Tổng quan nghiên cứu

Trong bối cảnh cuộc cách mạng công nghiệp lần thứ tư, thị trường tự động hóa toàn cầu chứng kiến sự bùng nổ mạnh mẽ của các thiết bị tự hành thông minh. Trong giai đoạn từ năm 1950 đến năm 2000, robot công nghiệp truyền thống chủ yếu hoạt động biệt lập trong các dây chuyền cố định. Từ sau năm 2000 đến nay, nhu cầu ứng dụng robot di động phục vụ kho vận thông minh, y tế và đời sống gia đình đã gia tăng vượt bậc. Tuy nhiên, việc vận hành robot tự hành trong môi trường thực tế luôn đối mặt với thách thức lớn về sự không chắc chắn và nguy cơ va chạm. Đa số các dòng robot hiện nay chỉ sử dụng cảm biến khoảng cách hai chiều LIDAR 2D quét trên một mặt phẳng cắt duy nhất, dẫn tới việc bỏ sót tới 100% các vật cản nằm ngoài tầm quét như chân bàn ghế, thanh chắn xiên hoặc chướng ngại vật thấp dưới sàn.

Nhằm giải quyết triệt để vấn đề này, công trình luận văn thạc sĩ chuyên ngành Kỹ thuật Cơ điện tử tại Trường Đại học Bách Khoa Hà Nội vào tháng 7 năm 2020 đã tập trung nghiên cứu giải pháp cải tiến giải thuật điều khiển robot tự hành thông minh tích hợp cảm biến đa tầng. Mục tiêu cốt lõi của công trình là làm chủ hệ điều hành robot ROS với hệ sinh thái hơn 2000 gói phần mềm mã nguồn mở từ gần 600 nhà phát triển quốc tế, đồng thời thiết kế bổ sung hệ thống cảm biến khoảng cách hồng ngoại nhằm tạo nên cấu trúc cảm biến đa tầng bảo vệ toàn diện. Nghiên cứu triển khai trên nền tảng phần cứng robot di động Dashgo D1, kết hợp các giải thuật định vị và lập bản đồ đồng thời SLAM cùng thuật toán bong bóng phản ứng cải tiến. Kết quả thực nghiệm khẳng định hệ thống giúp robot triệt tiêu hoàn toàn điểm mù quang học, nâng cao mức độ an toàn vận hành lên hơn 30% và xử lý linh hoạt mọi vật cản tĩnh lẫn động trong không gian di chuyển.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Lý thuyết xác suất trong robotics đóng vai trò nền tảng để giải quyết sự không chắc chắn từ cảm biến và môi trường. Công trình ứng dụng mô hình xác suất Bayes, bộ lọc Kalman mở rộng và bộ lọc hạt để thực hiện bài toán định vị thích nghi Monte Carlo AMCL. Trong AMCL, trạng thái không gian của robot được biểu diễn thông qua một tập hợp phân bố xác suất gồm hàng trăm điểm mẫu, liên tục hội tụ từ trạng thái ban đầu để xác định chính xác tọa độ và góc hướng của robot trong bản đồ.

Bên cạnh đó, mô hình bản đồ trọng số Costmap được thiết lập với thang giá trị từ 0 đến 255 nhằm phản ánh mức độ nguy hiểm của địa hình. Thang đo này chia thành 5 phân vùng rõ rệt: giá trị 0 đại diện cho không gian trống an toàn; 1 đến 127 là vùng xác suất có vật cản thấp; 128 đến 252 là vùng xác suất vật cản cao; 253 đến 254 là vùng tiếp cận vật cản; và 255 là vùng bị chiếm dụng hoàn toàn mà robot tuyệt đối không được đi vào.

Để điều khiển chuyển động cục bộ, giải thuật Cửa sổ tiếp cận động DWA được áp dụng nhằm tối ưu hóa hàm mục tiêu vận tốc dài và vận tốc góc trong giới hạn phần cứng. Nghiên cứu cũng kế thừa và khắc phục hạn chế của phương pháp trường lực ảo VFF và biểu đồ trường vector VFH gồm 72 góc hình quạt bằng cách phát triển giải thuật bong bóng phản ứng động. Phương pháp này liên tục biến đổi hình học vùng an toàn quanh thân robot theo vận tốc tức thời, kết hợp vùng khẩn cấp có bán kính RU để kích hoạt hành vi né tránh tức thì.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm kết hợp mô phỏng thuật toán trên nền tảng hệ điều hành ROS phiên bản tương thích Linux. Nguồn dữ liệu thực nghiệm được thu thập trực tiếp từ phần cứng robot tự hành Dashgo D1 trang bị module laser RPLidar A2 và dàn cảm biến khoảng cách hồng ngoại Sharp GP2Y0A21YK0F tại phòng thí nghiệm Viện Cơ khí, Đại học Bách Khoa Hà Nội trong thời gian từ năm 2018 đến tháng 7 năm 2020.

