探討樂高機器人的系統穩定性提升 對學生認知上的影響 研 究 生： 楊承融 指導教授： 黃武元 博士

研究背景 近年來，機器人越來越普及，從家用的清潔機器人到精密產業所使用的機器手臂，都一再的推陳出新，然而使用在教育上面卻是少之又少。 直到這幾年，慢慢有人試著將其融入學習之中，因為機器人可以給學生新奇、有趣的感覺，且實體的機器人又是螢幕中虛擬角色無法比擬的(Nozawa,et al,2004) ，隨著這幾年工業科技的發展，機器人價位已不在高不可攀，於是便選了Lego NXT Mindstorm來進行研究。

研究動機 現有的樂高機器人在運作時的系統穩定性相對於高單價的套裝機器人要來的低許多。於是讓我們想去研究如何可以利用有限的資源去達到最佳的效能 所以我們分別針對一般自走式機器人會出現的問題，如直線會有超出路線、轉彎會找不到路徑…等去進行研究，加上現今的機器人表演動作不夠多樣性且常出現各做各的情況，一併去進行研究及改善。

研究目的 根據本研究之研究背景，我們自行開發了一套機器人表演的控制系統，讓使用者可以透過自行設定路線及動作的方式，去設計一段表演，以及加入了多台機器人同步的功能，讓使用上更多變化。 我們在機器人系統上設計了一個表演活動，希望藉著在使用者去操作的過程中，去觀察機器人的穩定性對於使用者的認知上會有什麼樣的影響和差異。因此，我們的研究目的如下：

研究目的 探討使用者對於機器人表演系統的五大構面之間關係。 有效的提昇機器人系統的各項的穩定度。 多台機器人同步合作的表演。

研究限制 本研究在施行上以最客觀的方式去進行整個實驗的過程，但是難免會受到一些環境上的限制，在此就針對本研究的限制加以做出說明，說明如下： 機器人電池的續航力 投影機的問題

投影機問題 因為單槍投影機投射出來的光源並非是穩定光源。而是存在有中間過亮四周較暗的問題，導致於同一個顏色在中間地帶與邊緣地帶在光源感測器測出來的數值有所不同，所以變成每一個顏色會是一個範圍，而不是單一的值，也造成在設計上不能使用過多的顏色。 所以我們選擇了三個顏色，分別是深藍色(0)來代表底色，白色(1)當做路徑的顏色，而黑色(2)則是Server指令的代表顏色。 另外因為只有單一台垂直式投影機，所以不論是機器人移動範圍或是同一時間可以實驗的人數都受到限制。

相關研究- 學習理論 有關LEGO Mindstorms的學習理論基礎，一定得談到Seymour Papert，他是整個認識論與學習研究群的領導者，他所提出的建造論(Construcionism)是延續修正皮亞傑的建構主義(constructivism) ，此理論強調學習者必須有意識的從事某項公開事務的建造。因此，建構論特別強調： 學習是主動的歷程，知識不是自然獲得而是製造出來的，也就是學習者從經驗中主動建構知識。 當學習者熱衷於對個人具有意義的事物時，他對新知識的建構是特別具有效率。其中，第一項觀點是建立於皮亞傑的建構理論之上，而Paptert加以擴充而成為建造論(Resnick,1996)。

相關研究- 學習理論 由於電腦科技高度的發展，Papert（1988）所提的建造論除強調「從做中學」的觀念外，並且認為「形式運思」的思考風格不一定優於「具體運思」的思考風格，因而提出認識多元論的主張，強調在具體的操作過程中，也可以有相同的學習成效（吳志緯，2002）。因此，Papert所提出的建造論是建立於兩個不同的建構（construction）觀念：一是學習是主動的建構新知識，而不是被動的接受；二是透過對事物的操弄，並且進一步的呈現、發展，或與人分享而達到個人有意義化的建構學習（Papert & Harel，1991）。McGrath（2000）認為：Constructionism（Papert）＝Constructivism（Piaget）＋Construction（Lego／Logo），也就是Papert的建造論是涵蓋皮亞傑的建構理論，再加上能夠讓學習者主動操作的實物（如Logo程式，或LEGO積木）。

