多軸機器手臂之動態方程式具有高複雜性、高非線性、與高不確定性，故快速且精密之軌跡追蹤控制極具挑戰性。以學術研究角度而言，可將多軸機器手臂當作測試平台，用以驗證各種新式控制演算法之效能。本實驗室以市售之六軸工業機器手臂搭配自行開發之控制器， 直接對手臂關節馬達下達力矩命令，精準追隨快速變化之軌跡。所開發之控制演算法包括

    (1) 計算力矩控制器 + 比例-微分控制器 + 外擾估測器 + 疊代學習控制器

    (2) 改良式滑模控制器 (Modified Sliding Mode Controller)

以下將分別介紹此二種控制演算法及其實驗結果。

(1) 計算力矩控制器 + 比例-微分控制器 + 外擾估測器 + 疊代學習控制器

        此控制法則成功整合數種常見之控制技術，使其在多軸機器手臂上發揮最大效能。這些技術包括：

    (a) 計算力矩控制器 (computed torque controller)：用以消除機器手臂的非線性動態並使各軸解耦合。

    (b) 比例-微分 (proportional- differential, PD) 控制器：對線性化且解耦合後的系統設定適當的頻寬與阻尼比。

    (c) 外擾估測器 (disturbance observer, DOB)：估測並消除模型不確定性造成的等效外擾，提高系統穩健性。

(d) 疊代學習控制器 (iterative learning control, ILC)：當機器手臂執行重複性任務時，以上一次任務的誤差修正本次任務的參考軌跡或控制輸入，又可分為修正參考軌跡的「基於命令ILC」 (Command-based ILC) 與修正控制輸入的「基於控制ILC」(Control-based ILC) 兩種。

        實驗驗證結果如下：圖1為各軸參考軌跡，為4個不同頻率的弦波訊號組成，最高頻率到 3Hz。此組參考軌跡在一小範圍內快速運動，適合驗證控制系統的響應速度與軌跡追蹤精準度。此實驗驗證四種控制器效能，包括

(i) 計算力矩控制器+PD控制器 (記做CT)

(ii) 計算力矩控制器+PD控制器+DOB (記做CT+DOB)

(iii) 計算力矩控制器+PD控制器+DOB+基於控制ILC (記做CT+DOB+Ctrl-ILC)

(iv) 計算力矩控制器+PD控制器+DOB+基於命令ILC (記做CT+DOB+Cmd-ILC)

        各軸控制誤差如圖2所示。由於模型不確定性影響，使CT誤差明顯偏大，但加入DOB後，則可大幅改善控制精度。對於重複性任務，ILC可再減少誤差，而 Command-based ILC 與 Control-based ILC 差異不大。

(2) 改良式滑模控制器 (Modified Sliding Mode Controller)

        滑模控制器 (sliding mode controller, SMC) 具有良好之穩健性與控制精度，但會發生嚴重的震顫現象，輕則影響控制精度，重則損害機台。常見降低震顫的方式有

(a) 以順滑層 (sliding layer) 取代順滑平面 (sliding surface)。

(b) 使用適應性增益機制，根據系統狀態到順滑平面的距離自動調變切換項的增益。

(c) 使用高階滑模控制。

上述方式各有其優缺點，本實驗室開發新的改良式滑模控制器，其抑制震顫能力與二階滑模控制器相當，但實現較容易，且追跡誤差亦較低。

    以圖1的參考路徑進行實驗驗證，並比較不同滑模控制器之效能，結果如圖3所示。比較的滑模控制器包括

    (i) 一階滑模控制器 (first-order SMC, FOSMC)，即傳統之滑模控制器 (使用順滑層)。

    (ii) 二階滑模控制器 (second-order SMC, SOSMC)，其設計方式又分為

        (ii-1) 直接對機器手臂模型設計SOSMC (記做SOSMC-1)。

        (ii-2) 先以回授線性化消除模型非線性項後再設計SOSMC (記做SOSMC-2)。

    (iii) 本實驗室所提出之改良型SMC (Proposed SMC)。

        所有控制器的參數經過手動調整，使其無明顯之震顫現象，然後比較在抑制震顫下的控制精度。由圖3可見，本實驗室所提出之改良型滑模控制器確實能達到最佳之控制效果。圖1路徑的軌跡追隨影片如影片1所示，可以看到該軌跡在小範圍內的快速運動。

