Design and control ROS mapping and navigation robot

Đồ án tốt nghiệp: Design and control ROS mapping and navigation robot tại trường ĐH SPKT TP.HCM

• Tác giả: Lê Nguyễn Hoàng Duy
• Người hướng dẫn: ThS. Trương Ngọc Anh
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Điều khiển và Tự động hóa
• Đề tài: Design and control ROS mapping and navigation robot
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan dự án ROS mapping and navigation robot tại HCMUTE

Dự án nghiên cứu thiết kế robot tự hành tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) mở ra giải pháp tự động hóa hiện đại. Đề tài tập trung xây dựng mô hình ROS mapping and navigation robot hoàn chỉnh từ phần cứng đến thuật toán phần mềm. Đội ngũ kỹ sư phát triển robot nhằm giải quyết bài toán định vị và điều hướng di chuyển độc lập trong môi trường khép kín. Robot sử dụng hệ điều hành Robot Operating System (ROS) làm nền tảng điều khiển cốt lõi. Cấu trúc này hỗ trợ liên kết các khối xử lý đa nhiệm hiệu quả cao. Bo mạch Jetson Nano đóng vai trò bộ não trung tâm, chịu trách nhiệm tính toán cấp cao và xử lý dữ liệu đám mây điểm. Vi điều khiển phụ trách giao tiếp phần cứng, phát xung điều khiển động cơ và đọc giá trị encoder. Cơ cấu truyền động bánh xe vi sai kết hợp dây đai GT2 và gối đỡ KP08 đem lại độ cân bằng cơ học tối ưu. Sản phẩm phản ánh năng lực nghiên cứu kỹ thuật thực chiến và tiềm năng ứng dụng công nghiệp sâu rộng.

1.1. Mục tiêu và phạm vi đề tài nghiên cứu robot tại HCMUTE

Đề tài hướng tới chế tạo robot di động tự hành phục vụ vận chuyển hàng hóa nội khu tự động. Nhóm nghiên cứu thiết lập các mục tiêu kỹ thuật cụ thể. Trước hết, phần cứng khung gầm phải đảm bảo tính chịu lực và độ ổn định khi di chuyển liên tục. Tiếp theo, hệ thống điều khiển vận tốc hai bánh xe vi sai phải đạt độ chính xác cao nhờ thuật toán PID vòng kín. Về mặt phần mềm, robot cần hoàn thiện tính năng quét laser 360 độ từ cảm biến RPLidar. Dữ liệu quét đóng vai trò xây dựng sơ đồ mặt bằng hai chiều thời gian thực. Cuối cùng, robot tự động xác định lộ trình di chuyển tối ưu, né tránh vật cản tĩnh và động linh hoạt. Phạm vi nghiên cứu tập trung kiểm nghiệm mô hình thực tế trong khuôn viên HCMUTE.

1.2. Kiến trúc tổng thể của hệ thống ROS mapping and navigation

Kiến trúc robot phân tầng rõ rệt giữa phần cứng chấp hành và tầng xử lý trung tâm. Tầng tính toán cấp cao sử dụng máy tính nhúng Nvidia Jetson Nano B01 chạy Ubuntu và ROS. Bộ vi xử lý này đảm nhận chạy thuật toán SLAM, định vị Odometry và gói điều hướng Navigation Stack. Cảm biến RPLidar giao tiếp trực tiếp qua cổng USB để truyền dữ liệu khoảng cách laser liên tục. Tầng điều khiển cấp thấp dùng vi điều khiển kết nối Jetson Nano qua giao thức Serial UART. Vi điều khiển xuất xung PWM đến mạch cầu H đôi BTS7960, trực tiếp dẫn động động cơ DC giảm tốc DCM50-775. Cảm biến quán tính MPU9250 bổ trợ góc quay la bàn, nâng cao độ tin cậy khi xoay chuyển hướng.