相關研究- Human Behavior 近幾年來，有許多的研究在偵測、追蹤或是辨識人們的行為模式（J. Aggarwal,Q.Cai，1993）。研究確認人類的行為模式包含了兩大目標 (1)行為偵測與物件追蹤 (2)行為說明 而現今的自走式機器人就是以這兩大目標去模擬人類的行為模式 自走式機器人的研究至今已經有超過20年以上的歷史，雖然不同的機器人都有自己不同的解決方案，但是不變的是，若是越多的感測器，所需要的反應行為也會相對的增加，而控制器就會更加的複雜。

sense-model-plan-act

sense-model-plan-act 為了解決此一問題，在1986年時Brooks 提出一種新型態的控制架構，其強調不需準確建立環境模型的行為模式架構(Behavior-based)就是為了解決如何使機器人在一無法確定的環境中或是無法預期環境變化下依然可以擁有即時且合適的導航動作反應。 而Brooks的這個方法即是把一個完整但複雜的導航任務分解成數個簡單的行為，並且讓它們以平行並聯的方式同時執行。 而Brooks的這個方法即是把一個完整但複雜的導航任務分解成數個簡單的行為，並且讓它們以平行並聯的方式同時執行，其原因便是因為單一簡單的行為必需考慮或是必須計算的量較少之緣故；因此，簡單的行為便可以非常快速地使機器人產生動作，而其行為模式架構，如圖所示，便是利用如此的設計將環境的感測輸入與機器人的輸出動作做更為緊密的結合。

sense-model-plan-act 而現今許多學者所採用的混合式控制架構，如圖所示。Architecture for Behavior Based Agents(ABBA)，本是由Behavior-Based演進而來，而原先的Behavior-based行為在此架構內乃是屬於Reactive部分，而需要較長時間處理的則歸屬於Deliberative部分。

系統設計 機器人系統主要是由機器人自主行進控制、 同步控制系統及路線繪製系統三大部份所組成，兩台機器人中間透過同步控制系統來互相溝通，使用者只要在路線繪製系統上面規劃好行程，再於同步系統上面設定動作，機器人即會自動表演，以下一一介紹各個部份。

LEGO Motor LEGO MINDSTORMS NXT 的控制器能夠同時驅動三組伺服馬達，伺服馬達與一般馬達主要差異在它多了回授系統。 LEGO Servo Motor 能夠回報馬達轉動角度訊息給控制器，並且可以像步進馬達一樣控制旋轉角度，解析達一度角，這樣的設計有助於使用者更精確的去控制馬達。

LEGO Motor 但是想控制馬達定速運轉，這不是一件容易的事，因為NXT使用不同電池或者換個地點 (負載狀況不同或者摩擦力差異)，相同的程式產出的結果會不同。馬達的轉速對於機器人在行進及轉彎時亦有很大的影響，過慢的轉速有可能會造成動力不足無法抵抗輪胎的摩擦力而使機器人靜止不動，過大的馬力輸出則有可能造成機器人三不五時的衝出應走的路線 所以我們設計了一個包含直線左彎右彎以及髮夾彎的路線，讓機器人以不同的速度分別去繞行12圈，扣掉單圈最快與單圈最慢的時間，取平均值來看，發現直行速度260（degrees/second）搭配上轉彎速度220（degrees/second）及240（degrees/second），會有最好的效果。

Sensor 一般使用者的LEGO NXT路徑機器人都是採用單一Light Sensor或是兩個Sensor，分別安裝在機器人左右去尋找路徑。使用單一Sensor時，因為Light Sensor能夠感測到的只有Sensor所在該點的亮度，因此對於機器人來說，它只能知道自己是否在線上，而無法知道線在哪邊，若是當機器人衝過頭離路線過遠時，就會有找不到路的情況發生。 行為方式是先判斷是否在行進路線上，若有在預定行進路線上就繼續保持前進，但若是偵測不到線路，先順時針旋轉30度，去偵測是否有路可以走，倘若仍然找不到路線，就反時針方向再加30度旋轉。

Sensor 再來是目前最多研究者及使用者所採用的雙感應器模式，兩個感應器的目的是在於要彌補單感應器只能知道現在是否在路上，或是是否走偏，但無法有效知道要往那個方向去修正。 而運用兩個感應器的發式就是在機器人的左前方跟右前方各放置一個感應器，若是左邊的感應器偵測到路線，代表機器人太右邊或者是前方有一個左彎的存在，所以要往左邊修正，反之亦然。

