目前市面上越來越多的飯店和餐廳開始使用送餐機器人來進行餐桌旁的服務。但是在運送任何餐具或是物品時，皆須由服務人員將物品放置於機器人上，再由服務人員將物品放置於桌面上。這樣的服務模式限制了機器人的自主服務能力，因為目前的送餐機器人缺乏機械手臂來夾取碗盤，並且沒有足夠的影像辨識技術來準確辨識碗盤的位置和狀態。
機器人系統核心為Intel NUC作為執行平台，並使用機器人作業系統(ROS)，底盤使用三顆全向輪使其可以做全向運動，並於移動機器人前方放置YDLIDAR光學雷達，使機器人具有建構地圖以及定位之功能，在機器人周圍還具有防撞感測條，使送餐機器人對環境使用者的防範更加地齊全。

機人配置具有嵌入式控制器之伺服馬達，並將夾爪部分設計為碗盤專用以利於送餐機器人能穩定的夾取碗盤，並將其放置或是拿起。當機器人獲取工作並運行指令後，機器人能自主前往設定好的餐桌前，透過影像辨識，辨識桌面擺設，自主收拾碗盤或擺上新的碗盤，成功完成碗盤擺設後，機器人自主回到待命區。

本文移動機器人配置7顆具微控制器伺服馬達所自製七軸機械手臂，並將夾爪部分設計為碗盤專用型夾爪，確保可以完好的拾取或擺放碗盤。當機器人成功接取到工作指令後，機器人自主導航至欲整理之桌面，到達目的地後，自主辨識桌面是否具有碗盤，碗盤在桌面上的位置是否可以夾取，成功拾取或擺放後，移動機器人自主回至待命區等候。此一研究可以改善服務型機器人行為能力，增加桌面碗盤的拾取功能。

最終本文移動機器人經過連續10次的測試，指定前往需整理之桌面，使機器人自行移動至桌面前，進行影像辨識，自行修正與碗盤之間的距離直至可以夾取碗盤，透過自行設計的機械手臂與夾爪，成功夾取桌面上碗盤達成拾取桌面上碗盤放置於機器人上方的碗盤放置區，成功率高達7成。

The increasing prevalence of delivery robots in hotels and restaurants is transforming table-side service. However, these robots currently require human intervention to place items on the robot and subsequently transfer them from the robot to the table. This service model limits the autonomous capabilities of delivery robots, as they lack the mechanical arms necessary for grasping dishes and the advanced image recognition technology to accurately identify the position and status of tableware.

This study presents the design of a service robot capable of autonomously placing and collecting tableware, thereby expanding the role of mobile service robots beyond mere transportation of items. Upon reaching a table that requires organization, the robot can independently recognize the need to either retrieve or place tableware.

摘要...........................................................i
ABSTRACT......................................................ii
誌謝.........................................................iii
目錄..........................................................iv
表目錄........................................................vi
圖目錄.......................................................vii
第一章 緒論..................................................1
1.1 研究動機與目的.........................................1
1.2 問題描述..............................................1
1.3 自主擺放與收拾碗盤操作策略..............................2
1.4 論文架構說明...........................................2
第二章 相關技術分析與文獻探討..................................3
2.1 服務型機器人分析與探討..................................3
2.2 文獻分析與探討.........................................3
2.3 YOLOV8介紹............................................5
2.4 距離測量單元...........................................6
2.5 深度相機...............................................7
第三章 硬體設計與架構.........................................8
3.1 硬體設計概述...........................................8
3.2 底盤結構設計..........................................12
3.3 動力結構設計..........................................14
3.4 機械手臂設計..........................................16
3.5 硬體系統架構概述......................................19
3.6 機器人系統核心........................................20
3.7 環境偵測系統..........................................21
3.8 影像辨識系統..........................................22
3.9 底盤驅動單元..........................................24
3.10 手臂驅動..............................................25
3.11 電力系統..............................................28
第四章 軟體系統架構..........................................32
4.1 底盤控制與姿態........................................32
4.2 手臂策略..............................................43
第五章 實驗方法設計與實現.....................................46
5.1 自主擺放與收拾碗盤之服務型機器人流程與策略...............46
5.2 影像辨識訓練電腦規格與軟體版本..........................55
5.3 影像辨識訓練前參數設定.................................56
5.3.1 YOLOv8訓練過程........................................57
5.3.2 準備數據集樣本........................................58
5.3.3 標記樣本..............................................59
5.4 YOLOV8實際訓練過程....................................63
5.4.4 第一次訓練............................................63
5.4.5 第二次訓練............................................65
5.4.6 第三次訓練............................................67
5.5 手臂馬達PID調教.......................................69
5.5.7 實驗驗證..............................................73
第六章 結論與未來展望.........................................85
6.1 結論..................................................85
6.2 未來展望..............................................86

1.Jocher, G.C., Ayush; Qiu, Jonathan, Ultralytics YOLO (Version 8.0.0). 2023.
2.Yin, J., et al., Table Cleaning Task by Human Support Robot Using Deep Learning Technique. Sensors, 2020. 20(6): p. 1698.
3.甲電國際股份有限公司, 萌系智能送餐機器人愛咪-甲電國際股份有限公司. 2020.
4.禾煜科技, 禾煜科技 - Ai 機器人服務的專家｜送餐清潔接待機器人服務. 2024.
5.吳佩蓉、蔡玉琬, 2021年-2026年全球服務型機器人市場發展. 2022.
6.泓宇, [Object detection] YOLOv8詳解. 2024.
7.泓宇, [Object detection]重頭開始教你如何用YOLOv8訓練自己的資料集. 2024.
8.zhao-xuhui, Intel RealSense D435i:简介、安装与使用(ROS、Python). 2020.
9.哲豪, 許., 【3D感測器】如何擷取Intel RealSense™串流影像到OpenCV. 2019
10.RealSense, I., Depth Camera D435i - Intel RealSense.
11.松峰精機股份有限公司, S.M., SOHO MOTOR 松峰精機股份有限公司. 2014
12.奕昇電腦, Intel NUC 11代 I7 電競電腦 獨立顯示卡 RNUC11PHKI7C.
13.Technology, S.E., YDLIDAR X4PRO_YDLIDAR|Focus on lidar sensor solutions.
14.e-Manual, R., U2D2 Available from:https://emanual.robotis.com/docs/en/parts/interface/u2d2/.
15.e-Manual, R., SMPS2Dynamixel Available from:https://www.robotis.us/smps2dynamixel/.
16.ROS.org, tf2 - ROS Wiki Available from:https://wiki.ros.org/tf2.
17.Meeussen, W., Coordinate Frames for Mobile Platforms. 2010.
18.Yunardi, R.T., et al., Holonomic Implementation of Three Wheels Omnidirectional Mobile Robot using DC Motors. 2021, 2021. 2(2): p. 7.
19.Moore, T., State Estimation Nodes — robot_localization 2.7.6 documentation. 2016.
20.nav_msgs/Odometry Documentation. 2022
21.geometry_msgs/PoseWithCovarianceStamped Message. 2022.
22.geometry_msgs/TwistWithCovarianceStamped Message. 2022.
23.sensor_msgs/Imu Message. 2022.
24.roboflow, https://roboflow.com/.
25.https://roboflow.com/, Roboflow: Computer vision tools for developers and enterprises.