Jump to the main content block
  • Home
  • Sitemap
  • FAQ
  • Contact
  • 🌐中文
  • NCKU
 
 
 

2025.08.04 AI與機器人暑期課程暨競賽營隊

---------------------------------------得獎名單-------------------------------------------------------------------------

PTWA|G1~G4 得獎名單與課程內容

單頁靜態版(單一 DIV 包裝,無任何後端與外掛套件)
 
 
 

得獎名單

 
 

所有課程內容(G1~G4 一頁式)

 

---------------------------------------競賽規則-----------------------------------------------------------

PTWA|G1~G4 評分標準與比賽規則

G1|高階實作班 評分標準

參賽者需在 Robocasa 虛擬廚房 中,完成以下 10 種物體的 Pick & Place 任務:

  • 雞蛋、起司、香蕉、杯子蛋糕、甜椒
  • 可樂罐、馬克杯、瓶子、碗、噴霧器

測試階段與評分方式:

  1. 第一階段:基本場景
    場景:桌面寬敞的模擬廚房
    任務:物體從 A 點移至 B 點
    評分:每物體執行 10 次,計算成功率
  2. 第二階段:中等場景
    場景:含高低差水槽及更多物體
    任務:物體由流理台 A 點放入水槽 B 點
    評分:每物體執行 10 次,計算成功率
  3. 第三階段:困難場景
    場景:夾窄、互動性高的複雜廚房
    任務:物體從 A 點移至 B 點
    評分:每物體執行 10 次,計算成功率
 

G2|足型機器人入門 規則與評分

元件使用限制

  • 不得使用非主辦單位提供元件。
  • 若需自備材料,須依規定。

賽道規範

  • 長度:10 公尺。
  • 起點與終點以膠帶/貼紙標示,距離計算取內側。

比賽方式與排名依據

  • 每隊可多次測量距離,正式比賽需排隊等候。
  • 排名優先順序:行走距離 → 完成時間。
  • 比賽限時 3 分鐘;未抵達終點者以實際距離計。

判定與規範

  1. 勝負依最長距離,若相同則時間較短者勝。
  2. 距離計算以機器人最前端為準。
  3. 比賽期間不得解體,超出界線立即結束。
  4. 比賽開始須裁判宣布,否則違規取消成績。
  5. 起步須置於標線後方。
 

G3|創意機器人設計班 評分標準

  1. 機器人外觀設計:40%
    ・造型創意、設計概念、故事性
  2. 舞蹈肢體表演動作設計:40%
    ・肢體協調、節奏韻律、手足姿態、群舞走位
  3. 舞台燈光效果與控制:20%
    ・場景設計、燈光動態
 

G4|機器人足球班 評分標準

  1. 虛擬競賽(50%)
    ・使用 PROS Blocks 訓練 AI 模型,執行射門任務
    ・需完成 3 次射門,以總秒數計算,時間越短分數越高
    ・若失敗則以最大時間計入
  2. 實體競賽(30%)
    ・將模型部署到實體自走車,完成 1 次射門
    ・依時間排名,最快者分數最高
    ・失敗可重試一次,取最佳成績
  3. 團隊簡報(20%)
    ・AI 模型訓練流程(5%)
    ・Reward 機制設計(5%)
    ・虛擬 vs 實體差異觀察與策略(5%)
    ・團隊合作與學習收穫(5%)

-----------------------------------------------G1------------------------------------------------------------------------------------------------------------------

🪐 把天上的星星夾下來吧!  

|高階實作班|數位孿生 × 實體AI × 模仿式學習訓練

💰競賽獎金💰

金牌🏅 10000 、銀牌🥈 5000 、銅牌🥉 3000

👇一場「真正動手教 AI」的深度挑戰!

