機器人的學習

首頁

facebook twitter plurk line 中列印書籤

機器人的學習

103/02/24 9118

楊谷洋｜國立交通大學電機工程學系暨科技與社會中心智庫研究團隊

每年在台北舉行的國際自動化工業及機器人展日益受到重視，也看到越來越多國內外機器人廠商推出新的系統與產品，包括：新穎的工業機具、自動化設備、娛樂機器人、醫療機器人等，機器人相關產業也雄心勃勃預計挑戰兆元產值。而為了因應產業應用需求的多樣化，多軸(五軸、六軸、甚至是七軸)關節形機器手臂已廣泛應用於工廠自動化、物品裝卸、拋光、切削、研磨等，這也使得以人來進行機器人在各種工作程序上的規劃，其難度是持續的提高，也因此我們看到電腦輔助設計等工具的引進，進而也感受到此領域對機器人智慧化的期待；具有智慧分析與學習能力的機器人將可與機器人設計工程師相互合作，來協助產業面對現今少量多樣、短期多量的產品需求。讓機器人擁有智慧當然是一大挑戰，但機器人是如何學習的呢？就讓我們一起看下去。

機器人源起於建構出像人的機器，因此將人類的學習概念引進於機器人似乎是相當自然的事，雖然此兩者在機構與控制策略上有著明顯不同；神經網路與模糊系統是2種最有名應用於機器人學習的方式，前者是模仿人類的神經網路系統，後者則是依據人類表現出來的思考與行為；另外，也有從優勝劣敗的物競天擇方式得到靈感的遺傳演算法，由觀察螞蟻行為、傳染病模式所發展出的學習策略等，在現階段，這些以工程手段所建立的人工學習機制與生物界所展現出的能力仍有著巨大的差別，但也已在多種應用上獲得不錯的成效，像是圖形與語音識別、專家系統、智慧型控制等。

回到機器人來看，當我們對所要掌控的系統不夠了解、參數不甚確定、或系統處於變化狀態時，相較於傳統的機器人運作模式，學習系統展現出對系統不確定性較優異的強健度，而在較為耗時的學習過程完成後，也常能以極快的運算方式運作；但在許多實際應用上，學習型系統並不特別受到青睞，特別是在多軸機械手臂的掌控方面，主要原因乃在於它必須面對相當複雜的學習空間，例如在工作空間中以不同的速度移動到不同的位置與方向時，將會面臨巨量的學習樣本，也因此當以學習方式來主導運動控制時，將需要極大的記憶空間與相當長的學習過程才足以應付，此法並不實際，在此同時，學習型系統在面對新工作時，常需重新進行學習，在在限制了它在機器人領域的應用。

現今，機器人系統的智慧與學習能力雖然並未能達到我們的期待，但隨著機電系統在軟硬體上的進展及持續對生物智慧探索與了解，未來機器人是有機會產生接近人類般的感測、判斷、與決策能力，也得以有能力面對不確定與多變化的環境，得以協助人類完成具挑戰性的工作。（本文由國科會補助｢新媒體科普傳播實作計畫─電機科技新知與社會風險之溝通｣執行團隊撰稿／103年/01月）

責任編輯：黃承揚｜英商牛津儀器海外行銷有限公司

機器人(75) 科發月刊(5221)

機器人的學習

推薦文章