Sensor 但是此一做法依然存在一個問題，就是當機器人行徑速度過快時，有可能會駛離原有路線，但是因為兩個感應器依舊沒有偵查到路線，於是會判斷為目前是仍在路上的狀況，於是繼續行走，但實際卻已經大大遠離了應該行駛的路線，於是就有了另一種的方式來設置感應器。 此一方式就是採取右邊的感應器負責去確保機器人在路線上，若是右邊感應器偏離了路線，則馬上去利用左邊的感應器去判斷究竟是偏左或偏右，而立刻去進行修正的動作，可是此一作法在我們去測試過後，發現依然存在當機器人行駛到十字路口無法正確判斷的情形發生，所以我們便多增加一個感應器來解決此一問題。

Sensor 三個感應器其實是由左右兩個感應器的模式改良而來，主要就是利用中間新增一個感應器來確保機器人有在路線上，我們並且加入了自動修正的機制，當機器人發現徹底超出路線時（三個感應器都偵測不到路線），則先行回復到前一個正常的狀態，再繼續進行下去。 根據實驗的測試結果也發現此一方法的確可以有效並且快速的讓機器人行駛在正確的路線。

機器人自主行進控制程式 基於Low cost以及power這兩大主要考量，以及所使用語言的普及性，我們選擇了lejos這套軟體來進行開發，Lego Java作業系統（簡稱LeJOS），支援部分的標準Java API，並擁有自訂的API，負責執行NXT相關的功能，例如：控制馬達、檢測感測器和按鈕、在LCD螢幕輸出字串、透過揚聲器發出聲音…等等。這些與NXT相關功能的API都位於leJOS的套件中。 當我們程式開發好後，透過lejos的編譯器先將JAVA程式編譯成NXJ檔，之後透過USB將其傳送到NXT機器人中，機器人在執行時會再利用我們預先安裝在其內的OS去將其解析成機器人所能夠執行的機械語言，並且執行之。

機器人自主行進控制程式流程圖 機器人控制的主要流程是當使用者按下NXT機器人上面橘色的開始鈕後，會自動進入藍芽連線狀態，當偵測到藍芽連線後即會進入路徑搜索模式，在這個模式NXT機器人會一直持續不斷的去判斷三個偵測器所回傳的值，若是有其中任何一個有改變，即會馬上去分析是屬於哪一個行為模式(behavior) ，並去做出相對應的動作，而行為模式共包含尋找路線、直走及等待Server給予命令三種。

Path Finding流程圖&Code 尋找路線的方式是採取前面所提到的三個感應器的偵測方式，當進入此一狀態時，會先去判斷目前是否在路線上（中間的Sensor是否在線上），若不在路線則代表發生機器人衝出路線的情況，此時機器人會自動後退回到路線上再繼續進行，倘若是在路線上而觸發此一狀況，則開始判斷是否太過偏左（右邊感測器偵測到路線） 條件若成立機器人順時針旋轉30度（一旦轉到正確位置即馬上停止），否則即逆時針旋轉30度（左邊感測器偵測到路線），旋轉完再度判斷是否回到正確位置，正確即跳離此狀態，若依然不在正確位置上則重覆上述動作。

執行Server command流程圖&Code 執行Server指令這個狀態一開始會先主動送一個訊息給Server，告知已經抵達該點，並希望Server下達一個指令（指令由使用者一開始在Server端程式編輯），發送過要求指令後，機器人會進入一個等待狀態，直到Server回傳指令為止 若沒有收到就保持等待，收到指令後，先回傳訊息給Server告知已收到指令，接著去分析其指令，並正確的去執行。執行完後會釋放Thread自動尋找路徑繼續行進。

同步控制系統 機器人同步控制系統也是利用Java程式來開發設計完成的，該系統最主要的功能是透過藍芽去跟NXT機器人來溝通以及下達指令，以往的機器人研究常常使用USB或是紅外線去跟機器人做溝通，這些溝通的方式往往會因會角度跟距離而有所影響，藍芽則是無此問題存在，其之間溝通示意圖如下：

同步控制系統 其運行方式為一開始先將使用者欲設定的動作依照順序存入一個陣列中，該陣列是由一個整數陣列所構成，因為場地並不會太大，指令動作不會太多，所以預設大小為十，程式會根據不同的動作指令去存入不同的數值，若是沒有指定的動作指令，則用0去填滿，如：