這不只是機器人控制課程,而是讓學員實際操作 UMI 與 Robocasa,在 Robocasa 中實作 Imitation Learning,訓練模型完成精準的夾取與放置任務。

✅ UMI × Robocasa

結合真實世界與模擬環境,完整體驗 數位孿生(Digital Twin) 架構,並使用最新工具與資料流程建構 AI 機器人控制模組。

✅ 遠端操作介面 × 數位孿生環境 × 模仿式學習

透過遠端操作介面示範任務動作,將展示導入數位孿生環境,透過模仿專家行為進行策略學習,深入體會資料收集流程與模仿學習架構。

✅ 三天密集實作,AI 模型即時驗證

每日以小組為單位分工協作,從操作介面設計、資料蒐集、模型訓練到模型部署,全面掌握 AI 在機器人控制的應用流程。

✅ 限時任務競賽 × 結業成果驗證

課程最後進行限時夾取指定物品之實體競賽,考驗團隊在策略擬定、控制穩定度與任務效率的綜合實力。

✅ 參加條件說明

課程適合電機、資工、機械等相關研究所學生或具備基礎程式操作與人工智慧概念的大學生參加,每隊 3~5 人組隊,每個人都需要填寫報名表並註明同隊隊員。

📌 常見問答 Q & A

Q1. 課程適合什麼樣的學生參加?

A:本課程專為電機、資工、機械等相關研究所學生設計,相關領域大學生若欲參與本課程,建議至少須具備基礎程式操作與人工智慧概念。

Q2. 可以個人報名嗎?

A:每人報名費2000元,報名時請於備註填寫指導教授名字與同隊隊友名字。

Q3. 需要自備設備嗎?

A:需自備電腦與硬體,主辦單位將提供訓練平台(Robocasa × UMI)與操作介面所需資源。

Q4. 沒有使用過 Robocasa 和 UMI,會不會太困難?

A:課程將提供完整操作教學與分組指導,具備基礎程式與AI學習經驗即可上手。

Q5. 課程的成果會有實際驗證嗎?

A:是的,營隊最後將進行限時「夾取任務競賽」,以實體機器人完成挑戰作為驗收。

🤖 什麼是機器人與 模仿式學習

機器人指的是能感知環境、執行任務並具備某種程度自主性的裝置。

傳統機器人仰賴人類預先撰寫的規則進行操作,但隨著人工智慧(AI)技術的快速發展,現今的機器人已能透過模仿式學習來習得複雜的動作技能。

模仿式學習(Imitation Learning)是一種學習人類或專家行為的技術,讓機器人透過觀察示範而非試誤方式來完成任務。例如,在專家進行一次夾取與放置操作後,機器人便可學會在類似情境中做出對應的動作。

其核心目標是訓練出一套策略(policy),使機器人在不同但相似的任務中,能做出與人類示範相仿的決策。此技術已廣泛應用於自動駕駛、服務型機器人、以及工業自動化手臂的操控與精準任務執行等領域。

💡 什麼是數位孿生?

「數位孿生(Digital Twin)」是一種結合真實世界與虛擬模擬的技術,能夠在電腦中建立一個虛擬的機器人環境,用來進行模擬訓練與測試,最後部署到真實世界。

在本次營隊中,學生將透過 UMI 系統,在真實世界中蒐集專家的操作示範,並導入虛擬環境。接著透過模仿學習進行控制策略的訓練。當模型完成訓練後,將部署於虛擬場景中,執行夾取與放置任務的驗證。

需特別說明的是,本次營隊尚未進行模型於實體機器人上的部署與測試,相關功能預計將於下一梯次課程中納入實作。

這樣的「實體 → 虛擬 → 實體」轉換流程,正是數位孿生技術的核心精神,也是當前工業、交通與醫療等領域積極發展的創新趨勢。

🕹️ 什麼是遠端操作介面?

遠端操作介面(Teleoperation Interface)是一種讓使用者能從遠端操控機器人或設備的互動系統,廣泛應用於機器人教學、遠距操控與示範學習等場域。

在本次營隊中,學生將親手打造一套可記錄人類操控行為的遠端操作介面,用來示範如何進行「夾取與放置」等任務,並收集對應的操作數據。

這些數據將被導入高擬真的虛擬環境,作為 AI 模型訓練的基礎,進而產生能自主完成任務的控制策略,真正體驗 AI 如何透過人類示範進行模仿學習。

這不僅是程式操作的訓練,更是一次整合「人機互動 × 策略訓練 × 虛實整合」的 AI 實戰體驗。

🎯 為什麼應該要參加這個營隊?

