相關研究回顧

在移動式機械臂的運動控制領域，近年來大部分的研究主要集中在如何控制 移動式機械臂在一個指定的路徑上移動；其次是如何讓移動式機械臂到達特定的 地點並維持某個指定的 pose 或維持機械臂的 Manipulability，使機械臂到達定點 後能有足夠的靈活度執行所需的工作；另外還有許多相關研究。這裡僅對於利用 影像導引的方式來完成抓取物品工作的研究做回顧。

在文獻[2]中， Martinez-Marin 和 Duckett 使用一個移動式平台搭載一個自由 度的機械臂與一個 pan-tilt 攝影機(如圖 1.2)，其所要完成的工作為：抓取一個 在放置在桌子邊緣的鐵罐。他們將此工作分成兩個部分，docking 和 grasping，

並將重點放在 docking 部分。文中作者利用 Reinforcement learning 的方法來控制 移動式機械臂，當機械臂成功到達目標位置，則給予正獎賞(Positive reward)，

若失敗則給予負獎賞。當學習完成後，可以依據感測器得到的資訊找到對應最大 獎賞的機器人動作，也就是最適合當時環境的動作。作者利用機器人上裝設的

桌面邊緣在畫面中的角度，可以推算出目標與機器人之間的相對位置。

Takahama 等利用移動式機器臂來完成特定動作：抓取放置在桌上的書本，

並放置到書架上(如圖 1.3)[3]。此篇文章使用一個配備全向輪的移動平台，上面 裝設了兩支機械臂，分別裝設 CCD 攝影機來取得環境資訊，並將所要完成的工 作分成八個部分工作，採用循序執行的方式，利用兩支機械臂合作來完成歸還書 本的動作。在此研究中，作者將重點放在機械臂的動作控制上，在移動平台到達 抓取地點後，首先估測出書本的位置，再計算出此時兩支機械臂工作範圍判斷機 械臂是否能抓取到書本，並考慮機械臂的可操作性(Manipulability)，規劃機械臂 在空間中的移動軌跡(Path planning)，再讓機械臂依照此軌跡動作。

MacKenzie 和 Arkin 利用移動式機械臂完成對汽油筒內液體的取樣[4]。機 器人會移動到一個汽油筒旁，利用裝設有攝影機的機械臂伸入油桶上方的孔內，

圖 1.3 Mobile robot with dual arm [3]

圖 1.2 Pan-tilt camera and 1-DOF robot arm [2]

採樣後再移動到另一個汽油筒將樣本注入。機器人一開始先利用攝影機在影像中 尋找事先定義好的汽油筒上的影像特徵，以確定汽油筒的方向，到達筒邊後機械 臂則由上方尋找符合特徵的汽油筒開口。MacKenzie 及 Arkin 採用 Motor schema-based 的行為模式架構來協調機械臂與移動平台的行為，因此移動平台靠 近汽油筒的行為，與機械臂對準汽油筒開口的行為可同時執行，達到 preshaping 的動作以縮短完成工作所需的時間。在他們的研究中，行為的協調是用 Finite state acceptor(FSA) 的 方 式 循 序 執 行 。 文 獻 [5] 採 用 另 外 一 種 行 為 模 式 架 構 ， 即 subsumption 架構。其機器人所要完成的工作為在房間中遊走並尋找可樂罐，找 到後將它撿起並帶到一個指定地點。文獻[6]提出一套行為協調的方法來控制在 不同環境下，機器人的行為控制。作者透過 Bayesian belief network(BBN)來訓練 不同的環境和目標擺放位置下，機器人行為之間的協調方式。使得訓練完成之 後，機器人對於各種環境能有較合適的行為輸出。作者在訓練階段是在虛擬環境 中實行，對於實際環境中存在的各種變化與雜訊是否依然適用，是需要進一步探 討的問題。

在移動式機械臂抓取控制的相關文獻中，機器人行為的設計方式主要可分為 兩種：一種是藉由分析機器人結構與所要執行的工作特性，藉以設計專用的控制 器來執行所需的工作；另一種是利用類神經網路，透過訓練來得到能完成特定工 作的控制器。由於第二種設計需要透過多次實驗累積資料，才能訓練出合適的控 制器，訓練過程需要花費大量時間，且因為訓練用的資料直接影響到最後的控制 器，資料的正確性相當重要，因此需要做大量的實驗，以免最後的控制器受到某 些訓練資料的影像太大。相對之下，第一種設計方式需要對機器人的結構與環境 做分析，如果在機器人相對上複雜度不高，此種設計方式將會比較有效率。由於 本論文中所使用的機器人只有四個自由度需要控制，其控制維度相較於其他使用 五~六自由度為手臂的移動式機械臂，結構較為簡單，因此可以透過第一種設計 方式，藉由分析機器人的結構去設計適當的控制器。