🤖 ฟิสิกส์หุ่นยนต์: โมเมนตัม การขจัด และระบบควบคุม

🤖 บทนำ: เมื่อฟิสิกส์พบกับหุ่นยนต์

เวลาเราสร้างหุ่นยนต์ — ไม่ว่าจะเป็นแขนกลในโรงงาน, หุ่นยนต์เดิน 2 ขา (humanoid), หรือโดรนบินได้ — ทุกตัวล้วนต้องอาศัยหลักฟิสิกส์ขั้นพื้นฐานในการทำงาน โดยเฉพาะ โมเมนตัม (momentum) และ การขจัด (displacement) ซึ่งเป็นหัวใจสำคัญของ ระบบควบคุม (control systems)

บทความนี้จะพาทุกคนไปทำความเข้าใจฟิสิกส์ทั้ง 2 เรื่องนี้ ตั้งแต่สูตรพื้นฐาน ไปจนถึงการนำไปใช้ในระบบควบคุมหุ่นยนต์แบบต่างๆ พร้อมตัวอย่างคำนวณจริง!

📐 1. พื้นฐานโมเมนตัมเชิงเส้น (Linear Momentum)

โมเมนตัมเชิงเส้นคือปริมาณที่บอกถึง "ความยากในการทำให้วัตถุหยุดนิ่ง" — ยิ่งโมเมนตัมมาก ยิ่งหยุดยาก!

1.1 สูตรพื้นฐาน

  p = m × v
  
  โดยที่:
  p = โมเมนตัม (kg·m/s)
  m = มวล (kg)
  v = ความเร็ว (m/s)
  

🚨 ข้อสำคัญ: โมเมนตัมเป็น ปริมาณเวกเตอร์ — มีทั้งขนาดและทิศทาง! ถ้าความเร็วเป็นลบ (เคลื่อนที่ย้อนกลับ) โมเมนตัมก็เป็นลบตามไปด้วย

1.2 แรงกับโมเมนตัม (Impulse-Momentum Theorem)

ความสัมพันธ์ที่สำคัญที่สุดสำหรับระบบควบคุมหุ่นยนต์คือ กฎข้อที่ 2 ของนิวตันในรูปแบบโมเมนตัม:

  ΣF = dp/dt
  
  แรงลัพธ์ = อัตราการเปลี่ยนแปลงโมเมนตัม
  
  หรือเขียนอีกแบบ:
  J = Δp = F·Δt
  
  โดยที่ J = Impulse (แรงกระทำในช่วงเวลา Δt)
  

🔑 ทำไมถึงสำคัญกับหุ่นยนต์?

เพราะเวลาควบคุมหุ่นยนต์ แทนที่จะควบคุม "แรง" โดยตรง เราสามารถควบคุม "โมเมนตัม" ได้ — ซึ่งทำให้การเคลื่อนที่ราบรื่นขึ้น!

🔄 2. โมเมนตัมเชิงมุม (Angular Momentum)

สำหรับหุ่นยนต์แขนกลที่หมุนรอบข้อต่อ (joint) — โมเมนตัมเชิงเส้นอย่างเดียวไม่พอ ต้องใช้โมเมนตัมเชิงมุมด้วย!

2.1 สูตรโมเมนตัมเชิงมุม

  L = I × ω
  
  โดยที่:
  L = โมเมนตัมเชิงมุม (kg·m²/s)
  I = โมเมนต์ความเฉื่อย (kg·m²)
  ω = ความเร็วเชิงมุม (rad/s)
  

2.2 ทอร์กกับโมเมนตัมเชิงมุม

  τ = dL/dt = I × α
  
  τ = ทอร์ก (N·m)
  α = ความเร่งเชิงมุม (rad/s²)
  

💡 ตัวอย่าง: แขนกล ABB รุ่น IRB 6700 ที่ยกของหนัก 300 kg — มีโมเมนต์ความเฉื่อยมหาศาลที่ข้อต่อฐาน (base joint) ดังนั้นมอเตอร์ที่ใช้ต้องให้ทอร์กสูงมากเพื่อหมุนหรือหยุดแขน