        視覺能提供豐富的環境資訊，利於機器人與環境互動，故已有相當多視覺與機器手臂整合的研究與產品。但目前視覺與機器人整合的應用場景，多半為使用影像辨識靜止或固定速度緩慢移動的物體，如夾取靜置或位於輸送帶上的工件等。在這類的應用中，視覺系統與機器人運動是分開運作，亦即先由視覺系統辨識並預測工件位置，再下命令給機器手臂移動到預期位置。然而人類卻能整合視覺與運動完成抓取快速運動物體的複雜任務，如各項球類運動等。在這類應用中，需即時回授視覺資訊以修正機器手臂運動軌跡，形成一閉迴路系統，其困難度更高。

          本實驗室深度整合視覺於機器手臂閉迴路控制系統中，以追蹤快速運動之物體。欲達成此目標，視覺系統須滿足以下條件：

    (a) 提供三維資訊：視覺系統須提供被追蹤物體的三維位置資訊。

    (b) 高幀率 (frame rate)：為了追蹤快速運動中的物體，幀率必須足夠高。

    (c) 即時性：視覺系統提供的資訊必須是即時的，機器手臂才能即時修正運動軌跡。

    (d) 同步性：視覺資訊需與機器手臂其他資訊同步，如關節角度等，方能正確地追蹤到快速運動的物體。

        基於以上要求，本實驗室開發了高速相機陣列，由多個工業相機組成，兩兩一組，以機器手臂控制器交錯觸發每一組相機快門，故可將整體陣列的幀率提高為單組相機的整數倍，而此幀率可由控制器決定。因為本實驗室的機器手臂控制器的取樣頻率為 1kHz，若令相機陣列每1ms回傳一次雙眼影像，則此相機陣列等效於幀率1000 fps 的雙目相機，且滿足即時性與同步性的要求。

        利用此高速相機陣列，結合前述之運動控制器，其結果以下列實驗展示，包括

    (1) 平面物體視覺追蹤。

    (2) 三維空間物體視覺追蹤。

    (3) 球-桿 (ball-beam) 運動系統。

    (4) 擊球機器人。

(1) 平面物體視覺追蹤

        利用高速相機陣列辨識一轉盤上的按鈕位置，再用機器手臂前端的金屬指頭按壓按鈕。因為轉盤轉速忽快忽慢，故機器手臂需要根據最新的視覺資訊預估按鈕位置。由影片2得知，此實驗成功率為100%。但如果將幀率下降為600Hz，因幀率降低且沒有和機器手臂控制器同步，按鈕成功率僅為50%，如影片3所示。由此實驗可知視覺系統與控制器整合且同步的重要性，若使用市售機器手臂控制器，因其為封閉系統，無法讓使用者將視覺資訊整合進閉迴路控制系統中，將使視覺伺服的效能受到限制。反之，若使用自行開發的運動控制器則可不受此限。

(2) 三維空間物體視覺追蹤

        利用高速相機陣列辨識一球體位置，球體由人以工具夾持任意移動，再用機器手臂前端的金屬指頭碰觸球體。與上個按鈕實驗相比，被追蹤物體不再受限於一轉盤上，而是在三維空間中任意移動，故追蹤難度更高，且機器手臂的姿態也需根據視覺資訊即時調整，使其金屬指頭指向球心位置，實驗結果如影片4所示。

(3) 球-桿(ball-beam)運動系統

        本實驗於機器手臂末端加裝一滑軌，令一顆球在其上自由滾動，當軌道移動或轉動時，球體也隨之在軌道上滾動。球體位置以高速相機陣列即時回授至機器手臂控制器，使控制器可同時控制軌道與球體的移動軌跡。由於整體系統為六軸機器手臂加上一個維度的滑軌，共有七個自由度，使用機器手臂六個關節馬達操控，故為欠致動 (under-actuated) 系統。欠致動系統常見於實際物理世界如倒單擺、四旋翼無人機、車輛側向運動系統等等，因此設計本實驗的目的如下：

    (a) 開發欠致動系統之高效能運動控制演算法：欠致動系統的某些自由度無法直接由致動器控制，需藉由其他自由度的狀態間接操控，而每個自由度都有其必須追隨的軌跡，因此其控制演算法與一般機器手臂的滿致動 (fully actuated) 系統不同。

