โมดูล 4/5 · สัปดาห์ 10–12 · 27 ชม.

การควบคุมอัจฉริยะ

DRT 344 ระบบอัตโนมัติ หุ่นยนต์ และการควบคุมอัจฉริยะ

เวลาเรียนประมาณ 90 นาทีร่าง รอตรวจปรับปรุงล่าสุด 26 กันยายน 2569

เมื่อเรียนจบโมดูลนี้ ผู้เรียนจะสามารถ

อธิบายวงจรรับรู้ ประเมิน วางแผน และควบคุมของระบบอัตโนมัติ
อธิบายระดับความเป็นอัตโนมัติและบทบาทของมนุษย์ในการกำกับดูแล
เปรียบเทียบอัลกอริทึมวางแผนเส้นทาง Dijkstra, A* และ RRT
คำนวณเอาต์พุตของตัวควบคุม fuzzy อย่างง่าย
อธิบายหลักการของ MPC และ reinforcement learning พร้อมข้อจำกัดด้านความปลอดภัย

ความรู้พื้นฐานที่ควรมี: DRT 344 โมดูล 2–3

ทำไมต้องรู้

PID ในโมดูล 3 ทำให้โดรนอยู่ที่ตำแหน่งที่สั่งได้ แต่ ใครเป็นคนตัดสินว่าควรไปที่ไหน ถ้ามีต้นไม้ขวาง ถ้าเป้าหมายเคลื่อนที่ หรือถ้าข้อมูลไม่แน่นอน ระบบอัตโนมัติขั้นสูงต้องรับรู้สภาพแวดล้อม วางแผน และตัดสินใจเอง ซึ่งเรียกรวมว่า การควบคุมอัจฉริยะ (intelligent control) และ ความเป็นอัตโนมัติ (autonomy)

เปรียบได้กับคนขับรถ PID คือทักษะการถือพวงมาลัยให้อยู่ในเลน ส่วนการควบคุมอัจฉริยะคือการอ่านป้าย เลือกเส้นทาง และตัดสินใจเบรกเมื่อมีคนข้ามถนน

วงจรของระบบอัตโนมัติ

วงจรสี่ขั้น รับรู้ด้วยเซนเซอร์และ AI ประเมินสถานการณ์ด้วยแผนที่และการระบุตำแหน่ง วางแผนเส้นทางและพฤติกรรม ควบคุมและสั่งการ แล้ววนกลับไปรับรู้ ตรงกลางคือมนุษย์กำกับดูแล — ภาพที่ 1 วงจรของระบบอัตโนมัติ

รับรู้ (perceive) อ่านเซนเซอร์และใช้ AI ตรวจจับวัตถุ
ประเมินสถานการณ์ (understand) สร้างแผนที่และรู้ตำแหน่งของตัวเอง
วางแผน (plan) เลือกเส้นทางและพฤติกรรม
ควบคุม (control) สั่งตัวควบคุมระดับล่าง เช่น PID ให้ทำตามแผน

ทุกขั้นมีความไม่แน่นอน และความผิดพลาดในขั้นรับรู้จะส่งต่อไปทุกขั้นถัดไป ระบบที่ดีจึงต้องมี มนุษย์กำกับดูแล ในระดับที่เหมาะกับความเสี่ยง

ระดับความเป็นอัตโนมัติ

ความเป็นอัตโนมัติไม่ได้มีแค่ “คนบังคับ” กับ “บินเอง” แต่มีหลายระดับ กรอบที่ใช้อ้างอิงได้ เช่น

NIST ALFUS (Autonomy Levels for Unmanned Systems, SP 1011) ประเมินความเป็นอัตโนมัติของระบบไร้คนขับจากความซับซ้อนของภารกิจ ความยากของสภาพแวดล้อม และระดับที่ต้องพึ่งมนุษย์
SAE J3016 แบ่งระบบขับขี่อัตโนมัติของรถยนต์เป็นระดับ 0–5 ตั้งแต่ไม่มีระบบอัตโนมัติจนถึงอัตโนมัติเต็มรูปแบบ ใช้เป็นตัวเทียบให้เห็นภาพได้ แม้จะไม่ได้ออกแบบมาสำหรับโดรน

คำถามสำคัญในแต่ละระดับคือ ใครรับผิดชอบเมื่อระบบตัดสินใจผิด และ มนุษย์รู้ทันเวลาหรือไม่ว่าต้องเข้าแทรก (เชื่อมกับจริยธรรมใน DRT 343 โมดูล 5)

