模糊避障結合強化學習：打造自主感知與動態決策四足機器人

圖說：四足機器人於智慧倉儲環境進行自主導航與動態避障模擬。系統透過LiDAR等感測資訊建構環境地圖，結合模糊動態避障演算法與強化學習控制策略，即時感知貨架、棧板及移動載具等周遭障礙物，並進行路徑規劃與移動方向修正，使四足機器人能在複雜環境中自主規劃行進路徑並安全避障。

技術名稱

模糊動態避障與強化學習應用於四足機器人控制

計畫單位
國立中央大學

計畫主持人
張禎元 教授

技術簡介

隨著四足機器人逐步應用於智慧巡檢、救災搜救與設施維護等場域，如何讓機器人在複雜、動態且充滿不確定性的環境中自主移動，已成為機器人技術發展的重要課題。相較於環境相對單純的實驗場域，真實世界中的障礙物位置、地形與行進條件可能隨時改變，機器人除了必須維持穩定步態，更需要即時感知周遭環境、判斷障礙物並迅速調整行進方向。

研究團隊開發「模糊動態避障與強化學習應用於四足機器人控制」技術，融合自主研發的模糊避障演算法與強化學習（Reinforcement Learning, RL）控制策略，並透過光達（LiDAR）、慣性量測單元（Inertial Measurement Unit, IMU）等感測器取得環境與機器人運動資訊，建立從環境感知、即時決策到運動控制的完整自主移動架構。

當機器人偵測到周遭障礙物時，模糊避障演算法可根據即時感測資訊，動態修正機器人的移動速度與行進方向，降低碰撞風險；同時結合強化學習控制策略，使四足機器人在面對環境變化與不確定因素時仍能維持穩定行走。系統進一步整合環境建圖與路徑規劃能力，使機器人不僅能「走得穩」，更能「看環境、避障礙、找路徑」，朝向具備自主感知、決策與行動能力的智慧四足機器人發展。

技術亮點

• 融合模糊避障演算法與強化學習控制，提升四足機器人的自主移動與環境適應能力。
• 搭載LiDAR與IMU等感測器，即時取得周遭環境與機器人運動狀態資訊。
• 自主研發模糊動態避障演算法，可依障礙物資訊即時調整移動速度與方向，提升避障能力。
• 導入強化學習控制策略，強化四足機器人在不確定環境中的步態穩定性與運動控制能力。
• 整合環境感知、建圖、路徑規劃、動態避障與運動控制，建立完整的自主移動技術架構。
• 可因應複雜及動態環境變化，作為四足機器人進入真實產業場域的重要自主控制技術基礎。

產業應用性

四足機器人具有跨越複雜環境與自主移動的優勢，特別適合應用於傳統輪型機器人不易通行，或人員進入具有安全風險的作業環境。本技術結合即時環境感知、模糊動態避障、強化學習、建圖與路徑規劃，可提升四足機器人在複雜與不確定環境中的自主移動能力，未來可應用於智慧巡檢、能源設施維護、救災搜救、倉儲管理及物流運輸等場域。

例如在工廠或能源設施巡檢中，四足機器人可依據感測資訊自主規劃移動路徑，並因應臨時出現的人員、設備或障礙物調整行進方向；在救災等高風險環境中，則可發揮機器人的自主移動能力，協助進入人員不易或不宜抵達的區域執行環境探查與資訊蒐集任務，降低第一線人員的作業風險。

未來隨著強化學習、環境感知與自主決策技術持續發展，本技術可進一步強化四足機器人面對真實世界複雜環境的自主行動能力，從「依循預設路徑移動」朝向能夠「感知環境、即時決策、自主避障與行動」的實體AI（Physical AI）系統發展，為智慧巡檢、無人化作業及自主機器人的產業應用奠定技術基礎。

參考資料：模糊動態避障與強化學習應用於四足機器人控制 - Future Tech Pavilion, FUTEX未來科技館