Cỡ mẫu đo lường thực nghiệm được thiết lập ở quy mô 100 lần lấy mẫu liên tục cho mỗi mốc cự ly khảo sát từ 10 cm đến 80 cm theo bảng dữ liệu đo chuẩn. Phương pháp chọn mẫu là chọn mẫu phân tầng theo các khoảng cách vật lý và các kịch bản xuất hiện vật cản tĩnh, vật cản động có hình dạng biến đổi theo phương thẳng đứng.

Lý do lựa chọn phương pháp phân tích thống kê sai số kết hợp thuật toán lọc trung bình động là nhằm khắc phục triệt để đặc tính phi tuyến và nhiễu điện áp của cảm biến hồng ngoại. Đồng thời, cấu trúc phần mềm phân quyền điều khiển theo cơ chế phân tán của ROS được lựa chọn nhờ khả năng xử lý song song giữa các node qua giao thức TCPROS, đảm bảo thời gian đáp ứng điều khiển thời gian thực dưới 50 ms mà không làm nghẽn bus hệ thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, kết quả đánh giá thực nghiệm cảm biến khoảng cách hồng ngoại Sharp sau 100 lần lấy mẫu liên tục tại mỗi điểm đo cho thấy sai số lớn nhất giảm hơn 40% so với phương pháp đo tức thời đơn điểm. Dữ liệu điện áp phi tuyến được chuyển đổi chính xác sang cự ly milimet, đảm bảo độ tin cậy cao trong dải đo hữu dụng từ 10 cm đến 80 cm.

Thứ hai, việc tích hợp thêm tầng cảm biến hồng ngoại ở tầm thấp đã giải quyết triệt để 100% điểm mù của cảm biến quét laser 2D. Trong các thử nghiệm thực tế với vật cản có biên dạng phức tạp như gầm bàn hoặc thanh chắn thấp, hệ thống cảm biến đa tầng đã ghi nhận sự xuất hiện của vật thể vào bản đồ địa phương với giá trị chiếm dụng 254-255 ngay lập tức, ngăn ngừa hoàn toàn nguy cơ va chạm phần chân đế.

Thứ ba, giải thuật tránh vật cản bằng bong bóng phản ứng cải tiến kết hợp bán kính khẩn cấp RU giúp robot giảm quãng đường đi vòng tránh vật cản đột xuất từ 15% đến 20% so với thuật toán VFF truyền thống. Quỹ đạo di chuyển được làm mượt tối ưu, không xuất hiện hiện tượng dao động lưỡng lự khi di chuyển qua các hành lang hẹp có độ rộng dưới 1 mét.

Thứ tư, thuật toán định vị AMCL kết hợp bộ điều hướng DWA giúp robot Dashgo D1 đạt tỷ lệ bám quỹ đạo thành công trên 97%, với sai số vị trí điểm đích cuối cùng lệch không quá 3% so với tọa độ thiết lập trên bản đồ toàn cục.

Thảo luận kết quả

Nguyên nhân tạo nên sự vượt trội của hệ thống xuất phát từ cơ chế phân quyền điều khiển đa tầng linh hoạt. Trong khi thuật toán DWA truyền thống phải chờ chu kỳ cập nhật bản đồ chi phí toàn cục vốn tốn nhiều tài nguyên tính toán, thì tín hiệu từ dàn cảm biến hồng ngoại có thể can thiệp trực tiếp vào bộ điều khiển chân đế robot khi vật thể xâm phạm vùng bán kính khẩn cấp RU. Điều này giúp cắt ngắn thời gian phản ứng từ hàng trăm mili-giây xuống mức dưới 20 ms.

So sánh với các nghiên cứu trước đây về phương pháp trường lực ảo VFF vốn thường bị kẹt ở cực tiểu địa phương hay phương pháp VFH sử dụng 72 cung tròn gây tiêu tốn tài nguyên nhúng, mô hình bong bóng phản ứng động trong luận văn này giúp tiết kiệm khoảng 30% năng lực tính toán của CPU máy tính nhúng, rất phù hợp cho các dòng vi xử lý kinh tế.

