視覺檢測的結果通常是 OK/NG 訊號，接收該訊號並剔除不良品的，是另外安裝的設備。Physical AI 則更進一步，由機器人依據所看到、所判斷的內容直接行動。要夾哪裡、用多大的力道握持、往哪個方向扭轉，都是依當下情況決定。
組成要素
| 要素 | 角色 | 在 fineAi 中 |
|---|---|---|
| 視覺 | 感知對象的位置・姿態・狀態 | Basler 2D 相機，Zivid・Photoneo・EpicEye 3D 相機 |
| AI 模型 | 偵測對象、判定瑕疵 | YOLO 偵測・分割，PatchCore/PaDiM 異常檢測 |
| 機器人 | 移動與作業 | Rainbow Robotics RB5-850 · RB10-1300e 協作機器人 |
| 末端工具 | 夾取、焊接等 | OnRobot 2FG7、Tesollo DG-3F-M 三指（12 自由度）夾爪 |
| 感測器 | 確認接觸・力道 | 6 軸力/扭矩感測器 |
| 校正 | 相機座標 → 機器人座標 | Hand-Eye 校正 |
| 虛擬驗證 | 事先確認路徑・碰撞・週期時間 | 數位孿生 |
案例：香菇採收自動化
CUBE FARM 栽培系統與 RoboVision 連動，由機器人摘下成熟的香菇並放入籃子。
- 感知 — 以 3D 相機拍攝栽培架，找出香菇並確定其 3D 位置。
- 判斷 — 為每朵香菇產生可夾取的夾爪姿態候選，依碰撞可能性與穩定性排序，再從預先定義的夾取預設（18 種）中選出合適的一種。
- 行動 — 機器人靠近後以三指夾爪握住，將手腕左右扭轉（twist pluck）摘下。
- 確認 — 以力/扭矩感測器確認接觸與夾取狀態。若與預期不同，狀態機（FSM）會重新嘗試或轉往下一朵香菇。
- 記錄 — 採收結果回傳至 CUBE FARM，與生長資料一併管理。
案例：焊接檢測
在機械手臂末端安裝相機與光源，沿著焊道移動拍攝。以拍攝的影像找出瑕疵，並量測 3D 焊道斷面，判定 ISO 5817 等級。標記為漏檢・過檢的結果會累積到資料集中，用於重新訓練。
語言模型的工作
finetheAi Physical AI Platform（PaaS）使用在本機執行的語言模型（Ollama）。
- 作業指示 — 將「3 號籃子滿了就換到 4 號」這類自然語言指示拆解為作業步驟。以 LangGraph 為基礎的協調器將工作分配給多個代理。
- 結果解讀 — 視覺語言模型（VLM）觀察異常檢測熱圖，以文句說明是哪一種異常。
- 營運報告 — 彙整一天的作業結果，產生每日報告。
語言模型不會直接驅動機器人。實際動作由遵循已驗證路徑與安全規則的控制層執行，語言模型則在其上負責規劃與說明。
安全優先
即使是在人旁邊作業的協作機器人，安全裝置也是基本配備。RoboVision 支援緊急停止（E-STOP）與暫停，並內建無需實體機器人即可確認動作的模擬模式。新的動作要先在模擬與數位孿生中確認，再移到實機上執行。