同步控制系統流程圖 在設定好動作指令過後，系統會開始利用Java的藍芽API模組去建立與Com Port間的連線，連線建立完成就自動開始監聽該Port Buffer內的資料，當有資料傳入時先去查詢動作指令的陣列，依照使用者先前設定好的動作，去傳遞不同的命令參數給機器人。 若是需要同步時，則先紀錄已有一台機器人抵達該點，暫時先不傳送指令，而是等到另一台機器人送來已抵達訊息後，再一併送出可繼續動作的指令，來達成同步的效果。 當Server跟機器人傳遞訊息時，一樣會有一個確認的機制，以確保機器人有收到命令，這邊所採取的方法是類似無線網路的ACK機制，當送出一個訊息後，會去等待一個回傳的訊息，若是一定時間沒有收到回傳訊息，則判斷未收到，則再度發送指令 此項機制改善了以往有些機器人會執行到一半因為未收到指令而進入無窮等待的迴圈狀態，也讓使用者在操作起來更加順暢。

路徑編輯系統 路徑編輯系統也是利用JAVA程式所開發設計，此系統主要是提供一個User Interface讓使用者可以去設計及繪製他們所想要的機器人表演路線，也就像是設計腳本一樣，當使用者設計完畢後，可以將其設計圖稿透過系統存檔的功能儲存起來，接著就利用架設在天花板上的單槍投影將其路線投影到地上，而機器人就是根據使用者所設計的路線跟動作去完成表演。

路徑編輯系統 在路徑編輯系統上，我們設計了幾個功能讓使用者可以輕鬆容易的編輯路線 在版面的配置上，上方的是一些標準的按鈕，如檔案的開啟、儲存、回覆、重作…等。 右邊則是有屬性欄，在這邊使用者可以自行調整畫筆的粗細（預設Size為30）以及直線的起點終點要是圓弧狀或是四方形 而左邊的工具列則是包含了四個主要的繪圖工具

畫筆 此一功能是讓使用者可以畫出自由的線段，不受任何限制可以自由的發揮。

直線 直線功能主要是要讓使用者可以畫出長又直的線所設計，使用者點第一下時為起點，再點一下即會畫出直線，若再於第三個位置在點一下則會由第二點連到第三個點，按下其它功能鍵則退出此功能。

多邊形 此一功能跟直線有點類似，但主要是他是一個強制封閉的多邊形，你只要點出你想要的多邊形頂點，即會自動產生該多邊形，比如點五個點就是五邊形，七個點就是七邊形，以此類推…。

範圍選取 範圍選取的功能是當你想讓多台機器人的路線長的一模一樣時，先選取此功能，然後透過滑鼠拖拉的方式去框選使用者想要的範圍，再配合複製及貼上的功能，就可以輕鬆的畫出多個完全一樣的圖型。

研究架構 本研究設計了「機器人表演系統」，其中包含了像是同步、動作指令、自動修正…等提升機器人表演效能的功能，欲探討這些功能對於使用者的認知及操作上是否有不同的影響。因此提出以下的研究架構。

認知易用性 根據Davis(1989)將認知易用性定義為「使用者認知其學習使用系統的容易程度」，於本研究中引用此定義，將系統易用性定義為：使用者認為使用本研究「機器人表演系統」的容易程度。

認知有用性 根據Davis(1989)將認知有用性定義為「使用者對於使用特定的應用系統將會提高其工作績效或學習表現的期望」，於本研究中引用此定義，將認知有用性定義為：使用者認為使用本研究之「機器人表演系統」可以加強其對於機器人的一些相關概念及興趣。

活動有趣性 根據Davis(1992)定義電腦的有趣性為「不管電腦系統的執行績效如何，在使用電腦系統當中，會令人感到愉悅、享受的」，於本研究中引用此定義，將活動有趣性定義為：使用者在進行機器人表演規劃時，其活動的方式與內容是令人感受愉悅、享受的。

系統穩定性 我們將高穩定性定義為使用者在操作「機器人表演系統」時，鮮少或是不會發生錯誤的情形，如超出路線或是無法自動調整、修正以及無限等待…等情況。 在我們的研究中，我們又將系統穩定性分成直線穩定性、轉彎穩定性、命令執行的穩定性以及整體穩定性四個方向去探討。