    (b) 驗證高速相機陣列之位置估測精度：為精準控制球體位置，由高速相機陣列回傳之位置誤差應在5mm內。

        本實驗測試兩種運動情境：

    (i) 初始球體位於軌道一側，當系統啟動，滑軌依循指定軌跡左右移動時，球體移到軌道正中央並保持在軌道該位置，結果如影片5所示。

    (ii) 滑軌依循指定軌跡左右移動時，球體保持在對地面固定不動的位置，結果如影片6所示。

(4) 擊球機器人

        球類運動如棒球、網球、桌球等，極度仰賴球員的手眼協調。球員以視覺追蹤並預測球體飛行軌跡，然後以手中工具，如球棒或球拍等，將來球回擊到適當地點以獲得分數。本實驗室結合高速相機陣列與自製之四軸機器手臂，模擬球員擊球動作。不僅要擊中投來的球，而且要讓回擊的球通過事先指定的位置。此任務之困難處包括

    (a) 在實驗室設置的環境中，球從人手中投出後，不到1秒便抵達機器人，所以機器人所有的計算與動作都需要在不到1秒的時間內完成。

    (b) 要將球精準回擊至指定地點，需在有限時間與機器手臂物理條件限制下(如關節馬達速度上限、運動自由度限制等)，計算出最佳擊球時間、擊球點、拍面轉角與擊球速度。

    (c) 計算出上述最佳擊球決策後，機器手臂須在指定時間以指定速度移動至指定位置，考驗運動控制的能力。

       擊球機器人之實驗結果如影片7與影片8所示。

        機器手臂執行某些任務時需要與環境或人互動，例如進行工件表面研磨或拋光，須維持與工件間固定的接觸力；人機協作時，機器手臂與工作人員在同一空間組裝或搬移物品，會有互相接觸的情況。由於環境與人的高度不確定性，僅靠機器手臂位置控制無法精確地控制接觸力，此時需以順應控制(compliance control) 規範機器手臂的動作與外力之間的關係。本實驗室在機器手臂順應控制的相關研究包括 (1)手動引導  (2)鼻腔採檢機器人

(1) 手動引導 (Manual Guidance)

        本實驗室開發之適應導納控制 (adaptive admittance control) 演算法屬於一種順應控制，使操作者能以手動引導方式牽引機器手臂至定位，同時根據操作者施予的力量以及機器手臂當前位置，自動調變控制參數，一則使操作者更易於進行手動引導，一則避免機器手臂通過奇異點 (singularity) 、或超出設定之工作空間與關節轉動角度，實驗結果如影片9所示。

(2) 鼻腔採檢機器人

        鼻腔採檢常做為呼吸道疾病 (如COVID-19) 的確診依據，在疫情蔓延時，鼻腔採檢的需求大量增加， 造成醫護人員極大的工作負擔；且當醫護人員執行鼻腔採檢時，容易遭受患者感染。為降低醫護人員感染風險，減輕其人力負擔，本實驗室開發自動鼻腔採檢機器人系統，以取代執行鼻腔採檢的人力。該系統包括一個六軸工業機器手臂、前端安裝深度相機、六軸力感測器與夾爪。其執行流程如影片10所示，說明如下：

    (i) 受檢者將頭部靠在額托架，機器手臂以深度相機對受檢者正面取相，由影像判別鼻孔中心的三維空間位置與頭部姿態。

    (ii) 機器手臂轉至受檢者側面，以深度相機對受檢者測面取相，由影像判別鼻孔與耳洞位置，根據兩者連線估測鼻道走向。

    (iii) 機器手臂轉回受檢者正面，再做一次鼻孔位置判別，確認與步驟(i)位置相同，再進行下一步。

    (iv) 機器手臂依照預先規劃軌跡將採檢拭子移動至受檢者鼻孔前。

    (v) 啟動順應控制機制，將採檢拭子伸入鼻孔。採用順應控制可使機器手臂在採檢拭子遇到阻力時自動調整移動軌跡，即便採檢過程中受測者有輕微的晃動，仍可順利抵達採檢位置。

    (vi) 抵達預定位置後，旋轉刮取鼻咽檢體，然後仍以順應控制方式退出鼻腔，完成採檢。