機械工業網 - 機械工業雜誌 - 機械產業的入口網站

:::

歷史雜誌

依專輯名稱關鍵字搜尋或依年份搜尋，年份輸入範例202406

作者:鄭中強人工智慧賦能的自主移動機器人導航：感知、規劃與基於學習的控制研究調查

隨著自主移動機器人 (AMR) 在智慧製造的快速普及，自主導航已成為AMR 的核心能力。本文探
討人工智慧導入自主移動機器人導航系統之發展趨勢，聚焦於感知、規劃與學習式控制三大核心模組。
傳統 AMR 導航多仰賴規則式與模型式方法，於動態與複雜場域中會有侷限。近年深度學習與強化學習技
術被引入導航本體架構，使機器人具備語意感知、學習式路徑規劃與端對端運動控制能力。本文透過系
統性文獻回顧，分析 AI 如何重塑導航流程，並整理多模態感測融合、神經代價地圖與強化學習控制等關
鍵技術，最後探討整合式 AI 導航架構之挑戰與未來發展方向。

作者:張雅玲、丁家敏、張家耀、吳昱勳、邱國麟、何念慈應用人工智慧方法於永磁無刷馬達設計

本文提出一個結合監督式學習與強化學習之永磁馬達設計架構，以提升設計效率並降低試誤成本。
首先，依據馬達設計方程式建立流程，並串接有限元素軟體進行電磁分析，產生馬達初步設計方案。接
著，導入監督式學習，透過具物理意義之特徵建構分類模型，用以判別設計是否具備分析可行性作為前
端篩選機制。最後，採用強化學習的 SARSA 演算法，針對篩選之馬達設計方案進行參數調整，以降低頓
轉矩並提升性能。結果顯示，所提出之方法可避免不合理方案進入有限元素分析流程，可降低計算成本，
並在最佳化過程穩定收斂至最佳解，驗證本架構之有效性。

作者:彭達仁、黃秋杰、劉恩承、林妍伶、黃健瑋基於Omniverse優化CNC加工後的纏屑處理

隨著產線自動化的推進，CNC（Computer numerical control）加工過程中的纏屑問題易導致刀具損害、生產停機與維護成本上升。為解決此問題，本研究基於 NVIDIA Omniverse 平台建立數位雙生環境，結合強化學習提升 YOLO 模型之辨識效率與準確度，並透過高精度辨識結果即時控制機械手臂執行多階段清除機制，包括噴氣與勾取操作，必要時進行人工輔助。實驗結果顯示，本系統在不同光線與作業條件下辨識準確率超過 90%，有效降低停機頻率、縮短清理時間，提升刀具壽命與加工品質。本研究透過 Omniverse 虛擬訓練與模擬環境，成功實現智慧化纏屑處理，為產線自動化與先進製造提供關鍵技術參考。

作者:彭達仁、黃秋杰、劉恩承、林妍伶、黃健瑋基於Omniverse優化CNC加工後的纏屑處理

隨著產線自動化的推進，CNC (Computer numerical control) 加工過程中的纏屑問題易導致刀具損害、生產停機與維護成本上升。為解決此問題，本研究基於 NVIDIA Omniverse 平台建立數位雙生環境，結合強化學習提升 YOLO 模型之辨識效率與準確度，並透過高精度辨識結果即時控制機械手臂執行多階段清除機制，包括噴氣與勾取操作，必要時進行人工輔助。實驗結果顯示，本系統在不同光線與作業條件下辨識準確率超過 90%，有效降低停機頻率、縮短清理時間，提升刀具壽命與加工品質。本研究透過 Omniverse 虛擬訓練與模擬環境，成功實現智慧化纏屑處理，為產線自動化與先進製造提供關鍵技術參考。