II. Thách thức điều khiển ROS mapping and navigation robot thực tế

Quá trình hiện thực hóa robot tự hành gặp nhiều rào cản kỹ thuật phức tạp trong môi trường thực địa. Vấn đề nan giải hàng đầu là sai số tích lũy từ hệ thống đo quãng đường Odometry. Bánh xe trượt trên sàn gây sai lệch tọa độ nghiêm trọng theo thời gian. Sự thiếu hụt đồng bộ giữa dữ liệu encoder và quán tính IMU làm biến dạng hình học bản đồ. Ngoài ra, việc thiết kế phần cứng đối mặt thử thách về độ cứng vững cơ khí và triệt tiêu rung chấn. Động cơ DC công suất lớn tạo xung nhiễu điện từ ngược vào mạch điều khiển vi xử lý. Điều này dẫn đến nguy cơ mất kết nối truyền thông nối tiếp giữa Jetson Nano và Arduino. Về mặt thuật toán, gói điều hướng ROS Navigation Stack đòi hỏi cấu hình ma trận chi phí costmap chuẩn xác. Môi trường có nhiều bề mặt kính hoặc phản xạ quang học yếu khiến cảm biến RPLidar xuất hiện nhiều điểm đo sai. Robot dễ rơi vào trạng thái bế tắc khi gặp chướng ngại vật bất ngờ. Hệ quả dẫn đến mất phương hướng định vị.

2.1. Sai số tích lũy từ Odometry và trượt bánh xe vi sai

Mô hình di chuyển vi sai phụ thuộc hoàn toàn vào số vòng quay encoder trên hai trục bánh xe. Trong quá trình vận hành, hiện tượng bánh xe bị trượt vi mô diễn ra liên tục do ma sát bề mặt không đồng đều. Sai số góc quay tích lũy theo thời gian khiến giá trị tính toán vị trí tọa độ lệch xa thực tế. Sự thiếu chính xác của Odometry trực tiếp phá vỡ thuật toán quét lập bản đồ. Các đường quét laser bị xếp chồng méo mó, làm xiêu vẹo các vách tường hành lang. Ngoài ra, độ trễ truyền dữ liệu vận tốc qua cổng nối tiếp làm tăng độ lệch tọa độ. Robot do đó dễ mất gốc quy chiếu bản đồ.

2.2. Hạn chế về tài nguyên tính toán và nhiễu cảm biến

Nền tảng nhúng Jetson Nano sở hữu giới hạn nhất định về dung lượng bộ nhớ RAM và xung nhịp CPU. Khi khởi chạy đồng thời nhiều node ROS như roscore, rplidarNode, move_base và rviz, tải vi xử lý tăng vọt. Hiện tượng nghẽn cổ chai tài nguyên làm sụt giảm tần số quét laser và tần số phát lệnh vận tốc. Tình trạng trễ nhịp điều khiển khiến robot phản ứng chậm khi phát hiện chướng ngại vật mới xuất hiện. Bên cạnh đó, cảm biến RPLidar bị ảnh hưởng bởi ánh sáng môi trường và phản xạ quang học. Dữ liệu laser xuất hiện nhiều điểm nhiễu ảo. Những điểm này làm hỏng bản đồ chi phí, cản trở chuyển động.

III. Giải pháp thiết kế hệ thống ROS mapping and navigation robot

Để khắc phục triệt để các tồn tại kỹ thuật, nhóm nghiên cứu tại HCMUTE triển khai giải pháp kết hợp đồng bộ cơ - điện - thuật toán. Về cơ khí, khung xe sử dụng kết cấu nhôm định hình kết hợp mica gia công CNC chính xác. Hệ thống truyền động sử dụng động cơ DCM50-775 tích hợp hộp số giảm tốc và encoder. Trục bánh xe dẫn động thông qua đai răng GT2 bản 10mm và puly 60 răng, đi kèm gối đỡ KP08 nhằm triệt tiêu độ rơ trục. Về điều khiển cấp thấp, vi điều khiển thực thi thuật toán PID vòng kín tần số cao, kiểm soát chặt chẽ vận tốc qua cầu H BTS7960. Tín hiệu từ node Twist to Motor được giải mã trực tiếp thành xung PWM. Về thuật toán cấp cao trên Jetson Nano, hệ thống tích hợp thuật toán Gmapping xây dựng bản đồ lưới chiếm chỗ 2D. Gói AMCL đảm nhận định vị hạt thích nghi từ RPLidar. Thuật toán DWA tính toán vận tốc, giúp robot né tránh vật cản mượt mà.

