100 年度全國技專校院學生實務專題製作競賽
Robocup 研發
指導教授：
電機工程系 郭重顯老師
學生：
電機工程系 連育德、戚守為
年度全國技專校院學生實務專題製作競賽
Robocup 人形機器人
國立台灣科技大學
電機工程系 副教授 郭重顯老師
電機工程系
戚守為、王景弘
人形機器人
電機系
1
作品編號：(由主辦單位填寫)
Robocup 人形機器人研發 人形機器人研發 人形機器人研發 人形機器人研發
國立台灣科技大學
郭重顯老師 電機工程系 副教授 [email protected]
聯絡電話：02-2737-6679 連育德、戚守為、王景弘
電機工程系
[email protected], [email protected], [email protected]
摘要摘要摘要 摘要 技術簡介：
本專題研發並設計一雙足人型機器人，含機械結 構、系統開發、馬達控制、動作步態、影像處理與動作 決策，並以機器人參加國際 Robocup Humanoid League，
全自主仿人機器人足球競賽。該機器人結構共 16 個自由 度，由一單板電腦建構之主控制進行器影像處理及動作 決策，並以動作控制器控制全身馬達之動作，最後由攝 影機、磁力計、加速度計等擷取環境資訊並進行其他後 續處理。此一機器人為驗證其各項目能力，於 2010 年六 月參加 Robocup 比賽，並進入前四強賽。
技術說明：
在此專題中我們以雙足人形機器人參加 Robocup 國際機器人足球盃，其比賽詳細規定各種機器人需符合 的限制。舉例而言，機器人必須雙腳行走、跌倒偵測與 自動起立、身長比例、重心高度要參照人類、或是不可 擁有人類無法達成的能力(如不可裝配紅外線測距、前後 各一個攝影機等等)。而這些大大加深了研發的困難度，
使我們必須在有限的方法中尋找並開發出獨特、完整的 全自主仿人雙足機器人。
全自主仿人機器人在設計及研發的過程中主要可 分為以下五個項目：
1. 制定系統架構：定義各子模塊之間的連結與溝通，並 建構整個系統運作架構；圖 1 所示為本雙足機器人之 系統架構圖。
2. 機械結構：以 Robotis 公司的馬達為基礎，發展出獨 特結構的 16 自由度人型雙足機器人； 圖 2 所示為機 器人站立圖。
3. 馬達控制及動作步態：機器人使用串列式直流伺服馬 達，並由動作控制器藉串列傳輸下達馬達命令封包，
使訓練出的動作步態連續撥放，形成動作。
4. 影像處理：Web-camera 是機器人環境資訊的主要來 源，必須透過影像尋找球、邊線等重要標誌，因此本 研究使用各式測邊器、濾波器、或是色彩座標判斷以 取得目標位置，圖 3 為影像中尋找球。
5. 動作決策：機器人為達成全自主控制，必須藉由收集 的環境資訊，經嚴謹的程式架構與程式判斷，達成尋 找球、踢球、守門等任務。
藉機械結構的設計，思考機器人需有的自由度，接 著配合馬達控制及動作步態的訓練，讓機器人具有全方 向的移動能力。另一方面，將攝影機擷取的畫面透過影 像處理，並結合感應器數值回授，使機器人獲得外在環 境資訊，藉此透過嚴謹的程式架構與程式判斷，讓機器 人具備最基本的人工智慧，達成全自主三對三足球賽。
圖 2 機器人站立 圖 3 尋找球
圖 1 雙足機器人系統架構
一一一
一、、、、 前言前言前言 前言
本專題中所設計之雙足機器人是以機器人足 球賽為目標，而為了驗證其各方面能力，將此機器 人參加 Robocup Humanoid League Kid Size 機器人 世界盃足球賽[1]，並達成全自主三對三足球賽。
其參與比賽的機器人必須具備全自主的能力，並以 攝影機為主，模擬人類的感官系統，對其周遭環境 進行感測。Robocup 比賽不僅具有完善的比賽規則 和制度，更吸引了各個國家在機器人領域的專業人 士。透過這個比賽，以達到學術性的交流。
二二二
二、、、 文獻探討、文獻探討文獻探討 文獻探討
2.1 Robocup 比賽比賽比賽比賽
以當代的科學技術潮流而言，機器人的發展 正處於起飛階段，越來越多的機器人競賽在世界各 地舉辦，同時也有越來越多的學者埋頭於機器人研 究。Robocup(原名 Robot World Cup)世界機器人足 球盃則是其中一項世界性的機器人比賽，其最終目 標是期望能在 2050 年時，機器人可在足球賽中打 贏人類隊伍，這樣的目標也使得機器足球員之發展 統一研究方向。
