1. 緒論
現有的數位製造設備在便攜性、部署能力、擴展性和可重組性方面存在諸多限制。傳統的3D印表機和CNC工具機具有固定的結構形式，使得使用者難以輕鬆修改機器尺寸或功能。群體製造技術透過運用群體機器人學來創建動態、隨需應變的製造系統，從而解決這些限制。
其核心概念在於以配備客製化3D列印附件的移動機器人取代靜態機器組件。這種方法能夠構建各種製造設備，包括X-Y-Z繪圖機、3D印表機以及其他通用製造系統，可在使用者所需的任何地點進行部署。
2. 相關研究
2.1 模組化製造設備
先前的研究已探索過製造設備的模組化方法。Peek等人[8]引入了紙板機器套件，能夠使用模組化組件快速原型化製造設備。同樣地，可製造機器[2]開發了用於創建客製化製造裝置的軟硬體工具套件。這些工作為可重組製造系統奠定了基礎，但受限於其靜態模組化組件。
2.2 作為製造設備的小型機器人
數個專案曾研究使用小型機器人執行製造任務。Fiberbots[5]展示了使用小型機器人系統進行建築規模的建造。Koala3D[14]展示了類似的垂直建造方法，而群體3D印表機[1]和白蟻機器人[3]則探索了大型物體的集體建造。這些系統啟發了群體製造技術，但主要專注於建造而非可重組的製造設備。
3. 系統架構
3.1 機器人平台與組件
本系統採用toio機器人作為移動平台，配備客製化3D列印附件，以實現各種製造功能。關鍵組件包括：
- 馬達元件：作為精密運動控制器的機器人
- 升降機系統：用於Z軸控制的垂直移動機構
- 擠出機組件：用於3D列印的材料沉積系統
- 送料機構：材料供應與管理系統
3.2 座標系統與運動控制
群體在全局座標系統內運作，每個機器人的位置均透過內建感測器和外部定位系統進行追蹤。運動規劃演算法協調多個機器人，使其作為統一的製造機械運作。
4. 技術實現
4.1 數學模型
群體製造系統的位置控制可使用轉換矩陣建模。對於位於位置$(x_i, y_i)$並移動至目標位置$(x_t, y_t)$的機器人，其運動向量計算如下：
$\vec{v} = \begin{bmatrix} x_t - x_i \\ y_t - y_i \end{bmatrix}$
每個機器人的速度控制遵循：
$\dot{x}_i = k_p (x_t - x_i) + k_d (\dot{x}_t - \dot{x}_i)$
其中$k_p$和$k_d$分別為比例增益與微分增益，經最佳化以實現穩定的群體運動。
4.2 程式碼實現
群體製造的核心協調演算法：
class SwarmFabrication:
def __init__(self, robot_count):
self.robots = [ToioRobot() for _ in range(robot_count)]
self.positions = np.zeros((robot_count, 3))
def coordinate_motion(self, target_positions):
"""協調多個機器人以達成目標位置"""
for i, robot in enumerate(self.robots):
current_pos = self.positions[i]
target_pos = target_positions[i]
# 計算運動向量
motion_vector = target_pos - current_pos
# 應用運動約束
if np.linalg.norm(motion_vector) > MAX_VELOCITY:
motion_vector = motion_vector / np.linalg.norm(motion_vector) * MAX_VELOCITY
# 執行移動
robot.move(motion_vector)
self.positions[i] = current_pos + motion_vector
def fabricate_layer(self, gcode_commands):
"""執行一層製造指令"""
for command in gcode_commands:
self.coordinate_motion(command.positions)
if command.extrude:
self.activate_extruder(command.material_flow)5. 實驗結果
原型系統成功展示了使用多個toio機器人創建功能性X-Y-Z繪圖機的能力。主要發現包括：
- 定位精度：在平面運動中達到±1.5毫米的精確度
- 擴展性：系統在3至12個機器人數量下均能維持性能
- 可重組性：同一群體機器人可在15分鐘內於2D繪圖與3D列印任務間重新配置
- 列印品質：實現基礎3D列印，層解析度達0.4毫米
原論文的圖1展示了概念設置，其中機器人協同形成功能性3D印表機，不同機器人分別負責X、Y、Z軸運動與材料擠出。
6. 分析與討論
群體製造代表了數位製造領域的典範轉移，解決了傳統製造系統的根本限制。與具有固定運動學的傳統3D印表機不同，此方法利用分散式機器人學創建自適應製造系統。本研究建立在成熟的群體機器人學原則之上，同時引入了數位製造領域的新穎應用。
相較於如RepRap專案中描述的傳統系統，群體製造在機器配置方面提供了前所未有的靈活性。傳統系統需要針對不同建造體積或功能進行全面重新設計，而此方法能夠使用相同的機器人組件實現動態重組。這與模組化機器人學的新興趨勢相符，類似於麻省理工學院電腦科學與人工智慧實驗室開發的系統。
群體協調的數學基礎源自多智能體系統理論，特別是Reynolds在群聚行為方面的研究。運動控制演算法確保了無碰撞操作，同時維持製造任務所需的精確定位。這相較於先前的群體建造系統是一大進步，後者通常專注於更大規模、精度較低的組裝任務。
從人機互動的角度來看，群體製造橋接了數位製造與實體介面之間的鴻溝。能夠實體重組製造設備的能力，為使用者提供了對製造過程的直觀控制，類似於實體介面如何革命化3D建模。這種方法有望普及先進製造能力的取得，正如麻省理工學院比特與原子中心主任Neil Gershenfeld在個人製造早期研究中所展望的那樣。
儘管面臨分散式控制的挑戰，技術實現展現了穩健的性能。所達到的精度（±1.5毫米）對於基於群體的系統而言相當卓越，並接近入門級商用3D印表機的精確度。這表明隨著定位系統和控制演算法的進一步完善，基於群體的製造技術在特定應用中可達到商業可行性。
7. 未來應用
群體製造為未來發展開啟了眾多可能性：
- 現場建造：適用於建築工地或災難應變的可部署製造系統
- 教育工具：用於教授數位製造概念的模組化系統
- 多材料列印：由專業機器人團隊同時使用不同材料
- 大規模製造：用於製造超大型物體的可擴展系統
- 太空應用：適用於太空任務與地外製造的緊湊型可重組系統
未來研究方向包括透過先進感測器融合提升定位精度、開發更複雜的協調演算法，以及探索具有專業能力的異質群體。
8. 參考文獻
- 群體3D印表機專案. (2020). 使用機器人群體的分散式3D列印. IEEE機器人與自動化通訊.
- Mueller, S., 等人. (2014). 可製造機器. ACM人機互動會議.
- Petersen, K., 等人. (2011). 啟發自白蟻的群體機器人建造元啟發法. 群體智能.
- Reynolds, C. W. (1987). 鳥群、獸群與魚群：分散式行為模型. ACM SIGGRAPH電腦圖形學.
- Kayser, M., 等人. (2018). Fiberbots：用於數位製造的自主群體機器人系統. ACADIA會議.
- Gershenfeld, N. (2005). Fab：即將發生在您桌面上的革命—從個人電腦到個人製造. Basic Books.
- Yim, M., 等人. (2007). 模組化自重組機器人系統. IEEE機器人與自動化雜誌.
- Peek, N., 等人. (2017). 紙板機器套件：用於快速原型化快速原型機的模組. ACM TEI會議.
- Lipson, H., & Kurman, M. (2013). 製造：3D列印的新世界. John Wiley & Sons.
- 麻省理工學院CSAIL. (2019). 分散式機器人與製造系統的進展. 麻省理工學院技術報告.