系統滿意度 我們將其定義為，使用者針對「機器人表演系統」所設計的幾大功能整體表現及其運行操作方式的感受。

研究假設 根據本研究的研究目的、研究動機、文獻探討以及研究架構圖，提出以下待驗證之研究假設： 系統的「易用性」與系統的「穩定性」會有相關。 系統的「易用性」與系統的「有趣性」會有相關 系統的「有用性」與系統的「穩定性」會有相關。 系統的「有用性」與系統的「有趣性」會有相關。 系統的「滿意度」與系統的「易用性」會有相關。 系統的「滿意度」與系統的「有趣性」會有相關。 系統的「滿意度」與系統的「穩定性」會有相關。

實驗對象 本研究以中央大學資訊工程系研究所與網路學習科技研究所一年級、二年級以及博士班的學生為研究對象，總共十六人。 研究者提供兩台樂高機器人讓研究對象使用，因為投影機設備不足的關係，一次只能由單一使用者進行操作，其它研究對象則在旁邊觀看。 每位研究對象進行兩次的設計路線活動，活動期間可以與其它研究對象討論及交換意見。

研究工具 為了達到研究目的，本研究採用文獻分析統計分析等方法來進行研究，是屬於實證性研究(empirical study)。 根據文獻探討的整理結果，建立本研究的架構，利用機器人表演系統為活動進行的工具平台，使用問卷所收集來的數據資料作為研究分析之用。研究過程中所使用的工具包括：投影機、LEGO Mindstorm NXT機器人、問卷、統計分析軟體。

研究工具 問卷量表部分，測量尺度採Likert五點量表，每題有五個選項供勾選，分別為非常同意(5分)、同意(4分)、普通(3分)、不同意(2分)、非常不同意(1分)，受試者根據對問題的主觀感受與看法回答，最後再計算平均數與百分比，藉以了解受試者對於各構面之題項的看法。

問卷效度及信度分析 問卷之效度主要是以學者提出的理論依據並修改過去研究中有足夠效度的問卷，且諮詢幾位專家學者給予意見並慢慢修改，在統一整理意見後，將問卷中語意表示不清、不適合的項目以及錯字等加以增訂修改後，成為最後版本，已具備有一定的內容效度。 本研究針對五個構面去進行Cronbach’s alpha (α)信度分析，以檢測問卷的信度。經16份有效樣本，結果可得知各構面之Cronbach α都在0.628以上，表示這些構面具有高度的內部一致性，此量表具良好信度水準。 變數 Cronbach α 認知易用性 .845 認知有用性 .628 活動有趣性 .674 系統穩定性 .814 系統滿意度 .809

統計分析 本研究利用SPSS統計套裝軟體進行研究資料的分析與檢定。其主要的目的是將上述各構面之問卷施測結果進行相關的統計分析，以獲得較為客觀的科學驗證。統計方法利用平均數(Mean)、皮爾森積差相關性分析(Pearson Product-moment兩個方法加以處理。

研究步驟 文獻探討 系統建置 進行實驗 發放問卷 數據分析 結論與建議

結果分析與討論 樣本基本資料描述 本研究的研究樣本是以中央大學網學所的研究所一年級學生5人、研究所二年級學生8人，以及資工所研究所一年級學生1人，以及博士班學生2人為研究對象，總共是16人，男女生比例見表5-1，每個人使用機器人一次一小時，每位學生使用機器人表演系統兩次。 類別 項目 人數 百分比 性別 男 9 56.25% 女 7 43.75% 問題 選項 人數 百分比 以前是否曾經使用過LEGO機器人？ 沒有 13 81.25% 有 3 18.75% 除了本次使用的LEGO NXT機器人外，是否有使用過類似的機器人？

變項資料的統計 接下來說明問卷中，「認知有用性」、「認知易用性」、「活動有趣性」、「系統穩定性」及「系統滿意度」，五個構面之平均數，藉由描述性統計的方式進一步說明實驗樣本對於問卷中五個構面認知的態度及看法，我們採用Likert 五點量表進行施測，答案從非常同意到非常不同意共五個選項， SA表示非常同意、A表示同意、NC表示普通、D表示不同意、SD表示非常不同意。 統計所有問卷資料後發現各構面的每一個題項之平均數皆達3.44分以上，甚至有些達到4.63分，由此可知學生整體而言對於系統都表示正面的態度。

