| 作品介紹 |
隨著計算機技術和人工智慧技術的飛速發展，使機器人在功能和技術層次上有了很大的提高。目前機器人根據市場需求共分為兩大種類別，分別為可協助製造、加工型的工業型機器人(Industrial robots)與提供服務的服務型機器人(Service Robots)，而在面向家庭、健康照護的服務型機器人，又有了個人服務機器人(Personal Service Robots)之稱。
機器人控制系統是一門綜合性複雜的問題，一套完整的機器人系統中會包含結構、力學、控制、感測元件等技術相輔相成。然而不管是任何類型的機器人，在執行當前任務時，我們都要考量到目前的關節狀態及如何透過特定的軌跡移動至目的地，這種移動的過程是機器人控制領域中的核心，也被稱為機器人運動學。
在傳統機器人運動學裡，都透過正逆向運動學的推算來操控機器人。正向運動學是由固定支點做為出發，並利用結構間角度差推算至結構終端;逆向運動學則是以終端座標為主，回推其他角度至固定支點。
而近年來深度學習技術越來越熱門，從2016年Google DeepMind所開發的人工智慧AlphaGo，在眾人的目光下擊敗了韓國職業九段棋士，而這次的舉動導致深度學習領域逐漸被世人廣泛討論。
在深度學習發光的現代，萌生了一種以深度學習技術建置機器人運動學的想法，使機器手臂擁有自身獨特的運動模型，而不依靠傳統運動學方法控制手臂，利用3D成型技術打造機械手臂，且以多種深度學習技術作為逆向運動學建模方法，比較模型間不同的學習效果。 |