摘要
隨著人工智慧、分散式系統與智慧空間技術的快速發展，群體機器人（Swarm Robotics）逐漸成為機器人研究的重要方向。群體機器人強調透過大量簡單個體之局部互動與去中心化控制機制，形成整體協調且具自組織能力之群體行為。然而，在實際應用中仍面臨群體密度不穩定、路徑規劃效率不足、異構機器人協作困難以及系統安全性不足等問題。另一方面，智慧建築與創新設計方法亦朝向分散式智能單體與科技整合發展，顯示跨領域整合已成為重要研究趨勢。
本研究整合群體機器人控制演算法、區塊鏈協作機制與智慧建築設計概念，建構一套具分散式協作、安全保障與創新設計導向之系統架構。研究方法包含基於密度控制之群體運動演算法、人工蜂群演算法與分佈式規劃之路徑優化策略，以及以區塊鏈為基礎之服務組合與資源拍賣機制，並透過模擬與實驗驗證系統效能與可行性。此外，結合 TRIZ 與 ARIZ 創新設計方法，引導系統功能優化與綠色設計評估。
研究結果顯示，改良之群體控制演算法可有效提升群體穩定性與避障效率；分佈式規劃機制能降低計算負擔並提升任務完成效率；區塊鏈協作架構可強化異構群體機器人之信任機制與資源分配公平性；智慧建築與創新設計方法之整合則有助於提升系統彈性與永續發展潛力。
本研究之貢獻在於提出跨領域整合之群體智能系統架構，補足現有研究多聚焦單一技術面向之不足，並為未來分散式智能系統與智慧空間應用提供理論基礎與實務參考。
關鍵詞：群體機器人、異構協作、分散式控制、區塊鏈、智慧建築、TRIZ、創新設計
⸻
前言
隨著人工智慧、分散式系統與智慧空間技術的快速發展，群體機器人（Swarm Robotics）逐漸成為機器人領域的重要研究方向。群體機器人強調透過大量簡單個體之局部互動與去中心化控制機制，形成整體協調且具自組織能力的群體行為（Beni, 2004；Şahin, 2004）。相較於傳統單一高性能機器人系統，群體機器人具有高度可擴展性、彈性與容錯能力，適用於複雜環境下的搜尋、監控與任務分配等應用場域。然而，在實際應用中，群體機器人仍面臨群體密度控制、路徑規劃效率、異構協作與系統安全性等挑戰（Brambilla et al., 2013；Higgins et al., 2009）。
在群體控制方法方面，國內研究已針對演算法穩定性與路徑規劃效率進行探討。張凱勝（2011）提出基於平滑粒子流體動力學之群體控制方法，並針對障礙環境中的密度不穩定問題提出改良機制。曾頌方（2018）則結合人工蜂群演算法與分佈式規劃策略，以提升多機器人同時移動時的效率與協作能力。隨著應用場景日趨複雜，異構群體機器人逐漸成為研究焦點，如何在不同功能與能力的機器人之間建立有效協作機制，成為重要議題。
近年來，區塊鏈技術因其去中心化、不可竄改與可追溯特性，被引入群體機器人系統以解決信任與安全問題。Strobel 等人（2018）提出以區塊鏈機制處理拜占庭節點問題，有效提升群體決策可靠度；Nguyen 等人（2019）則將區塊鏈應用於集體決策模型中，以強化透明度與安全性。國內方面，黃傳淯（2020）與李芝誼（2020）分別從服務組合與資源拍賣角度切入，提出以區塊鏈為基礎之異構群體協作與資源分配機制，顯示區塊鏈技術在群體機器人系統中的應用潛力。
另一方面，智慧建築與創新設計方法亦呈現分散化與智能化發展趨勢。潘晨安（2014）提出智慧機器建築之系統架構，透過分散式智能單體與資訊平台整合，使建築空間具備氣候適應性與動態調整能力。陳則瑋（2016）與周紀佑（2018）則將 TRIZ 與 ARIZ 理論結合新興科技特性，建立兼顧功能創新與環境永續之設計流程。此類研究顯示，分散式智能單體與創新設計方法的整合，已成為智慧系統發展的重要方向。
綜合上述發展趨勢可知，群體機器人技術已由基礎理論研究逐步邁向工程化應用，並與區塊鏈、安全機制及智慧空間設計相互結合。然而，現有研究多聚焦於單一技術面向，對於群體控制、異構協作、安全機制與智慧建築整合之整體系統架構仍缺乏系統性探討。因此，本研究旨在整合群體機器人控制演算法、區塊鏈協作機制與智慧建築設計概念，建立一套具分散式協作、安全保障與創新設計導向之系統架構，並透過實驗驗證其可行性與效能表現，以作為未來分散式智能系統發展之參考基礎。
⸻
文獻回顧
2.1 群體機器人理論基礎與發展
群體機器人（Swarm Robotics）的概念源自群體智慧（Swarm Intelligence），其核心思想為透過大量簡單個體之局部互動，形成整體協調且具智能的群體行為。Beni（2004）首先將群體智慧概念延伸至機器人領域，提出群體機器人作為分散式系統的一種實踐形式。隨後，Şahin（2004）進一步系統化群體機器人的定義與應用領域，指出其設計原則包括去中心化控制、自組織與可擴展性。
Beni（2005）與 Şahin（2005）在後續研究中整理群體機器人之理論基礎，強調其靈感來源包含社會性昆蟲行為與自然界群體動態。Trianni、Nolfi 與 Dorigo（2011）則從演化與自組織觀點說明群體機器人的形成機制，指出自適應行為與局部規則設計為關鍵因素。
