郭秉寰 Ping-Huan Kuo

開發智慧型演算法 提升智慧製造生產效率

本研究團隊於智慧型機器人方面，近年提出了以深度強化學習模型為基礎之步態控制器，並將其應用於人形機器人之中。該研究可使人形機器人能夠進行自主學習，並自行嘗試規劃其關節角度轉動過程，進而使其能夠在多次自我學習過程中，獲得最佳學習經驗。而該研究之實驗結果顯示，在結合小波轉換與DDPG的學習方法下，人形機器人即使在斜坡上行走，亦能有良好的學習成果。此外，本團隊亦將機器人視覺系統整合於PPO模型之中，並讓機器人自主學習各項決策。實驗過程中，機器人僅依靠未經任何處理之視覺影像，便能進行行走路徑規劃，其效能在實驗中有良好的驗證。而在機器人物件抓取方面，本團隊亦提出以PPO為基礎之兩階段物件抓取學習演算法。該研究之設計概念十分新穎，並成功讓機器人透過自主學習，成功抓取物品。此外，本團隊亦投入工具機智慧檢測系統之研究，並進行工具機各項預測系統之開發。

其中本團隊設計神經網路刀具磨耗預測系統，實驗結果顯示，相較於其他模型，此研究所提出之模型具有更好的預測效能。此外，本人亦開發以機器學習為基礎之工具機顫振檢測模型。在加工過程中，本團隊將加速度計連接至工具機來獲取振動數據，並根據振動數據判斷是否已有顫振情形發生。而在加工過程中，主軸之熱伸長量也是極需考量之因素。本人亦將智慧型演算法結合至該課題，並針對伸長量進行預測，進而提供補償之依據，提升加工精度。上述研究，對於機器人與加工製造產業之智慧化發展，皆具影響力。