醫院的病房長廊上，護理師推著載滿藥品、點滴與衛材的沉重護理車，在護理站與一間間病房之中反覆穿梭；長距離或跨樓層的推拉，對腰背與手臂更是長期消耗。巡完一輪病房，護理師手邊的工作並未結束，還得趁著記憶猶新，趕緊在電腦前補齊每一床病患的生理數據與處置紀錄；若遇上繁複的病況變化，光是交接班釐清細節，往往耗費將近一小時。在醫護人力吃緊的當下，繁重的體力勞動與零碎的行政文書，成為第一線照護人員難以卸下的無形重擔。

為了解決醫療現場的勞務痛點，國立臺灣師範大學電機工程學系王偉彥研究講座教授團隊與馬偕紀念醫院跨界攜手，從病房間移動最頻繁、承載資訊最密集的設備著手，打造結合機器視覺、語音辨識、自主導航與人機互動技術的「AI機器人」，不僅能自主跟隨巡房、主動預警突發風險，更能即時將醫護人員的口述轉化為結構化紀錄，讓科技真正走入白色巨塔，成為守護醫護人員的得力助手。

王偉彥研究講座教授團隊與醫療場域的交集始於2018年。在科技部（現為國家科學及技術委員會）推動的AI創新研究中心計畫支持下，團隊將結合人工智慧的自主移動載具，並引進桃園與新竹地區的長照機構進行試驗。在生成式AI與大型語言模型尚未普及應用的年代，第一代自動導引車（AGV）僅能執行送餐與物資搬運。「當時效果不算理想。」王偉彥研究講座教授坦言，早期的做法接近將工廠的巡檢機器人直接搬進照護機構，難以契合照護現場複雜的人流與動線。

然而，那次試驗確立了往後的研發方向與界線：醫療與照護機構最迫切需要被分擔的，是護理人員繁重的例行雜務，但避免介入醫護人員對病患的醫療行為，團隊將重心鎖定在輔助臨床工作流程。

轉折出現在與馬偕紀念醫院的接觸，院方看見臺灣師範大學技術落地的潛力，隨即促成該團隊帶著不同類型的機器人：AI智慧護理車與巡房機器人，進駐淡水馬偕紀念醫院的安寧療護教育示範中心實地演練。雙方於2025年8月正式產學合作。現場展示的輪型機器人，化身為醫護人員最熟悉的「智慧護理車」。而這套系統早在簽約半年前，就已交由醫護人員反覆試用。王偉彥研究講座教授回憶，這段磨合比技術本身更關鍵：要將移動工作自動化並不難，真正的挑戰是醫護人員工作繁忙，無暇抽空配合反覆測試除錯。「前期看似沒有回報的服務必須先做，唯有真正贏得信任，科技才能真正走進臨床應用的日常。」

然而，臨床信任的建立並非一蹴可幾，團隊在研發第二代智慧護理車時便繳了一次學費。當時團隊自行設計了全新的護理車櫃體，搭載於具備自主移動功能的自走平臺上，沒想到立刻遭到護理師退件。原因很簡單：車子雖然會動，但櫃體的分隔方式、物品配置與取用習慣，與臨床醫護人員的日常脫節。

意識到問題癥結後，團隊果斷轉變思維：科技不應強迫使用者改變習慣，而是主動配合人的需求。他們向護理師借來每天使用的舊推車，將上半部櫃體直接切下，原封不動地移植到自動導引車上。「藥品怎麼放、垃圾丟哪裡，習慣全都不用改。」王偉彥研究講座教授指出，唯一不同的是，如今這臺智慧護理車具備自主導航與跟隨能力，並且為了守住醫療資安與病患隱私的分際，刻意設計對醫院護理資訊系統（Nursing Information System, NIS）不造成干擾的應用程式介面（Application Programming Interface, API）串接機制，專注做好輔助工作。

此外，在人機介面上，團隊也力求符合臨床使用習慣為設計原則。護理師可隨時透過搖桿輕鬆推行，或切換為放手讓推車自主跟隨；除了觸控點選起訖點或口述指令外，導航採用更貼近現場的「記憶軌跡」技術：只需由護理師推著走過一次，AI智慧護理車就會同步記憶沿途的視覺特徵、深度資訊與移動路徑，日後就能沿著參考軌跡自主前進，不需醫護人員費心建構地圖。

巡房機器人進入臨床場域試驗後，第一線醫護人員的使用回饋，成為推動技術演進的關鍵養分。

夜間巡房時防範長者與病患的跌倒風險，便是首要課題。團隊起初規劃的是「跌倒偵測」，護理師卻一語點醒工程思維：「等到長者跌倒了才偵測到的話，往往已經來不及了。」這句臨床建言，促使團隊將演算法往前推進至「跌倒風險預測」。系統透過視覺影像辨識步態，平穩行走時不作干擾，一旦捕捉到伸手扶牆、步態不穩或重心偏移等前兆，便會提前向護理站發出預警，爭取醫護人員介入與確認的時間，將通報時機從事後防堵提前至事發之前。

除了提早預警，如何避免「警報疲勞」也是人機協作的另一項考驗。團隊設計了一款巡房機器人，巡邏時辨識到病患坐在地上，會主動上前開口關切，若對方表示並無大礙，系統便不發出警報；一旦病患表達疼痛或身體不適，才會即時通知護理站。「護理人員極為忙碌，系統先透過病患的回應判斷是否需要通報，讓有限的人力資源優先投入真正緊急的狀況。」王偉彥研究講座教授強調。

延續為醫護人員減輕負擔的思維，團隊更進一步瞄準第一線最耗時的文書痛點，著手開發「語音護理紀錄」技術。

在團隊合作的臨床場域中，護理師巡房時須以紙筆逐床記錄病患的用藥與處置，巡房結束後再整理相關內容，增加了日常文書作業的負擔。「語音轉文字並不難，難的是貼合臨床真實用語。」王偉彥研究講座教授團隊將累積的舊病歷印出，邀請多位護理師逐份朗讀錄音，建立專屬語料庫。實際巡房時，護理師透過抗噪藍牙耳機口述，即便夾雜與病患或家屬的閒聊或語助詞，AI也能自動辨識並精準擷取18項固定欄位所需資訊，有效過濾非相關雜訊；系統的指令回饋也同步在耳內完成，既不發出聲響驚擾病房寧靜，確認儲存後更可直接作為交接班依據，大幅減少文書整理所需的時間。

而在空間移動上，病房是充滿推床、醫療器材與人流頻繁移動的動態環境。面對突如其來的障礙物，團隊讓機器人「原地停讓」而非主動閃避。「閃避的動作本身就可能碰撞周遭人員或設備。醫療院所講求安全第一，機器人必須先學會禮讓。」王偉彥研究講座教授指出，從工廠走向病房，智慧護理車必須從依循預設軌跡的固定運作模式，轉為依現場環境調整行動。

此外，仰賴發射雷射測量距離的傳統2D光達（LiDAR），除了雷射光易穿透玻璃造成誤判，更受限於單一水平掃描高度，往往對過高或過低的醫療設備產生偵測死角。為此，團隊轉向開發純影像動態避障技術，透過圖像分割演算法逐格分析鏡頭畫面，把障礙物與長廊中真正能安全通行的地面區域精準區分開來，突破固定掃描高度的限制。由於這套技術的核心在於讓設備看懂複雜的室內空間，解決自主移動的難題，未來只要技術成熟，同樣能將這套環境辨識演算法移植至需要應對複雜路面的雙足人形機器人上。

當各項軟硬體技術逐一克服臨床考驗，智慧護理車要真正融入醫療日常，下一步便是走出少數試用場域，擴大至更多醫療院所。

根據內政部2026年1月公布的統計，臺灣65歲以上人口已突破20％，正式邁入「超高齡社會」。面對照護需求激增、第一線人力吃緊的雙重夾擊，眼前最現實的推廣阻礙，正是高昂的導入成本：一臺自動導引車空機約新臺幣80萬元，加上價格飆升的邊緣算力晶片與控制軟體，整套設備造價逼近百萬元，是一般護理車的10倍以上；而醫院一層病房通常需配置4至5臺，且難以共用。

「醫院往往不偏好添購設備，折舊與管理都是負擔。」王偉彥研究講座教授表示，相較於傳統買斷，未來更傾向透過彈性服務的租賃模式降低導入門檻。目前團隊已向近10家醫院展示技術，並由上市機械公司協助籌備組裝，同時著手建置「中央監控平臺」，以利整棟大樓與全樓層的跨區域安全調度。不過，若要真正跨出單一院所、邁向規模化落地，仍得面對各院病歷格式分歧、醫療法規倫理與責任歸屬，以及整體成本效益驗證等核心挑戰。

那麼，機器人究竟能不能走進病房？這項計畫給出的答案是肯定的，但計畫初期採取相對審慎的設計方向——不直接接觸病患、機體端不留存敏感病歷個資，遇人便原地等待；專注替醫護扛起沉重的推拉負擔、精準歸檔巡房細節，並提前預警跌倒風險。決定這臺智慧載具能走多遠的，從來不是堆疊了多少深奧技術，而是能為醫療現場省下多少力氣，以及那些省下來的時間，最終能否被還給真正重要的照護工作。