📏 3. การขจัด (Displacement) ในระบบหุ่นยนต์

Displacement ≠ Distance! นี่คือจุดที่หลายคนสับสน

3.1 Displacement vs Distance

🔑 ในหุ่นยนต์ เราใช้ DISPLACEMENT ไม่ใช่ Distance! เพราะ:

• การควบคุมตำแหน่ง (position control) ต้องการ displacement vector
• การคำนวณความเร็ว (velocity = displacement / time)
• การคำนวณงาน (Work = F·s โดยที่ s คือ displacement)
• Kinematics ของหุ่นยนต์ (forward/inverse kinematics) ใช้ displacement

3.2 Displacement ในระบบพิกัดต่างๆ

หุ่นยนต์ใช้ระบบพิกัดหลากหลายขึ้นอยู่กับการใช้งาน:

🔗 4. ความสัมพันธ์ระหว่างโมเมนตัมและการขจัด

โมเมนตัมและการขจัดเชื่อมโยงกันผ่าน ความเร็ว ซึ่งเป็นตัวกลางสำคัญ:

  ความสัมพันธ์ลูกโซ่:
  
  Displacement (s) → Velocity (v = ds/dt) → Momentum (p = mv)
  
  หรือย้อนกลับ:
  Momentum (p) → Velocity (v = p/m) → Displacement (s = ∫v dt)
  

4.1 การควบคุมผ่านโมเมนตัม = การควบคุมตำแหน่งทางอ้อม

ในระบบควบคุมหุ่นยนต์ เราสามารถควบคุมโมเมนตัมเพื่อให้ได้ displacement ที่ต้องการ:

1. วางแผน trajectory — กำหนด displacement ที่ต้องการเป็นฟังก์ชันของเวลา: s(t)
2. คำนวณ velocity — v(t) = ds/dt
3. คำนวณ momentum — p(t) = m·v(t)
4. ควบคุมแรง — F(t) = dp/dt = m·a(t)

4.2 ตัวอย่างการคำนวณ: แขนกลยกของ

  โจทย์: แขนกลมวล 50 kg (รวมของ) เคลื่อนที่จากหยุดนิ่ง ไปยังตำแหน่ง 0.5 m 
  ด้วยเวลา 2 วินาที (ความเร็วปลาย = 0) จงหาแรงสูงสุดที่มอเตอร์ต้องออก
  
  ขั้นตอน:
  
  1. สมมติ trajectory แบบ S-curve (smooth):
     v_max = (2 × displacement) / time = (2 × 0.5) / 2 = 0.5 m/s
  
  2. ความเร่งสูงสุด (acceleration phase ครึ่งแรก):
     a_max = v_max / (time/2) = 0.5 / 1 = 0.5 m/s²
  
  3. โมเมนตัมสูงสุด:
     p_max = m × v_max = 50 × 0.5 = 25 kg·m/s
  
  4. แรงสูงสุด:
     F_max = m × a_max = 50 × 0.5 = 25 N
  

🎛️ 5. ระบบควบคุม (Control Systems) สำหรับหุ่นยนต์

มาถึงส่วนสำคัญที่สุด! ฟิสิกส์ของโมเมนตัมและการขจัดถูกนำมาใช้ในระบบควบคุมหุ่นยนต์หลายรูปแบบ:

5.1 PID Control (Proportional-Integral-Derivative)

PID คือระบบควบคุมที่พบได้บ่อยที่สุดในหุ่นยนต์ ทำงานโดยคำนวณ error = target position - current position (นั่นคือ displacement ที่เหลือ!)

