Tổng quan về luận án

Công trình nghiên cứu tiến sĩ của tác giả Ngô Mạnh Tiến với đề tài "Xây dựng Robot tự hành dạng Nonholonomic và tổng hợp bộ điều khiển bám quỹ đạo" (chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, Mã số: 62520216, Trường Đại học Bách khoa Hà Nội, 2014, dưới sự hướng dẫn của GS.TS. Phan Xuân Minh và TS. Hoàng Ngọc Minh) giải quyết bài toán cốt lõi trong kỹ thuật điều khiển hiện đại: tổng hợp hệ thống bám quỹ đạo tự động cho robot di động phi holonom (Nonholonomic Mobile Robot - WMR) tích hợp thị giác máy trong điều kiện tham số bất định và chịu tác động của nhiễu ngoại cảnh.

Về mặt bối cảnh khoa học, robot tự hành dạng hai bánh chủ động chịu các ràng buộc vận tốc phi tích phân (non-integrable constraints), dẫn đến việc không thể ổn định hóa tiệm cận về điểm cân bằng bằng các luật điều khiển phản hồi trạng thái trơn, dừng theo định lý Brockett (1983). Hơn nữa, khi robot hoạt động trong môi trường thực tế, sự thay đổi liên tục của khối lượng $m$ và mô-men quán tính $I$ (do mang tải, gắp vật thể) kết hợp với lực ma sát phi tuyến trên các bề mặt di chuyển khác nhau tạo ra khoảng trống nghiên cứu (research gap) lớn: các bộ điều khiển động học thuần túy hoặc tuyến tính hóa cục bộ hoàn toàn bị mất ổn định khi thông số động lực học biến thiên mạnh.

Luận án xác lập 2 câu hỏi nghiên cứu (Research Questions - RQ) và 2 giả thuyết khoa học (Hypotheses - H):

  • RQ1: Làm thế nào để duy trì bám quỹ đạo chính xác khi ma trận quán tính của robot tự hành biến thiên bất định và hệ thống chịu nhiễu ngoại suy không đo được?
  • RQ2: Cấu trúc kết hợp nào giữa thuật toán xử lý ảnh màu thích nghi và bộ ước lượng trạng thái tối ưu có thể khắc phục hiện tượng mất dấu mục tiêu (breaklock) do che khuất cục bộ và biến động ánh sáng?
  • H1: Một cấu trúc điều khiển phân tầng (cascade) kết hợp bộ điều khiển động học phi tuyến vòng ngoài và bộ điều khiển thích nghi theo mô hình mẫu (Model Reference Adaptive System - MRAS) vòng trong, được chứng minh ổn định theo tiêu chuẩn Lyapunov, sẽ triệt tiêu sai số bám trạng thái tiệm cận về 0 dù tham số $m, I$ thay đổi bất định.
  • H2: Sự tích hợp giữa thuật toán Camshift trong không gian màu HSV và bộ lọc Kalman/Kalman mở rộng (EKF) sẽ thu hẹp không gian tìm kiếm, duy trì đường ngắm (Line of Sight - LOS) và bám bắt đối tượng liên tục ngay cả khi mục tiêu bị che khuất tạm thời lên tới 3 giây.

Phạm vi thực nghiệm của luận án tập trung vào hệ thống robot di động hai bánh chủ động độc lập, một bánh tự lựa, gắn bệ quang điện tử 2 bậc tự do (Pan/Tilt) trong không gian phòng thí nghiệm: cự ly bám mục tiêu $\le 3\text{m}$, diện tích tiết diện mục tiêu $2\text{cm}^2 \le S_{Target} \le 10\text{cm}^2$, đối tượng kiểm thử là quả cầu chuyển động màu sắc $R=5\text{cm}$ trong không gian thử nghiệm cơ sở.

       [ CẢM BIẾN THỊ GIÁC (Camera + Pan/Tilt) ]
            Ảnh Video (HSV, 15-20 fps)
       [ XỬ LÝ ẢNH: Camshift + Bộ lọc Kalman ]
          Tọa độ mục tiêu (xr, yr, θr)
            Vận tốc đặt (vr, ωr)
             Mô-men điều khiển (τ1, τ2)
            Phản hồi Encoder 1000 ppr
       [ HỆ ROBOT TỰ HÀNH DẠNG NONHOLONOMIC ]