วางแผนเส้นทาง

แผนที่แบบตารางแทนพื้นที่เป็นช่อง ช่องที่มีสิ่งกีดขวางเดินผ่านไม่ได้ อัลกอริทึมค้นหาจะหาเส้นทางจากจุดเริ่ม S ไปจุดหมาย G

Dijkstra (1959) ขยายโหนดตามระยะทางสะสมจากจุดเริ่ม $g (n)$ รับประกันเส้นทางสั้นที่สุด แต่ค้นกระจายไปทุกทิศ
A* (Hart, Nilsson & Raphael, 1968) ใช้ $f (n) = g (n) + h (n)$ โดย $h (n)$ คือค่าประมาณระยะที่เหลือไปถึงจุดหมาย ถ้า $h$ ไม่เคยประมาณเกินจริง A* ยังได้เส้นทางสั้นที่สุด แต่ขยายโหนดน้อยกว่ามาก
RRT (LaValle, 1998) สุ่มสร้างต้นไม้ของเส้นทางแผ่ออกไปในพื้นที่ เหมาะกับพื้นที่ต่อเนื่องหลายมิติ เช่น โดรนในสามมิติ แต่เส้นทางที่ได้มักไม่สั้นที่สุด ต้องปรับให้เรียบภายหลัง

ตารางแปดคูณแปด มีกำแพงสิ่งกีดขวางแนวตั้งสี่ช่อง จุดเริ่ม S อยู่ซ้าย จุดหมาย G อยู่ขวา ช่องสีเหลืองคือโหนดที่ A* ขยาย ช่องสีเขียวคือโหนดที่ไม่ได้ขยาย เส้นสีชมพูคือเส้นทางสั้นที่สุด 11 ช่องที่อ้อมใต้กำแพง — ภาพที่ 2 การค้นหาเส้นทางด้วย A* บนตาราง

ตัวอย่างที่ 1 A* เทียบกับ Dijkstra

ตาราง 8×8 เคลื่อนได้ 4 ทิศ ช่องละ 1 หน่วย มีกำแพงแนวตั้ง 4 ช่องกั้นระหว่าง S และ G ใช้ระยะแมนฮัตตันเป็น heuristic

ที่จุดเริ่ม $h (S) = ∣4 - 4∣ + ∣0 - 7∣ = 7$ แต่กำแพงบังทางตรง เส้นทางจริงต้องอ้อม
ผลจากโปรแกรม Python: ทั้งสองวิธีได้เส้นทางยาว 11 ช่อง เท่ากัน
Dijkstra ขยายโหนด 59 โหนด ส่วน A* ขยายเพียง 18 โหนด

heuristic ที่ดีช่วยลดงานคำนวณได้มาก ซึ่งสำคัญกับคอมพิวเตอร์บนโดรนที่มีกำลังจำกัด และต้องวางแผนใหม่ทุกครั้งที่พบสิ่งกีดขวางใหม่

การควบคุมแบบ fuzzy

ตรรกศาสตร์คลุมเครือ (fuzzy logic) ของ Zadeh (1965) ให้ค่าความเป็นสมาชิกของเซตอยู่ระหว่าง 0 ถึง 1 แทนที่จะเป็นใช่หรือไม่ใช่ Mamdani และ Assilian (1975) นำมาสร้างตัวควบคุมจากกฎภาษาคน เช่น “ถ้าอยู่ไกลเป้าหมาย ให้บินเร็ว”

ตัวอย่างที่ 2 ตัวควบคุมความเร็วแบบ fuzzy อย่างง่าย

กฎ: ถ้าระยะ ใกล้ ให้บิน 2 m/s ถ้าระยะ ไกล ให้บิน 8 m/s กำหนดความเป็นสมาชิกในช่วง 0–10 m ว่า $μ_{ใกล้} = (10 - e) /10$ และ $μ_{ไกล} = e /10$ ขณะนี้โดรนอยู่ห่างเป้าหมาย $e = 6$ m

$μ_{ใกล้} = (10 - 6) /10 = 0.4$ และ $μ_{ไกล} = 6/10 = 0.6$
$u = \frac{0.4 \times 2 + 0.6 \times 8}{0.4 + 0.6} = 5.6$ m/s