比賽依照機器人類型可區分為許多種類，如 人型機器人、輪型機器人、救難機器人、居家機器 人等等。參與比賽的機器人必須全自主動作，以各 種非主動式感測器收集的資訊為依據，由程式判斷 該做出的動作，且形體、大小、功能、重量均應對 應人類，其中可預見的是機器人感知系統及運動控 制設計將會是重點之一。這個比賽不僅具有完善的 比賽規則和制度，更吸引了各個國家在機器人領域 的專業人士，透過這個比賽，以達學術交流。
2.2 人形機器人人形機器人人形機器人人形機器人
自 1970 年工業機器手臂大量引入工廠，運用 在汽車、半導體、機械等產業。但隨科技進步及市 場需求不同，傳統的工業機器人也面臨衝擊。取而 代之的是雙足人形機器人的漸漸崛起。目前人類所 建構的生活環境都為其本身需求而設計，而人形機
器人所擁有的關節自由度及功能相對來說更易於 與現有環境緊密結合，且雙足機器人的研究同時結 合了機構學、機械力學、人體力學、電子工程、控 制工程等等，有助於高科技產業的發展。
近年來人形機器人研究已相當的普及，舉例 來說 Honda 公司推出 Asimo 機器人；如圖 4 所示；
利用各種知覺感測、視覺控制、和記憶學習的能力 達成高運動性能和互動的娛樂機器人。此外，卡內 基美隆大學的學者也藉 Asimo 機器人發展機器人 的足跡規畫[2]，使其具有改變行進方向的能力。
2007 年日本 HRP-3[3]機器人進行了公開展示；如 圖 5 所示；其具備使用電鑽、夾取木板的能力，甚 至能在雨天氣候中行走，並藉軟體自動觀察行走效 能，進行回授控制。
2.3 機器人行走控制機器人行走控制機器人行走控制機器人行走控制
機器人行走的研究初時針對應如何設計機構，
以達到簡化自由度並完成移動機能為目的。隨後四 輪機器人產生，雖然移動能力佳，但輪型機器適應 地形能力較差，無法像人類一樣自由的以雙足行走。
而多足機器人雖然足部與地面接觸面積較大，行走 時較為穩定，但由於機構過於複雜，反而不易協調 控制，不如雙足機器人。
為使雙足機器人實現步行，必須產生一組藉 觀察人類步行姿態而產生的足部軌跡，並以即時運 求得各關節之角度[6]。另外也可藉由各類演算法 如 ZMP[7]產生足步軌跡。
2.4 影像處理技術影像處理技術影像處理技術影像處理技術
近年來影像處理的技術與應用一直是非常熱 門的議題，許多相關的研究也都陸續的被提出。從 圖 4 Asimo機器人[4] 圖 5 HRP-3 機器人[5]
3
早期 1960 年代，由美國太空總署的噴射推進實驗 室(JPL, Jet Propulsion Laboratory)、麻省理工學院等 研究機構，開始發展應用於衛星影像、醫學影像、
videophone、字元辨識、影像強化等方面。但卻也 由於當時高昂的處理成本，而面臨許多困難。
然而在 1970 年之後，隨著電腦硬體的進步，
即時影像處理開始變得可行。隨之而來的，影像追 蹤的概念開始大量應用於許多研究上，其中影像相 減 法 (Image Differencing Methods)、影像光流法 (Image Optical Flow Method) 、 梯 度 法 (Gradient-Based Technique) 、 移 動 邊 緣 檢 測 法 (Moving Edges Detection) 、 人 臉 追 蹤 (Face Tracking)…等研究方法也陸續地被提出討論與應 用[8]。
2.5 文獻總結文獻總結文獻總結文獻總結
智慧型雙足機器人的發展是由許多跨項目的 研究來推動。其主要結合了機械領域之機構設計、
運動學、動力學；電機領域之電路設計、訊號處理、
控制工程；資訊領域之影像處理、語音辨識、人工 智慧，其項目之多不勝枚舉。而在本專題之研究中 主要分為系統架構發展、機械結構、馬達控制及動 作步態、影像處理、及動作決策。下一章節中將會 逐一介紹各個項目之內容。
三 三三
三、、、、 研究研究研究內容研究內容內容 內容 3.1 制定制定制定制定系統系統系統系統架構架構架構架構