  PID Control Law:
  
  u(t) = Kp·e(t) + Ki·∫e(t)dt + Kd·de(t)/dt
  
  โดย:
  e(t) = target displacement - current displacement (position error)
  u(t) = control signal → torque command → สร้างโมเมนตัม
  
  Kp term (Proportional): ยิ่ง error มาก ยิ่งออกแรงมาก — เหมือนสปริง
  Ki term (Integral): สะสม error เมื่อเวลาผ่านไป — กำจัด steady-state error
  Kd term (Derivative): ต้านการเปลี่ยนแปลงของ error — หน่วงการสั่น (damping)
  

🔬 มุมมองทางฟิสิกส์ของ PID:

• Kp·e = เหมือนสปริง (F = -kx) — พยายามดึงกลับไปยังตำแหน่งเป้าหมาย
• Kd·de/dt = เหมือนแดมเปอร์หนืด (F = -bv) — ต้านการเปลี่ยนแปลงของโมเมนตัม
• Ki·∫e dt = แก้ error สะสม — เช่น แขนกลยกของหนักแล้วหย่อนลงเพราะแรงโน้มถ่วง

5.2 Impedance Control (การควบคุมอิมพีแดนซ์)

Impedance control เป็นระบบควบคุมที่เลียนแบบ ความสัมพันธ์ระหว่างแรง-โมเมนตัม-ตำแหน่ง ของระบบสปริง-มวล-แดมเปอร์ (Mass-Spring-Damper)

  สมการ Impedance Control:
  
  M·Δẍ + D·Δẋ + K·Δx = F_ext
  
  โดย:
  M = inertial mass (ความเฉื่อยเป้าหมาย)
  D = damping coefficient (ค่าหน่วง)
  K = stiffness (ความแข็ง)
  Δx = displacement error = x_desired - x_actual
  F_ext = แรงภายนอก (เช่น แรงที่หุ่นยนต์สัมผัสวัตถุ)
  

🤯 เจ๋งตรงไหน? Impedance control ทำให้หุ่นยนต์ "ยืดหยุ่น" ได้ — ถ้าหุ่นยนต์ชนอะไร มันจะไม่พยายามฝืนต่อต้านเต็มที่ แต่จะ "ยอม" ตามแรงที่มากระทำ ซึ่งจำเป็นมากสำหรับ:

• การประกอบชิ้นส่วน (assembly) — หุ่นยนต์ต้อง "รู้สึก" ว่าชิ้นส่วนเข้าที่หรือยัง
• การร่วมมือกับมนุษย์ (collaborative robots / cobots)
• การเคลื่อนที่บนพื้นผิวที่ไม่เรียบ

5.3 Momentum-Based Observer (การสังเกตโมเมนตัม)

เทคนิคขั้นสูงในงานวิจัยหุ่นยนต์ — ใช้โมเมนตัมในการ "ตรวจจับการชน" โดยไม่ต้องใช้เซนเซอร์สัมผัส!

  หลักการ:
  
  1. ระบบควบคุมคำนวณโมเมนตัมที่คาดหวัง:
     p_expected = m × v (จาก encoder ที่ข้อต่อ)
  
  2. เปรียบเทียบกับโมเมนตัมจากแรงที่มอเตอร์ออก:
     F_motor = torque_command / arm_length
     p_from_torque = ∫(F_motor - gravity - friction)dt
  
  3. ถ้า |p_expected - p_from_torque| > threshold:
     → ตรวจจับการชน! 🚨
     → สั่งหยุดฉุกเฉินหรือลดความเร็วมอเตอร์
  

💡 เทคนิคนี้ใช้ในหุ่นยนต์ร่วมทำงานกับมนุษย์ (collaborative robot) ของ Universal Robots, FANUC, และ ABB — ช่วยให้หุ่นยนต์ "รู้สึก" ได้ว่าชนอะไรบางอย่าง โดยไม่ต้องติดเซนเซอร์ Force/Torque ราคาแพง!

