高中科展・電腦與資訊科
以霍爾效應柔性仿生觸角與主動探索策略
實現黑暗環境 2.5D 地形重建
讓四足機器人像蟑螂一樣，在全黑的環境裡用觸角「摸」出地形。
研究動機
蟑螂、天牛等昆蟲在黑暗中靠觸角碰觸環境來認路。相機、LiDAR、紅外線 ToF 這些「光學」感測器， 遇到全黑、煙塵、濁水，或是透明、反光的表面時都會失效；接觸式量測則完全不需要光線。
我們用磁鐵加上 3 軸霍爾感測器，自製低成本的柔性觸角（單根感測元件約 NT$400）， 裝在仿生四足機器人上，在全黑環境中重建地形高度圖。
為什麼是 2.5D？每個平面位置 (x, y) 只記錄一個高度 z。它無法表示懸空的結構， 但描述地面地形已經足夠，資料量和演算法難度也適合高中生。
研究問題
- 自製霍爾觸角能否穩定量測根部彎曲（線性度、重複性、遲滯）？
- 懸臂梁模型能否從根部訊號算出接觸距離？誤差多少？
- 多次接觸點能否重建出接近真實的高度圖？
- 在透明、吸光、斜面、柔軟表面上，觸角是否優於超音波（HC-SR04）與紅外線 ToF（VL53L0X）？
- 機器人應該「去哪裡摸」，才能用最少的探測次數畫出最準的地圖？（主動探索策略）
系統怎麼運作：走 → 停 → 摸
- 雲端決定下一步：伺服器依探索策略，算出機器人要轉幾度、走幾步。
- 機器人走完停下：回報步數與 IMU 航向，伺服器用「步數 × 步長 + 航向」估計位置。
- 觸角探測：4 根觸角（左右各 2 根）依序轉到不同的偏擺角 ψ，往下擺，碰到東西後再推入 Δθ，回傳根部磁場變化 ΔB。
- 雲端重建：用校正公式
d = a · (Δθ / ΔB) + b算出接觸距離，換算成場地座標， 再用高斯過程（GP）更新高度圖與「不確定性地圖」，即時推送到手機畫面。
機器人主動用 WebSocket（wss，加密連線）連到雲端，學校網路不需要開放連接埠，也不需要筆電當中繼。
硬體
- M5StickC Plus2（ESP32 微控制器，內建 WiFi 與 6 軸 IMU）
- 伺服機 × 12（四隻腳各 1 顆、4 根觸角各 2 顆），需要 Hat 8Servos 再加一塊伺服機擴充板
- MLX90393 三軸磁感測器 × 4（每根觸角 1 顆，I²C 位址 0x0C～0x0F）
- 觸角 4 根：左右各 2 根，同一邊的兩根共用一個支點
- 觸角根部：Ø3 × 1 mm 釹磁鐵埋在 Shore A 10–20 矽膠中
- 觸角桿：0.5–0.8 mm 鎳鈦線，約 112 mm
探索策略（方向 B）
- S0 均勻格點：像掃地機器人一樣來回走
- S1 隨機：隨便挑地方摸
- S2 最大不確定性：去地圖上「最不清楚」的地方
- S3 主動探索：不確定性 σ − λ × 移動距離，資訊多又不走太遠
- 救災通道：在俯視圖點選終點，邊摸邊找路
實驗設計
| 代號 | 實驗 | 評估指標 |
|---|---|---|
| E1 | 感測器特性（根部偏轉 0–10°） | R²、標準差、遲滯 % |
| E5 | 測距校正（30–110 mm） | 誤差 < 5 mm |
| E9 | 步長校正 | 平均步長、打滑率 |
| B2 | 重建方法：線性內插 vs GP | RMSE |
| B3 | 探索策略比較（模擬，30 個地形） | RMSE、Wilcoxon p 值 |
| B4 | 探索策略比較（實機） | RMSE、掃描時間 |
| B7 | 定位誤差影響（打滑率 × IMU 漂移） | 定位誤差、RMSE |
| B8 | 走路策略：主動探索 vs 掃地式 | 覆蓋率、RMSE、停靠次數 |
| B9 | 救災通道 | 抵達率、探測次數、通道 RMSE |
這個網站可以做什麼
- 虛擬模擬器：四種場地、五種策略，可調整打滑率與 IMU 漂移； 3D 點雲同時顯示「機器人以為的」和「真實的」位置，即時計算 RMSE、覆蓋率、定位誤差，並可匯出 CSV / PLY / STL。
- 實體控制台：連接真實機器人，即時顯示高度圖；內建 E5 校正面板，可算出 a、b 與 R²。
模擬器和實體機器人使用同一套定位、重建與探索演算法。