本營隊是一次深入 AI 模仿學習與數位孿生實作的沉浸式訓練體驗。以下是你不該錯過的五大理由:

  • 最新機器人學習技術:採用 UMI x Robocasa x Imitation Learning,學習現有機器人學習技術的作法與限制。
  • 學術與實作並重:從資料收集到策略設計到模型訓練與部署,完整體驗 AI機器人開發流程。
  • 任務競賽驗收成果:透過限時夾取任務實體競賽,驗證所學並累積真實操作經驗。
  • 跨校交流 × 團隊合作:與不同背景的研究生共組團隊,透過協作挑戰激發創新解決能力。

如果你對 AI、機器人、控制系統與智慧製造充滿好奇與熱情,這將是一次絕佳的實戰機會!

📘 課程大綱

🟦 高階實作班|數位孿生 × 實體AI × 模仿式學習訓練

  • 08.05(二)|介紹
    • 認識機器人與模仿式學習的基本概念
    • 認識虛擬機器人控制環境
    • 認識遠端操作介面
    • 設定目標:完成遠端操作介面製作
  • 08.06(三)|訓練我的 AI 機器人夾取與放置模型!
    • 根據指定任務,利用遠端操作介面收集專家展示
    • 將數據導入虛擬機器人控制環境
    • 利用模仿式學習訓練我的 AI 機器人夾取與放置模型
    • 小組挑戰賽:誰能最快讓 AI 機器人完成第一個夾取與放置任務呢?
  • 08.07(四)|測試 AI 機器人夾取與放置模型!
    • 部署模型到虛擬環境中,進行任務測試
    • 完成挑戰任務(例如:將杯子從桌面放進櫃子裡)
    • 成果發表與回顧:我設計的 AI 機器人夾取與放置模型表現如何?
    • 結訓頒獎

 

課程師資: 國立陽明交通大學資工系 陳奕廷 教授

 

-----------------------------------------------G2------------------------------------------------------------------------------------------------------------------

🦿 3日疾走 X Legged Robot X 機器人作業系統!

|足型機器人入門|ROS × u-ROS × esp32 × 總線舵機 × 數位孿生

💰競賽獎金💰

金牌🏅 15000 、銀牌🥈 7000 、銅牌🥉 3500

👇帶領學員製作一個「能用AI學習的」的機器人!

程式固然重要,但除了程式以外,你,還想學些什麼?本營隊「拋棄傳統程式教育」,讓學員參與整個機器人開發流程,用「實際參與」代替深奧教學,學習 AI 最核心的能力,並部署到實體機器人上,親眼見證「AI 動起來」的那一刻!

✅ 團隊帶領 × 同儕引導

由資工系同學擔任助教,透過每日任務與觀察指導,營造親切、安心、鼓勵挑戰的學習氛圍。

✅ 需具備基本程式能力

本課程以 Python 與 Unity 為基礎,搭配 ROS 與 micro-ROS 技術,適合已有程式邏輯基礎的「教師」、「高中生」與「大學生」參與。

✅ 基本建模能力 × 自走機器人體驗

從基礎機構建模開始,搭配感測與控制模組,帶領學員了解機器人從 0 到 1 的完整開發流程,並實際部署、測試與優化。

✅ 啟動 AI 動機,而非灌輸知識

我們不只是教「怎麼寫程式」,而是希望種下對「機器人開發」的熱情與理解,讓這次經驗成為未來深入探索的起點。

常見問答 QA

💡我對 AI 很有興趣,但從沒參加過實作課程,適合參加嗎?

👉️本次活動定位為進階應用挑戰,建議對象為具備基礎程式能力的教師、高中生與大學生。課程內容涵蓋 ROS 2、micro-ROS、Unity 模擬與 ESP32 硬體控制,適合已具備 Python、C++、Arduino 等開發經驗,並渴望挑戰機器人實作與控制應用的學員。

💡學員沒有機器人實作經驗?

👉️本課程正是為此設計! 從基礎建模到深入應用,帶來最完整的體驗。

💡課程會不會太難?跟不上怎麼辦?