Về phương diện trực quan hóa, toàn bộ dữ liệu thực nghiệm đã được thể hiện chi tiết qua bảng đối chiếu giá trị đo trung bình 100 mẫu tương ứng với từng khoảng cách thực tế và các biểu đồ đánh giá sai số lớn nhất theo số lần lấy mẫu N. Đồng thời, công cụ đồ họa 3D RViz của ROS đã mô phỏng trực quan sự biến thiên của không gian bong bóng phản ứng và vùng khẩn cấp, minh chứng rõ nét khả năng thích ứng quỹ đạo mượt mà của robot khi đối mặt với các vật cản động bất ngờ.

Đề xuất và khuyến nghị

Nhằm tiếp tục hoàn thiện và nhân rộng giải pháp điều khiển robot tự hành trong thực tế sản xuất và kho vận, luận văn đưa ra 4 khuyến nghị then chốt:

Thứ nhất, thiết kế và tích hợp mạch vi điều khiển trung gian chuyên dụng: Đội ngũ kỹ sư phần cứng cần triển khai bo mạch vi xử lý ARM STM32 hoặc ESP32 để thu thập và tiền xử lý tín hiệu từ 8 đến 12 cảm biến hồng ngoại trước khi gửi về máy tính chính. Giải pháp này đặt mục tiêu giảm độ trễ truyền thông qua cổng nối tiếp xuống dưới 10 ms, hoàn thành triển khai trong vòng 3 đến 6 tháng.

Thứ hai, tối ưu hóa thuật toán ước tính trạng thái bằng bộ lọc Kalman mở rộng: Các nhà phát triển thuật toán cần tích hợp sâu dữ liệu từ cảm biến quán tính IMU, bộ đếm xung Encoder và hệ thống cảm biến khoảng cách vào bộ lọc thích nghi EKF. Mục tiêu nhằm nâng cao độ chính xác định vị thêm 25% trong môi trường trơn trượt hoặc địa hình gồ ghề, với kế hoạch hoàn thiện trong 6 tháng.

Thứ ba, mở rộng thử nghiệm thực địa trong môi trường logistics quy mô lớn: Các doanh nghiệp kho bãi thông minh cần phối hợp tổ chức các bài kiểm thử thực tế trên diện tích nhà xưởng trên 500 m2 với tần suất xuất hiện của vật cản động dày đặc. Mục tiêu hướng tới đạt độ an toàn vận hành 99,5%, thực hiện trong lộ trình 6 đến 9 tháng.

Thứ tư, chuyển đổi kiến trúc phần mềm sang hệ điều hành ROS 2: Nhóm kỹ sư phần mềm hệ thống cần tái cấu trúc các package điều khiển sang nền tảng ROS 2 Foxy hoặc Humble dựa trên giao thức truyền thông dữ liệu phân tán DDS. Việc loại bỏ hoàn toàn nút thắt Master node đơn điểm sẽ giúp tăng độ sẵn sàng và khả năng chịu lỗi của toàn hệ thống lên 99,9% trong vòng 12 tháng tới.

Đối tượng nên tham khảo luận văn

Luận văn thạc sĩ mang lại giá trị ứng dụng và học thuật sâu sắc cho 4 nhóm đối tượng trọng tâm sau:

Nhóm học viên cao học và sinh viên chuyên ngành Cơ điện tử, Robotics, Tự động hóa: Cung cấp nguồn tài liệu toàn diện về cách thức làm chủ hệ điều hành ROS, ứng dụng thuật toán SLAM, xây dựng bản đồ chi phí Costmap và cấu hình giải thuật AMCL từ lý thuyết xác suất đến code thực thi.

Nhóm kỹ sư nghiên cứu và phát triển tại các công ty chế tạo robot di động: Nắm bắt giải pháp kỹ thuật tích hợp cảm biến đa tầng chi phí thấp để khắc phục triệt để điểm mù quang học cho các dòng robot AMR và AGV công nghiệp.

Nhóm doanh nghiệp logistics và quản lý kho hàng tự động: Tham khảo mô hình điều hướng an toàn và cơ chế phân quyền điều khiển khẩn cấp nhằm ứng dụng vào quy trình vận chuyển kiện hàng tự động, giúp hạ thấp tỷ lệ va chạm hư hỏng hàng hóa xuống dưới mức 0,1%.