在機器人的整個系統架構當中，運算量最大 的是影像處理、動作決策、及馬達控制這三大部分，
而為了避免單一控制器的運算速度不足及系統架 構不明確，我們將這三部分的工作分別由兩個控制 器負責：主控制器單板電腦 PICO820、與動作控制 器 CM5，圖 6 本研究之系統架構圖。
圖 6 雙足機器人系統架構圖
3.1.1 系統核心系統核心系統核心系統核心：：：：主控制器主控制器主控制器主控制器
單板電腦 PICO820 是整個系統當中的樞鈕，
具備足夠的輸入/輸出介面、大小尺寸重量符合要 求，最重要的是運算速度足夠處理以下任務：
1. 接收 Web-cam 畫面並進行影像處理，得到目標 物與機器人間的相對位置。
2. 配合影像，控制與全身馬達獨立的頸部馬達，
下達馬達封包，使攝影機能轉動頸部追蹤目標 物。
3. 接收來自加速度計、磁力計等 Sensor 的回傳值，
並以此為動作決策依據。
4. 將以上資料透過嚴謹的程式架構及判斷及時進 行動作決策，並將動作命令傳達給動作控制器 CM5。
除此之外，主控制器內使用 Windows XP 作 業系統，也使軟體開發上增加不少便利性。
3.1.2 動作控制器動作控制器動作控制器 動作控制器
動作控制器 CM5 接收來自主控制器的動作 命令，並將已儲存的馬達位置一連串的播放，形成 動作。動作控制器是由 Robotic 公司生產，與機器 人使用的伺服馬達相容性高，且其架構穩定成熟，
具備對應的韌體、硬體、軟體，對於整個馬達控制 及動作步態訓練上，大大加快開發周期、減少開發 細節。
3.1.3 傾角感測傾角感測傾角感測傾角感測：：：：磁力計磁力計磁力計磁力計&加速度計加速度計加速度計加速度計 機器人配備感測器模組 RM-G144 了 HMC5843 晶片的三軸磁力計、
片的三軸加速度計。磁力計可感應作用於模組三軸 的磁力，藉此我們可知道機器人面對的方向 度計應用在傾斜感測，測量三個軸的靜態重力加速 度，藉由三軸的加速度值，可推算出模組的傾角 [9]。
三軸磁力計與三軸計速度計得到的數值是不 同軸上的磁力與加速度，因此為了得到機器人於三 軸中的傾角 Roll、Yaw、Pitch；如圖
將數值進行角度運算。
透過向量投影；如圖 8 所示 得
而欲求 Yaw(Ψ)則必須先求出磁力在水平面 上的 X 分量(Xh)與 Y 分量(Yh)；如圖
將式(1)及式(2)代入後可得
! " # ! ! " $ % !
& # ! % ! "
圖 7 Roll,Yaw,Pitch 圖 8 投影示意圖
圖 9 磁力分量 加速度計加速度計 加速度計加速度計
G144，其上包含
、與 ADXL345 晶 磁力計可感應作用於模組三軸 藉此我們可知道機器人面對的方向。加速 測量三個軸的靜態重力加速 可推算出模組的傾角
三軸磁力計與三軸計速度計得到的數值是不 因此為了得到機器人於三 如圖 7 所示；必須
所示；由三角函數可
'
(
則必須先求出磁力在水平面 如圖 9 所示。
! ")
*
利用 Xh 及 Yh 可得&+
Roll、Yaw、Pitch 後即可分別得知機器人前後傾角 面對方向、左右傾角。
3.1.4 訊號處理訊號處理訊號處理訊號處理：：：低通濾波：低通濾波低通濾波 低通濾波
由於磁力計容易受到外界磁場干擾
場磁鐵)，而加速度計同樣會因機器人行走的擺動 而偵測到錯誤的訊息。此外感測器模組的通訊方式 是 I²C，因此在資料傳回主控制器之前需要 準轉換。鑒於以上原因我們額外使用了 制板負責資料的低通濾波及位準轉換 料傳回主控制器。
低通濾波器的應用層面廣大 演算、圖像處理、音訊濾波。
號通過，減弱或濾除高頻的雜訊 通濾波應用是將磁力計和加速度計 低通濾波的數據演算。回傳值每經過 料傳遞 給 Arduino 控制板，
(Discrete-time)的低通濾波。其原理如下 的 RC 低通濾波電路，如下圖
演算法。
根據柯西荷夫定律(Kirchoff’s Law) 路圖可知以下列式子。
,- $ , .- -
/- 0 1 , .-
- 2/
2
將(6)~(8)算式進行代數運算後可得 ,- $ , .- 02, .