1. 使用LEGO機器人表演系統的路線功能對我來說是容易的 構面 題目 SA A N D SD 平均數 認 知 易 用 性 1. 使用LEGO機器人表演系統的路線功能對我來說是容易的 7 9 4.44 44% 56% 0% 2. 使用LEGO機器人表演系統的指令功能對我來說是容易的 4 8 4.00 25% 50% 3. 使用LEGO機器人表演系統的同步功能對我來說是容易的 3 6 3.82 19% 37% 4. 使用LEGO機器人表演系統的儲存功能對我來說是容易的 2 4.31 12% 5. 使用LEGO機器人表演系統規劃整個表演對我來說是容易的 4.06 6. 我認為LEGO機器人表演系統的整體操作方式並不難 4.19 7. 熟練地使用LEGO機器人表演系統的各個功能對我而言是容易的 1 3.88 6% 8. 我可以靈活的在LEGO機器人表演系統上進行設計 5 31 9. 我和LEGO機器人表演系統的互動相當清楚且容易瞭解 10 4.25 31% 63% 10. 在LEGO機器人表演系統上，我可以很容易的得到我要的資訊 3.69 13% 認知易用性部份，整體的平均高達4.05，其中最高有到4.44，最低仍有3.69，尤其在前五題的部份，除了對於同步功能使用者認為較有難度，只有3.82外，其它都有在4以上，也因為同步功能的觀念或許稍為複雜一點，導致對於整體而言會有點美中不足，不過其它項都受到使用者的肯定，有此可知機器人表演系統，在設計上面，對於使用者並不會太難，使用者可以輕易的上手操作。

1. LEGO機器人表演系統，可以促進我和同學一起互動 4.19 構面 題目 SA A N D SD 平均數 認 知 有 用 性 1. LEGO機器人表演系統，可以促進我和同學一起互動 5 9 2 4.19 31% 56% 13% 0% 2. LEGO機器人表演系統，能激發我的想像力 6 1 4.50 38% 6% 3. 結合LEGO機器人表演系統和操作機器人，可以幫助我對機器人的相關知識加深印象 7 8 4.38 44% 50% 4. 結合LEGO機器人表演系統和操作機器人，可以幫助我對機器人的相關知識更加瞭解 5. 親手操作LEGO機器人，讓我對於機器人的架構更加瞭解 4 10 4.13 25% 63% 12% 6. 使用LEGO機器人表演系統，可以更容易的去操作機器人 3 3.88 19% 7. 使用LEGO機器人表演系統，會提高我對機器人的興趣 11 4.63 69% 8. LEGO機器人表演系統的路線功能，可以有效的幫助我設計 37% 9. LEGO機器人表演系統的指令功能，可以有效的幫助我設計 4.00 62% 10. LEGO機器人表演系統的同步功能，可以有效的幫助我設計 3.81 68% 認知有用性部份，整體的平均數也有4.18的高表現，其中最高的4.63是出現在使用者認為機器人表演系統，會提高使用者本身對機器人的興趣，也就代表使用者操作過此一系統後，會更加的想要試著去瞭解機器人。最低分的表現仍然是在同步功能的方面，但是整體來說使用者還是認為機器人表演系統對於認知有用性是有一定的效果。

1. 使用LEGO機器人進行活動時，時間總是不知不覺就過了 4.25 構面 題目 SA A N D SD 平均數 活 動 有 趣 性 1. 使用LEGO機器人進行活動時，時間總是不知不覺就過了 6 8 2 4.25 37% 50% 13% 0% 2. 我總是能專心地進行機器人表演的規畫 4 10 1 4.06 25% 63% 6% 3. LEGO機器人表演讓我覺得很有趣 5 4.56 31% 4. 機器人行進中可以有許多動作，讓我覺得很好玩 7 4.44 44% 5. 每次進行機器人表演規畫的過程，我的心情是愉快的 4.38 6. 使用LEGO機器人表演系統，會刺激我去瞭解更多有關機器人的事情 3 19% 7. LEGO機器人表演設計會引導我去探索活動主題的相關內容 3.88 8. 進行機器人表演設計，和同學一起討論，會引發我的想像力 在活動有趣性這個部份，整體是五個構面中最高的，有4.26，這表示機器人以及我們的系統，的確讓使用者感到有趣的，由其是3、4、5這三題，更是都有平均之上，也就是讓機器人根據他們的想法去行走以及擺動做動作，會讓他們感到心情娛快且相當有趣。 唯一一個負面的使用者是在「我總是能專心地進行機器人表演的規畫」這題，根據訪談的結果，使用者是認為因為有其它同學及研究者在一旁，容易會影響到使用者的專心度，加上因沒有禁止使用者攜帶手機，所以偶爾也會出現干擾。

