研發者：嚴士翔

本研究以低價無感測器的剛性機械手臂為基礎的接觸力估測器(contact force observer)與剛性控制法(stiffness control)，解決機械手臂在安全碰撞檢測與低精度的力量控制應用。當機械手臂 受到外部力量(external force)時，接觸力估測器根據即時的馬達電流資訊與系統模型計算之誤差估測各關節的外部扭力，進而估測機械手臂工作端的外部接觸力。除此之外，在各軸伺服驅動器中增設一個扭力限制器(torque saturation)，根據外部力量的估測值即時調整關節扭力輸出，改變控制系統的剛性，產生可變剛性的順應控制(impedance control)能應用於安全保護與力量控制中。本研究以別於過去多感測器及彈性機構的方法，基於低成本與無感測器的架構，以模型為基礎的控制方法產生剛性變化，增進剛性機械手臂於人機協同應用上的安全性。

研發者：陳妤如

全自主物件夾取系統是完全使用視覺系統結合六軸並聯式機械手臂進行物件夾取，使用到的技術包含深度學習的2D物件辨識、PPF、Visual servo、PnP，此系統能夠在短時間內找到指定物件在空間中的位置。首先要在廣大的場景中找到物件的3D位置是利用PPF的方式達成，但因傳統PPF的問題是在不斷的採樣過程中導致龐大的計算量，且匹配結果可能有誤，因此在系統前端加入了深度學習的物件辨識過程，先利用RGB-D相機的RGB資訊執行 深度學習找到物件的2D pixel位置後再將此2D位置轉換成RGB-D相機中的3D座標，接著僅保留物件大致位置區域的點雲去進行匹配，此舉能夠將不需要的點雲去除，節省大量的採樣過程以節省大量的匹配時間並且提高PPF匹配的準確性，等到匹配完成後再利用物件上的人工標記執行Visual servo或是PnP來減少匹配誤差。

研發者：徐鴻哲

本系統著重於發展智能機器人視覺之系統架構，結合AI人工智能深度學習以及可供個人化物件資料建置系統。為有效並即時的搜索物件，系統更比較物件更新功能，以提供後續之搜索使用。
於個人化物件資料建置系統中，本研究使用可操作之影像註冊系統，可利用影像與深度圖建立預尋找之物件影像資料庫。此個人化物件資料建置系統結合篩濾深度影像、標定區域及映射標定區域於影像中，為達符合人性化之資料建置，更設計一流程供使用者建立該資料集。
RGB-SLAM輸出之機器人位置與影像，利用預訓練之模型與深度學習影像辨識系統並結合個人化可自定義辨識系統，混和兩系統之併行架構並可有效且正確的搜索現實生活中物件。於機器人行進中，本系統可利用搜索到之物件影像之ROI(region of interest)，映射該區域於3D點圖雲並計算該區域點雲圖之點於座標中心處，可得機器人相對物件之空間矩陣。利用此機器人相對於物件之作空間矩陣計算物件在地圖中實際位置，更紀錄該中心位置處並統計學排除錯誤偏移之誤判位置得物件空間位置，並儲存為物件座標資料庫供後續使用。於物件更新系統中，本系統評測機器人當前位置與物件座標資料庫，將最新之物件位置儲存且更新此資料庫。
本系統優點在於設計一系列之操作流程，除了使用深度學習辨識常見之物件外，更利用個人化物件搜索系統輔助操作者使用。定位進行時使用統計學排除常見的物件辨識誤差，更使此物件之辨識系統更為優秀。

研發者：吳睿騰

本研究透過特殊設計的硬體系統，在餐具及食物容器上透過特殊設計來達到高效率餵食及有效率、簡潔收納的目標。此研究一方面是為了幫助殘疾人士及身體機能退化者能擁有自主飲食的能力，另一方面也可以大幅降低照顧者的負擔。此系統可分為餵食手臂、食物容器、餐具及餐盤整合；首先透過容器與餐具的配合及機械手臂運動軌跡規劃來大幅降低食物容器內的食物殘留量，容器內部與餐具的幾何形狀為經過設計，使得食物在容器內能夠保持高效率的位移。透過模擬程式，設計一客製化的機械手臂，能夠達成複雜的取食動作，透過硬體設計，能使得手臂的穩定度提升，並且在大小以及成本上都有最大的效益。本研究的優點是相較一般市面上少數的產品，硬體有更高的靈活度以及穩定性，搭配上智慧自動化模組，能大幅降低使用者限制條件，達到最高效益。

研發者：陳家霖

本研究所建立的基於RGBD客製化工作路徑導航系統為使用RGBD資訊建立工作區域的3D模型以及2D平面地圖，並於2D平面地圖上設定客製化的工作路徑，之後運用此3D模型定位機器人的實際位置，並運用路徑規劃演算法即可使機器人於客製化工作路徑上進行導航行為。本系統以SURF(Speeded Up Robust Features)演算法取得2D影像的特徵點並與前幀進行匹配，並進行優化處理後產生局部3D地圖，同時進行運動狀態估計，產生機器人的位姿圖(運動軌跡)。地圖的強健性以及定位功能則使用了閉環檢測方法來解決，為了能夠在大型環境中也能夠達到即時效果，本系統運用了RTAB-MAP所提出的LTM方法來篩選出重要的特徵點，以減少閉環檢測時所需要的計算量。本系統建立3D模型時可以只使用RGBD資訊建立，也可以加入Lidar的Laserscan資訊輔助建立出更準確、更強健的3D模型。本系統提供簡易操作的人機介面，使使用者可以迅速的建立2D地圖上的工作路徑。再透過RGBD影像定位機器人的位置後，指定使用者想要機器人前往的地點，本系統即會以目前點、目標點、工作路徑三者去規劃完整的軌跡規劃，並開始導航動作。