Nhóm các nhà nghiên cứu chuyên sâu về trí tuệ nhân tạo trong robotics: Khai thác nền tảng thực nghiệm Dashgo D1 và giải thuật bong bóng phản ứng để phát triển các mô hình điều khiển thông minh nâng cao như học tăng cường cho robot tự hành.

Câu hỏi thường gặp

Tại sao robot tự hành chỉ trang bị cảm biến LIDAR 2D lại có nguy cơ va chạm cao? Cảm biến LIDAR 2D chỉ quét trên một mặt phẳng cắt duy nhất ở độ cao cố định khoảng 20 đến 30 cm so với mặt sàn. Do đó, các vật thể nhô ra phía trên hoặc chướng ngại vật thấp dưới chân đế đều nằm ngoài góc nhìn của tia laser, tạo ra điểm mù 100% gây rủi ro va chạm nghiêm trọng.

Cảm biến khoảng cách hồng ngoại Sharp GP2Y0A21YK0F mang lại lợi ích gì cho hệ thống? Loại cảm biến này hoạt động hiệu quả trong phạm vi cự ly từ 10 cm đến 80 cm với thời gian đáp ứng quang học dưới 40 ms. Chi phí phần cứng của cảm biến hồng ngoại chỉ chiếm khoảng 5% giá thành so với cảm biến laser, giúp tối ưu hóa ngân sách chế tạo robot.

Cơ chế phân quyền điều khiển trong luận văn hoạt động như thế nào khi gặp vật cản? Khi phát hiện vật cản xâm phạm vào vùng bán kính khẩn cấp RU, tín hiệu từ cảm biến hồng ngoại lập tức kích hoạt mức ưu tiên cao nhất, ghi đè trực tiếp lên lệnh điều khiển của thuật toán DWA để dừng hoặc xoay robot trong thời gian dưới 20 ms nhằm bảo đảm an toàn.

Thuật toán AMCL giúp robot tự định vị trong bản đồ như thế nào? AMCL sử dụng bộ lọc hạt thích nghi với số lượng hạt mẫu dao động từ 100 đến 500 điểm. Dựa trên dữ liệu chuyển động từ bánh xe và thông tin quét laser, thuật toán liên tục cập nhật xác suất vị trí để hội tụ chính xác tọa độ thực tế của robot.

Việc tích hợp thêm hệ thống cảm biến hồng ngoại làm thay đổi chi phí robot bao nhiêu? Việc lắp đặt thêm cụm cảm biến hồng ngoại đa tầng chỉ làm tăng dưới 10% tổng chi phí linh kiện trên nền tảng Dashgo D1 nhưng giúp nâng cao năng lực an toàn và hiệu quả tránh vật cản của robot lên hơn 30%.

Kết luận

Luận văn thạc sĩ về cải tiến giải thuật điều khiển robot tự hành thông minh tích hợp cảm biến đa tầng đã giải quyết thành công bài toán an toàn chuyển động cho robot tự hành thông qua 5 đóng góp học thuật và thực tiễn nổi bật:

  • Làm chủ trọn vẹn nền tảng hệ điều hành robot ROS và triển khai ứng dụng thực tế trên robot tự hành Dashgo D1.
  • Thiết kế thành công cấu trúc cảm biến đa tầng kết hợp LIDAR và cảm biến hồng ngoại xóa bỏ 100% điểm mù quang học.
  • Phát triển giải thuật bong bóng phản ứng động kết hợp vùng khẩn cấp RU giúp robot tránh vật cản mượt mà theo thời gian thực.
  • Xây dựng bộ cơ sở dữ liệu thực nghiệm chuẩn xác với 100 mẫu đo cho mỗi khoảng cách, minh chứng tính ổn định của giải thuật.
  • Hoàn thiện cơ chế phân quyền điều khiển tối ưu, đảm bảo phản ứng an toàn tức thì trước mọi tình huống nguy cấp.

Trong giai đoạn 6 đến 12 tháng tiếp theo, công trình định hướng hoàn thiện bộ lọc Kalman mở rộng và chuyển đổi toàn diện sang nền tảng ROS 2. Quý bạn đọc, kỹ sư và nhà nghiên cứu quan tâm có thể tham khảo chi tiết toàn văn luận văn để ứng dụng hiệu quả vào các dự án phát triển robot tự hành thông minh.