第一章 緒論
1.2 文獻回顧
由於本研究為了減少機器人之間的資訊傳輸以及未加裝距離感測器，跟 隨者機器人無法直接知道完整的領導者狀態，以下文獻回顧是解決此問題的 概念與方法。在文獻[1][2]提供本研究解決一個未加裝距離感測器的方式，
即利用配備於移動機器人上的機械手臂得知領導者機器人和跟隨者機器人 之間的距離代替距離感測器。在文獻[15]提供本研究解決一個無法得知領導 者機器人的速度資訊的想法。
Xin Yangl 等學者[1]提出一協調控制系統(coordinated control system) 如 圖 1-1，透過此結構每個跟隨者機器人可得知本身與物體間的幾何關係(距離 與角度)，並以領導者-跟隨者型分散控制，每個跟隨者機器人透過比例-積分 控制器(PI 控制器)改變本身速度維持與物體之相對位置(距離與角度、幾何關 係)來達成跟隨領導者機器人與協調搬運物體。
3
圖 1-1 協調控制系統(coordinated control system) [1]
在模擬中，領導者機器人的行走路徑是事先規劃好的，領導者機器人從 原點沿 x 軸方向移動 1.5 公尺再緩慢左轉沿 y 軸方向移動 1.5 公尺後停止，
如圖 1-2(a)。圖 1-2(a)可以看出在過程中物體保持不變姿勢，跟隨者機器人 可追隨著領導者機器人並進行搬運，圖 1-2(c)(d) 可以看出在過程中手臂長 度變化小於 3.0 mm，說明此協調控制系統與控制器是可實行的。
(a) 各機器人與物體的軌跡圖 (b) 領導者機器人的速度
4
(c) 跟隨者機器人 1 手臂長度變化 (d) 跟隨者機器人 2 手臂長度變化 圖 1-2 模擬結果[1]
之後文獻[1]的學者又對文獻[1]的一特例:一領導者機器人一跟隨者機器 人[2]作改良並加入模糊控制決定跟隨者機器人的 avoidance velocity 達到避 障的目的。
圖 1-3 跟隨機器人控制系統方塊圖[2]
圖 1-3 為跟隨機器人控制系統方塊圖。並依三種情況設計控制器
情況(a)僅靠與領導者機器人保持一定的距離達成搬運任務，如圖 1-3 中 Length Controller;
5
情況(b)保持物體所需的姿勢達成搬運任務，如圖 1-3 中 Posture Controller;
情況(c)避開障礙物達成搬運任務，如圖 1-3 Avoidance Controller。
情況(a)跟隨機器人透過與物體的距離變化(手臂長度變化)決定跟隨機器人
X
o 軸方向速度v
dis，情況(b) 跟隨機器人透過領導者機器人的手臂在水平面 旋轉的角度變化e
決定跟隨機器人Y
o 軸方向速度v
pos，以及透過與物體的距離變化決定跟隨機器人
X
o 軸方向速度v
dis，情況(c) 跟隨機器人透過與 障制物的距離d
和接進速度d
經模糊控制決定跟隨機器人Y
o 軸方向速度v
obs，以及透過與物體的距離變化決定跟隨機器人X
o 軸方向速度v
dis。其 中控制速度(v
dis，v
pos，v
obs)幾何關係如圖 1-4。再經由轉換可得跟隨機器人輪子的轉速
1f,
2f來控制跟隨者機器人來跟隨領導者機器人，進而達到協同搬運與避障。
6
圖 1-4 跟隨機器人控制速度幾何關係圖[2]
此篇文獻進行三種情況模擬，在各模擬中，領導者機器人的行走路徑是事先 規劃好的，路徑如圖 1-5(a)(b)(c)中 Trajectory of leader 所示，領導者機器人 從原點先沿 Y 軸方向前進後緩慢右轉向 X 軸方向。情況(a) 模擬結果，如圖 1-5(a);情況(b) 模擬結果，如圖 1-5(b);情況(c) 模擬結果，如圖 1-5(c)。
(a) 保持在一個恆定距離 (b) 保持在期望的姿勢
7
(c) 避開障礙物 (d) 跟隨機器人手臂長度變化 圖 1-5 模擬結果[2]
György Max, Béla Lantos[15]學者結合自適應神經網絡於自走車在領導 者追隨者結構下的編隊控制(formation control)，此方法利用前饋神經網路並 以適應控制律(adaptive control law)調整神經網路內的權重值來估計系統裡 包含領導者機器人速度的項，並利用 Lyapunov 理論證明其穩定性。
本研究透過配備於移動機器人上的機械手臂得知領導者機器人和跟隨 者機器人之間的距離與透過藍芽得知領導者機器人和跟隨者機器人之間的 相對方位角，並根據 Lyapuno 理論設計跟隨者機器人的控制器，此控制器的 目的在於維持兩機器人之間的的距離與相對方位角在其初始值，進而達到協 同搬運。由於我們為了減少機器人之間的資訊傳輸以及未加裝感測器，跟隨 者機器人無法直接知道完整的領導者狀態，所以還要設計一適應律來估測領 導者機器人的資訊。