本分項計畫致力於打造「協作式機器人場域管理與標準化驗證平台」，融合5G/6G通訊、AI-RAN及大型語言模型（LLM），建構人形機器人之協作驗證架構。技術核心涵蓋兩大方向：（一）AI自適應無線定位技術，分為「快速場域建置」及「可持續優化閉環」兩階段，透過整合WiFi、5G、BLE與磁場強度等多模態無線信號，達成高精度混合式室內定位；機器人於場域執行任務時即時蒐集訊號，並將資料回傳至AI定位模型以持續精進，實現「越用越準」之自我提升機制；（二）國際標準認證體系，積極推動ISO 42001（AI管理系統）、ISO 27001（資訊安全）、ISO 27701（隱私資訊管理）及ISO 17026（實驗室品質管理）等四項國際認證，保障機器人系統於醫療照護與智慧製造場域之安全性、合規性及可信度。此外，本計畫亦構建Agent Operation統一服務平台，為各子計畫之AI Agent系統提供標準化的CI/CD流程管理，內容涵蓋Agent程式碼版本控管、Prompt Registry統一納管，以及自動化部署至Kubernetes叢集之完整流程。
計畫背景
近年醫療照護與智慧製造同時面對高齡化、人力不足與品質要求提高等壓力，病房、長照機構、工廠產線等場景陸續導入人形機器人協助作業。但要把機器人真正用起來，仍有三個現實問題要解決。第一，傳統指紋庫式室內定位需要人工建檔，環境一變動就得重做；若僅倚賴 WiFi、5G 或 BLE 任一種訊號，又容易遇到干擾或覆蓋盲區，在複雜場域中很難維持穩定定位。第二，機器人在醫療場域會接觸病患資料、行動軌跡、用藥紀錄等敏感資訊，目前多數系統沒有制度化的資安與隱私管理機制，難以對應《個人資料保護法》及歐盟 AI 法案等法規。第三，定位、自主導航與任務規劃都依賴 AI 自主判斷，行為一旦失控就可能影響人員安全，但國內目前並沒有專屬於機器人 AI 系統的管理框架。為解決上述問題，本分項計畫把 AI 自適應定位、ISO 國際認證體系，以及 Agent Operation 雲原生服務這三件事整合成一套共用基礎建設，讓中心其他分項在導入機器人時，有可以直接共享的技術與制度支撐。
研究目標
完成 AI 自適應無線定位系統開發並進行場域驗證：兩階段架構包含「快速場域佈建」與「可持續優化閉環」，目標 10 分鐘內產出初始場域模型，定位精度 3m 以內、推論延遲 10ms 以內，並讓模型可隨使用時間自我更新。
完成 ISO 四項國際認證之差距分析、體系建置與送件作業：包含 ISO 42001（AI 管理）、ISO 27001（資安）、ISO 27701（隱私）與 ISO 17025（量測），希望成為國內第一個取得這四項 ISO 認證的機器人研發實驗室。
完成 Agent Operation 統一服務平台之建置：為中心各子計畫之 AI Agent 提供版控、Prompt／Model Registry 與自動化 CI/CD 流程，並透過 Kubernetes 進行跨叢集部署。
完成多機器人智慧調度架構：以 Agent-to-Agent（A2A）協議實作 Coordinator Agent 與 Robot Agent，整合分項四之給藥機器人、分項五與分項七之感測載具等異質機器人，完成從任務解析、分派到回報的閉環驗證。
完成 AI-RAN 基準測試框架並進行國際展示：建立 DNN、CNN、Transformer 等模型的統一比較指標，並於 MWC 2026 與 O-RAN Alliance Virtual Exhibition 等場合展示，同時持續與 iCAIR、中華電信研究院、泰國金讚企業等合作夥伴交流。
技術方法
多模訊號融合定位：把 WiFi RSSI、5G 通道狀態、BLE 訊號強度與磁場向量等不同訊號互相補足，避免單一訊號被干擾或在某區段失效。
快速場域佈建：機器人搭載多模接收模組與 IMU，配合行人航位推算（PDR）把訊號自動對齊到場域座標；後端 Central Station 負責網格管理、特徵分析與模型訓練，兩台機器人可以一天完成千坪場域的初始建置。
可持續優化閉環：採用半監督式學習加上信心加權，把日常任務中蒐集到的訊號自動回灌到模型再訓練、再部署，形成「蒐集 → 訓練 → 部署」的自動化迴路，過程中不需要人工標註。
AI-RAN 基準測試與資料主權稽核：以準確度、延遲、抖動作為統一指標進行邊緣至雲端的閉迴路測試，並依 NIST IR 8425 導入資料主權技術稽核（DSTA），確保非紅色供應鏈合規與端對端加密傳輸。
雲原生與多智能體編排：底層用 Docker、Kubernetes 與 AgentOps／MLOps 撐起 Agent Operation 平台；上層以 A2A 協議搭配 Google ADK 實作 Coordinator Agent，搭配 LLM 語意導航與 AG-UI 互動介面協調多個 Robot Agent 完成跨機器人任務。
ISO 四證導入：依序處理全生命週期風險評估、隱私衝擊評估（PIA）、量測不確定度分析、AI 偏差／公平性管控等程序，分別對應 ISO 27001、27701、17025、42001 的要求；並將 Lab 611 升級為開放通訊架構測試實驗室（OCATL）作為實證基礎。
創新
可持續優化之 AI 自適應定位閉環：機器人在執行任務時持續蒐集 WiFi、5G、BLE 與磁場訊號，搭配半監督學習與自動回灌部署，使定位模型隨時間自我精進，部署後不需要人工標註就能達到「越用越準」的效果。
部署導向之 AI-RAN 基準測試框架：針對 6G AI-RAN 室內定位場景，以準確度、延遲、抖動等統一指標比較 DNN、CNN、Transformer 模型，達成 10 ms 以下推論延遲與 3 m 以下定位精度的邊緣至雲端閉迴路驗證。
資料主權技術稽核（DSTA）架構：對齊 NIST IR 8425，確保非紅色供應鏈合規與端對端加密傳輸。
跨分項共用之 Agent Operation 平台：以 A2A 協議實作 Coordinator Agent，把異質機器人封裝成獨立 Robot Agent，達成多機器人之標準化調度，並提供統一的 CI/CD 與 Kubernetes 部署管線供中心各分項共用。
預期成果
技術突破：完成 AI 自適應無線定位系統，機器人 10 分鐘內可產出初始定位模型，定位精度優於 3 m、推論延遲低於 10 ms，可直接用於室內導航、智慧場域管理與任務調度。
國際認證里程碑：推動 ISO 42001、ISO 27001、ISO 27701 與 ISO 17025 之認證導入，目標成為國內第一個集齊這四項 ISO 認證的機器人研發實驗室。
產學合作能量：產學合作與技術轉移收入累計 651 萬元，國科會經費挹注 385 萬元，總計 1,036 萬元；並已與中華電信研究院、美國西北大學 iCAIR、泰國金讚企業等單位建立合作關係。
學術成果：已發表國際期刊論文 1 篇、國際會議論文 5 篇，培訓 7 名企業工程師，並培育多名碩博士研究人員。
國際參與：積極投入 O-RAN ALLIANCE 與 AI-RAN Alliance 等國際組織之技術討論，並於 O-RAN Alliance Virtual Exhibition 展示研究成果，提升我國於開放通訊架構之國際能見度。