ความเร็วเปลี่ยนอย่างนุ่มนวลตามระยะ แทนที่จะกระโดดจาก 2 เป็น 8 m/s ที่เส้นแบ่งเดียว

MPC และ reinforcement learning

Model Predictive Control (MPC) ใช้แบบจำลองของระบบทำนายอนาคตไปช่วงหนึ่ง แล้วหาคำสั่งที่ดีที่สุดภายใต้ข้อจำกัด เช่น ความเร็วสูงสุดหรือขอบเขตพื้นที่ ใช้คำสั่งแรกแล้วคำนวณใหม่ทุกรอบ จุดเด่นคือจัดการข้อจำกัดได้ตรง ๆ แต่ต้องใช้การคำนวณมาก
Reinforcement learning (RL) ให้ตัวแทน (agent) เรียนรู้นโยบายจากการลองผิดลองถูกเพื่อให้ได้รางวัลสูงสุด (Sutton & Barto, 2018) ตัวอย่างเด่นคือ Kaufmann และคณะ (2023) ใช้ deep RL ฝึกโดรนแข่งจนเอาชนะแชมป์มนุษย์ได้ในสนามทดสอบ โดยฝึกส่วนใหญ่ในการจำลอง

ระบบที่เรียนรู้ได้มีความเสี่ยงเฉพาะ คือทำงานได้ดีในสภาพที่เคยฝึก แต่คาดเดาได้ยากในสภาพที่ไม่เคยเจอ การใช้งานจริงจึงต้องมีชั้นป้องกันที่ตรวจสอบได้ เช่น geofence และ failsafe ที่ไม่ใช้ AI (DRT 342 โมดูล 2) ทดสอบใน SITL ก่อน และมีมนุษย์กำกับดูแล

กิจกรรมในชั้นเรียน

กิจกรรม: วางแผนเส้นทางและทดสอบในการจำลอง

เขียน A* บนตารางด้วย Python เปลี่ยนตำแหน่งสิ่งกีดขวาง แล้วเทียบจำนวนโหนดที่ขยายกับ Dijkstra
ลองใช้ heuristic ที่ประมาณเกินจริง เช่น $2 h$ แล้วดูว่าเส้นทางยังสั้นที่สุดหรือไม่
ออกแบบกฎ fuzzy สำหรับชะลอความเร็วเมื่อเข้าใกล้สิ่งกีดขวาง
อภิปรายว่าระบบหลบหลีกด้วย AI ควรมีชั้นป้องกันอะไรบ้างก่อนนำไปบินจริง อ้างอิงหน่วยความรู้ SITL ในคลังความรู้โดรน

ข้อผิดพลาดที่พบบ่อย

ระวัง

ใช้ heuristic ที่ประมาณเกินจริง แล้วเข้าใจว่าได้เส้นทางสั้นที่สุด
วางแผนบนแผนที่เก่า ไม่วางแผนใหม่เมื่อพบสิ่งกีดขวาง
เชื่อผลของ AI โดยไม่มีชั้นป้องกัน ที่ตรวจสอบได้
สับสนระดับความเป็นอัตโนมัติ ว่าระบบ “บินเอง” ไม่ต้องมีคนรับผิดชอบ
นำนโยบาย RL ที่ฝึกในการจำลองไปใช้จริงทันที โดยไม่ทดสอบช่องว่างระหว่างการจำลองกับของจริง

สรุป

ระบบอัตโนมัติทำงานเป็นวงจร รับรู้ → ประเมิน → วางแผน → ควบคุม โดยมีมนุษย์กำกับดูแล
ระดับความเป็นอัตโนมัติมีหลายขั้น NIST ALFUS และ SAE J3016 เป็นกรอบอ้างอิง
A* ใช้ $f = g + h$ ได้เส้นทางสั้นที่สุดเท่ากับ Dijkstra แต่ขยายโหนดน้อยกว่า RRT เหมาะกับพื้นที่ต่อเนื่องหลายมิติ
Fuzzy control ใช้กฎภาษาคนและความเป็นสมาชิก 0–1 ส่วน MPC จัดการข้อจำกัดได้ตรง
RL ทำผลงานโดดเด่นได้ แต่ต้องมีชั้นป้องกันที่ตรวจสอบได้ก่อนใช้งานจริง

