（中央社记者许秩维台北15日电）中央大学电机工程系副教授吴俊纬带领团队，将强化学习、传统控制与先进控制技术进行深度集成，打造出高稳定度的「抗扰」机器手臂，可提升机器手臂的精确度与适应力。 中央大学今天发布新闻稿指出，随着智能制造与自动化技术的快速发展，机器手臂已成为现代工业与科技领域中不可或缺的重要设备；但现有的机械手臂在实际应用常面临各种环境的不确定性、外部干扰、高精度控制等需求的严峻挑战。 拥有台积电研发部门经验的吴俊纬表示，这项研究最大的内核理念在于「从学理着手，打开黑盒子」；有别于许多机器手臂研究仅停留在应用端，研究团队从基本学理出发，探究机器手臂运作的根本原理与底层逻辑。 为彻底掌握技术，研究团队坚持不使用市售展示用的机器手臂，秉持「从零开始」，亲自设计打造机器手臂，并编写运作程序，进而提出一套兼具稳定性与高性能的精确控制策略，并在多个面向展现创新突破。 团队提出的控制方法不需高度依赖精确的数学模型，即使在环境不确定或系统高负载变化的情况下，仍能维持良好的控制效果，可大幅度提升机械手臂的适应能力与稳定性。 另外，团队还提出新颖的扰动观测器设计架构，解决传统方法只能处理较单一的干扰问题，能更快速且准确地应对突发或变动的干扰情况，进一步提升控制精度与系统稳定性，同时降低对复杂传感与计算的依赖。 最后结合人工智能架构，让系统一边学习如何评估控制效果，一边学习如何产生最佳控制策略，并以传统控制原理作为初始基础，大幅减少实务上需反复调整参数的问题，使系统更容易被设计且动作可更快达到稳定状态，为未来发展高度自主性机器人奠定重要研究基础。（编辑：张雅净）1150415 选择与事实站在一起，您的每一份赞助，都是守护新闻自由的力量 下载中央社「一手新闻」APP，即时掌握最新消息 本网站之文本、图片及影音，非经授权，不得转载、公开播送或公开传输及利用。