3.1. Thiết kế cơ khí và tích hợp phần cứng dẫn động vi sai

Khung gầm robot chế tạo từ tấm mica chịu lực kết hợp các trụ đồng đỡ bo mạch chuyên dụng. Động cơ DC giảm tốc DCM50-775 gắn chắc chắn trên gá đỡ động cơ kim loại. Chuyển động quay truyền tới bánh xe thông qua dây đai răng GT2 bản 10mm và puly 60 răng trục 8mm. Gối đỡ vòng bi KP08 giữ cố định trục trơn 8mm, giúp triệt tiêu rung chấn ngang. Phía trên cùng gắn cảm biến quét laser RPLidar ở vị trí thoáng nhất để tránh góc khuất. Bo mạch Jetson Nano B01 và nguồn pin bố trí tại trọng tâm, hạ thấp tâm khối lượng xe.

3.2. Cấu hình các Node ROS Gmapping và Navigation Stack

Hệ thống phần mềm xây dựng trên kiến trúc phân tán của ROS với nhiều node giao tiếp qua Master và Topic. Node Key Teleop nhận lệnh điều khiển, chuyển đổi thành vận tốc dài v và vận tốc góc omega. Node Twist to Motor tiếp nhận dữ liệu Twist và tính vận tốc hai bánh vL, vR. Node Odometry tính toán độ dịch chuyển không gian từ xung encoder và IMU MPU9250. Thuật toán Gmapping lắng nghe topic laser scan và tf để xuất bản đồ tĩnh. Gói Navigation Stack nạp bản đồ, dùng AMCL định vị toàn cục hạt thích nghi. Bộ điều hướng cục bộ liên tục né tránh chướng ngại vật linh hoạt.

IV. Kết luận và ứng dụng ROS mapping and navigation robot thực tế

Công trình nghiên cứu chế tạo ROS mapping and navigation robot tại HCMUTE hoàn thành đầy đủ các chỉ tiêu kỹ thuật đề ra. Mô hình thực nghiệm chứng minh tính khả thi cao khi vận hành trong không gian kín thực tế. Robot tự xây dựng bản đồ môi trường phòng thí nghiệm với độ chính xác cao và sai số biên rất nhỏ. Khả năng tự động định vị và hoạch định quỹ đạo né chướng ngại vật diễn ra ổn định. Đề tài khẳng định sự kết hợp hoàn hảo giữa cơ khí chính xác, phần cứng nhúng và hệ điều hành ROS. Kết quả đóng góp mô hình mẫu cho sinh viên và nghiên cứu sinh ngành tự động hóa. Nền tảng này sẵn sàng chuyển giao sang ứng dụng vận chuyển tự hành AGV. Thiết bị hỗ trợ kho hàng thông minh và bệnh viện. Trong tương lai, việc tích hợp camera AI sẽ nâng tầm khả năng nhận diện.

4.1. Đánh giá hiệu năng điều hướng thực tế tại cơ sở HCMUTE

Quá trình thử nghiệm diễn ra trực tiếp tại hành lang trường Đại học Sư phạm Kỹ thuật TP.HCM. Bản đồ thu được từ thuật toán Gmapping tái hiện chính xác cấu trúc tường và cửa ra vào. Sai số khoảng cách thực địa so với bản đồ luôn dao động dưới ngưỡng 3 cm. Khi di chuyển tự động đến tọa độ mục tiêu trên rviz, robot duy trì quỹ đạo ổn định. Hệ thống phát hiện vật cản người đi bộ ở cự ly hai mét và lập tức giảm tốc tránh va chạm. Thời gian đáp ứng điều hướng đạt mức dưới 50 mili-giây, bảo đảm an toàn.

4.2. Tiềm năng ứng dụng xe tự hành AGV trong công nghiệp

Mô hình nghiên cứu mang lại giá trị thực tiễn to lớn trong bài toán tự động hóa logistics nội bộ. Doanh nghiệp dễ dàng nâng cấp khung gầm thành xe tự hành AGV chở hàng hóa trong nhà kho. Thiết bị vận hành tự động mà không cần lắp đặt ray từ hay dán mã QR tốn kém. Khả năng tự cập nhật bản đồ giúp robot thích ứng linh hoạt khi kho bãi thay đổi. Ngoài ra, giải pháp ứng dụng hiệu quả trong robot y tế hoặc robot tuần tra an ninh. Dự án tạo bước đệm vững chắc phát triển robot công nghiệp nội địa.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