Literature Review và Positioning

Các nghiên cứu về robot tự hành có gắn camera bám mục tiêu trên thế giới chia thành hai nhánh chính: các hệ thống quang điện tử cố định phục vụ an ninh - quốc phòng và hệ thống robot di động tự율 dân sự/quân sự. Trong lĩnh vực quang điện tử chuyên dụng, các tập đoàn như Northrop Grumman, Lockheed Martin, Raytheon và FLIR Systems phát triển các tổ hợp ngắm bắn, cảnh giới đường không tầm xa (>2 km) dựa trên bệ Pan/Tilt quang điện tử tích hợp con quay hồi chuyển ổn định đường ngắm (LOS) (Rabinovich et al., 2000; Hilkert, 2008). Tuy nhiên, các kiến trúc phần cứng chuyên dụng, thuật toán bám thích nghi và bí quyết công nghệ lõi của các tổ hợp này đều được bảo mật tuyệt đối, không công bố cấu trúc toán học chi tiết.

Đối với các nghiên cứu công khai về robot tự hành nonholonomic, các hướng tiếp cận điều khiển bám quỹ đạo truyền thống tập trung vào:

  1. Điều khiển trượt (Sliding Mode Control - SMC): Chwa (2004) và Dixon et al. (2001) ứng dụng SMC cho robot di động để triệt tiêu nhiễu bất định. Tuy nhiên, hiện tượng dao động biên độ cao (chattering) làm nóng động cơ và gây rung lắc cơ cấu cơ khí, không phù hợp cho việc tích hợp camera thu nhận hình ảnh thời gian thực.
  2. Điều khiển phi tuyến dựa trên hàm Lyapunov: Kanayama et al. (1990) và Fierro & Lewis (1998) đề xuất luật điều khiển bám động học kinh điển, nhưng mô hình chỉ xét thuần túy động học mà bỏ qua hoàn toàn mô hình động lực học (bỏ qua khối lượng, quán tính và lực cản tiếp xúc mặt đường).
  3. Điều khiển thích nghi thông minh: Skjetne et al. (2004) và Ge et al. (2005) áp dụng mạng nơ-ron hoặc logic mờ để xấp xỉ tham số bất định, song độ phức tạp tính toán quá cao, đòi hỏi cấu hình phần cứng lớn, khó khả thi khi triển khai nhúng trên các dòng vi xử lý đơn chip tiêu thụ năng lượng thấp.

Về thị giác máy tính phục vụ bám bắt mục tiêu, thuật toán KLT (Kanade–Lucas–Tomasi Feature Tracker) tối ưu hóa gradient quang thông (Lucas & Kanade, 1981; Tomasi & Kanade, 1991) có độ chính xác cao nhưng đòi hỏi tài nguyên tính toán lớn. Ngược lại, thuật toán Camshift (Continuously Adaptive Mean Shift) của Bradski (1998) dựa trên histogram màu trong không gian HSV xử lý rất nhanh nhưng dễ bị "bắt nhầm" nền (background noise) hoặc mất dấu khi mục tiêu bị che khuất cục bộ.

Luận án định vị trọng tâm vào việc bắc nhịp cầu giữa lý thuyết điều khiển phi tuyến thích nghi bền vững và xử lý thị giác nhúng: kết hợp thuật toán Camshift với bộ lọc Kalman/EKF để xây dựng sensor vị trí ảo bền vững, đồng thời đề xuất luật thích nghi MRAS đơn giản, phân tầng với bộ điều khiển động học Lyapunov, giải quyết triệt để tính bất định động lực học ($m, I$) mà không gây quá tải năng lực tính toán của vi điều khiển ARM Cortex-M3.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng lý thuyết điều khiển hệ phi tuyến bất định thông qua việc hoàn thiện cấu trúc điều khiển phân tầng (Cascade Architecture) cho hệ cơ điện tử có ràng buộc nonholonomic:

  • Mở rộng thuật toán thích nghi mô hình mẫu (MRAS): Khác với các mô hình thích nghi của Fierro & Lewis (1998) hay nghiên cứu của Kim & Oh (2000), luận án thiết kế luật thích nghi trực tiếp ước lượng các thành phần bất định của ma trận quán tính $M(q)$ và ma trận Coriolis/Centrifugal $C(q, \dot{q})$, đồng thời bù thành phần nhiễu ngoại cảnh $d(t)$ (ma sát mặt đường, trượt bánh) mà không cần tuyến tính hóa mô hình động lực học.
  • Chứng minh ổn định tiệm cận toàn cục theo Lyapunov: Thiết lập hàm mục tiêu Lyapunov tổng hợp chứa đồng thời sai số động học $(x_e, y_e, \theta_e)$, sai số vận tốc động lực học $(e_v, e_\omega)$ và sai số thích nghi tham số: $$V = V_{\text{kinematic}} + \frac{1}{2} e_v^2 + \frac{1}{2} e_\omega^2 + \frac{1}{2} \tilde{\Theta}^T \Gamma^{-1} \tilde{\Theta}$$ Chứng minh toán học xác nhận đạo hàm $\dot{V} \le 0$, đảm bảo tính bị chặn của mọi tín hiệu trạng thái trong hệ kín và sai số bám quỹ đạo hội tụ tiệm cận về 0 theo định lý LaSalle.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành 3 trụ cột lý thuyết:

  1. Lý thuyết cơ học Robot phi tuyến: Xây dựng mô hình động học thuận/nghịch và động lực học Euler-Lagrange đồng bộ giữa hệ khung gầm tự hành 2 bánh và bệ Pan/Tilt 2 bậc tự do thông qua bảng tham số Denavit-Hartenberg (DH) và ma trận biến đổi tọa độ thuần nhất: $$^0A_2 = , ^0A_1 \cdot , ^1A_2 = \begin{bmatrix} \cos\theta_1\cos\theta_2 & -\cos\theta_1\sin\theta_2 & \sin\theta_1 & l_2\cos\theta_1\cos\theta_2 \ \sin\theta_1\cos\theta_2 & -\sin\theta_1\sin\theta_2 & -\cos\theta_1 & l_2\sin\theta_1\cos\theta_2 \ \sin\theta_2 & \cos\theta_2 & 0 & l_1 + l_2\sin\theta_2 \ 0 & 0 & 0 & 1 \end{bmatrix}$$
  2. Lý thuyết ước lượng ngẫu nhiên và phân tách (Separation Principle): Tách biệt tầng xử lý ảnh ước lượng vị trí mục tiêu ra khỏi tầng sinh luật điều khiển chấp hành, giúp hệ thống không bị trễ pha điều khiển.
  3. Kỹ thuật lọc thích nghi đa biến: Sử dụng bộ lọc Kalman tuyến tính cho quỹ đạo chuyển động đều và bộ lọc Kalman mở rộng (EKF) phi tuyến để bám quỹ đạo phức tạp có vận tốc và gia tốc thay đổi đột ngột.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ chặt chẽ thế giới quan khoa học thực chứng (Positivism) kết hợp phương pháp luận thực nghiệm cơ điện tử (Mechatronic Empirical Design). Thiết kế nghiên cứu được thực hiện đa tầng (Multi-level design):

  • Cấp độ 1 (Mô hình hóa toán học): Thiết lập phương trình vi phân mô tả chuyển động động học, động lực học của xe và bệ Pan/Tilt, tính toán ten-xơ quán tính $J_1, J_2$, ma trận khối lượng $D(\theta)$ và ma trận Coriolis $h(\theta, \dot{\theta})$.
  • Cấp độ 2 (Mô phỏng số học): Kiểm chứng các kịch bản bám quỹ đạo chuẩn (đường thẳng, đường tròn bán kính $R = 5\text{m}$) trên môi trường MATLAB/Simulink khi tham số $m, I$ thay đổi từ $\pm 20%$ đến $\pm 50%$ và có nhiễu Gaussian tác động.
  • Cấp độ 3 (Chế tạo phần cứng và thực nghiệm tại hiện trường): Xây dựng nguyên mẫu thực tế hoàn chỉnh để kiểm chứng thuật toán.

Quy trình nghiên cứu rigorous

Quy trình chế tạo phần cứng và xây dựng kiến trúc phần mềm được chuẩn hóa theo các tiêu chuẩn công nghiệp:

  • Khối vi xử lý trung tâm: Sử dụng vi điều khiển 32-bit ARM Cortex-M3 LM3S8971 của Texas Instruments (tần số 50 MHz, 256 KB Flash, 64 KB SRAM, bộ chuyển đổi ADC 8 kênh tốc độ 1 MSPS, giao tiếp UART baud-rate lên tới 3.125 Mbps, 3 khối PWM chuyên dụng điều chế xung điều khiển).
  • Khối công suất chấp hành: Sử dụng các mạch tích hợp cầu H chuyên dụng TI DRV8842/DRV8432 cho phép điều khiển dòng liên tục lên tới 5A ở điện áp định mức 24V DC, tích hợp bảo vệ quá dòng, quá áp và quá nhiệt.
  • Cơ cấu cảm biến phản hồi: Động cơ DC Servo tích hợp bộ mã hóa xung quang học (Optical Encoder) độ phân giải 1000 ppr (pulse per revolution), mạch đếm xung phần cứng hỗ trợ xung vuông tần số cực đại 65 kHz.
  • Hạ tầng truyền thông: Module thu phát sóng không dây RF 2.4 GHz CC2500 của Texas Instruments truyền dữ liệu thời gian thực giữa robot và máy tính giám sát (PC).

