近年來，邊緣運算與實體設備應用逐漸普及，包含機器人、Physical AI 與工控物聯網等場景。然而，當設備端需要處理感測資料、狀態判斷與模型推論時，常會受限於邊緣端算力、部署彈性與維運成本。若所有運算都集中在設備本體，系統擴充與更新也容易形成瓶頸。

本議程將以一個面向手部抓握應用的低成本軟式人工肌肉 PoC 為例，分享一套非同步 Edge-to-Cloud 架構設計。此 PoC 並非完整的商用機械手系統，而是以軟管結構模擬肌肉收縮、壓力變化與回饋情境，用來驗證實體設備在感測資料產生、狀態判斷與雲端運算卸載之間的架構設計。

在此應用情境中，邊緣端透過 ROS2 串接感測、控制與推論模組，並使用 MQTT 將特定事件橋接至雲端 Kubernetes 與 OpenFaaS Serverless 環境。當邊緣端偵測到較複雜或非即時關鍵的情境時，可將部分運算任務卸載至雲端執行，再將結果回饋至邊緣端，作為後續狀態判斷或控制策略的參考。

分享內容將聚焦於 PoC 過程中觀察到的架構問題與設計取捨，包括：邊緣端與雲端的職責切分、哪些任務適合留在本地即時處理、哪些任務適合非同步卸載、Serverless 冷啟動對實體設備回饋延遲的影響，以及在網路抖動或雲端不可用時，如何設計狀態同步、任務重試與降級機制。

本議程不會將雲端視為取代邊緣控制的方案，也不會著重在完整商用機械系統的展示，而是探討如何透過低成本 PoC 驗證 Edge-to-Cloud 架構設計，並在保留本地即時反應能力的前提下，利用雲原生架構補足邊緣設備在複雜運算、彈性擴充與集中維運上的限制。無論應用場景是機器人、工業設備或物聯網系統，都可以從中獲得 Edge-to-Cloud 架構落地於實體設備時的設計參考。

聽眾收穫：

• 理解 Edge-to-Cloud 非同步事件驅動架構的設計模式與適用邊界。
• 學習如何透過 ROS2、MQTT 串接 Kubernetes / OpenFaaS，處理邊緣設備的非即時關鍵運算任務。
• 掌握實體設備與雲端互動時，延遲、冷啟動與網路抖動帶來的架構挑戰。
• 獲得從低成本 PoC 角度出發，評估 IIoT、機器人或邊緣運算場景導入雲原生架構的實務參考。