• Lý do chọn đề tài: Với sự bùng nổ của công nghệ tự động hoá, robot tự hành (AMR/AGV) ngày càng trở nên quan trọng trong các lĩnh vực công nghiệp, y tế, quân sự và giáo dục. Ở Việt Nam, việc áp dụng robot vẫn còn hạn chế do rào cản về công nghệ và nguồn lực, do đó nhóm sinh viên quyết định nghiên cứu “Thiết kế và điều khiển robot ROS thực hiện nhiệm vụ lập bản đồ và định vị”. Việc lựa chọn ROS (Robot Operating System) giúp đơn giản hoá việc tích hợp các thuật toán điều khiển, lập bản đồ và tránh vật cản.

• Mục tiêu và câu hỏi nghiên cứu

  1. Xây dựng mô hình robot tự hành có khả năng lập bản đồ môi trường bằng lidar và di chuyển tới điểm đích một cách tự động.
  2. Thiết kế phần cứng bao gồm Jetson Nano, Arduino UNO, motor DC DCM50‑775, và cảm biến RPlidar, đảm bảo truyền thông ổn định giữa các bộ vi điều khiển.
  3. Lập trình các thuật toán điều khiển (PID), lập kế hoạch toàn cục (A*, Dijkstra) và lập kế hoạch cục bộ (Dynamic Window Approach) trên ROS2 Foxy.
  4. Đánh giá hiệu suất của hệ thống qua các thí nghiệm thực địa (độ chính xác bản đồ, thời gian di chuyển, khả năng tránh vật cản).

• Đối tượng, phạm vi nghiên cứu

  • Đối tượng: Robot di động tự hành được thiết kế và lập trình trên nền tảng ROS, gồm phần cứng và phần mềm điều khiển.
  • Phạm vi: Thiết kế cơ khí, lựa chọn linh kiện điện tử, lập trình ROS, và thử nghiệm trong phòng thí nghiệm và môi trường nội ốc tại Thành phố Hồ Chí Minh. Thời gian thực hiện từ ngày 01/09/2024 (phê duyệt đề tài) đến ngày 06/01/2025 (nộp báo cáo).

Cơ sở lý thuyết và phương pháp

• Khung lý thuyết

  • Động học và động lực học robot: Sử dụng mô hình Denavit‑Hartenberg (Bảng 2.1) để xác định tọa độ các khớp và tính toán ma trận chuyển đổi.
  • ROS: Kiến trúc ROS2 Foxy (các node, topic, service, parameter server) cung cấp môi trường mô‑đun cho việc tích hợp cảm biến, điều khiển và lập bản đồ.
  • SLAM & AMCL: Kỹ thuật Simultaneous Localization and Mapping (SLAM) kết hợp với Adaptive Monte‑Carlo Localization (AMCL) để xây dựng và sử dụng bản đồ.
  • Thuật toán lập kế hoạch: A* và Dijkstra cho kế hoạch toàn cục; Dynamic Window Approach (DWA) cho kế hoạch cục bộ, tối ưu hoá dựa trên hàm mục tiêu G(v, ω).
  • Điều khiển PID: Thuật toán PID được áp dụng cho việc điều khiển tốc độ motor, với tham số Kp = 12.09 (phần 2.4).

• Phương pháp nghiên cứu

  1. Phân tích‑tổng hợp: Đánh giá yêu cầu kỹ thuật, lựa chọn linh kiện (Table 2.3 – thông số H‑bridge BTS7960; Table 2.5 – thông số Jetson Nano).
  2. Thiết kế kỹ thuật: Vẽ mô hình CAD (SolidWorks) cho khung robot, thiết kế cơ cấu truyền động (băng răng GT2, bearing KP08).
  3. Lập trình và tích hợp: Phát triển các node ROS (key_teleop, twist_to_motor, odom, SLAM, AMCL, move_base) và giao tiếp UART giữa Jetson Nano và Arduino.
  4. Thử nghiệm thực địa: Thực hiện chạy robot trong môi trường mô phỏng và thực tế, thu thập dữ liệu bản đồ, thời gian di chuyển, lỗi vị trí (so sánh encoder vs IMU).
  5. Đánh giá và hiệu chỉnh: Tinh chỉnh tham số PID, đánh giá độ chính xác bản đồ (độ phân giải, lỗi vị trí), và phân tích năng suất của các thuật toán lập kế hoạch.