👉️我們採用小班制教學,並由資工系同學擔任助教,提供每日任務與觀察指導,確保每位學員都能安心學習,勇於挑戰。

💡參加這個營隊,未來有什麼優勢?

👉️本營隊強調實作與AI思維的培養,從模擬到實體部署,親手打造智慧自走機器人。

🛠️ 什麼是 ROS 與 micro-ROS?

ROS(Robot Operating System)是一個專為機器人開發設計的開放原始碼中介軟體架構。它提供模組化的節點通訊、感測器整合、運動控制、模擬與視覺辨識等功能,讓開發者能輕鬆構建複雜的機器人系統,是目前全球最主流的機器人開發平台之一。

micro-ROS 是 ROS 的輕量化版本,專為資源受限的嵌入式裝置設計,如 ESP32、STM32 等微控制器。它保留了 ROS 2 的核心通訊機制,能讓這些小型裝置與大型 ROS 系統整合,實現邊緣運算、即時控制與感測資料交換。

在本營隊中,我們將實際使用 micro-ROS 與自走機器人整合,讓學生體驗如何讓微控制器「接上 ROS 系統」,進一步了解從雲端模擬到真實控制的 AI × 機器人應用流程。

💡 什麼是數位孿生?

「數位孿生(Digital Twin)」是一種結合真實世界與虛擬模擬的技術,能夠在電腦中建立一個虛擬的機器人環境,用來進行模擬訓練與測試。在我們的營隊中,學生會先在虛擬環境中訓練 AI 控制的機器人,等模型訓練成功後,再部署到實體機器人上,完成真實任務!這種從模擬到實體的轉換,就是數位孿生的應用過程,正是目前工業、交通、醫療等領域廣泛採用的尖端技術。

🎯 活動目標

本活動最終將帶領學員完成自己心目中的「四足機器人」,並使用它參與一場真實的「10 公尺競走挑戰」!

在這三天的密集實作中,學員將學會:

  • 理解並應用 ROS(Robot Operating System)做為核心控制架構
  • 在 Unity 環境中模擬機器人運作與步態調整
  • 親手組裝、修改與調校機器人本體
  • 挑戰設計最有效率的機器人行走策略

我們提供「基礎樣式」的機器人架構與控制模組,真正的關鍵在於學員的創造力與觀察力!

比賽沒有過多規則,沒有唯一標準答案──學員將在幾乎自由開放的環境中發揮無窮想像,盡情探索與實作屬於自己的機器人世界。

📘 課程大綱

🟦 足型機器人入門|ROS × u-ROS × esp32 × 總線舵機 × 數位孿生

  • 08.05(二)|機器人的起源
    • 連接 ROS2 與 micro-ROS,建立通訊架構
    • 使用 ESP32 控制馬達,理解機器人驅動原理
    • 使用 Fusion360 建立與匯出機構模型
    • 在 Unity 中模擬四足機器人外型與基本運動
  • 08.06(三)|創造屬於自己的機器人!
    • 動手使用 ESP32 與 12 顆馬達製作個人化四足機器人
    • 根據自己設計的機構,在 Unity 中建立對應模型
    • 調整步態與關節參數,模擬機器人行走邏輯
  • 08.07(四)|讓機器人動起來吧!
    • 實體機器人測試與調整
    • 正式進行「機器人競走大賽」:每人使用自己的機器人進行 10 公尺競走
    • 比賽結果與回顧交流:誰的設計跑得最遠、最穩、最酷?

 

課程師資: 國立成功大學資工系 涂嘉恒 教授

 

-----------------------------------------------G3------------------------------------------------------------------------------------------------------------------

💃舞動未來 × 三日創意工作坊 x 打造 AI電子情人!

|創意機器人設計班|Fusion 360 × URDF × Unity 數位孿生虛擬建構

💰競賽獎金💰

金牌🏅 3000 、銀牌🥈 1500 、銅牌🥉 1000

🌟 用你的創意讓虛擬機器人成為舞台上最亮眼的明星!