5.4 Model Predictive Control (MPC)

MPC เป็นระบบควบคุมขั้นสูงที่ใช้ โมเดลฟิสิกส์ของหุ่นยนต์ ทำนาย trajectory ล่วงหน้า แล้วปรับแรง/โมเมนตัมให้เหมาะสมที่สุด

  การทำงานของ MPC ในหุ่นยนต์:
  
  ┌─────────────┐     ┌──────────────────┐     ┌──────────────┐
  │  เป้าหมาย   │────▶│  ตัวทำนายโมเดล   │────▶│  Optimization│
  │  ตำแหน่ง    │     │  (physics model) │     │  (min cost)  │
  └─────────────┘     └──────────────────┘     └──────┬───────┘
                                                      │
                                          ┌───────────▼────────┐
                                          │  ส่งคำสั่งแรง/ทอร์ก │
                                          │  เฉพาะ step แรก    │
                                          └────────────────────┘
  
  Cost Function ที่ MPC ใช้ optimize:
  J = Σ( w₁·Δx² + w₂·p² + w₃·F² ) → minimize!
  
  โดย:
  - Δx = displacement error (แม่นยำ)
  - p = โมเมนตัม (ควบคุมความเร็ว)
  - F = แรงที่ใช้ (ประหยัดพลังงาน)
  - w₁, w₂, w₃ = น้ำหนักความสำคัญ
  

🚀 MPC ถูกใช้ในหุ่นยนต์ขั้นสูง เช่น Atlas (Boston Dynamics) ที่ต้องเดิน วิ่ง กระโดดข้ามสิ่งกีดขวาง — ต้องทำนายโมเมนตัมของทั้งตัวล่วงหน้า 0.5-1 วินาที เพื่อรักษาสมดุล!

🦾 6. การประยุกต์ใช้ในหุ่นยนต์ประเภทต่างๆ

6.1 หุ่นยนต์แขนกล (Robotic Arm)

การใช้โมเมนตัมและการขจัดในแขนกล:

6.2 หุ่นยนต์เคลื่อนที่ (Mobile Robot)

สำหรับหุ่นยนต์ที่มีล้อหรือเดิน:

  2D Displacement ของหุ่นยนต์เคลื่อนที่:
  
  ตำแหน่ง: (x, y, θ)
  ความเร็ว: (v_x, v_y, ω)
  โมเมนตัม: (p_x = m·v_x, p_y = m·v_y, L = I·ω)
  
  สมการควบคุม Differential Drive:
  v_x = (v_R + v_L)/2                (ความเร็วเชิงเส้น)
  ω = (v_R - v_L)/wheel_base         (ความเร็วเชิงมุม)
  p_x = m·v_x                        (โมเมนตัม)
  

🔑 การควบคุมหุ่นยนต์เคลื่อนที่ต้องจัดการกับ inertia (ความเฉื่อย) — ยิ่งหุ่นยนต์หนัก ยิ่งต้องวางแผน braking distance ล่วงหน้า เพราะโมเมนตัมเยอะ!

6.3 หุ่นยนต์ Humanoid / เดิน 2 ขา

การควบคุมการเดินของหุ่นยนต์ 2 ขาเป็นปัญหาที่ท้าทายที่สุดในหุ่นยนต์ เพราะต้องรักษาโมเมนตัมของทั้งตัวให้สมดุลตลอดเวลา:

  หลักการสำคัญ: Zero Moment Point (ZMP)
  
  ZMP คือจุดบนพื้นที่:
  - แรงโน้มถ่วง + โมเมนตัมของร่างกาย → สมดุลพอดี
  - ถ้า ZMP อยู่นอกพื้นที่รองรับ (support polygon) → หุ่นยนต์ล้ม!
  
  การควบคุมผ่าน Angular Momentum:
  L_total = Σ(I_i · ω_i + r_i × m_i · v_i)
  
  โดยต้องควบคุมให้:
  dL_total/dt ≈ 0   (รักษาโมเมนตัมเชิงมุมรวมให้คงที่)
  

🦿 หุ่นยนต์ ASIMO (Honda), Atlas (Boston Dynamics), Optimus (Tesla) — ทั้งหมดใช้หลักการ ZMP + Angular Momentum Control เพื่อเดิน วิ่ง หรือแม้แต่เต้น!

