人工智能（AI）技术的进步推动自动化机械人迈向环境适应新时代。
机械人技术在过去数十年的进步令人瞩目，但仍有不少难题尚待解决，未能充分发挥其潜力。传统机械人通常要依靠预先编写的指令和受限制的配置，难以应对预料之外的情况。AI技术涵盖认知、分析、推理及决策，使机械人能够智能操作，显著提升其协助和支持人类的能力。
在工程系统中导入AI技术增强机械人性能，推动其在工业、农业、物流、医学等领域有更广泛的应用，使机械人能够更加自主、有效率地执行复杂任务。这项技术进展不仅释放了机械人的实际应用潜力，也有助解决迫切的医疗和环境问题，以及在工业革命4.0的背景下促进智能制造的范式转型。
香港理工大学机械工程学系智能机器人与自动化讲座教授、香港理工大学（南京）技术创新研究院院长张丹教授，带领研究团队运用AI技术，研发出多项具备高动态性能的新型机械人系统。
张教授的研究团队最近提出了一项抓握姿势检测框架，应用深度神经网络生成出一组具备全方向（六自由度「6-DoF」）的精准抓握姿势。为了准确侦测要抓取的物体，团队在不同半径的多尺度圆柱体上应用卷积神经网络（CNN），就每个物体的估算位置及尺寸，提供详细的几何信息。
透过多个多层感知器（MLP），可以将机器手抓取物体的精确度参数进行最佳调整，其中包括抓取器宽度、针对特定的平面内旋转角度及抓取器深度的抓取分数，以及碰撞侦测。这些参数会输入到框架内的算法，用于扩展默认配置，以产生专为场景而设的全方位抓握姿势。实验结果显示，此方法在实验室模拟环境中的表现全面优于基准方法；在现实实验中平均成功率为84.46%，而基准方法的平均成功率仅为78.31%。
此外，研究团队亦利用AI技术，为一款协助膝关节损伤患者进行步态复健的新型机械人膝关节外骨骼，提升其功能及用户体验。该外骨骼的结构包括: 以电动机驱动，用于主动辅助膝关节屈曲与伸展的执行器；能将外骨骼的重量转移到地面的踝关节；以及由另一组由电动机驱动的刚度调节机件。
机器学习算法中的长短期记忆（LSTM）网络可用于实时调整非线性刚度及扭矩，模仿人体膝关节的生物力学行为特性。此网络透过大量肌电图（EMG）讯号与膝关节运动数据进行训练，能够根据用户的生理讯号及动作状态，实时调整外骨骼的刚度和扭矩。透过预测所需的参数调整，该系统可以适应各种步态需求，有效提升使用者的步行稳定性及舒适度。
本研究整合了基于径向基函数（RBF）网络的自适应接受控制算法，使机械人膝关节外骨骼能够自动调整关节角度及刚度参数，无需使用力矩传感器。这样可以提高位置控制的准确度，以及外骨骼对不同步行姿势的适应能力。此方法以数据为主导，可以完善模型预测，并随时间推进而提高整体表现。实验结果显示，该模型在准确度和实时反应方面，均优于传统的固定控制方法，能够根据不同步速的使用者，产生合适的参考关节轨迹。
张教授的创新研究以深度学习为主的AI技术，显著提升了机械人在感知与理解环境方面的能力。这项技术进展使机器人能够更有效、灵活地解决和应对超出标准作业设定以外的非固定任务。AI与机械人技术的融合，不仅提升了操作的精度与准确度，还为机械人自动化带来了全新功能，能够做到实时决策及持续学习的能力。因此，不断提升机械人的性能，从而拓展其在未来社会中的应用范畴。
更多有关研究
