第一章 緒論
1.1 前言
第一章 緒論
1.1 前言
在科技快速進步的年代，電腦運算速度的提升與普及化，使得機器人應用的 涵蓋範圍更加廣泛，從早期的軍事、工業領域乃至現今於家庭的生活、娛樂方面 皆有展現。機器人根據是否具備移動能力分為移動型與固定型機器人，前者可自 由移動而具備較佳的靈活性，因此經常應用於探索或服務領域；後者則擁有固定 式基座，且無須自備電源而更加穩定，故在生產線上常見其蹤影，又因結構與人 類的手臂相似而被稱為機械手臂。移動機器人的研究相當複雜而廣泛，包含硬體 方面的機構設計、電路設計、機電整合，以及軟體方面的演算法設計、機器人控 制與程式撰寫等，本論文著墨於控制領域，並且改良演算法的效率與表現性能。
在機器人控制領域中，依照賦予之任務可分為定位、規劃與控制三大主題。
「定位」是為了讓機器人獲得其當前位置，以提供控制與規劃所需資訊，廣義而 言可視為系統之回授，用以估測機器人之狀態。「規劃」之目的在於事前設計任務 執行之方式，並提供機器人完成任務所需之步驟。以本論文而言，路徑規劃是此 主題的內容，但對於更為複雜之系統，還包括機器手臂之運動規劃或者群組機器 人間之協調合作等方面。規劃機器人的執行方式後，還需使用回授資訊與參考訊 號「控制」機器人的運行，使機器人能正確地執行任務，因此建構良好的控制方 法是控制的核心關鍵。
移動機器人的基本架構可以表示成圖 1-1，此圖說明前述三大主題彼此的關 係。
X 代表機器人在時間 t 的實際狀態， t Z 是機器人獲得的感測訊號， t R 為規劃 t
至目標點 G 的參考訊號，U t
為控制量，Xˆ 則是估算的機器人狀態。一個良好的機 t
器人系統，估算要與實際相符，即X
ˆt X t
，且亦與參考訊號相符，即X t R t
。另 外，規劃R t
的程序通常在機器人移動前執行，除非發生特殊事件，如非預期之障 礙物入侵，否則不會在運動過程中調整。2
圖 1-1 移動機器人的系統架構圖
本論文在移動機器人控制領域的三個主題皆有涉獵，但主要仍集中於定位與 規劃兩個主題的演算法改良。
在定位方面
，
蒙地卡羅方法(Monte Carlo method)因具備優異的抗干擾能力與 執行效率，故本論文使用此演算法作為機器人定位之主要架構，並改善所面臨之 問題。根據定義，蒙地卡羅方法用於定位時會分為感測與運動模型，藉由感測器 蒐集環境數據，加以分析後推估機器人所在的位置是感測模型的任務；而透過馬 達的回授估測機器人的移動量則為運動模型的工作。兩個模型間不斷地交換資訊，可以改善使用單一模型而導致的缺點，進而獲得更為精確的機器人位置。在感測 模型估測的過程中，當粒子以當前位置模擬應得的感測環境時，會因為需要對照 其所在的像素點之座標，而嚴重侷限解析度，使得地圖的解析度直接決定了粒子 群之收斂程度。若意圖以增加地圖解析度的方式處理此問題時，卻也同時因為像 素數量的增加，使得計算上的負擔更為沉重，所以本論文針對地圖的形式進行調 整，以收斂的解析度不再受像素影響。
在規劃方面，本論文的研究為路徑規劃。A*演算法與 Dijkstra 演算法都是能 獲得最短路徑的演算法，所以適合在應用於路徑規劃。比較此二演算法，A*演算 法屬於深度優先的方法，在搜尋的花費上會較屬於廣度優先的 Dijkstra 演算法更 為節省，因而受更多使用者青睞，本論文亦使用 A*演算法實現路徑規劃。最常見 的 A*路徑規劃然演算法，也是使用與定位相同的地圖格式，且每一個步伐都是在 鄰近的像素間移動，造成路徑方向受像素的排列方式決定。以最常見的柵格地圖
3
圖 1-2 網狀地圖的移動方向 圖 1-3 蜂巢狀地圖的移動方向
而言，此種移動方式只會有 8 種不同的方向，如圖 1-2；而較少見的蜂巢狀地圖 則只剩 6 個。若考慮在一步內可移動兩個像素，也只分別提升至 16 與 12 個，此 結果導致規劃的路徑充滿許多菱角，且方向的限制更不能滿足真正在幾何空間的 最短路徑，此部分也可以藉由調整地圖的形式而獲得改善。
綜觀前兩者所面臨的困擾，地圖的調整都可以針對問題進行處理，因此本論 文也會說明調整的方式，而此方式可視為將地圖向量化的過程，即用向量圖形取 代原先地圖中的邊界，其中使用影像處理技巧，如膨脹、侵蝕、角點偵測、邊緣 偵測的延伸應用與像素計算、分析與決策等。向量後地圖所具備函數的表示，可 以解決定位受限於解析度的問題，同時角點應用於路徑規劃上能大幅降低演算步 驟以及前述的問題，使得演算法在性能與效能皆有所提升。
除了地圖像量化外，本論文亦針對定位與路徑規劃的其他方面進行研究，包 括輪型機器人的正逆向運動學、蒙地卡羅方法內的細步調整機制、路徑圓弧化乃 至於控制方面，將在論文後續部分詳細說明其原理與應用方式。在前述方法之結 合下，期望機器人能沿著路徑前進，在無碰觸障礙物之情況下到達目的地。本論 文包含的模擬與實驗部分皆在 Matlab 中進行，機器人則使用 X80SV 。