實驗場地說明與描述

實驗場地為400cm X 600cm的密閉空間，如圖 5-26所示，環境中隨機擺設 8 個障礙物，另外有一顏色目標物隱藏在障礙物後面。使用第二章所介紹之實體 機器人來做實驗，為第二代機器人以及第三代機器人，分別實驗在無合作策略條 件和有合作策略條件下，1~3 台機器人執行搜尋目標物任務，不一樣的機器人數 目各做六次實驗，最後將透過實驗結果(搜尋時間分布以及平均搜尋時間)來比較 有、無合作策略時的差異。

target

圖 5-26 實驗場地 5.5.2 無合作策略實驗結果

因為沒有使用合作策略，所以各機器人只透過對環境的感測達到自主搜尋的 功能，如圖 5-27所示，為數目一到三台機器人的搜尋時間紀錄，以及平均搜尋 時間曲線，由圖可以發現當機器人數目增多時，在時間的變異量上會有減少的趨

勢，同時平均搜尋時間也會降低，表 5-10為六次實驗中的時間紀錄。

1 2 3

0 2 4 6 8 10 12 14 16

number of robot

search time(min)

experiment result

圖 5-27 無合作策略實驗結果

表 5-10 無合作策略實驗紀錄

單位:min Rec_1 Rec_2 Rec_3 Rec_4 Rec_5 Rec_6 Average 1 robot 8.9 7.5 6.5 6.6 3.1 15.8 8.1 2 robots 8.5 5.3 3.1 3.2 4.1 12.3 6.1 3 robots 4.1 5.3 4.3 3.1 3.1 4.4 4.0

5.5.3 已知環境策略實驗結果

本小節實驗多機器人在有使用虛擬區域劃分策略下，執行合作搜尋的任務，

實驗結果如圖 5-28所示，分別為1~3 台機器人搜尋時間紀錄，以及平均時間曲 線，表 5-11為六次實驗中的時間紀錄。

1 2 3 0

2 4 6 8 10 12 14 16

number of robot

search time(min)

experiment result

圖 5-28 有合作策略實驗結果(已知環境)

表 5-11 有合作策略實驗紀錄(已知環境)

單位:min Rec_1 Rec_2 Rec_3 Rec_4 Rec_5 Rec_6 Average 1 robot 8.9 7.5 6.5 6.6 3.1 15.8 8.1 2 robots 3.1 4.0 5.4 3.3 3.2 3.4 3.7 3 robots 2.7 2.6 3.8 3.3 2.7 3.5 3.1

比較無合作策略和有合作策略的搜尋實驗結果，分別把實驗時間紀錄放在一 起，如圖 5-29，另外把平均搜尋時間放在一起，如圖 5-30所示，而表 5-12為 平均搜尋時間紀錄，由實驗結果可歸納成以下幾點:

(1) 當使用的機器人數目增多時，在搜尋時間上，同樣地都會有下降的趨勢，原 理如同人海戰術，人越多，代表著可以更快完成工作，但是有使用合作策略 時，改善平均搜尋時間的幅度會比沒有合作策略時明顯。

(2) 觀察圖 5-29，有使用合作策略時，在時間的變異量上也比沒有合作策略時 明顯降低，由於時間變異量降低，顯示機器人在搜尋時，明顯提升工作效率。

經由實驗結果，在已知環境下，透過本論文所設計之虛擬區域劃分策略，最

大可提升整體搜尋效率38%。

number of robot

search time(min)

*uncooperative o cooperative

圖 5-29 比較時間變異量(已知環境)

number of robot

average search time(min)

uncooperative cooperative

圖 5-30 比較平均時間(已知環境)

表 5-12 平均時間實驗紀錄(已知環境)

Average(單位:min) 1 robot 2 robots 3 robots

uncooperative 8.1 6.1 4.0

cooperative --- 3.7 3.1

圖 5-31為實驗中的一個紀錄，三台機器人使用虛擬區域劃分策略，執行合 作搜尋任務，圖中(a)由左而右順序為Robot1、Robot2、Robot3，此次實驗搜尋時 間為2 分 36 秒，最後由Robot1 發現目標物(如圖中(f))，首先各機器人放置在不 同初始位置(如圖中(a))，任務開始後，依據策略的運作而執行合作搜尋目標物(如 圖中(b)~(e))。

(a) (b)

(c) (d)

(e) (f) 圖 5-31 三台機器人之合作搜尋(虛擬區域劃分策略)

5.5.4 未知環境策略實驗結果

本小節實驗多機器人在有使用動態區域劃分策略下，執行合作搜尋的任務，

實驗結果如圖 5-32所示，分別為1~3 台機器人搜尋時間紀錄，以及平均時間曲 線，表 5-13為六次實驗中的時間紀錄。

1 2 3

0 2 4 6 8 10 12 14 16

number of robot

search time(min)

experiment result

圖 5-32 有合作策略實驗結果(未知環境)

表 5-13 有合作策略實驗紀錄(未知環境)