這不只是學畫機器人,而是一場跨越造型設計、模擬控制、舞台編排的科技創意實作營。

✅ Fusion 360 × Unity多技術整合學習

✅ 親手打造虛擬機器人造型,輸出到 Unity 舞台

✅ 實作 Joint 姿態控制,創造群舞或獨舞秀

✅ 用想像力與設計力讓機器人展現舞台魅力

❓ 常見問答 QA

💡 我沒有程式設計背景可以參加嗎?

👉️ 建議具備 Fusion 基礎能力,Unity 操作將有範本協助。

💡 這課程適合哪種背景的人?

👉️ 歡迎高中職學生、大專生或研究生參加,尤其適合對設計與互動科技有興趣者。

💡 什麼是數位孿生與 ROS2-Unity?

數位孿生是以虛擬模擬重現真實裝置的技術。在本活動中,我們透過 ROS2 與 Unity 模擬機器人的行為與舞台互動。

🎯 為什麼要參加?

這是一場結合設計、模擬與互動展演的創作體驗。你將學會建模、程式控制與場景創造,並實際呈現成果。

🚀 你會收穫什麼?

學會使用 Fusion 360 建立模型、Unity 操作場景 控制機器人姿態與動作,最終展演你的機器人作品。

這不只是技術學習,更是一次設計、創作、溝通與展演的完整旅程。

📘 課程大綱

🟦 創意機器人設計班|Fusion 360 × URDF × Unity 數位孿生虛擬建構

  • 08.05(二)|虛擬造型 × 建模實作
    • 機器人功能與造型關聯講解與草圖設計
    • Fusion 360 操作與模型組件建構
    • 四足機器人 + 一手臂設計示範與組裝
  • 08.06(三)|模擬控制 × 舞台設計
    • 模型匯出與控制
    • Unity 舞台與燈光配置
    • 舞態設計與音樂、燈光整合
  • 08.07(四)|調整優化 × 成果發表
    • 模型細部調整、舞態精修
    • 舞台呈現模擬、展演準備
    • 最終成果展演與分享

 

課程師資:

 

 

南臺學校財團法人南臺科技大學 劉大琦 教授

 

 

南臺學校財團法人南臺科技大學 徐芳真 教授

 

-----------------------------------------------G4------------------------------------------------------------------------------------------------------------------

⚽ AI足球機器人訓練|3日計畫

|機器人足球班|AI積木 × 數位孿生 × 強化式學習 × 實體機器人

💰競賽獎金💰

金牌🏅 18000 、銀牌🥈 9000 、銅牌🥉 4500

團隊帶領 × 同儕引導:由資工系大學生擔任助教,打造親切與鼓勵挑戰的互動氛圍。

零基礎也能訓練 AI:透過圖像式的 PROS-Blocks 積木語言,國中小學生也能輕鬆理解並操作。

AI 自學 × 自走車實作:從模擬訓練、制定獎勵規則,到部署至實體自走車上完成任務。

啟發動機 × 開啟思維:營隊重點不在語法記憶,而在於激發對 AI 世界的理解與好奇。

🤖 【AI 一起來】成大 × PTWA × PAIA 國中小智慧機器人學習營

由成大學生帶路,開啟孩子的人工智慧第一哩路!

人工智慧不該是遙不可及的名詞,它也可以從一台能「自己學會踢球」的小車開始學起。

這個夏天,由成功大學、敏求智慧運算學院主辦,攜手 AI 教育實踐軟體公司 帕亞科技(PAIA)與中華民國愛自造者協會(PTWA)協辦,共同打造一場專為國中小學生設計的任務導向營隊,從模擬訓練到實體部署,帶領孩子親手實踐「AI 動起來」!