構面 題目 SA A N D SD 平均數 系 統 穩 定 性 1. 機器人在行走直線時，不會有找不到路的情況發生 6 10 4.38 38% 62% 0% 2. 機器人在行走直線時，不會有超出路線的情況發生 5 1 3.88 31% 6% 3. 機器人在行走直線時，可以順利的找到對的路線 8 4.19 50% 4. 機器人在行走直線時，可以快速的走完直線 5. 機器人在行走直線時，若超出路線，會自行調整回正確路線 2 4.25 13% 6. 機器人在轉彎時，不會有超出路線的情況發生 3 4 3.44 19% 25% 7. 機器人在轉彎時，可以順利的找到對的方向轉過去 7 3.81 44% 8. 機器人在轉彎時，可以快速的找到對的方向轉過去 3.75 9. 機器人在轉彎時，若超出路線，會自行調整回正確路線 10. 機器人走到命令點時，會準確的停下來 11 4.06 69% 11. 機器人走到命令點時，會準確的執行命令 9 56% 12. 機器人在執行完命令後，可以順利找到接下來的路徑 3.94 13. 機器人可以順利的走完我所規劃的路線 4.00 63% 14. 機器人可以快速的走完我所規劃的路線 3.69 系統穩定性是五個構面中，唯一平均數不到4，但也相當接近，有3.96。在這個構面中最低的是「機器人在轉彎時，不會有超出路線的情況發生」只有3.44，以及「機器人可以快速的走完我所規劃的路線」的3.69，但其實這兩個都還在預期之中，因為機器人在轉彎時，若是使用者設計彎度過大或是兩條線距離太過接近，造成超出路線的情況發生，這是無可避免的 但是就如同前一章所提到的，我們有加入了修正的機制，使其自動導回正確路線，這點也可以從問題五「機器人在行走直線時，若超出路線，會自行調整回正確路線」有4.25得到驗證。也因為有自動修正的機制，所以若發生時，整體速度會稍微被拖慢，讓使用者認為無法快速完成路線。

1. 我對於LEGO機器人表演系統的路線功能感到滿意 4.31 構面 題目 SA A N D SD 平均數 系 統 滿 意 度 1. 我對於LEGO機器人表演系統的路線功能感到滿意 5 11 4.31 31% 69% 0% 2. 我對於LEGO機器人表演系統的指令功能感到滿意 8 3 4.13 50% 19% 3. 我對於LEGO機器人表演系統感同步功能到滿意 2 3.94 13% 4. 我對於LEGO機器人表演系統的儲存功能感到滿意 6 4.25 37% 5. 我對於LEGO機器人表演系統的整體操作方式感到滿意 4 4.00 25% 6. 我對於LEGO機器人表演系統的自動修正功能感到滿意 1 13 6% 81% 7. 我對於LEGO機器人表演系統的規畫整個表演感到滿意 10 63% 8. 整體來說，我對於LEGO機器人表演系統感到滿意 12 75% 此一構面依然有平均4.12的好表現，其中最高的是4.31「我對於LEGO機器人表演系統的路線功能感到滿意」，由此可知使用者對於最主要的路線功能是相當滿意的，唯一稍微較低的依然是同步的功能以及自動修正的功能，都只有3.94，但並有不滿意的使用者出現，訪談的時候同學是表示，同步的功能不夠清楚，且因為只有兩台機器人，所以並不是會很常用到該功能，另外自動修正他們認為速度可以再快一點或是可以達到事先避免的情況。

