打開學理黑盒子 中大打造高穩定度抗擾機器手臂

隨着智慧製造與自動化技術快速發展，機器手臂已成爲現代工業與高科技應用的核心設備。國立中央大學電機工程學系副教授吳俊緯研究團隊，成功整合強化學習、傳統控制與先進控制方法，開發出具高穩定度與抗干擾能力的機器手臂控制技術。該成果憑藉紮實學理基礎與創新設計，獲刊於國際頂尖期刊IEEE Transactions on Cybernetics。

中央大學電機系副教授吳俊緯團隊，打造出兼具高精確度與高穩定度的「抗擾」機器手臂。 中央大學/提供

從學理出發 突破機器手臂「黑盒子」限制

具備臺積電研發經驗的吳俊緯表示，本研究的核心理念在於「從學理着手，打開黑盒子」。不同於多數研究偏重應用層面，團隊選擇迴歸基礎，深入解析機器手臂運作的底層邏輯與控制原理，藉此尋求真正具突破性的創新。

從零打造系統 全面掌握關鍵技術

面對實務應用中常見的環境不確定性、外部干擾與高精度控制需求，團隊採取「從零開始」策略，自行設計並打造機器手臂硬體，同步開發控制程式，建立完整技術體系。

透過此一方法，研究團隊提出兼具穩定性與高性能的精確控制策略，並在多項核心技術上取得突破。

研究團隊「從零開始」，親手設計打造機器手臂，並以深度控制學理爲根基來編寫底層程式，逐步打造兼具穩定性與高性能的機械手臂。 中央大學/提供

抗擾控制升級 提升穩定性與適應能力

本研究提出的控制方法，不需高度依賴精確數學模型，即使在環境不確定或系統負載劇烈變動下，仍能維持穩定控制表現，大幅提升機器手臂的適應能力。

同時，團隊設計新型擾動觀測器架構，突破傳統方法僅能處理單一干擾的限制，能更快速且精準地應對複雜與突發干擾，進一步提升控制精度與整體系統穩定性，並降低對高成本感測與運算資源的依賴。

結合AI學習機制 邁向高度自主機器人

研究亦導入行動者（Actor）—評論者（Critic）的人工智慧架構，使系統能同步學習「如何評估控制效果」與「如何生成最佳控制策略」。

此外，透過結合傳統控制理論作爲初始基礎，大幅降低實務上反覆調整參數的需求，使系統設計更爲簡化，並加速達到穩定運行狀態。

迴歸學理的基本面，是本次研究創新突破的關鍵。 中央大學/提供

此一成果不僅提升機器手臂性能，更爲未來高度自主化機器人發展奠定重要基礎。