關卡。Hyundai 也描述，該中心會把抬舉、轉身與失衡後恢復等動作映射為訓練內容，協助機器人學習人機協作以及重複性、複雜性任務。3642

為何「拿起、搬走、放下」仍是難題？

在工廠中，把零件從一個容器移到另一個容器，並非只是機械手臂抓取問題，而是結合移動、感知與操作的系統挑戰。

• 辨識必須理解情境。 Atlas 不只要看出物件形狀，也要理解其在環境中的角色與應放置的位置。Boston Dynamics 指出，工廠常見的亮面金屬零件，或低對比的深色零件，都可能增加辨識難度。12
• 抓得住不等於搬得穩。 對於較重或外型不規則的物件，機器人需考量質量、慣性與接觸力，必要時利用身體支撐，並以全身控制維持平衡，而不只是依賴雙手。7
• 工作是一長串步驟。 從讀取工作指令、找到料箱、確認正確零件、穩定抓取、移動、精準放置，到處理環境變化或失敗情況，都是連續任務。Boston Dynamics 正開發受語言條件引導的「大型行為模型」（Large Behavior Models），處理這類長時程操作任務。11
• 工廠整合決定能否上線。 Atlas 支援條碼掃描與其他工作流程整合，但真正的製造應用還必須具備可預期的執行表現與低監督需求，不能只是在受控展示中成功一次。2

RMAC 與早期 Atlas 展示的差別：建立可複用的行為管線

RMAC 的意義不只在於訓練單一台 Atlas，也在於建立一套持續產出的「行為管線」：蒐集作業資料、開發任務行為、在近似工廠的環境中測試與驗證，最後把成果部署到更多機器人上。

Boston Dynamics 表示，一台 Atlas 學會的新技能可部署至整個 Atlas 機隊，任務也能客製化後大規模重新部署。16 Hyundai 則將 RMAC 定位為端到端 AI 機器人價值鏈的一環，結合訓練資料、測試與驗證。36

這不代表一座工廠訓練出的行為能毫不修改地套用到所有工廠；不同場域仍有設備配置、物流規則與安全要求差異。但目標已從每座工廠各自打造一次性的專案，轉向可重複驗證、部署並持續改善的能力套件。

時程與擴張規畫：2028 年先在喬治亞州上線

RMAC 在先導運作後，於 2026 年 9 月啟動全面運作，作為 Atlas 導入 Hyundai 製造據點前的測試平台。3335

Hyundai 公開的路線圖將訓練與產線營運分開：Atlas 預計在 2028 年於 HMGMA 開始作業，初期聚焦零件排序。相關報導指出，之後將分階段擴展到其他據點，並最終延伸至零組件組裝工作。2644

Hyundai 也曾表示，目標是在 Hyundai 與 Kia 工廠部署超過 25,000 台 Atlas，並在 2028 年達到每年約 30,000 台 的機器人生產能力。這些是公司提出的部署與產能目標，並不代表目前已裝設同等規模的機器人機隊。2627

捷克廠會是 Atlas 的下一站嗎？

據近期報導，Hyundai 位於捷克 Nošovice 的 Hyundai Motor Manufacturing Czech，正與 Boston Dynamics 及 Hyundai 總部討論可能部署 Atlas。不過，尚未公布在現役產線測試或正式導入生產的日期。1819

若歐洲廠區進入測試，考驗的不只是機器人能力。報導將勞動力短缺列為探索導入的背景之一；同時，員工接受度、安全、品質，以及如何融入既有作業流程，都是部署成敗的關鍵問題。1921

短期來看，喬治亞州 RMAC 仍是 Atlas 最主要的訓練基地，零件排序則是第一個實際工作場景。這項計畫最終的衡量標準，不是機器人展示得多靈活，而是它的行為能否在真實汽車工廠中穩定、可靠且可重複地運作。