相關性分析 認知 易用性 有用性 活動 有趣性 直線 穩定性 轉彎 命令 整體 系統 滿意度 Pearson相關 1.000 顯著性(雙尾) . 個數 16 .454 .078 .501* .516* .048 .041 .354 .275 .265 .179 .303 .321 .835** .092 .274 .435 .000 .733 .305 .125 .263 .008 .191 .646 .352 .325 .977 .479 .844** .301 .415 .842** .166 .257 .110 .538 .860** .447 .320 .129 .665** .113 .720** .082 .227 .633 .005 .677 .002 在認知易用性方面，很明顯的看出除了與認知有用性相關度較低外，其餘像是活動有趣性、轉彎穩定性、整體穩定性與系統滿意度都有顯著正相關，其中相關值分別為0.501(p<0.05) 、0.835(p<0.01) 、0.844(p<0.01)和0.860(p<0.01)，也就是說使用者普遍認為，若是此系統是易用的，才有可能有趣，且機器人的整體與轉彎時穩不穩定，更是易不易用的首要課題。 接著從認知有用性來看，只與有趣性有較顯著的正相關，代表使用要提升使用者對於機器人相關知識的興趣，是否能吸引使用者注意是最大的關鍵，反而對於系統是否穩定，並不會那麼的在乎。 從前面兩個構面的分析結果可以知道，不論是認知易用性或是認知有用系，這種來自使用者相當主觀的想法，與整個活動是否有趣有最大的相關，而系統的的穩定性不管從哪個角度去探討都並不會去影響到有趣性，也就是說使用者會認為，看到機器人出錯也是樂趣之一，但若太常出錯會導致使用者認為該系統不好用。 接著我們從系統滿意度來看，要讓使用者感到滿意，易用性和穩定性是兩大關鍵，尤其是易用性，相關值高達0.860(p<0.01)，也就是說系統是否好用、方便使用，會是使用者對於系統滿意的最大條件。其次的就是穩定性，轉彎穩定性及整體穩體性的相關值都有0.665(p<0.01)及0.720(p<0.01)，這點和我們的假設相當類似，因為若穩定性不夠高，造成機器人出錯比率高，使用者容易因此失去耐心，也會對我們系統失去信心，由其是轉彎時最容易看出此機器人表演系統是否穩定，所以穩定性也是我們這次研究強調的重點之一。 比較令我們訝異的是穩定性跟有趣性的相關並不顯著，根據訪談的結果，發現雖然機器人出錯後，會自動修正，但他們仍認為這是算不穩定，但是修正的動作他們卻認為相當可愛有趣，所以這也是穩定性跟有趣性的相關會出現不顯著的關係。

結論與建議 本研究擬定之研究假設，經實驗後的分析結果可以整理如下表 no 研究假設 結果 1 系統的「易用性」與系統的「穩定性」會有相關。 成立 2 系統的「易用性」與系統的「有趣性」會有相關。 3 系統的「有用性」與系統的「穩定性」會有相關。 不成立 4 系統的「有用性」與系統的「有趣性」會有相關。 5 系統的「滿意度」與系統的「易用性」會有相關。 6 系統的「滿意度」與系統的「有趣性」會有相關。 7 系統的「滿意度」與系統的「穩定性」會有相關。

結論 本研究主要是根據文獻，發現傳統的機器人表演都是預先將動作及移動輸入到機器人中，無法任意的修改，自走式機器人也都是採取膠帶或是用色筆在地上繪製，對於使用者的創意有相當大的限制。 所以我們首先先更改一般的路線模式，利用投影機去呈現，並去開發設計一個便於使用者發揮創意的系統，讓使用可以任意的去規劃路線，加上目前的LEGO NXT Mindstorm，已經被大量使用在機器人競賽中，往往在比賽過程中都會出現系統不穩定的情況，像是轉彎衝過頭、找不到路，或是在交叉路口產生誤判的行為，於是我們也著手去修正一些機器人在表演時會出現的問題，利用控制馬達的速度、機器人本身結構的改良，加上演算法的改善，以及加入了同步的機制，讓使用者在操作上不需去擔心會有出錯的情況發生，在使用者實際操控後，也證實可以有效的改善此些缺失。

結論 研究中我們利用活動後的問卷，去檢測包含「認知易用性」、「認知有用性」、「活動有趣性」、「系統穩定性」及「系統滿意度」五個構面之間的關係，檢定結果顯示與我們先前的假設沒有太多的不同，使用者在操作機器人上面，最重視的就是易用性，其次才是穩定性，所以使用者的界面及方便的程度，相當重要。

未來工作與建議 本研究在機器人表演上雖然改善了許多現存的問題，也發現了一些特性，然而機器人系統在未來的推廣與普及，還有許多待改善空間，在最後提出以下建議，作為日後研究工作的參考，如下： 設備擴充 增多研究樣本數 UI改善

Q&A