由前兩章提出了研究方法及系統的架構，在本章將在我們的系統上，針對提 出的研究方法進行實驗，並對於使用者意圖辨識及i-go控制的成效進行探討，為 了驗證在意圖辨識上，通過我們提出的迴歸模型能準確推論出意圖與實際推拉 力、旋轉力矩的關係，設計了意圖辨識與施力關係實驗，將在4.1節進行介紹；
為了驗證我們所設計的具意圖辨識之模糊控制器，在一般環境中能輔助銀髮族穩 定行走，並在老人欲轉彎或遭遇危險時給予煞車力輔助，設計了意圖操控i-go實 驗I，將在4.2節介紹；為了驗證我們設計的適應性意圖辨識模糊控制器能達到自 主學習模糊歸屬函數，並在一般環境中輔助銀髮族穩定行走，且在轉彎或遭遇危 險時給予煞車力輔助，設計了意圖操控i-go實驗II，將在4.3節進行介紹。
4.1 意圖辨識與施力關係實驗
此實驗的設計目的是希望能驗證我們設計的意圖辨識握把，能經由Lasso迴 歸模型推論出相對應於此意圖的推拉力與旋轉力矩。實驗開始前我們先對每個力 感應器做線性校正，校正方式是透過精確的砝碼逐漸對力感應器施壓，先找出壓
圖4.1 力感應器壓力與電壓的關係
圖4.2 意圖辨識與施力關係實驗場景
在實驗中，受測者以自身的操作習慣自由行走於場景中，但不可以撞到障礙 物或牆壁，在這個實驗過程中，我們每隔0.5秒通過意圖辨識握把收集一次使用 者當下移動的意圖所造成的壓力值，以及通過兩軸力感應器得到在該意圖下的推 拉力與旋轉力矩，共收集1100筆的訓練資料，經過短暫休息後，重複相同的實驗 步驟，再收集400筆的驗證資料，表4.1為實驗受測者資料。
表4.1 意圖辨識與施力關係實驗受測者資料
受測者 性別 年齡 身體狀況
A 女 25 四肢健全
B 男 22 四肢健全
為了要找出使用者意圖與施力之間的關係，根據前一章提到的Lasso定義公
轉力矩之間的關係，有了這個βˆ 向量後，使用者只要對i-go施加任何一種意圖， 者使用λ等於1~5來做估測，圖4.3所示為受測者A的結果，其中圖4.3(a)~(d)呈現 使用不同λ估測出來的結果，藍線代表經由兩軸力感應器實際量測到的精確值，
84.4%，λ等於5的時候準確率最低，可信度為75.5%；旋轉力矩在λ等於3的時候 估測結果最好，其可信度約為80.1%，λ等於5的時候準確率最低，可信度為78.7%。
由兩位受測者的結果得知當λ等於2到3時有較好的估測結果，這也代表著每個壓 力感應器之間的相依性並沒有太高，如此的實驗結果證明了我們每隻手使用13 個力感應器並不會過多，且配置的位置得當。此外由兩位受測者的實驗表現，可 以證明我們藉由Lasso迴歸方法可以有效推論出使用者的意圖與推拉力、旋轉力 矩間的關係，至於造成旋轉力矩在估測上的準確度比推拉力來的低，是由於旋轉 力矩的變異幅度比較大，會造成誤差量稍微大一點。
(a)推拉力於λ=2的估測結果，可信度為85.4%
(b)推拉力於λ=5的估測結果，可信度為82.4%
(c)旋轉力矩於λ=2的推論結果，可信度為81.5%
(d)旋轉力矩於λ=5的推論結果，可信度為81.5%
圖4.3 受測者A實驗結果
(a) 推拉力於λ=2的推論結果，可信度為84.5%
(b)推拉力於λ=5的推論結果，可信度為75.5%
(c)旋轉力矩於λ=3的推論結果，可信度為80.1%