球形机器人是一种独特的机器人，机动性极强，能够朝各个方向移动。显然，控制这样的机器人设备一定很棘手。事实上，球形机器人系统带来了独特的挑战，特别是在动态和不确定的环境中保持平衡和稳定性的难度。
传统比例积分微分 (PID) 控制器难以应对这些挑战，而其他先进方法(如滑模控制)则引入了抖动等问题。因此，需要开发一种控制器，将 PID 的简单性和适应性与现在流行的神经网络的学习能力相结合，为现实世界的机器人移动问题提供强大的解决方案。
最近，在一项新颖的研究中，由越南河内工业大学 Van-Truong Nguyen 博士领导的研究小组提出了一种新的稳健且自适应的解决方案。他们的研究成果发表在国际期刊《工程科学与技术》上。
该团队成员包括日本芝浦工业大学的 Phan Xuan Tan 副教授、越南河内工业大学的 Quoc-Cuong Nguyen 先生和 Dai-Nhan Duong 先生、英国贝尔法斯特女王大学的 Mien Van 副教授、台湾国立台湾科技大学的 Su Shun-Feng Su 教授，以及印度泰帕尔工程技术学院(视为大学)的 Harish Garg 副教授。
他们的研究引入了一种用于球形机器人的新型自适应非线性 PID (NPID) 控制器，该控制器集成了径向基函数神经网络 (RBFNN)，可提供轻量计算、出色的稳定性、减少抖动和对外部干扰的鲁棒性。所提出的控制器的初始设置是通过平衡复合运动优化来选择的，并且在运行过程中不断改进自适应控制律以处理对外力的实时估计。
在这项研究中，该团队通过应用 Lyapunov 理论强调了系统的稳定性。通过模拟和实际实验，他们证明了 NPID-RBFNN 控制器的有效性，其性能优于传统 PID 和 NPID 控制器。此外，所提出的控制器通过自学习和自调节功能适应表面变化。
Nguyen 博士设想了他们的创新技术的各种应用，包括辅助机器人、服务机器人和自动送货。在谈到这些领域时，他评论道：“配备这种先进控制器的 Ballbot 可以用作辅助机器人，用于需要高机动性和高精度的任务。例如，它们可以帮助行动不便的人在复杂的环境中导航。此外，它们还可以用作动态环境中的服务机器人，例如餐厅、医院或机场，提供流畅的导航。”
此外，他补充道：“强大的自平衡能力可以应用于需要在风或不平坦的地形等不可预测的力量下高效运行的送货机器人。”
值得注意的是，这项研究解决了控制非线性和动态设置方面的重大挑战，重点关注可靠性，以便在需要自动移动解决方案的行业中得到更广泛的应用。通过最大限度地减少不必要的运动和抖动，所提出的控制器可以优化能耗，促进机器人技术的可持续发展。这反过来又提高了球形机器人的可靠性，使它们更安全，更适合在公共和私人空间使用。