在理論整合方面，Brambilla、Ferrante、Birattari 與 Dorigo（2013）從群體工程（swarm engineering）角度進行系統性回顧，提出設計、分析與實驗驗證之完整架構。Dorigo、Birattari 與 Brambilla（2014）亦指出群體機器人已形成獨立研究領域，涵蓋協作控制、任務分配與集體決策等面向。
⸻
2.2 群體機器人控制與協調演算法
在群體控制方法方面，張凱勝（2011）提出以平滑粒子流體動力學（SPH）為基礎之群體控制模型，用以避免機器人間碰撞並維持群體形態。然而，其研究亦指出在障礙物環境下易產生密度分佈不穩定問題，因而提出基於密度調整之改良演算法以提升穩定性。
曾頌方（2018）則利用人工蜂群演算法結合分佈式規劃方法，解決多機器人同時移動時的路徑規劃問題。研究結果顯示分佈式架構能有效降低計算負擔並提升群體協作效率。
在國際研究方面，Feng 等人（2006）提出水下群體機器人協調演算法，以改善複雜環境下的導航能力。Campo 與 Dorigo（2007）則研究多重覓食問題，證實群體策略可提升搜尋效率。Jevtić 與 Andina（2007）進一步說明群體智慧技術在協調控制上的實務應用。
此外，Higgins、Tomlinson 與 Martin（2009）指出群體機器人在實際應用中面臨資安與安全挑戰，包括惡意節點與通訊攻擊問題，顯示群體系統在分散式環境中仍需更完善的安全機制。
⸻
2.3 區塊鏈技術與群體機器人整合應用
隨著分散式帳本技術的成熟，區塊鏈逐漸被引入群體機器人系統，以解決安全性與信任機制問題。Strobel、Castelló Ferrer 與 Dorigo（2018）提出利用區塊鏈技術處理拜占庭機器人問題，在群體決策過程中有效排除惡意節點干擾。Nguyen、Hatua 與 Sung（2019）則進一步應用區塊鏈於群體決策機制，證明其可提升透明度與可信度。
在國內研究方面，黃傳淯（2020）利用區塊鏈解決異構群體機器人因有限連線距離所產生的協作限制，提出服務組合機制以提升任務分配效率。李芝誼（2020）則設計基於區塊鏈的多資源雙重拍賣模型，結合博弈論訂價策略與任務優先排序機制，建立公平、安全且高效率之資源分配架構。
綜合上述研究可知，區塊鏈技術為群體機器人提供去中心化信任機制與資料安全保障，成為近年重要發展方向。
⸻
2.4 智慧建築與創新設計方法之相關研究
除群體機器人外，智慧建築與創新設計方法亦為本研究重要基礎。潘晨安（2014）提出智慧機器建築系統架構，整合感測器、致動器與資訊平台，透過分散式智能單體之協同運作，使空間具備氣候適應性與構造可適性。
在創新設計方法方面，陳則瑋（2016）將 TRIZ 理論與新興科技特性結合，提出綠色創新設計流程，並透過案例驗證其可行性。周紀佑（2018）則整合 ARIZ 與新興科技資料庫，透過系統化問題分析與科技選取機制，引導設計者進行功能創新與環境評估。
上述研究顯示，分散式智能系統與創新設計方法的整合，已成為智慧空間與智能系統發展的重要趨勢。
⸻
2.5 小結
綜合國內外文獻可知，群體機器人研究已由理論建構（Beni, 2004；Şahin, 2004）發展至工程化設計與系統驗證（Brambilla et al., 2013），並進一步結合區塊鏈技術解決安全與信任問題（Strobel et al., 2018；Nguyen et al., 2019）。國內研究則從群體控制演算法（張凱勝，2011；曾頌方，2018）擴展至異構協作與資源分配機制（黃傳淯，2020；李芝誼，2020），同時結合智慧建築與創新設計方法（潘晨安，2014；陳則瑋，2016；周紀佑，2018），呈現跨領域整合趨勢。
因此，本研究將在既有群體控制與區塊鏈協作基礎上，進一步探討系統整合架構與應用模式，以填補分散式智能系統跨領域整合之研究缺口。
⸻
參考文獻
一、中文學位論文
[1] 張凱勝（2011）。基於平滑粒子流體動力學之群體機器人控制［碩士論文，國立臺北科技大學］。
[2] 潘晨安（2014）。智慧機器建築的動態表層研究［博士論文，國立成功大學］。
[3] 陳則瑋（2016）。結合 TRIZ 與新興科技特性之綠色創新設計方法［碩士論文，國立成功大學］。
[4] 曾頌方（2018）。利用分佈式規劃與人工蜂群演算法解決群體機器人的路徑規劃問題［碩士論文，中原大學］。
[5] 周紀佑（2018）。結合 ARIZ 與新興科技特性之綠色創新設計方法［碩士論文，國立成功大學］。
[6] 黃傳淯（2020）。開發區塊鏈方法達成異構群體機器人的服務組合［碩士論文，國立中山大學］。
[7] 李芝誼（2020）。基於區塊鏈之群體異構機器人資源拍賣［碩士論文，國立中山大學］。
⸻
二、英文期刊與會議論文
[8] Beni, G. (2004). From swarm intelligence to swarm robotics. In International Workshop on Swarm Robotics (pp. 1–9). Springer.
[9] Şahin, E. (2004). Swarm robotics: From sources of inspiration to domains of application. In International Workshop on Swarm Robotics (pp. 10–20). Springer.