Data và phân tích

Phần mềm thị giác được phát triển trên môi trường Visual C++ 6.0 kết hợp thư viện thị giác máy tính OpenCV, thực hiện phân tích chuỗi khung hình video thực tế:

  • Thuật toán Camshift trích xuất histogram 1D hoặc 2D từ kênh màu $H$ (Hue) và $S$ (Saturation) của không gian màu HSV nhằm loại bỏ ảnh hưởng của cường độ sáng $V$ (Value).
  • Bộ lọc Kalman được cấu hình với ma trận trạng thái $X_k = [x_k, y_k, \dot{x}_k, \dot{y}_k]^T$, ma trận chuyển trạng thái $F$ và ma trận đo lường $H = \begin{bmatrix} 1 & 0 & 0 & 0 \ 0 & 1 & 0 & 0 \end{bmatrix}$, nhiễu hệ thống $w_k$ và nhiễu đo lường $v_k$ dạng ồn trắng Gaussian kỳ vọng 0.
  • Khung tìm kiếm cục bộ (Search Window) được tự động thu hẹp quanh tọa độ dự báo $\hat{X}_{k|k-1}$, giảm tải không gian tính toán từ toàn bộ khung hình xuống vùng diện tích tối thiểu chứa vật thể.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Khắc phục triệt để hiện tượng mất dấu khi mục tiêu bị che khuất: Thực nghiệm chứng minh khi mục tiêu (quả cầu $R=5\text{cm}$) bị che khuất tạm thời hoặc lẫn màu vào nền phức tạp, thuật toán Camshift đơn thuần bị mất dấu hoàn toàn; trong khi đó, hệ tích hợp Camshift + Bộ lọc Kalman duy trì bám chính xác nhờ cơ chế dự báo tiên nghiệm vị trí trạng thái.

    Trích dẫn dữ liệu thực nghiệm từ luận án: "khi không có bộ lọc Kalman tốc độ bám tầm 15÷20 frame/s, khi có bộ lọc Kalman tốc độ là 7÷10 frame/s." Dù tốc độ xử lý giảm do khối lượng tính toán ma trận hiệp phương sai tăng lên, độ ổn định của hệ thống tăng vọt, duy trì khóa mục tiêu thành công trong khoảng thời gian che khuất lên đến dưới 3 giây.

  2. Khả năng thích ứng vượt trội của bộ điều khiển MRAS trước biến thiên tham số: Trong các thử nghiệm mô phỏng và thực tế khi thay đổi tải trọng (khối lượng $m$ và quán tính $I$ tăng $30-50%$), bộ điều khiển kinh điển dùng hàm Lyapunov cố định bị phân kỳ hoặc dao động mạnh quanh quỹ đạo đặt (sai số vị trí dạt xa). Ngược lại, bộ điều khiển MRAS đề xuất nhanh chóng tái hội tụ các biến sai lệch $(x_e, y_e, \theta_e)$ về lân cận 0 chỉ sau $1.5 - 2.0\text{s}$, vận tốc tịnh tiến $v$ và vận tốc góc $\omega$ đáp ứng mượt mà, không bị hiện tượng bão hòa cơ cấu chấp hành.

  3. Hiện tượng suy giảm chất lượng bám trong không gian hẹp có nhiễu nền: Thực nghiệm bám và gắp đối tượng thực tế ghi nhận một phát hiện hạn chế khách quan:

    Trích dẫn kết quả thực nghiệm: "Kết quả robot bám và gắp vật tốt, tuy nhiên mới chỉ thử nghiệm trong phạm vi <1m², bối cảnh (nền và nhiễu) ảnh hưởng rất lớn đến kết quả." Khi vật thể có màu sắc tương đồng với màu nền phòng thí nghiệm hoặc di chuyển với vận tốc vượt quá ngưỡng lấy mẫu hình ảnh (<10 hình/giây), sai số xác định tâm mục tiêu tăng lên, đòi hỏi bộ lọc EKF phải tăng trọng số ma trận hiệp phương sai đo lường $R_k$.

