經由模仿與學習2歲兒童粗動作與細動作發展來設計與研製人形機器人-總計畫兼子計畫四：以小兒神經學觀點設計與研製具有模仿與學習能力之幼兒型人形機器人

本計畫“經由模仿與學習2歲兒童粗動作與細動作發展來設計與研製 人形機器人”旨在進行0至2歲兒童的粗大運動技能和精細運動技能 發展的研究。在這個計畫當中，我們設計了嬰兒人形機器人，該機 器人利用多個感測器接收周圍的訊息，並利用多種智能學習算法來 建立可行的運動。第一年，我們進行人形機器人的機構設計，並設 計機器人系統結構。第二年，我們試圖通過壓力感測器，慣性測量 元件（IMU）等感測器的數據，控制嬰兒人形機器人的姿態。去年 ，我們將機器學習應用於認知系統。機器人可以模仿人類演示者並 執行一些精細動作。跌倒後人形機器人能否自行站立是一個關鍵的 研究問題。子計畫1提出了一種基於粒子群優化（PSO）的自動學習 系統。該系統使機器人可以學習如何在跌倒後實現重新平衡的運動 。該項目還提出了一種上下文感知聊天機器人技術。實驗結果證明 了聲音和圖像信息的集成技術。關於圖像/物體識別，該項目使用了 新穎的YOLO V4來跟踪和分割物體。在子計畫2中，我們結合了串聯 和並聯機制的結構來改進機器人腿部的機構。為了使人形機器人能 夠平穩運動，我們應用了DNN解決奇異點問題。在子計畫3中，我們 致力於開發一種兒童大小的機器人，該機器人可以通過觀察來學習 和模仿人的行為。在子計畫4中，我們開發了最佳化演算法，並將其 應用於輔助機器人的機構設計。在改善人形機器人的步態方面，我 們利用了Fuzzy Deep Q-Learning、LSTM等技術。在計畫4中，人形 機器人的應用也很多。例如，實現擬人化機械手，發展認知識別系 統。 受兒童發展里程碑和兒童神經學發展啟發的研究子題四，旨在設計 和實現可以像孩子一樣學習的人形機器人。人類嬰兒具有幾種主要 的反射動作，可以幫助他們保護自己並學習新的運動技能。該研究 子題之內容可分為三個主要方向：機器人的機構設計，人形機器人 步態控制器設計以及人形機器人的相關應用。在機器人的機構設計 當中，該子計畫採用優化算法來解決人體零件演化問題。將遺傳算 法的之概念應用於全域最佳引導式人工蜂群演算法以提高運算效率 。該研究子題成功將優化演算法應用於機構設計領域，為實現機構 設計提供另一種途徑。 在人形機器人步態控制器設計中，我們提出數種決定及優化LIPM參 數的方法，包括ANFIS， Fuzzy DDQN，LSTM，和遷移式學習。該研 究子題使用不同的方法來優化人形機器人的步態，並試圖找到一種 更有效的方法來控制人形機器人的步態。人形機器人於該研究子題 中亦有多種應用。例如，擬人機器手的實現。採用LWF來訓練 Surface Electromyographic（sEMG）的信號數據以及學習模型，作 為控制機器手的控制模型。在研究子題中亦實現情感識別之功能 ，使機器人達到與人自然互動。在研究子題中，構建了用於蹣跚學 步的人形機器人的認知學習系統，該機器人將抓住未知物體並移動 其手臂和頭部，以探索物體的不同視角。