[10] Beni, G. (2005). From swarm intelligence to swarm robotics. Swarm Robotics, 3342, 1–9.
[11] Şahin, E. (2005). Swarm robotics: From sources of inspiration to domains of application. In E. Şahin & W. Spears (Eds.), Swarm robotics: State-of-the-art survey (Lecture Notes in Computer Science No. 3342, pp. 10–20). Springer.
[12] Feng, W. X., Wang, K., Ye, X. F., & Guo, S. X. (2006). Novel algorithms for coordination of underwater swarm robotics. In IEEE International Conference on Mechatronics and Automation (pp. 654–659). IEEE.
[13] Jevtić, A., & Andina, D. (2007). Swarm intelligence and its applications in swarm robotics. In Proceedings of the 6th WSEAS International Conference on Computational Intelligence, Man-Machine Systems and Cybernetics (pp. 41–46). WSEAS.
[14] Campo, A., & Dorigo, M. (2007). Efficient multi-foraging in swarm robotics. In European Conference on Artificial Life (pp. 696–705). Springer.
[15] Higgins, F., Tomlinson, A., & Martin, K. M. (2009). Survey on security challenges for swarm robotics. In Fifth International Conference on Autonomic and Autonomous Systems (pp. 307–312). IEEE.
[16] Trianni, V., Nolfi, S., & Dorigo, M. (2011). Evolution, self-organisation and swarm robotics. In C. Blum & D. Merkle (Eds.), Swarm intelligence: Introduction and application (pp. 165–194). National Defense Industry Press.
[17] Brambilla, M., Ferrante, E., Birattari, M., & Dorigo, M. (2013). Swarm robotics: A review from the swarm engineering perspective. Swarm Intelligence, 7(1), 1–41.
[18] Dorigo, M., Birattari, M., & Brambilla, M. (2014). Swarm robotics. Scholarpedia, 9(1), 1463.
[19] Strobel, V., Castelló Ferrer, E., & Dorigo, M. (2018). Managing byzantine robots via blockchain technology in a swarm robotics collective decision-making scenario. In Proceedings of the 17th International Conference on Autonomous Agents and MultiAgent Systems. International Foundation for Autonomous Agents and Multiagent Systems.
[20] Nguyen, T. T., Hatua, A., & Sung, A. H. (2019). Blockchain approach to solve collective decision-making problems for swarm robotics. In International Congress on Blockchain and Applications (pp. 118–125). Springer.