🧮 7. โจทย์ตัวอย่างพร้อมวิธีทำ (Step-by-Step)

📌 โจทย์ที่ 1: หุ่นยนต์หยิบจับ

  แขนกลหนัก 30 kg (ไม่รวมของ) กำลังยกกล่องหนัก 10 kg ด้วยความเร็วคงที่ 0.2 m/s 
  จงหา:
  ก) โมเมนตัมรวมของระบบ
  ข) ถ้าต้องการหยุดภายใน 0.5 วินาที ต้องออกแรงเท่าไร?
  
  วิธีทำ:
  
  ก) m_total = 30 + 10 = 40 kg
      v = 0.2 m/s
      p = 40 × 0.2 = 8 kg·m/s ✅
  
  ข) F = Δp/Δt = (0 - 8) / 0.5 = -16 N
      (เครื่องหมายลบ = ทิศตรงข้ามกับการเคลื่อนที่) ✅
  

📌 โจทย์ที่ 2: การวางแผน Trajectory

  หุ่นยนต์ต้องเคลื่อนที่จากตำแหน่ง (0, 0) ไป (3, 4) เมตร ในเวลา 5 วินาที 
  ด้วย velocity profile แบบ trapezoidal (เร่ง 1s, คงที่ 3s, ชะลอ 1s)
  มวลหุ่นยนต์ 80 kg จงหา:
  ก) displacement ขนาดและทิศทาง
  ข) โมเมนตัมสูงสุด
  
  วิธีทำ:
  
  ก) displacement vector = (3-0, 4-0) = (3, 4)
      |s| = √(3² + 4²) = √25 = 5 m
      ทิศทาง: θ = atan2(4, 3) = 53.13° ✅
  
  ข) displacement = 5 m, total time = 5 s
      ใน trapezoidal profile:
      - 1s เร่ง, 3s คงที่, 1s ชะลอ
      - พื้นที่ใต้ velocity curve = 5 m
      - v_max × (1 + 3 + 1) = 5 ⟹ ไม่ถูก
  
      วิธีถูก: พื้นที่ = (1+3+1)/2 × v_max? 
      No — trapezoid area = v_max × (t_total - t_accel)
      = v_max × (5 - 1) = v_max × 4 = 5
      v_max = 1.25 m/s ✅
  
      p_max = 80 × 1.25 = 100 kg·m/s ✅
  

📌 โจทย์ที่ 3: ระบบ Impedance Control

  หุ่นยนต์ใช้ Impedance Control กับพารามิเตอร์:
  M = 10 kg, D = 50 N·s/m, K = 200 N/m
  ถ้าหุ่นยนต์ชนกำแพงด้วยความเร็ว 0.1 m/s 
  จงหาแรงสูงสุดที่หุ่นยนต์กระทำต่อกำแพง
  
  วิธีทำ:
  
  ที่ moment ชน: Δx ≈ 0 (เพิ่งชน), Δẋ = 0.1 m/s, Δẍ = 0
  F = M·0 + D·(0.1) + K·0
  F = 50 × 0.1 = 5 N ✅
  
  ถ้าเป็น PID ทั่วไป (ตำแหน่งแข็ง):
  Kp·Δx = 200 × 0 = 0 ⟹ ไม่มีแรงต้านตอนแรก!
  Kd·Δẋ = Kd × 0.1... 
  
  นี่คือเหตุผลที่ Impedance Control ดีกว่า — 
  มันตอบสนองต่อความเร็ว (โมเมนตัม) ได้ทันที! ✅
  

🔮 8. สรุป — ภาพรวมทั้งหมด

💡 ข้อควรจำ: ฟิสิกส์ของโมเมนตัมและการขจัดไม่ได้เป็นแค่สูตรในหนังสือ — มันคือภาษาที่ระบบควบคุมใช้ "สื่อสาร" กับหุ่นยนต์ การเข้าใจความสัมพันธ์นี้ช่วยให้ออกแบบระบบควบคุมที่ดีขึ้นได้!