🌱 營隊主軸 | 啟蒙 × 實作 × 啟發動機

🎓 成大敏求運算學院

本營隊源自旺宏集團董事長捐資成立之「敏求智慧運算學院」,結合跨領域 AI 教育與人才培育使命,由成大資工系學生、中華民國愛自造者協會、PAIA 團隊共同規劃與執行。

🤖 PAIA 教學技術支援

由 PAIA 團隊提供完整課程設計與教學技術支援,透過 PROS Twins 數位孿生系統、PROS-Blocks 積木語言與強化學習模組,讓孩子從操作機器人跨越到真正「訓練 AI」。

🔍 我們相信的學習價值

這不只是一次營隊,更是孩子對未來科技世界的機器人說出第一個『我懂了』的時刻。

🔹 啟發動機,而非填塞知識

🔹 真實應用,而非僅操作工具

🔹 互動陪伴,而非被動學習

🔹 強調過程,而非只看成果

📌 常見問答 QA

Q:孩子沒學過程式,可以參加嗎?
A:當然可以!本課程設計針對國中小學生,使用圖像化積木語言,無需任何程式背景。

Q:孩子對 AI 有興趣,能學到什麼?
A:他們將實際訓練 AI、觀察學習行為並部署模型,親身體驗 AI 的思考與學習過程。

Q:與一般機器人營隊有什麼不同?
A:這不是遙控車,也不是走迷宮,是訓練 AI 車自己決定該怎麼做,真正動腦的學習任務!

🤖 什麼是機器人與強化學習?

機器人指的是能感知環境、執行任務並具備某種程度自主性的裝置。傳統機器人依靠人類寫好的規則行動,但隨著人工智慧(AI)技術發展,現在的機器人能透過「強化學習」自我訓練、自我優化,甚至自己學會完成複雜的任務。

強化學習(Reinforcement Learning) 是一種模仿人類學習行為的 AI 技術。它讓機器人在不斷嘗試與錯誤中學習,例如:車子每次靠近目標就獲得「獎勵」,遠離就「被懲罰」,透過這種回饋,AI 會慢慢找出最好的策略。這種方式目前已被應用在自駕車、智慧機械手臂、機器人足球、防災機器人等先進領域中。

在本營隊中,學生將實際使用強化學習技術,親手訓練一輛能「自己學會移動」的智慧自走車,從虛擬世界訓練到真實環境部署,深入體驗 AI 與機器人的整合魅力!

💡 什麼是數位孿生?

「數位孿生(Digital Twin)」是一種結合真實世界與虛擬模擬的技術,能夠在電腦中建立一個虛擬的機器人環境,用來進行模擬訓練與測試。在我們的營隊中,學生會先在虛擬環境中訓練 AI 控制的自走車,等模型訓練成功後,再部署到實體車上,完成真實任務!這種從模擬到實體的轉換,就是數位孿生的應用過程,正是目前工業、交通、醫療等領域廣泛採用的尖端技術。

🎯 為什麼應該要參加這個營隊?

這不只是學習程式或玩機器人,而是一場跨入 AI 核心的實戰體驗課!

🎯 營隊目標

🌟 讓國中小學生認識 AI 與機器學習邏輯

🌟 建立觀察、設計、分析的思維模式

🌟 透過與大學生互動,啟發未來科技學習動機

🌟 培養跨學科素養與數位科技應用能力

🚀 一起啟動孩子的 AI 世界!

讓 AI 不再是高科技的遙遠專利,而是孩子親手理解、實作與創造的開始。

這個夏天,從成大出發,開啟孩子對 AI 世界的第一步!

📘 課程大綱

🟦 機器人足球班|AI積木 × 數位孿生 × 強化式學習 × 實體機器人

 

課程師資:

 

 

國立成功大學資工系 蘇文鈺 教授

 

 

PAIA 楊鴻志 工程師

 

 

PAIA 蕭佑丞 工程師

 

    • 08.05(二)|AI 強化學習是什麼?數位孿生是什麼?
      • 認識人工智慧與強化學習的基本概念
      • 什麼是數位孿生?了解虛實整合的學習環境
      • 操作 PROS-Blocks 積木語言,手動控制車子
    • 08.06(三)|訓練我的 AI 車車!
      • 建立獎勵機制與成功條件,觀察學習行為
      • 使用數位孿生環境反覆訓練與調整策略
      • 設定 AI 強化學習目標:讓車子學會靠近足球
    • 08.07(四)|優化 AI 強化學習
      • AI 強化學習獎勵機制總複習
      • 優化 AI 強化學習與策略思考
      • 完成挑戰任務(例如:時間內讓模型接近足球)
Click Num: