透明太陽能電池能無縫整合於窗戶、螢幕等物品的表面，正引領可再生能源的前沿發展，但相關技術仍需克服多項關鍵挑戰，包括在透明度與能量轉換率之間取得平衡，兼具發電效能與美觀設計雙重優勢的半透明有機光伏電池（ST-OPV）因此成為研究熱點。香港理工大學（理大）研究團隊成功開發一項創新評估參數，可用以量度不同光活性材料在 ST-OPV 中的應用潛力，篩選出最佳材料組合，推動研發高效 ST-OPV，並為其用於智能窗戶及可持續建築奠定基礎。
研究人員基於FoMLUE值最優異的材料組合製成的ST-OPV，較同類型產品具備更佳的隔熱性能及運行穩定性，光能利用效率更高達6.05%。
ST-OPV 擁有選擇性吸收陽光、生產成本低及環保等特性，在建築光伏一體化領域中展現出巨大發展空間。為了徹底釋發 ST-OPV 的應用潛力，科學界正嘗試結合不同光活性材料及利用先進器件工程技術，不斷提升 ST-OPV 的能量轉換率及穩定性等，同時讓電池的顏色更加自然，不會對建築物的外觀構成影響。
理大電機及電子工程學系能源轉換技術講座教授、鍾士元爵士可再生能源教授李剛教授聯同研究員俞江升博士，利用他們建立的 FoMLUE 參數篩選了一系列經典光活性材料，通過分析材料的歸一化吸光度，評估其平均可見光透射率、帶隙和電流密度等關鍵參數。研究人員發現以 FoMLUE 值最優異的三元材料組合製成的 ST-OPV，較同類型產品具備更佳的隔熱性能及運行穩定性，光能利用效率更高達 6.05%，刷新半透明太陽能電池的效率紀錄。
由理大電機及電子工程學系能源轉換技術講座教授、鍾士元爵士可再生能源教授李剛教授帶領的研究團隊成功 開 發 一 項 創 新 評 估 參 數FoMLUE ，用以評估光活性材料在半透明有機光伏電池中的應用潛力，為其廣泛商業應用奠定基礎。
此外，研究亦揭示了地理因素對 ST-OPV 性能表現的影響。為了探究 ST-OPV 太陽能窗戶的發電和節能效益，研究團隊建構了一個瞬態模型，模擬電池的功率輸出，從而分析其對建築空間冷暖負荷的影響。該模型應用於中國 371 個城市，結果顯示逾九成的城市實現了年度負荷的正向減排。地理分析更指出，夏季炎熱、冬季溫暖的地區最適合安裝 ST-OPV 玻璃窗戶，其在該些地區達到的年總節能量可高達 1.43 GJ m⁻²。
研究題為「半透明有機光伏電池實現具廣泛地理適應性的可持永續智能窗戶」，成果已發表刊載於《自然通訊》期刊（Nature Communications）。李剛教授表示：「太陽能窗戶作為新興的太陽能光伏應用，為建築光伏一體化、新能源汽車和農業溫室等領域的實際應用開拓新局面。這項研究的成果證實了高效 ST-OPV具備多功能性和地理適應性等多重優勢，可用於建造可持續、節能的智能窗戶，且不影響建築設計完整性，商業化前景相當廣闊。」
展望未來，研究團隊會致力就提升 ST-OPV 的長期穩定性提出創新方案，並推動其向大面積太陽能組件發展，實現 ST-OPV 的商業化應用。
工業 5.0 時代的核心在於人機協作，香港理工大學（理大）科研團隊在此領域取得創新突破，研發出新一代「人機共生」協作製造系統，不僅能實時感知複雜環境、準確解讀操作人員意圖，更能通過簡單示教學習，完成技能遷移和自動學習，並實現自主的工藝代碼生成與高準確度任務執行的自動調節，已成功應用於大型飛機自主製孔、電動車電池拆解等高端製造任務，為業界打造「人本智能製造」新模式奠定重要基石。
人機之間的協同運作，旨在結合人類的靈活應變與適應能力，以及機器的高精準度與穩定性，發揮各自最大價值。這套「互相認知人機協作製造系統」，由理大黃鐵城智能機器人學青年學者、工業及系統工程學系副教授鄭湃教授及其科研團隊開發，一改傳統倚賴預編程設計，以整體場景理解為核心，通過收集及分析視覺、觸覺、語言及生理信號等多模態感知訊息，實現高準確度與全方位的環境分析，並可自主作出決策及靈活執行任務。
該「互相認知人機協作製造系統」能支援機器人執行情境認知、工具調用及密集接觸，完成複雜任務。
該新系統具備先進的機器學習與三維場景感知能力，兼具效率與安全性，大大促進了人與機器人在複雜製造場景中的流暢互動。透過產業合作項目，團隊已為多家領先企業量身打造人機協作系統，並成功於多種場景落地，主要涉及精密或複雜的工序。
鄭教授表示：「全球製造業轉型都正追求人機共生模式，看重更具彈性的自動化效能。我們的研究旨在構建一種嶄新人機協作架構，提供具有多模態自然感知、跨場景技能遷移、域模型自主執行的智能機器人製造系統，使機器人不再只是工具，而是能與操作人員同步演進的智能體，為智慧工廠突破基於預編程的自動化手段提供新方案。」
研究構建了一種嶄新人機協作架構，可因應應用場境打造不同的智能機器人製造系統，輔以頭戴式裝置後更能夠提供實時數據擷取，為操作人員提供即時、直觀的引導。
半結構化、非結構化生產場景，例如個性化產品製造，通常涵蓋大規模、複雜的產品組裝、拆解與檢測流程，要求高認知及快速適應能力。研究團隊引入新穎的「視覺語言導引」規劃架構，融合大型語言模型、深度強化學習等前沿人工智能技術，輔以混合實境（MR）頭戴式裝置，提升應對個性化與其他不可預測生產任務的能力。
研究構建了一種嶄新人機協作架構，可因應應用場境打造不同的智能機器人製造系統，輔以頭戴式裝置後更能夠提供實時數據擷取，為操作人員提供即時、直觀的引導。
該架構關鍵創新在於結合了視覺語言導引的目標分割模型，以及由語言指令驅動的任務規劃方法，令系統能整合視覺資訊與語言指令，協助機器人掌握複雜任務語意及識別動態場景，從而與操作人員高效協作。其中，頭戴式裝置能夠提供實時數據擷取，為操作人員提供即時、直觀的引導，亦革新了人機互動介面。
鄭教授強調：「未來智能製造的發展方向不是讓機器變得更聰明去取代人類，而是在人與機器共同學習、調適與成長的模式中，創造出更高的生產力與靈活性。為滿足此發展需求，下一代機器人械臂需具備在人類引導下持續學習與優化的能力，才
能實現高效且自然的人機互動。」
研究構建了一種嶄新人機協作架構，可因應應用場境打造不同的智能機器人製造系統，輔以頭戴式裝置後更能夠提供實時數據擷取，為操作人員提供即時、直觀的引導。
為進一步推動人機協作系統的進步，鄭教授將帶領研究團隊深入探索多個關鍵技術，包括具自我組態能力的人機網絡、技能轉移機制，以及自主多智能體的任務執行方式，建構「深度人本」的智能製造系統，並拓展至更多重要領域，令社會邁向一個由科技賦能、具同理心與人性導向的智能新世代。
理大黃鐵城智能機器人學青年學者、工業及系統工程學系副教授鄭湃教授（前排中）帶領科研團隊開發的「互相認知人機協作製造系統」，能實時感知複雜環境、準確解讀操作人員意圖，並自主作出決策。項目亦
瑞典皇家理工學院可持續製造系講座教授及國家卓越生產研究中心主任王力翬教授（前排右）合作。
鄭湃教授一直致力研究「人機共生」協作製造系統，並獲選 2024 年度國家自然科學基金的「優秀青年科學基金項目」。鄭教授帶領 RAIDS 科研團隊進行以上研究項目，詳情：https://www.raids.group/