2
接著將連續時間(Continuous
成離散(Discrete-time)時間函數並移項後可得
#3 4 3 ' $ 4#3
平滑係數 =∆t /(RC+∆t) 波效能的重要參數，若 α=0.5 投影示意圖
圖 10 RC 低通濾波電路
&+5 6787。得知 後即可分別得知機器人前後傾角、
由於磁力計容易受到外界磁場干擾(如馬達 而加速度計同樣會因機器人行走的擺動 此外感測器模組的通訊方式 因此在資料傳回主控制器之前需要進行位 鑒於以上原因我們額外使用了 Arduino 控 制板負責資料的低通濾波及位準轉換，之後才將資
低通濾波器的應用層面廣大，能使用在數據
。作用是容許低頻的訊 減弱或濾除高頻的雜訊。在此研究中的低 通濾波應用是將磁力計和加速度計之回傳值進行 回傳值每經過 20ms，將資
，因此使用離散時間 其原理如下。以最基本 如下圖 10 推導低通濾波的
(Kirchoff’s Law)及 RC 電
9
:
;
代數運算後可得 2, .
2 <
(Continuous-time)函數轉換 時間函數並移項後可得
'=
)。 是決定此低通濾 α=0.5，則代表 RC=∆t。α
低通濾波電路
5
＜0.5，則代表 RC＞∆t 。機器人使用的磁力計與 加速度計經過實驗使用 α=0.4 的低通濾波。
3.2 機械結構機械結構機械結構機械結構
機械結構以 Robotis 馬達為基礎，根據需求設 計自由度數量。每隻腳具備 5 自由度使機器人有足 夠的關節達成行進、轉彎、測移等等。每隻手具備 2 自由度輔助跌倒起立，頸部則用 2 自由度控制攝 影機左右上下移動。不同的關節點依照力矩輸出的 要求不同，選用不同型號的串列式伺服馬達，圖 11 為機器人全身自由度圖。
鑒於機構強度，在外殼的設計上使用鋁鎂合 金，並用 Pro/E 電腦輔助設計每個金屬件的結構，
載入三軸雕刻機當中生成，接著配合各種設備鑽孔、
導角、打磨、折板，最後組裝成圖 12 中的機器人。
下表 1 為機器人比例。
表 1 機器人比例
ROBOT Name HuroEvolution
Weight of Robot 3.1kg
Htop 46cm
Hleg 22.5cm
Hhead 9.5cm
Hcom(center of mass height) 22cm
Foot Rectangle 6×10=60 cm^2
Arms length 49cm
3.3 馬達控制及動作步態馬達控制及動作步態馬達控制及動作步態馬達控制及動作步態
機器人身上配備有三種不同型號的直流串列 式伺服馬達。串列式伺服馬達因具有下列優點，因 此適合機器人使用：
1. 閉迴路控制，有編碼回授，能回授位置與轉 速。
2. 轉動時噪音小、且不會產生共振影響機器人 穩定度。
3. 接線簡單，只有地線、電源線、與控制線在 馬達間互相串接，不需要每顆馬達都各別接 線至控制器。
4. 馬達持續運轉時，升溫較慢。
三種不同型號的馬達皆為 Robotis 公司生產，
依照力矩輸出由小到大分別為 AX-12、RX-28、
RX-64。而 AX 系列與 RX 系列的資料傳輸位準不 同，分別是 TTL 與 RS-485。因此為了使動作控制 器可同時控制所有馬達，我們設計了使用 MAX232、
MAX485 晶片構成的位準轉換電路，使動作控制器 可同時控制所有馬達；如圖 13 通訊位準示意圖。
另一方面，由於全身馬達需與頸部馬達獨立，
使機器人移動時頸部能自由轉動攝影機尋找目標 物，因此頸部馬達直接由主控制器控制，與動作控 制器分離；如圖 14 頸部通訊示意圖。
在機器人足球比賽當中，機器人的動作步態 是影響其表現的重要關鍵之一。機器人生成動作步 態的方式是使用與動作控制器配套的軟體，名為 Roboplus。藉由此軟體可以手動的方式，先將機器 人全身的馬達，調整至一定位置之後，將馬達位置 資料儲存在動作控制器當中。記憶許多不同的位置 之後，再藉由動作控制器下達馬達封包，使之前儲 存的姿勢能一個接著一個連續播放，形成一組動作。
圖 15 為前進動作步態。
圖 11 機器人自由度 圖 12 機器人比例
圖 13 通訊位準示意
圖 14 頸部通訊位準示意
(13) 圖 15 前進動作步態
3.4 影像處理影像處理影像處理影像處理
在機器人視覺的部分，主要分別對球、球門、