研發者：劉濟銘

本系統是一部全自動檢測及校正自行車車架尺寸的專家系統，以解決自行車車架校正過程中發生的金屬彈塑性現象所造成校正調整量難以估計之問題，以及此現象所帶來的自動化自行車車架檢測及校正設備開發上的瓶頸。本系統於建置階段以有限元素法進行彈塑性分析，模擬自行車製造廠中人工對尺寸歪斜的車架進行校正的過程，並以分析結果在資料庫中建立數種基本的自行車車架尺寸及其所需的校正調整量，以此作為資料樣本建立預測數學模型。此數學模型除輸出建議校正施力量以外，同時接收來自數控設備的回授資料，以機構對各種尺寸車架校正的結果即時在資料庫中修正相應的校正量預測模型並儲存。累積足夠實驗次數和車架種類後即可受益於資料庫內存有大量實驗結果，而達到使設備校正車架時間縮短之效果，並提供使用者校正前後的尺寸數據，供前製程改善時作為依據。

研發者：蔡堯年

本研究以通用抓取為目標進行夾爪設計，以實現單一夾爪進行物件抓取。本設計希望開發出可以應付大多形狀，並同時可以擁有其他夾爪所沒有的優勢改良：夾爪手指機構採用兩指節多自由度的設計，可以在抓取物件後配合物件的形狀抓取；多種手勢以適應不同情境下的任務；利用設計讓夾爪的手指機構可以輕易地拆下並換裝成別的可以利用的工具，來達到變換功能用途；前端掌面加入相機視覺、線雷射與濾光片，可以提供手臂與夾爪確認目標的抓取與表面狀態，達到減少複雜轉接安裝的困擾。另外有設計可供使用者操作的使用者介面，讓一般使用者可以透過簡單的操作來達成夾取動作。多種功能上的結合使夾爪可以更容易應付不一樣的情況，以達到單一夾爪完成多種任務，減少換爪的程序，同時實現簡易安裝的解決方案。

研發者：譚馳澔

不同於傳統visual slam系統透比對當下機器人所觀察到的RGB-D影像與預先利用多傳感器所建立地圖，來計算機器人姿態。本研究引入深度學習來達成僅需透過2D RGB圖像即時回歸機器人姿態。研究發想於當人們熟悉一環境時，人們亦可以利用單眼(2D圖像)知道自己大概所在的位置。透過卷積神經網路大量訓練RGB圖像與機器人姿態之間的關係，讓機器人熟悉欲導航環境，達到類似上述的成效。我們所使用的深度神經網路為MapNet，它算是PoseNet的強化版，而PoseNet的網路基礎為ResNet或GoogLeNet，PoseNet用於回歸單幀RGB圖像的相機姿態，因為每次回歸僅利用單幀圖像，導致回歸出的姿態彼此之間沒有關係，缺乏時間拘束。於是我們選用同為回歸姿態但效果更好的MapNet，MapNet在訓練的過程中考慮了時序性，他每次不只訓練當下的RGB圖像，而也考慮了前後幀之間的相對姿態，大幅改善回歸出的姿態不斷震盪的問題。訓練有素的模型，能有效地透過RGB圖像達到即時的機器人定位。

研發者：陳奕廷

本研究主要用於物件的3D掃描及3D點雲的匹配，未來可結合機械手臂發展成自動修復汽車板金的系統。此技術先使用3D掃描器建立目標物體的3D點雲圖，結合演算法ICP(Iterative Closest Point)將目標物體的點雲與預先載入的點雲圖進行匹配，進而找出目標物體之瑕疵，並計算出瑕疵的座標位置。未來應用在汽車板金修復時，先使用兩個3D掃描器將汽車左右兩側分別建模，並使用上述技術進行點雲匹配和瑕疵偵測，接著驅使機械手臂移動至瑕疵位置進行目標物體表面修復。

研發者：李少鈞

研發者：謝宗恩

本研究目的在開發出一套，以三條線雷射與一台攝影機建構架設於機械手臂法蘭面之自動循線系統，此系統可用於即時偵測三維曲面上之非特定軌跡線，並全自動引導機械手臂執行循線運動，藉以執行特定加工任務，使機械手臂可免於執行任務之事前教導作業。
自動循線系統部分，首先攝影機進行校正完後，予以線雷射與攝影機之關係校正，其校正過程將使單條線雷射投射至水平作用面，並於不同深度位置，針對雷射線與黑白校正板進行取像，分別對三條線雷射進行此動作，即可於後續分析導出三條線雷射與攝影機之深度關係式。透過攝影機與機械手臂之關係校正，即可將自動循線系統計算之三維資訊，用於引導機械手臂執行相關任務。
為驗證此系統的精確度，本研究進行三項實驗，分別為三轉軸之估算分析、空間作用偏移量之分析、和實際引導手臂作業之偏移量分析等。
轉角之估算分析將會使自動循線系統，於單一轉軸之不同角度，對固定平面之特定軌跡線與黑白校正板進行取像，分別對三轉軸進行此動作，即可分析出此系統於三轉軸之角度估算誤差。空間作用偏移量之分析，即針對空間已知一條直線，進行自動循跡，並將計算之三維資訊，與已知的三維資訊作分析，以得三維空間系統估算之偏移量。
最終設置三維空間上之軌跡線，並利用自動循線系統，引導機械手臂執行特定任務，於本實驗設置為塗膠任務。當機械手臂被引導完成塗膠任務後，其被作用樣本將與被作用前樣本進行比對，即可得系統於實際引導手臂作業之偏移量。

研發者：周宣宏