第一章 緒論
1.2 相關研究回顧
關於設計召喚機器人的方法，最直接聯想到的就是透過聲音來召喚機器人，
讓機器人過來服務，所以有些研究就是專注於聲音這塊領域。[2]提出一套透過 辨識名子來召喚機器人的方法，如圖 1-1 所示，機器人會先處於等待狀態，只要 有聲音訊號被偵測到，就會進入名字辨識階段，然後當辨識名字正確，機器人會 透過麥克風陣列，使用 Multiple Signal Classification (MUSIC)演算法來估算出聲 源位置，然後前往使用者。或者是進入登記名子階段，讓更多不同使用者來登記
圖 1-1 透過聲音來召喚機器人的流程圖[2]
使用。[3]提出結合聲音與影像的方式來召喚機器人，機器人會先處於等待狀態，
只要有聲音訊號被偵測到，就進入名字辨識階段，只要名字辨識正確，機器人會 利用 Generalized Cross Correlation with Phase Transform (GCC-PHAT)方法與事先 建立好的資料庫來估測出聲源位置，然後前往使用者，移動途中再透過人臉偵測 來彌補聲音定位的誤差，使得機器人可以更靠近使用者。
以上兩種都是透過聲音來召喚機器人，只要名字辨識成功，機器人就會定位 使用者的聲源，估算出相對距離與方向，然後前往使用者。此方法最大的好處就 是使用自然的影音介面，可以讓使用者不需要攜帶額外的裝置就能實現召喚功 能，並且透過不同的名字可以讓不同的使用者使用，或是由不同的語音內容來執 行不同的任務。但是透過聲音來召喚機器人，必定會受限於距離與環境的影響，
當使用者距離機器人太遠，或是環境障礙物太多，必定會影響聲音定位之結果，
並且也無法在多個房間或長距離情況下的環境實現召喚機器人之功能。
而有別於聲音的方法，就是要透過其他人員偵測感測器來實現，[4]提出使 用 Pyroeletric Infrared (PIR)感測器來進行室內定位，如圖 1-2 所示，將多顆 PIR 感測器安置於天花板上，當使用者進入 PIR 感測器的感測範圍內時，偵測到使用 者的 PIR 感測器就會有訊號輸出，此訊號輸出會送至電腦端來進行資料整合，再 透過演算法來估算使用者的所在位置。[5]提出結合 PIR 感測器與無線感測網路
圖 1-2 PIR 感測器的定位示意圖[4]
圖 1-3 裝置與配置圖[5]
組結合為一體，採取格狀拓撲分佈來安裝於天花板上。讓 PIR 感測器來偵測使用 者，將其訊號輸出透過 Zigbee 無線感測網路傳送到機器人，機器人再透過演算 法來估算出使用者的所在位置。如此當使用者召喚時，機器人就會移動到使用者 的所在位置。
以上兩種都是透過 PIR 感測器來定位使用者，實驗結果顯示的定位誤差不會 超過 1.2 公尺，顯示出機器人能在使用者附近停下，讓使用者可以觸及使用。但 是在多人使用的情況下，機器人就無法判別應該定位哪一個使用者。而且此方法 也會受到環境的影響，只能在無障礙物的環境下使用，並且定位誤差再小，也無 法保證機器人能準確的移動到使用者面前，如此就會帶來使用者使用上的困擾。
由以上的相關研究可知，要完成召喚系統這項設計，前提就是要有一套定位 系統(Location-Aware System)，讓機器人知道使用者的所在位置，機器人才能透 過導航來前往使用者身邊。
透過無線感測網路來進行室內定位[6][7]，是近年來熱門的研究議題，應用 於機器人身上，讓機器人可以自我定位(Self-Localization)，也可以定位使用者的 所在位置。目前無線感測網路室內定位的方法大致可歸類成以下四種，收訊時間 法、收訊時間比較法、收訊角度法、接收訊號強度指標法。
收訊時間法(Time of Arrival, ToA)[8]，如圖 1-4 所示，已知參考點 A(x1, y1)、
B(x2, y2)、C(x3, y3)的座標位置，再透過同步計時電路測量出目標點(xm, ym)與各 參考點的接收訊號時間，然後透過數學模型求出彼此的距離 D1、D2、D3，接著 透過 Least Square 演算法來估算出目標點的位置座標。
圖 1-5 顯示收訊時間比較法(Time Difference of Arrival, TDoA)之功能原理 [8][9]，目標點傳送訊號給三個以上的參考點，透過同步計時電路測量出目標點 (xm, ym)與各參考點的接收訊號時間，然後透過數學模型求出彼此的距離 D1、D2、 D3，再利用雙曲線的特性，兩焦點至曲線上的距離差值是定值，來繪製兩組雙曲 線 D3 - D2、D3 - D1，最後透過 Least Square 演算法來估算出兩組雙曲線之交點，
即為目標點的所在位置。
收訊角度法(Angle of Arrival, AoA)[10][11]，則是利用具有方向性天線 (Directional Antenna)或天線陣列(Antenna Array)來計算出各自天線與目標點之夾 角，然後各自天線朝著目標點畫一直線，則兩條以上的直線之交點就可以視為目 標點之位置，所以透過數學關係就能估算出目標點的所在位置，如圖 1-6 所示。
圖 1-4 ToA 位置估測[8]
圖 1-5 TDoA 位置估測[8]
圖 1-6 AoA 位置估測[11]
接收訊號強度指標法(Received Signal Strength Indicator, RSSI)，是透過收集 環境中的訊號強度來進行定位。因為不同的位置所接收到的訊號強度一定有所不 同，所以可以透過比較訊號強度之差異來估測出目標點位置，基於這個特性，就 有許多種使用訊號強度之定位方法被發展出來，其中最常見的是樣式比對法 [12-14]，如圖 1-7 所示。圖 1-7 (a)為訓練階段，首先在環境中佈署許多個存取點 (Access Point, AP)，然後讓使用者(Mobile User, MU)站在參考點(Reference Point, RP)上，收集來自多個存取點之訊號強度，並且將所收集的訊號強度儲存到資料 庫裡，完成第一次訓練。然後使用者移至另一個參考點，重複以上步驟，直到所 有的參考點都被訓練過，訓練階段就算完成。圖 1-7 (b)為位置估測，當使用者站 在已訓練過的參考點區域，就可以將目前所在位置收集到的訊號強度與之前建立 好的資料庫進行比對，透過各種演算法來估測出使用者之位置。
基於收訊時間法、收訊時間比較法與收訊角度法都需要特殊且精確的裝置，
對於成本考量上都是一大負擔，而且在室內環境下，容易受到多重路徑(Multi-path) 之影響，造成收訊時間法、收訊時間比較法與收訊角度法之定位準確性下降。相 對而言，訊號強度法不需要特殊的裝置，實現起來也簡單許多。但是只要環境太 大，訊練階段所花費的時間就越冗長，而且使用無線感測網路來進行室內定位，
必定會有誤差，導致機器人就不能準確的移動到使用者面前，如此就會帶來使用 者使用上的困擾。
由文獻調查可知，以上的定位方法都有各自的優點、也有各自的缺點。聲音 定位會受限於聲音傳遞之距離無法太遠，導致只能局限在一個區域內使用，對於 實現長距離的召喚系統是無法使用的。使用 PIR 感測器來進行定位，也只能侷限 在無障礙物的環境下，對於實際應用上，會產生許多問題。而使用無線感測網路 來進行室內定位，則是會遇到定位誤差之影響，導致機器人無法準確的移動到使 用者面前。