3.1 分散式機器人系統架構
傳統集中式機器人系統，通常是將所有用到的感測裝置安裝到一個處理單元上，
感測、決策、輸出的流程皆在該處理單元上完成，如3.1(a)所示，此種架構雖然容 易維護與開發，但對於處理單元的硬體要求較高。因此本論文基於集中式的機器
(a) 集中式機器人系統架構
(b) 分散式機器人系統架構
圖 3.1: 系統架構比較圖
Na tio
na
l U
niversity of Kao hsiung
人架構，將感測裝置分散至多個處理單元負責計算，並指定一個處理單元為主節 點，主要負責決策與輸出，其餘的子節點則負責感測資料的前置處理，透過網路 將這些處理單元連接在一起，系統架構可表示為圖3.1(b)。
3.2 系統參數定義
上述的分散式架構中，由多個運算單元同時接收感測資料的方式，機器人的系統 運作流程大致上仍然與集中式架構相同，但在資料傳輸與處理方面必須適當調 整，以發揮分散式系統的優勢。
首先，在機器人系統中通常會使用許多感測裝置，而在本研究中，我們將不 同的感測裝置分散給多個運算單元負責接收，為了方便識別與調整這些感測裝置 的相關參數，本研究中以編號 i 表示不同的感測器。例如一台搭載紅外線循跡模 組、雷射測距儀、攝影機共三個裝置的機器人，可以分別編號為 0 2，則編號 0 代 表紅外線循跡模組，雷射測距儀為 1，攝影機為 2。
圖 3.2: 範例場景示意圖
而機器人在執行任務中，通常會有不同的階段，例如圖3.2為一個任務場地，
圖中藍色點為前述之機器人，曲線為循跡之軌道線，紅色三角形為目標物所在 地，該任務分成循跡、尋找目標、夾取目標三個階段，為了完成這三階段任務，
需要用紅外線循跡模組進行循跡，以雷射測距儀量測機器人與障礙物的距離以避 免碰撞，並以攝影機尋找目標物。而為了使這三個感測器在分散式系統中能夠發 揮最大效益，因此需要調整以下參數：
Na tio
na
l U
niversity of Kao hsiung
Na tio
na
l U
niversity of Kao hsiung
Na tio
na
l U
niversity of Kao hsiung
圖 3.3: 資料處理方式
較大的資料，會透過設定 Fi 與 Ri 的參數，降低頻率與資料量，將頻寬留給較重 要的資料。而決策過程中，系統會從最新的感測資料往前處理 Bi 筆，因此預期 TP = TP i× Bi，但如果緩衝區資料筆數小於 Bi，則只處理到緩衝區被清空為止，
流程如圖所示3.5，緩衝區處理方式則如圖3.3所示。
3.4 系統效能最佳化機制
機器人面臨不同場景，都存在預期的理想反應時間，上述的討論中是調整不同參 數，使系統反應時間能夠達到預期，然而不同參數對系統效能的影響是具有連帶 關係的，因此參數的調整可以視為一個多對多的關係，要解決此一問題，可分為 下列步驟：
• 為了在系統執行中快速找出合適的參數，首先必須建立一個系統模型，作為 最佳化機制的參考依據。為了能夠準確描述參數與效能的關係，首先必須蒐
Na tio
na
l U
niversity of Kao hsiung
圖 3.4: 收發資料流程
圖 3.5: 資料決策流程
集系統在不同參數下的效能表現，並透過迴歸分析技術找出系統模型，為了 能夠容易整合於最佳化機制中，因此希望此模型為一個白盒子模型。
• 此問題的核心方法，是在不同場景中找出合適的參數，然而參數的搜尋空間 相當龐大，考慮到機器人系統必須能夠快速適應場景，必須有一個快速找出 最佳化參數的方法。演化式演算法能夠在問題的搜尋空間中隨機產生多組參 數組合，並根據所設計的適應值函數，保留最接近理想值的參數組合，因此 本研究將採用演化式演算法實作最佳化機制。
Na tio
na
l U
niversity of Kao hsiung