以及場地邊線進行影像處理。當透過攝影機擷取到 畫 面 之 後 ， 會 先 進 行 一 系 列 前 級 處 理 的 動 作 (Pre-Processing)。其中包括了將影像中的雜訊濾除，
或者是加強影像的對比，以增加最後資料擷取的準 確度。
而在濾波的處理上，會先將原本的彩色影像 轉換成灰階模式，再利用中值濾波器進行濾波處理。
中值濾波器的好處是可以將一個擁有諸多雜訊的 影像，進行平滑處理。並且能夠避免雜訊產生的失 真。之後再利用 Sobel 以及 Canny 測邊器偵測影像 中的邊緣處，得到影像邊緣圖。
Sobel 測邊算子[10]是目前使用上最廣泛且運 算簡單的測邊方法。在 Sobel 測邊算子中，包含了 兩組 3 × 3 的遮罩，分別為 x 方向及 y 方向。其對 應的遮罩；如圖 17 (a)和圖 17 (b)所示。
圖 17 Sobel 遮罩
使用時將要處理的像素及其鄰近像素載入，
並分別將遮罩與對應的的像素相乘後做相加可得 到▽xf 和▽yf兩個分量。之後取▽xf 和▽yf 兩個分 量的合成量與角度為
>? @ # AB AB''
AA CC'(
若影像中某像素點運算後的合成量 MG 大於 自訂之門檻值，則將此像素點定為邊點，且其角度 為 θ。
相較於 Sobel，Canny 測邊器[11]屬於較複雜 的 方法 ，但是 其得 到的邊線 也較 為細緻 。使 用 Canny 測邊算子前需先將影像濾波去除雜訊。然後 利用 Sobel 測邊算子計算出位於(x, y)的像素梯度 值的量 MG(x, y)與方向值 θ。接下來依照方向值 θ 分類成四區：
Sx, y=
DE F
EG =@ 當πHI JπH '@ 當HπI JKπH (@ 當KπH I JπH )@ 其他情況
L
依據各像素的區域，判定其周圍像素的關係，
可決定該像素是否為邊點。例如當 S(x, y) = 0，則 檢查下列判斷式是否成立。(MG(x, y) > MG(x-1, y)) 且 (MG(x, y) > MG(x+1, y))。
透過雙重門檻值的設立，能夠對於邊點的判 斷較為準確。其中較大的門檻值用來控制明確邊緣 的初始分割，而較小的門檻值則用來控制模糊邊緣 像素之間的連接。
當區域關係成立且 MG(x, y)大於較大門檻值 時，則此像素為較為明確的邊點。接著我們將從這 圖16 影像前級處理
7
些確定的邊點，開始在圖像中跟蹤整個的邊緣，並 改用較小的門檻值重新判定。假若 MG(x, y)大於該 較小的門檻值，則將其更正為邊點。其他的方向區 域，如 s(x, y) = 1、2、3，亦可用類似的方法決定 出是否為邊點。
3.4.1 目標球辨識目標球辨識目標球辨識目標球辨識
完成前級處理後，就可對其進行特徵值的判 斷。首先為了要完成顏色判斷，需要先將 RGB 轉 換為 HSV 色彩模式，以降低環境光線對於判斷的 干擾。之後針對目標顏色進行二值化的處理。並再 透過 HOUGH 轉換找出影像中的圓或直線，捕捉 需要的目標；如圖 19 所示。當在影像中判斷出目 標後，便可利用頸部馬達的角度，搭配簡單的三角 函數運算，估量出目標物與我們機器人的相對位置；
如圖 18 所示。
3.4.2 球門辨識球門辨識球門辨識球門辨識
在球門判斷上由於在比賽中會交換進攻球門，
因此必須要透過讀取大會送出的資訊，去決定球門 的顏色。在確認球門顏色之後，先針對顏色進行水 平軸方向上的取樣，並依據符合的數量判斷，倘若 出現大量分佈則可判定為球門。在防守球員的部分 上，便可利用對方球門在影像中的位置輔助機器人 自身的定位。當球門位於影像中央時，即可將球員 判定於球場中央。
3.4.3 場地邊線辨識場地邊線辨識場地邊線辨識場地邊線辨識
在場地邊線辨識上，同樣地，會先對顏色進 行判斷，並搭配 Hough 轉換去找尋影像中的白線 及其斜率；如圖 20 所示。當確認守門機器人位於 球場中央後，可將攝影機視角調至機器人腳邊，並 開始進行後退，直到退回至守門區域為止。
圖 20 攝影機影像與處理後影像
3.5 動作決策動作決策動作決策動作決策
在機器人決策中，我們透過 Timer 與狀態機 的概念讓程式不停地輪流執行著各項任務。主要的 處理內容包括了影像處理、狀態判斷、動作判斷、
與其他裝置的溝通、以及動作指令的下達等。此外 依據球員功能上的定位，可以分為進攻球員以及守 門員。