單位:min Rec_1 Rec_2 Rec_3 Rec_4 Rec_5 Rec_6 Average 1 robot 8.9 7.5 6.5 6.6 3.1 15.8 8.1 2 robots 4.7 4.3 6.5 2.2 3.3 4.5 4.2 3 robots 3.3 3.9 4.6 3.6 2.2 4.1 3.6

比較無合作策略和有合作策略的搜尋實驗結果，分別把實驗時間紀錄放在一 起，如圖 5-33，另外把平均搜尋時間放在一起，如圖 5-34所示，而表 5-14為 平均搜尋時間紀錄，由實驗結果可歸納成以下幾點:

(1) 當使用的機器人數目增多時，在搜尋時間上，同樣地都會有下降的趨勢，而 有使用合作策略時，改善平均搜尋時間的幅度會比沒有合作策略時明顯。

(2) 觀察圖 5-33，有使用合作策略時，在時間的變異量上也比沒有合作策略時 降低許多，顯示機器人在搜尋時，明顯提升工作效率。經由實驗結果，在未 知環境下，透過本論文所設計的動態區域劃分策略，最大可提升搜尋效率 30%。

(3) 由實驗結果分析，可以證實經由設計之動態區域劃分策略，使多機器人可以 自主執行合作搜尋任務，並且提升搜尋效率，同時驗證先前章節5.2的模擬結 果。

1 2 3

number of robot

search time(min)

* uncooperative o cooperative

圖 5-33 比較時間變異量(未知環境)

number of robot

average search time(min)

uncooperative cooperative --- 4.2 3.6

圖 5-35為實驗中的一個紀錄，三台機器人使用動態區域劃分策略，執行合作 搜尋任務，圖中(a)由左而右順序為Robot1、Robot2、Robot3，此次實驗搜尋時 間為2 分 10 秒，最後由Robot1 發現目標物(如圖中(f))，首先各機器人放置在 不同初始位置(如圖中(a))，任務開始後，依據策略的運作而執行合作搜尋目標 物(如圖中(b)~(e))。

(a) (b)

(c) (d)

(e) (f)

圖 5-35 三台機器人之合作搜尋(動態區域劃分策略)

第六章 結論與未來發展

6

6.1 結論

根據以上的模擬結果和實驗結果，在此為本論文做出以下幾點結論：

1、機器人自主能力以及行為控制問題

首先依照不同的機器人平台裝置適合的感測器，並且設計其適合的個別行 為，如避障行為(超音波感測器、雷射掃瞄器)、找尋目標物行為(攝影機)以及隨 機探索行為，使用優先權比較的機制來決定最後機器人行為輸出，經由實驗結 果，透過此方法將可以使機器人具有自主搜尋的能力。在多機器人無線通訊上，

建立ZigBee網狀拓撲網路，搭配遠端電腦的人機介面，將可以回傳各機器人的狀 態以及感測資訊，操作者亦可傳送機器人平台命令來操控機器人平台，進而實現 平台網路化控制。

2、合作策略與行為控制整合於目標物搜尋

(1) 已知環境方面，由於知道環境大小，所以設計虛擬區域劃分策略，首先對於 所要搜尋的場大做虛擬的區域劃分，透過此資訊的分享，讓機器人達到合作 協調的目的，合作策略的使用將產生出2個群體行為，機器人本身自主能力將 產生3個個別行為，最後透過優先權比較機制，結合ZigBee無線通訊，設計出 基於行為模式之多機器人合作搜尋架構，經由實驗結果，使用此策略，相較 於沒有使用合作策略，將可以提高整體搜尋效率38%。

(2) 未知環境方面，因為沒有環境資訊，不能對場地做虛擬劃分，所以另外設計 動態區域劃分策略，對機器人座標作短暫三點座標記憶，然後轉換成相對應 大小的個人區域，透過此資訊分享，讓機器人達到合作協調的目的，合作策

略同樣會產生2個群體行為，機器人自主能力產生3個個別行為，最後透過優 先權比較機制，結合ZigBee無線通訊，設計出基於行為模式之多機器人合作 搜尋架構，經由實驗結果，使用此策略，相較於沒有使用合作策略，將可以 提高整體搜尋效率30%。

6.2 未來發展

本論文為多機器人平台建立了基礎的架構，包含機器人自主部份以及合作協 調部分，未來還有許多地方可以繼續研究發展下去，在此列出數點未來發展的方 向：

(1) 機器人自主方面

由於目前於第三代機器人平台上只安裝兩個超音波感測器來完成避障功 能，但是不能應付比較複雜的地形，未來可以加裝雷射掃瞄器或多個超音波 來提升平台的避障能力。

(2) 合作協調方面

本論文所設計之合作策略雖可以提升整體的搜尋效率，但是當機器人數 目增多時，反而改善的幅度並不明顯，原因為重複走過的路徑增加，所以未 來可以考慮在機器人合作方面增加地圖建立的功能，如此才能解決機器人走 重複路徑的問題。另外本論文在機器人定位方面，使用 Encoder 搭配電子羅 盤來計算機器人位置，但是當搜尋時間越長，則 Encoder 誤差會越大，導致 定位錯誤，同時也會影響策略的運作，所以未來在機器人定位上，可以考慮 採取不一樣的定位方式如ZigBee 定位等，來改善 Encoder 累積誤差的問題。

參考文獻

[1] I. Rekleitis, G. Dudek, and E. Milios, "Experiments in Free-Space Triangulation Using Cooperative Localization," Proceedings of 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems, vol.2, pp. 1777-1782, 2003.