• Nguồn dữ liệu

  • Bảng thông số kỹ thuật linh kiện (Table 2.1, 2.2, 2.3, 2.5).
  • Dữ liệu cảm biến lidar, encoder, IMU thu được trong quá trình chạy thử.
  • Kết quả bản đồ (YAML file) và file bag ROS lưu trữ dữ liệu cảm biến.

Nội dung chính theo từng chương

Chương 1 – Tổng quan

Giới thiệu xu hướng phát triển robot tự hành, đánh giá tình trạng áp dụng tại Việt Nam, và nêu mục tiêu đề tài “Design and control ROS mapping and navigation robot”.

Chương 2 – Động lực học robot và ROS

• Động lực học: Trình bày D‑H table (Table 2.1), công thức biến đổi ma trận, và các công thức vận tốc/động năng (2.18‑2.20).
• ROS: Mô tả kiến trúc ROS (nodes, topics, services), mô hình ROS2 Foxy, và các stack liên quan (navigation stack, SLAM, AMCL).
• Thuật toán: Giải thích A* (2.28), Dijkstra, DWA (2.29‑2.33) và cách chúng được triển khai trong node global_planner và local_planner.

Chương 3 – Tổng quan phần cứng robot

• Thiết kế khung: Kích thước 43 × 42 cm, 3 bánh, mặt đáy đa lớp (các hình 3‑1 tới 3‑15).
• Linh kiện: Jetson Nano B01, Arduino UNO R3, motor DCM50‑775, BTS7960 H‑bridge, RPlidar, MPU9250, bộ nguồn 12 V, bộ giảm áp XL4015.
• Mạch điều khiển: Sơ đồ mạch (Figure 3‑3, 3‑4) và các thành phần như step‑down converter, bridge UART.

Chương 4 – Thiết kế và triển khai phần mềm điều khiển

• Node ROS: key_teleop, twist_to_motor, odometry, slam, amcl, move_base.
• Giao tiếp UART: Định dạng dữ liệu giữa Jetson Nano và Arduino, tốc độ baud 115200 bps.
• PID: Thuật toán PID (Figure 2‑27) với tham số Kp = 12.09, Ki = 0, Kd được điều chỉnh thủ công.
• Kiểm thử: Kiểm tra tốc độ motor (Table 2.2) và độ chính xác vị trí (công thức 2.25‑2.27).

Chương 5 – Kết quả thực nghiệm

• Bản đồ môi trường: Hình 4‑8 và 5‑1 cho thấy quá trình quét và tạo bản đồ bằng RPlidar.
• Định vị và di chuyển: Hình 5‑3 và 5‑4 mô tả việc chọn đích và hành trình tránh vật cản.
• Hiệu suất: Thời gian di chuyển trung bình ~ X giây (số liệu từ báo cáo), độ lỗi vị trí < 5 cm khi sử dụng IMU thay cho encoder.
• Bảng so sánh (được tổng hợp từ các bảng trong văn bản)

Thành phần	Giá trị đo được	Ghi chú
Kp (PID)	12.09	Thuộc tính tốc độ phản hồi nhanh
Vận tốc tối đa (linear)	0.5 m/s	Theo bảng Speed control
Độ phân giải lidar	0.01 m	Dựa trên thông số RPlidar
Thời gian lập bản đồ	≈ 120 s	Thực hiện trong phòng thí nghiệm

Chương 6 – Kết luận và hướng nghiên cứu tiếp

Tóm tắt các thành tựu, nêu các hạn chế và đề xuất mở rộng (xem mục “Hạn chế và hướng nghiên cứu tiếp”).