3.5.1 攝影機狀態判斷攝影機狀態判斷攝影機狀態判斷攝影機狀態判斷
而在狀態判斷中，最先面臨的是攝影機狀態 的判定。其中可以分為以下兩種模式：
Tracking Mode(持續追蹤影像中的球)：
Searching Mode(搜尋影像外的球)：
1. Regular_Scan：頸部馬達轉動固定的九個位置 搜尋機器人前方。
2. Tactic_Scan：藉前一次球離開影像的方位，讓 機器人原地左轉或右轉，並讓攝影機持續上下 轉動，可較快找到球。
3. Kick_Scan：進入踢球階段時使用，由於踢球 時球離機器人較近，需要改變頸部馬達每次轉 動的量以及 Timer 的時間設定。
3.5.2 進攻球員決策判斷進攻球員決策判斷進攻球員決策判斷進攻球員決策判斷
進攻球員的決策是利用 Decision Tree 以及 State Machine 的方法，讓機器人對目前的狀態作判 斷。藉機器人與球的相對位置，進行動作選擇上的 判斷。主要目的為尋找並追蹤到球，並在距離夠近 的情況下進行方位的調整、射門。
在 進 攻 球 員 的 部 分 ， 我 們 主 要 將 其 分 為 Ball_Tracking、Ball_Searching、Shoot_Preparing、
Shoot 四部份，並且會將最後的 Command 傳達至 動作控制器中，再做出實際動作，下圖 21 為進攻 球員的決策樹。
圖 18 攝影機角度 圖 19 尋找球
圖 21 進攻球員決策圖
以下為對於圖 21 中進攻球員的狀態做詳細介紹：
狀態狀態狀態
狀態 1：：：：首先我們一開始會先運用到前面所提及的 演算法先針對影像做運算處理，取得需要的資訊。
狀態狀態狀態
狀態 2：：：接收大會送出的訊號，主要像是比賽的進： 行狀態(Initial、ready、set、play)及進攻方向。
狀態狀態狀態
狀態 3：：：：檢查 RM-G144 的回傳值，判斷是否跌倒。
狀態狀態狀態
狀態 4：：：假如跌倒時，則下 GET_UP 的指令給動作： 控制器。
狀態狀態狀態
狀態 5：：：透過檢查三軸磁力計確認目前方向，並將： 之分為四個區域，以利之後調整方向用。
狀態狀態狀態
狀態 6：：：：設定參數 Goal_Direction = false，表示不 處於進攻方向。
狀態狀態狀態
狀態 7：：：：設定參數 Goal_Direction = true，表示位於 進攻方向。
狀態狀態狀態
狀態 8：：：：判斷影像中是否有球。
狀態狀態狀態
狀態 9：：：：檢查與球之間的距離與目前機器人方向。
狀態狀態狀態
狀態 10：：：若是距離較遠則下指令追球。 ： 狀態狀態狀態
狀態 11：：：當球較近時，則先調整方向至進攻方向。 ： 狀態狀態狀態
狀態 12：：：當 Shoot_Prepare 調整完成後則踢球。 ： 狀態狀態狀態
狀態 13：：：在搜尋球時，利用搜尋次數與動作狀態： 決定採用何種搜尋方式。
狀態狀態狀態
狀態 14：：：：設定動作狀態 Searching，並開始尋找球。
3.5.3 防守球員決策判斷防守球員決策判斷防守球員決策判斷防守球員決策判斷
在守門員的部分，由於只需要在防守區域防 守。當球較近時才需動作，因此主要動作為定位以 及防守動作，下圖 22 為守門員的決策樹。並且可 將其分為三種狀態：
1. Back_to_Goal(回到防守範圍內)：
DirectionChecking：確認面朝己方進攻方向。
CenterCehcking：利用對方球門位置，移動至 己方球門中間。
LineChecking：向後退至防守區域內。
2. Defend：藉由球的位置與移動速度，判斷防 守的動作。若是快速接近則撲球，一般速度 則左右移動封鎖球的進攻路線，慢速接近則 上前踢出危險區域。
3. Searching：搜尋球的位置。
圖 22 守門員流程圖
以下為對於圖 22 中守門員的狀態做詳細介紹：
狀態 狀態狀態
狀態 1~4：：：：初始動作如同 3.5.2 進攻球員動作。
狀態 狀態狀態
狀態 5：：：透過檢查三軸磁力計確認目前方向，並利：
9
用對方球門與場地邊線，判斷是否在防守區域內。
狀態狀態狀態
狀態 6：：：：假如離開了防守區域，則執行回防的動 作。
狀態狀態狀態
狀態 7：：：：判斷影像中是否有球。
狀態狀態狀態