แบบฝึกตรวจความเข้าใจ

ใน A* ค่า $g (n)$ และ $h (n)$ หมายถึงอะไร
จุด $(1, 2)$ บนตาราง ไปยังจุดหมาย $(5, 7)$ มีระยะแมนฮัตตันเท่าใด
จากตัวอย่าง fuzzy ถ้าโดรนอยู่ห่าง 3 m ความเร็วที่สั่งเท่าใด
จุดเด่นหลักของ MPC เทียบกับ PID คืออะไร
ทำไมระบบหลบหลีกด้วย AI จึงยังต้องมี geofence และ failsafe ที่ไม่ใช้ AI

เฉลย

$g (n)$ คือระยะทางจริงจากจุดเริ่มถึงโหนด $n$ ส่วน $h (n)$ คือค่าประมาณระยะที่เหลือจาก $n$ ถึงจุดหมาย
$∣1 - 5∣ + ∣2 - 7∣ = 4 + 5 = 9$
$μ_{ใกล้} = 0.7$ , $μ_{ไกล} = 0.3$ ได้ $u = 0.7 \times 2 + 0.3 \times 8 = 3.8$ m/s
MPC ทำนายอนาคตด้วยแบบจำลองและจัดการข้อจำกัดได้โดยตรง
เพราะ AI อาจทำงานผิดพลาดในสภาพที่ไม่เคยฝึก จึงต้องมีชั้นป้องกันที่ตรวจสอบได้และคาดเดาพฤติกรรมได้

สรุปสูตรสำคัญ

ฟังก์ชันประเมินของ A*	$f (n) = g (n) + h (n)$
ระยะแมนฮัตตัน (heuristic บนตาราง 4 ทิศ)	$h (n) = ∣ x_{n} - x_{G} ∣ + ∣ y_{n} - y_{G} ∣$
ถัวเฉลี่ยถ่วงน้ำหนัก (defuzzification อย่างง่าย)	$u = \frac{\sum _{i} μ _{i} u _{i}}{\sum _{i} μ _{i}}$

แหล่งอ้างอิงหลัก

Huang, H.-M. (Ed.). (2008). Autonomy levels for unmanned systems (ALFUS) framework, Volume I: Terminology, Version 2.0 (NIST SP 1011-I-2.0). NIST. link
SAE International. (2021). Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles (J3016_202104). link
Dijkstra, E. W. (1959). A note on two problems in connexion with graphs. Numerische Mathematik, 1, 269–271. link
Hart, P. E., Nilsson, N. J., & Raphael, B. (1968). A formal basis for the heuristic determination of minimum cost paths. IEEE Transactions on Systems Science and Cybernetics, 4(2), 100–107. link
LaValle, S. M. (1998). Rapidly-exploring random trees: A new tool for path planning (TR 98-11). Iowa State University. link
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. link
Mamdani, E. H., & Assilian, S. (1975). An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, 7(1), 1–13. link
Rawlings, J. B., Mayne, D. Q., & Diehl, M. M. (2017). Model predictive control: Theory, computation, and design (2nd ed.). Nob Hill Publishing. link
Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). MIT Press. link
Kaufmann, E., Bauersfeld, L., Loquercio, A., Müller, M., Koltun, V., & Scaramuzza, D. (2023). Champion-level drone racing using deep reinforcement learning. Nature, 620, 982–987. link
Siegwart, R., Nourbakhsh, I. R., & Scaramuzza, D. (2011). Introduction to autonomous mobile robots (2nd ed.). MIT Press.
Thrun, S., Burgard, W., & Fox, D. (2005). Probabilistic robotics. MIT Press.

อ่านเพิ่มเติม

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

อยู่ระหว่างพัฒนาD06D12

ในชั้นเรียน / ภาคสนาม

บรรยาย อภิปรายกรณีศึกษา และแก้โจทย์ในชั้นเรียน

หลักฐานการเรียนรู้: ผล quiz และแบบฝึกหัดที่ส่ง

แบบทดสอบประจำโมดูล

แบบทดสอบนี้ใช้ตรวจความเข้าใจ (formative) ไม่ใช่การสอบเก็บคะแนน

โดเมนความรู้: การควบคุม ออโตไพลอต และการนำทาง · ระบบอัตโนมัติ หุ่นยนต์ และฝูงโดรน · ปัญญาประดิษฐ์และคอมพิวเตอร์วิทัศน์ · การเขียนโปรแกรมและเทคโนโลยีดิจิทัล · การสำรวจ ทำแผนที่ และภูมิสารสนเทศ · การวางแผนภารกิจ การบิน และการจำลอง