機器人運動控制的智慧化挑戰

如何善用感測器與數位技術

作者 季平

機械設備自動化與智慧化的關鍵技術是運動控制，想讓運動控制更智慧化，有賴同步運動控制技術、I/O平台整合、控制器等各環節相互配合。從機械手臂及智慧機器人的發展最容易看出運動控制智慧化的具體成果。

從工業1.0到工業4.0，機械設備自動化與智慧化需求更勝以往，而機械設備自動化與智慧化的關鍵技術是運動控制，想讓運動控制更智慧化，有賴同步運動控制技術、I/O平台整合、控制器等各環節相互配合。

跨接整合 多功能、更彈性

從產業應用面來看，工業機器人操作較為重複、單調及具備參考規範的作業相當成熟。隨著全球市場與消費型態的改變，對於產線上變異量較大的組裝/加工作業等，機器人必須提高靈活度及對應能力，是目前機器人智慧控制的發展重點。機器手臂搭配視覺已是相當普遍的應用方式，機器人視覺主要用來做物體辨識及瑕疵檢測。想讓機器人更聰明靈活，需要符合少量多樣等自動化需求，有賴機器人控制系統控制機器人的工作位置、姿態、軌跡、操作順序及動作時間。機器導入智慧化控制技術已經可以做到跨接與整合不同手臂、產線設備及各類型感測裝置。多軸同步控制在自動化機台、機器人、CNC等已是常見的技術應用，而多軸伺服驅動器不可或缺的關鍵組件則是伺服馬達，目前國際及台灣多軸伺服驅動器逐漸朝更節省空間的技術發展，有助減少控制機構中運動控制所需要的體積，還要具備足夠的模組化機制，才能提高組裝及應用彈性。

善用軟體及加工感測裝置提高機器人智商

國產控制器的高階運動控制技術與歐、日等競爭對手相比，仍有相當的技術差距，使用者若要利用機器手臂做到高階運用，還是需要找到原廠協助，過程費時，「建議開發國產跨平台開放式控制系統及智慧化功能模組，運用軟體與視覺感測裝置以強化機器人控制功能。」

機器視覺市場規模2025年上看130億美元

MarketsadMarkets報告指出，2020年全球機器視覺市場規模為96億美元，2025年將成長至130億美元，複合年增率達6.1%。機器視覺與機器人整合控制技術的發展上，以人工智慧視覺應用最廣泛，其中，AI影像辨識相關技術大致可分三類型：影像分類(Image Classification)、物件辨識(Object Detection)及物件分割(Instance Segmentation)。所謂的「智慧」是使機器人具備自主性行為，如學習與決策。

技術痛點：資料庫建置難

每讓機器人聰明地執行超過一個指令動作，機器人需要「學習」的功課更多，難度更高，這也是迄今人工智慧發展多年後，智慧機器人在實際工廠中發揮仍有限的原因之一。

優化升級：模擬與虛實校正

讓智慧機器人具備如真人般的工作能力，除了控制與感測技術，事前規劃與分析也是關鍵。

機器人運動控制的智慧化挑戰

機器人運動控制智慧化仍有四個問題有待克服：第一是運用在實際產線時仍需要專業程式編輯者操控、調整機器人；第二是機器人多為泛用型，需要重新設計及編譯才能做其他事情，專用機不可能做其他事；第三是最佳化，機器人要能自我學習精進，否則只是自動化；第四是安全性，除了速度，機器人在執行工作時要注意安全。