🚀 AI時代系列 (4) -《機器人學 🤖 —— AI 的身體與行動》
21/100 📌 第 3 周：感測與感知
21. 機器人感測技術總覽 👀 讓機器人「看見」世界！
________________________________________
一、為什麼感測技術是智慧機器人的核心？
在機器人學中，「感知系統」扮演的是：
✅ 機器人的「感覺神經系統」
✅ 沒有感知 ➔ 機器人只能盲目執行預定動作
✅ 有了感知 ➔ 機器人才能自主適應環境、互動與決策
________________________________________
二、感測系統的三大層次
1、自身感知（Proprioception）
• 📌 功能：感知機器人自身的關節位置、姿態、運動速度與加速度。
• 🔧 典型感測器：
o 編碼器（Encoder）：用於測量馬達或關節的旋轉角度與速度。
o 加速度計（Accelerometer）：偵測線性加速度。
o 陀螺儀（Gyroscope）：測量角速度，判斷姿態變化。
________________________________________
2、外部環境感知（Exteroception）
• 📌 功能：感知外部世界的空間資訊、物體位置與距離等。
• 🔧 典型感測器：
o 相機（Camera）：捕捉影像資訊。
o 雷達（Radar）：透過電磁波偵測遠距物體與移動速度。
o 光達（LiDAR）：利用雷射測距進行高精度3D建圖。
o 超聲波感測器：發射超聲波偵測近距離障礙物。
________________________________________
3、接觸感知（Tactile/Force Perception）
• 📌 功能：感知與物體接觸的力道與觸感，用於抓握與精密操作。
• 🔧 典型感測器：
o 力覺感測器（Force Sensor）：量測施加或承受的力與力矩。
o 觸覺感測陣列（Tactile Array）：模擬皮膚的觸覺感知，分辨壓力分佈。
o 壓力板（Pressure Pad）：偵測壓力接觸與分佈範圍。
________________________________________
三、主要感測技術分類介紹
1️⃣ 視覺感測
• 單目相機（Monocular Camera）：單一影像來源，成本低，需 AI 推斷深度
• 立體相機（Stereo Camera）：雙鏡頭模仿人眼深度感知
• 深度相機（RGB-D Camera）：同時提供彩色影像與深度資訊（如：Intel RealSense、Kinect）
2️⃣ 距離與環境建圖
• 超聲波感測器：透過回波計算距離，適合近距離避障
• LiDAR（光達）：高精度激光掃描，常用於自動駕駛、SLAM建圖
• 雷達 (Radar)：穿透性強，適合惡劣天候下偵測遠距目標
3️⃣ 姿態與運動感測
• 編碼器（Encoder）：量測關節轉角或位移
• IMU（慣性測量單元）：整合加速度計與陀螺儀，感知運動加速度與角速度
4️⃣ 力覺與觸覺感測
• 六軸力矩感測器：測量多方向力與扭矩
• 柔性觸覺陣列：模擬皮膚感知壓力分布
• 接觸力傳感貼片：靈敏測量微小接觸力
________________________________________
四、感測數據的 AI 融合挑戰
傳統感測系統常面臨如訊號雜訊干擾、環境光線變化、立體結構推斷困難，以及多來源資料整合不易等限制。然而，AI 技術正逐步突破這些瓶頸：透過深度學習模型，AI 能有效濾除雜訊、提取關鍵特徵；在複雜或低光環境中，也能自我調整以穩定感知表現；此外，AI 可進行深度估計與3D場景重建，提升對立體結構的理解能力；更進一步，AI 可整合視覺、雷達、觸覺等多模態資料，提供更準確的決策支持，全面強化感測系統的智慧化與適應性。
________________________________________
五、代表性應用案例
感測技術在各類智慧應用中扮演關鍵角色。以自駕車為例，透過 LiDAR、相機與 GPS 的結合，可實現高精度的環境重建與障礙辨識，確保安全導航；工業手臂則利用編碼器與力覺感測器，達成高精度的插裝作業與穩定夾取；仿生機器人結合 IMU 與柔性觸覺陣列，不僅能維持動態平衡，還能適應與人或物體的互動變化；在救援情境中，搜救機器人搭載雷達與熱影像感測器，能在視線不良或瓦礫堆中有效搜尋受困者並安全通行。這些應用展現了感測技術與 AI 結合後的多樣化智慧能力。
________________________________________
六、感測模組的前瞻發展趨勢
✅ 多模態感知融合 (Sensor Fusion)
✅ 即時 AI 感知推理
✅ 輕量化、低功耗嵌入式感測器
✅ 邊緣運算 (Edge AI) 直接在感測端執行智能分析
________________________________________
🌱 延伸反思任務
思考題：
🤖 未來機器人雖有望逐步逼近人類感官的多樣性與複雜性，但要完全模擬人類級感官仍存在高度挑戰，特別是嗅覺、味覺、情緒共感與身體整合性感知等涉及化學感知與主觀經驗的系統，仍難以高效重建。面對這些限制，AI 必須透過強化資料多樣性訓練、跨感測源交叉驗證、異常偵測與倫理設計，並建立感知備援與風險容忍度機制，才能有效避免「假穩定、假安全」的盲區。唯有結合多模態感知、動態學習與人機互補策略，未來智慧機器才可能在複雜世界中做出穩健、可信的感知與決策。