[2] G. Shuzhi Sam and C. Fua, "Complete Multi-Robot Coverage of Unknown Environments with Minimum Repeated Coverage," Proceedings of the 2005 IEEE International Conference on Robotics and Automation, pp. 715-720, 2005.

[3] A. Solanas and M. A. Garcia, "Coordinated Multi-Robot Exploration Through Unsupervised Clustering of Unknown Space," Proceedings of 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems, vol.1, pp. 717-721, 2004.

[4] K. Kosuge, T. Oosumi, and K. Chiba, "Load Sharing of Decentralized-Controlled Multiple Mobile Robots Handling A Single Object,"

Proceedings of the 1997 IEEE International Conference on Robotics and Automation, vol.4, pp. 3373-3378, 1997.

[5] H. Kose, U. Tatlidede, C. Mericli, K. Kaplan, and H. L. Akin, “Q-learning Based Market-Driven Multi-Agent Collaboration in Robot Soccer,” in Proc.

Turkish Symp. Artif. Intell. Neural Netw., Izmir, Turkey, pp. 219–228, 2004.

[6] H. Subramanian, and C. H. Dagli, “Cooperative Cleaning for Distributed Autonomous Robot systems using Fuzzy Cognitive Maps,” Proceedings of the 22nd International Conference on North American Fuzzy Information Processing Society, pp. 287-290, July 2003.

[7] B. Kuipers and Y.-T. Byun, “A Robot Exploration and Mapping Strategy Based on a Semantic Hierarchy of Spatial Representations,” J. Robot. Autonomous Syst., vol. 8, pp. 47–63, 1991.

[8] S. J. Moorehead, R. Simmons, and W. L. Whittaker, "Autonomous Exploration Using Multiple Sources of Information," Proceedings of the 2001 IEEE International Conference on Robotics and Automation, vol. 3, pp. 3098-3103, 2001.

[9] I. Rekleitis, G. Dudek, and E. Milios. “Multi-Robot Exploration of An Unknown Environment, Efficiently Reducing the Odometry Error.” Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI’97), pp.

1340-1345, Japan, August 1997.

[10] I. Rekleitis, G. Dudek, and E. Milios. “Accurate Mapping of an Unknown World and Online Landmark Positioning.” In Proc. Vision Interface (VI), pp.

455-461, Nagoya Japan, 1998

[11] I. Rekleitis, R. Sim, G. Dudek, and E. Milios, "Collaborative Exploration for the Construction of Visual Maps," Proceedings of 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems, vol. 3, pp. 1269-1274, 2001.

[12] C. Chee Kong and G. Leng, "Cooperative Search Algorithm for Distributed Autonomous Robots," Proceedings of 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems, vol. 1, pp. 394-399, 2004.

[13] M. Anderson and N. Papanikolopoulos, "Improving Multirobot, Cooperative Search via Local Target Queues," Proceedings of 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2590-2595, 2007.

[14] R. Grabowski, L. Navarro-Serment, C. Paredis, and P. Khosla, "Heterogeneous Teams of Modular Robots for Mapping and Exploration," J. Autonomous Robot., vol. 8, pp. 293-308, 2000.

[15] D. Jung and A. Zelinsky, "An Architecture for Distributed Cooperative Planning in A Behavior-Based Multi-Robot System," J. Robot. Autonomous Syst., vol. 26, pp. 149–174, 1999.

[16] Y. Nevatia, T. Stoyanov, R. Rathnam, M. Pfingsthorn, S. Markov, R. Ambrus, and A. Birk, "Augmented Autonomy: Improving human-robot team performance in Urban Search and Rescue," Proceedings of 2008 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2103-2108, 2008.

[17] M. Ghaffari, S. Ali, V. Murthy, X. Liao, J. Gaylor, and E. Hall, "Design of an Unmanned Ground Vehicle, Bearcat III, Theory and Practice," Journal of Robotic Systems, vol. 21, pp. 471-480, 2004.

[18] R. Brooks, "A Robust Layered Control System for A Mobile Robot," IEEE Journal of Robotics and Automation, vol. 2, pp. 14-23, 1986.

[19] R. Arkin and T. Balch, "AuRA: Principles and Practice in Review," Journal of Experimental & Theoretical Artificial Intelligence, vol. 9, pp. 175-189, 1997.

[20] P. Maes. “The Dynamics of Action Selection.” Proceedings of the Eleventh International Joint Conference on Artificial Intelligence, pp. 991–997, 1989.