4.1 家用機器人之智慧型互動系統研發
4.1.5 多機器人定位融合及環境地圖建立實驗
機器人要提供智慧型的服務，必須對其周圍環境有一定程度上的認知。因此 給機器人一適當的環境模型來做導航(navigation)及定位(localization)是非 常重要的。為了讓智慧型家用機器人了解自己身處何處，並且知道週遭環境的狀 況，建立一個環境地圖是必要的，有了適當的環境資料，機器人便可以進行導航
使用者
家用機器人
是否有人臉
是
否 影像擷取
人臉搜尋
人臉辨識
是否為搜尋目標
是
否
移動機器人
人臉追蹤
圖二十七 家用機器人對特定人搜尋之流程
圖二十八 家用機器人對特定人搜尋與互動之實驗
亦即探索或搜尋的動作。為了要實現提供可以提供智慧型家用機器人一個可靠的
(Weighted Line Data Fusion)，將最後結果顯示成地圖線段。
在多機器人網路架構當中，我們會經過兩個融合階段：Serial Fusion, Parallel Fusion。. 融合的演算法當中，為了要配合硬體及系統的處理能力， 我們利用矩 陣計算來加速及簡化我們的處理。此融合法則採用離散卡曼濾波器(Discrete Kalman Filter)原理來實現。
利用 R1 本身之不確定參數指標，再加上 R1 對 R2 估測之不確定參數指標，
Weighted Line Data Fusion Map Display
平均值，C 為機器人位置不確定性之共變異數矩陣。圖三十為串列融合概念圖。
當我們在所有網路節點中的 serial fusion 皆簡化到平行時，此時我們進行最 後步驟，並列融合(Parallel Fusion)，目標再於將多組不同之二維高斯分布融合成 一組。圖三十一為並列融合概念圖，其可用離散卡曼濾波器(Discrete Kalman Filter) 原理來實現：
圖三十二為整個多機器人感測融合之流程圖。圖中 Gaussian Parameter Buffer 方 塊儲存所有機器人的位置不確定參數，MRi及 CRi，同時也儲存著機器人的感測 模型參數，MEij及 CEij，1≤ 、
i j
≤n
。假設機器人 R1 感測到 Rj 時，其位置不確 定參數及感測模型參數會馬上進行串列融合，我們經過串列融合馬上得到 R1 觀 測到 Rj 的位置不確定參數 ME1j及 CE2j，同理，假設有更多機器人觀測到 Rj 則會 有更多的串列融合參數產生。最後我們把所有的串列融合參數進行並列融合，就MR1
Kalman Filter Data Fusion Algorithm 經過 Parameter Bus 將 Gaussian Parameter Buffer 中舊的位置不確定性參數更新。
將此流程遞迴的演算下去，我們將能隨時更新住機器人的位置不確定性參數，使 TCP/IP 通訊協定架設了多機器人合作專用之 Server-Client 架構，以供實現多機 器人網路合作架構。 路橋接器(Wireless Access Point)，無線橋接器可以視為是 Ethernet 上的一個節 點，接收機器人上的無線網路卡所傳回來的資料並送至 Ethernet 上的 Server，圖 三十三為我們設計之多機器人 Server-Client 示意圖。
本研究以機器人 H1 及 H2 組成機器人團隊，進行多機器人合作感測定位與 環境地圖建立的實驗。圖三十四顯示在 Server 端機器人 H1 所建立的區域地圖，
圖三十五為機器人 H2 所建立的區域地圖，其環境範圍皆為 660cm×660cm。圖三 十四與圖三十五中黑點代表機器人移動軌跡，黑色線段代表機器人所建構的環境 特徵，圖中灰色線顯示的是環境的真實線段。加入本研究所提出之合作感測融合 (Cooperative Sensing)，將卡曼濾波器的並列融合(Parallel Fusion)導入本實驗當 中，所得之結果如圖三十六，此為 H1 與 H2 的合作感測地圖建構結果，其結果 比原個別所建者更符合實際環境。
Server Client
Acess Point
TCP Protocal Request
Reply Robot 1 Robot 2
Robot 3
圖三十三 多機器人 Server-Client 示意圖
A B
C D E
F
G A B
C D
E
圖三十四 H1 地圖建立 圖三十五 H2 地圖建立 圖三十六 H1 與 H2 合作 感測地圖建構結果