狀態 8：：：當在發現球後，則利用馬達角度求得與球： 的相對位置，並記錄之前的位置以計算球的速度。
狀態狀態狀態
狀態 9：：：：依據與球相對距離與球速，選擇防守動 作。
狀態狀態狀態
狀態 10：：：設定動作狀態 Defend，並執行防守動作。 ： 狀態狀態狀態
狀態 11：：：在搜尋球時，利用搜尋次數與動作狀態： 決定採用何種搜尋方式。
狀態狀態狀態
狀態 12：：：：設定動作狀態 Searching，並開始尋找球。
四 四 四
四、、、、 結果與展望結果與展望結果與展望結果與展望 4.1 實驗結實驗結實驗結實驗結果果果果
經過系統架構、機械結構、動作步態、影像 處理、動作決策等各部份的結合與實驗測試後，實 際的移動能力如下表 2 所示。
表 2 移動能力數據 步態步態
步態步態 數據資料 前進
前進 前進
前進 9.2cm/s 後退
後退 後退
後退 10cm/s
左轉左轉
左轉左轉 25.7°/s 右轉右轉
右轉右轉 30°/s 前跌倒站起
前跌倒站起前跌倒站起
前跌倒站起 10s 完成 後跌倒站起
後跌倒站起後跌倒站起
後跌倒站起 11s 完成 左側移左側移左側移
左側移 3.2cm/s 右側移
右側移右側移
右側移 3.55cm/s 左踢
左踢 左踢
左踢 目標物最大滾動距離：2.9 公尺 右踢
右踢 右踢
右踢 目標物最大滾動距離：4.6 公尺 至於機器人的效率、動作決策、移動軌跡可 由下圖 23、圖 24 及表 3 表示。
圖 24 路徑軌跡(球與機器人進攻方向相反)
表 3 時間效率 球
球球 球與與與與 進攻進攻進攻 進攻 方位 方位方位 方位
與球 與球與球 與球 距離距離距離 距離 (m)
搜尋 搜尋 搜尋 搜尋 到到 到到球球球球
(s)
走到 走到走到 走到 球前球前球前 球前 (s)
調整踢 調整踢 調整踢 調整踢 球方向球方向 球方向球方向 (s)
路徑圖路徑圖路徑圖 路徑圖
相同 2.6 0.1 54.6 3.3 圖 23 相反 1.6 0.1 9 53 圖 24
視線範圍：半徑 3.5 公尺內
圖中橘色圓點代表球所在位置，黑色圓點為 機器人所在位置，虛線代表機器人的移動軌跡。表 3 中則分別計算圖中兩種狀況機器人尋找球、靠近 球、調整方向踢球，各個步驟所花費時間。
4.2 比賽結比賽結比賽結比賽結果果果果
機器人研發完成後，於 2010 年 6 月參加在新 加坡舉辦的 Robocup Humanoid League，隊伍名稱 為 HuroEvolution。比賽共 20 餘隊來自各個國家的 隊伍，其中有三個隊伍來自台灣。在比賽過程中我 們隊伍晉級到四強賽，但落敗給這一屆第一名的隊 伍。整個比賽過程中共獲得六分；如下表 4 所示(其 中 1 : 0*代表進入延長賽)；最終比賽成績為前八 強。
表 4 Robocup 2010 比賽分數
Match Date Team Result First Round
Robin
June 21st
Team KMUTT：
HuroEvolution 2 : 0 First Round
Robin
June 21st
HuroEvolution：
Team RO-PE 0 : 3 Intermediate
Round
June 22nd
HuroEvolution：
H Sitik KIT 1 : 0*
2nd Round Robin - 1/3
June 22nd
JEAP:
HuroEvolution 1 : 3 2nd Round
Robin - 2/3
June 23rd
RoboPatriots:
HuroEvolution 0 : 2 2nd Round
Robin - 3/3
June 23rd
CIT Brains Kid :
HuroEvolution 2 : 0 Quarter
Finals
June 23rd
Darmstadt Dribbler：
HuroEvolution 10: 0 圖 23 路徑軌跡(球位於進攻方向上)
4.2 未來展望未來展望未來展望未來展望
本研究中建構的雙足人形足球機器人，可完 成自主踢球的目標，但在許多方面仍然有許多值得 努力的項目。
1. 機構方面身體比例尚可修改，如手臂長度、腳 底板大小等，有助於增加機器人的穩定度。
2. 規劃使用腳底壓力感測器與陀螺儀，如此可量 測機器人在動作時的重心位置，腳底壓力，並 利用回授值與實際值，配合動作控制器，達成 動態平衡。