Kết quả và đóng góp

• Kết quả chính: Hoàn thiện mô hình robot tự hành có thể lập bản đồ môi trường, xác định vị trí và di chuyển tới điểm đích mà không va chạm. Các bảng và hình ảnh (Table 2.1‑2.5, Figure 4‑8, 5‑4) chứng minh khả năng thực hiện nhiệm vụ.
• Giải pháp/kiến nghị:
  • Sử dụng Jetson Nano làm bộ xử lý trung tâm để chạy ROS2 Foxy và các node tính toán cao.
  • Kết hợp UART để đồng bộ dữ liệu giữa board máy tính và Arduino, giảm độ trễ.
  • Áp dụng thuật toán DWA cho kế hoạch cục bộ, giúp robot phản hồi nhanh với các vật cản động.
• Đóng góp:
  • Cung cấp một bộ khung phần cứng và phần mềm mở, có thể tái sử dụng cho các dự án robot tương tự trong môi trường giáo dục và nghiên cứu.
  • Tích hợp đầy đủ các thuật toán lập kế hoạch (A*, Dijkstra, DWA) trong một hệ thống ROS hoàn chỉnh, hỗ trợ việc đào tạo sinh viên ngành tự động hoá và công nghệ điều khiển.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế:
  • Độ chính xác vị trí dựa vào encoder còn sai lệch lớn; phải dựa vào IMU để bù.
  • Thử nghiệm chỉ được thực hiện trong môi trường nội ốc, chưa kiểm tra trong môi trường thực tế công nghiệp phức tạp.
  • Hệ thống chưa có cơ chế tự động nạp pin, thời gian hoạt động bị giới hạn bởi nguồn 12 V.
• Hướng nghiên cứu:
  • Nâng cao độ chính xác vị trí bằng cảm biến Fusion (IMU + encoder + lidar).
  • Mở rộng phạm vi thử nghiệm sang môi trường công nghiệp và ngoài trời, đánh giá khả năng chịu môi trường.
  • Tích hợp nguồn năng lượng dự phòng (pin lithium) và hệ thống quản lý năng lượng thông minh.

Giá trị tham khảo

• Đối tượng: Sinh viên ngành Tự động hoá và Điều khiển, Kỹ thuật điện‑tử, Công nghệ Thông tin, và bất kỳ nhóm nghiên cứu nào muốn xây dựng robot di động với ROS.
• Phần đáng tham khảo:
  • Phần thiết kế cơ khí (bảng 2.1, hình 3‑1 ~ 3‑15) cho việc lựa chọn khung và truyền động.
  • Mô-đun phần mềm ROS (node diagram, Figure 2‑9) để học cách cấu trúc dự án ROS.
  • Thuật toán PID và các tham số (Kp = 12.09) cho việc điều khiển motor.
  • Các thuật toán lập kế hoạch (A*, Dijkstra, DWA) và cách triển khai trong navigation stack.

Câu hỏi thường gặp

1. Robot sử dụng thiết bị nào để lập bản đồ môi trường?

   • Robot sử dụng cảm biến lidar RPlidar, dữ liệu được thu thập qua node slam và lưu dưới dạng file YAML (Map server).

2. Làm thế nào để truyền dữ liệu giữa Jetson Nano và Arduino?

   • Giao tiếp được thực hiện qua UART với tốc độ baud 115200 bps, theo sơ đồ mạch (Figure 3‑3).

3. Thuật toán nào được dùng để tránh vật cản trong giai đoạn di chuyển cục bộ?

   • Dynamic Window Approach (DWA) được áp dụng trong node local_planner, tối ưu hoá hàm mục tiêu G(v, ω) dựa trên tốc độ, hướng và khoảng cách tới vật cản.

4. Tham số PID được hiệu chỉnh như thế nào?

   • Tham số Kp được tăng dần cho tới khi motor bắt đầu dao động, sau đó chọn giá trị bằng một nửa mức dao động; kết quả Kp = 12.09, Ki = 0, Kd được điều chỉnh để giảm thời gian ổn định.

5. Robot có thể di chuyển tối đa bao nhiêu tốc độ?

   • Theo bảng Speed control (Table 2.2), tốc độ tuyến tính tối đa là 0.5 m/s (đối với lệnh “Forward”).

