使用UCT演算法建構具學習能力的對弈機器人
本研究延續「使用機械手臂實現黑白棋之人機對弈」成果,改進四個部分:(一)研究使用UCT演算法讓機器人透過不斷對弈及學習,找到獲勝的方法;(二)使用 AI 伺服馬達改良機器手臂的穩定度及精確度;(三)使用白平衡及直方圖拓寬改善提高色光變動的容忍度;(四)將6*6棋盤改為正規8*8棋盤,實現自動取子機制。第二代機械手臂大幅改善手臂準確度,成功率從85%提升到100%。影像處理採直方圖拓寬有效改善環境色光變化造成的誤判。而人工智慧方面,使用遊戲樹第四層加UCT演算法所結合的AI,與遊戲樹第四層對弈,在調整UCB公式的C參數後,最快可在第9個棋局的學習,便可持續獲勝達到100%的勝率。整體經測試25賽局完整完成有18次,完成度達72%。