3. 重新規劃或選用其他具系統晶片設計能力的 動作控制器。先推演運動學模型，接著加上外 部感測器如陀螺儀與加速度計之訊號進行回 授控制，並使機器人可生成自主步態。
4. 加入辨識球門、機器人、球場中柱、中線等，
並利用程式進行球場模擬[12]。使機器人可明 確知道球員、球門、球等的絕對座標。
4.3 結論結論結論結論
機器人真正普及的時代雖然還尚未到來，但 是世界各國已爭相投入研究發展。除了人形機器人 之外，多關節蛇型機器人、蜘蛛機器人、四輪機器 人等等各式各樣的種類如雨後春筍般不斷湧現。比 賽當時，在 Robocup 會場中看到數千人各自帶著 自己隊伍的機器人，在做比賽前的檢驗與校正，當 下真的有無法形容的感動。就如同我們在賽後與維 吉 尼 亞 大 學 交 流 時 對 方 所 述 ：「 It’s not just a competition, we shared the information for all to make awesome robots, and making competitions be more exciting, and more people come to see it.」
五 五五
五、、、 參考文獻、參考文獻參考文獻 參考文獻
[1] Robocup 官方網站,http://www.robocup.org/
[2] Joel Chestnutt, Manfred Lau, German Cheung, James Kuffner, Jessica Hodgins, and Takeo Kanade, “Footstep Planning for the Honda
ASIMO Humanoid” IEEE International Conference on Robotics and Automation, 2005.
[3] K. Kaneko, K. Harada, F. Kanehiro, G.
Miyamori, K. Akachi, “Humanoid Robot HRP-3,” IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2471 – 2478, 2008.
[4] Asimo 機器人照片,[Online].Available：
http://tc.byethost32.com/page.php?3 [5] HRP-3 機器人照片,[Online].Available：
http://www.kawada.co.jp/mechs/mk-II/index.ht ml
[6] 涂志芳，”人形機器人分散式即時控制及步行 分析”碩士論文，台灣科技大學，民國九十六 年
[7] Arakawa, T. ans Fukuda, T. “Natural motion trajectory generation of biped locomotion robot using genetic algorithm through energy optimization” IEEE International Conference on Man and Cybernetics, pp. 1495 – 1500, 1996.
[8] 邱永澤，”移動機器人影像處理及其在避障之 應用”碩士學位論文，國立台灣科技大學，民 國九十五年
[9] Michael J. Caruso，“Applications of Magnetic Sensors for Low Cost Compass Systems” ， Honeywell, SSEC
[10] 鐘國亮，”影像處理與電腦視覺導論”，東華書 局，pp104 – 118，民國 97 年。
[11] J. Canny, "A computational approach to edgedetection, " IEEE Transactions on PatternAnalysis and Machine Intelligence, vol.
PAMI-8,no. 6, pp. 679-698, 1986
[12] 卓咏聰，”智慧型自調式機器人足球賽影像定 位系統開發”碩士論文，長庚大學，民國九十 三年