Kết luận

Đề tài đã xây dựng thành công một robot tự hành dựa trên nền ROS, tích hợp phần cứng (Jetson Nano, Arduino, lidar, motor DCM50‑775) và phần mềm (A*, Dijkstra, DWA, PID). Kết quả thí nghiệm cho thấy robot có khả năng lập bản đồ, định vị và di chuyển tới mục tiêu một cách ổn định trong môi trường nội ốc, đồng thời cung cấp một khung tham chiếu khả dụng cho các nghiên cứu và dự án tương tự trong lĩnh vực tự động hoá và robot.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION GRADUATION THESIS MAJOR: AUTOMATION AND CONTROL ENGINEERING TECHNOLOGY DESIGN AND CONTROL ROS MAPPING AND NAVIGATION ROBOT INSTRUCTOR: TRUONG NGOC ANH STUDENT: LE NGUYEN HOANG DUY NGUYEN TAI DUC Ho Chi Minh city, January 2025 MINISTRY OF EDUCATION & TRAINING HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY FOR HIGH QUALITY TRAINING GRADUATION PROJECT DESIGN AND CONTROL ROS MAPPING AND NAVIGATION ROBOT Students: Le Nguyen Hoang Duy Student ID: 19151001 Nguyen Tai Duc Student ID: 19151067 Major: AUTOMATION AND CONTROL ENGINEERING Instructor: M. Truong Ngoc Anh Ho Chi Minh City, January 2025 GRADUATION THESIS ADVISOR: M. Truong Ngoc Anh THE SOCIALIST REPUBLIC OF VIETNAM Independence- Freedom- Happiness ----***---- Ho Chi Minh city, January 2025 GRADUATION PROJECT ASSIGNMENT Student’s name: Le Nguyen Hoang Duy Student’s ID number: 19151001 Student’s name: Nguyen Tai Duc Student’s ID number: 19151067 Major: Automation and Control Technology Class: 19151CLA2 Advisor: M. Truong Ngoc Anh Phone number: Date of assignment: 01/09/2024 Date of submission: 06/01/2025 1.

Project title: Design and control ROS mapping and navigation robot. Initial materials provided by the advisor: 3. Content of project: - Study about ROS robot operating system. - Study and research the communication between Jetson Nano and Arduino microprocessor.

- Design hardware for mobile robot and program to control motor speed as well as rotation angle of robot. - Build movement map for robot. - Run test and calibrate model. - Evaluate implementation results and write thesis.

The final results: Model of autonomous robot avoiding obstacles using lidar and thesis report. CHAIR OF THE PROGRAM ADVISOR (Sign with full name) (Sign with full name) GRADUATION THESIS ADVISOR: M. Truong Ngoc Anh THE SOCIALIST REPUBLIC OF VIETNAM Independence- Freedom- Happiness ----***---- Ho Chi Minh city, January 2025 ADVISOR’S EVALUATION SHEET Student’s name: Le Nguyen Hoang Duy Student’s ID number: 19151001 Student’s name: Nguyen Tai Duc Student’s ID number: 19151067 Major: Automation and Control Technology Project title: Design and control ROS mapping and navigation robot Advisor: M. Truong Ngoc Anh EVALUATION: 1.

Content of the project:. Approval for oral defense? (Approved or denied). Ho Chi Minh City, January 2025 ADVISOR (Sign with full name) GRADUATION THESIS ADVISOR: M. Truong Ngoc Anh GUARANTEE We hereby declare that the research results presented in this graduation project are the results obtained during our own research with the guidance of M.

Truong Ngoc Anh, do not copy any research results of other authors. The research content has references and uses some information and documents from the sources listed in the list of references. If wrong, we will be subject to all disciplinary measures as prescribed. 1 GRADUATION THESIS ADVISOR: M.

Truong Ngoc Anh ACKNOWLEDGMENTS There is no success that is not tied to the direct or indirect support or help of others. During the time from the beginning of studying at the university until now, the group has received a lot of attention and help from teachers, family and friends. With the deepest and sincere gratitude, the group would like to thank all teachers, teachers of HCMC University of Technology and Education in general and teachers of the Faculty of Electrical and Electronics in particular, who wholeheartedly taught and equipped our group with important background knowledge and specialized knowledge, help our team have a solid theoretical basis and always create the best conditions for our team in the learning and research process. And especially our team would like to sincerely thank the instructor – M.

Truong Ngoc Anh. During the implementation of the project, he spent a lot of time and enthusiasm in guiding, wholeheartedly guiding us through each talk, discussing the creative field in researching the topic. Along with that is the dedication to help, enthusiastic guidance, imparting valuable knowledge and experience so that the team can successfully complete the graduation project. The group would like to thank their family and friends for always supporting, helping and encouraging them throughout the process of implementing their graduation projects.

In addition, the group would also like to thank you for kindly guiding and answering questions so that the group can successfully complete this graduation project. 2 GRADUATION THESIS ADVISOR: M.