Kịch bản kiểm thử Bộ điều khiển kinh điển (Lyapunov thuần) Bộ điều khiển thích nghi MRAS đề xuất
Tham số danh định ($m_0, I_0$) Hội tụ tốt, sai số bám $\approx 0$ Hội tụ nhanh, sai số bám triệt tiêu
Tham số biến thiên (+30% tải) Xuất hiện sai số xác lập, dao động vận tốc Tự chỉnh định mô-men, sai số bám về 0 sau 1.8s
Nhiễu ma sát mặt đường $d(t)$ Quỹ đạo bị lệch, xuất hiện hiện tượng trượt Bù thích nghi trực tuyến, quỹ đạo bám sát mẫu
Bám ảnh Camshift đơn thuần Mất bám khi bị che khuất >0.5s Không áp dụng
Bám ảnh Camshift + Kalman Không áp dụng Duy trì LOS ổn định, chịu che khuất <3s

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp phương pháp luận tổng hợp điều khiển cho lớp hệ thống phi tuyến nonholonomic bậc cao có cấu trúc ghép nối động học - động lực học, mở ra hướng ứng dụng cho các hệ tay máy di động (Mobile Manipulators).
  • Về mặt phương pháp: Chứng minh tính khả thi của việc kết hợp xử lý thị giác ngẫu nhiên (Stochastic Computer Vision) với kỹ thuật điều khiển thích nghi hiện đại trên các nền tảng phần cứng nhúng biên (Edge Computing) có tài nguyên hạn chế.
  • Về mặt thực tiễn và chính sách đào tạo: Tạo tiền đề nội địa hóa công nghệ chế tạo robot tự hành thông minh tại Việt Nam. Sản phẩm phần cứng và thuật toán của luận án trực tiếp phục vụ công tác đào tạo và nghiên cứu chuyên sâu tại Đại học Bách khoa Hà Nội, Viện Hàn lâm Khoa học và Công nghệ Việt Nam, Trường Đại học Công nghiệp Hà Nội và Trường Cao đẳng nghề Công nghệ cao Hà Nội.

Limitations và Future Research

Luận án chỉ ra 4 giới hạn nghiên cứu cụ thể:

  1. Giới hạn năng lực xử lý thị giác: Tốc độ bám ảnh có Kalman trên máy tính PC truyền thông qua sóng RF đạt 7-10 khung hình/giây, chưa đạt mức tối ưu cho các đối tượng di chuyển gia tốc cao.
  2. Ranh giới thời gian che khuất: Khi đối tượng bị che khuất hoàn toàn vượt quá 3 giây hoặc có đối tượng thứ hai cùng màu di chuyển cắt ngang cùng chiều, hệ thống vẫn xảy ra hiện tượng mất khóa mục tiêu (breaklock).
  3. Không gian thử nghiệm hạn chế: Thực nghiệm gắp vật thể mới triển khai trong diện tích phòng thí nghiệm $<1\text{m}^2$, chưa đánh giá toàn diện trên các địa hình gồ ghề ngoài trời.
  4. Mô hình tiếp xúc bánh xe: Giả định bánh xe lăn không trượt (pure rolling without slipping) vẫn được áp dụng ở tầng động học, chưa xét tới hiện tượng trượt ngang lớn (skidding and slipping).

Các hướng phát triển tương lai được xác định:

  • Nhúng trực tiếp toàn bộ thuật toán xử lý ảnh và điều khiển thích nghi lên chip xử lý tín hiệu số chuyên dụng DSP, kiến trúc phần cứng FPGA hoặc ASIC để nâng tốc độ xử lý lên >30-60 fps.
  • Ứng dụng các thuật toán học máy, mạng nơ-ron tích chập (CNN) sâu để nhận dạng và phân loại đa mục tiêu phức tạp trong điều kiện ánh sáng thay đổi khắc nghiệt.
  • Mở rộng bài toán điều khiển cho đội hình nhiều robot tự hành (Multi-Agent Systems) hợp tác bám bắt mục tiêu.

Tác động và ảnh hưởng

Nghiên cứu tạo ra tác động học thuật và công nghệ rõ nét trong cộng đồng Tự động hóa Việt Nam:

  • Ảnh hưởng học thuật: Các kết quả cốt lõi được công bố trên các kỷ yếu hội nghị đầu ngành uy tín như Hội nghị Toàn quốc về Điều khiển và Tự động hóa (VCCA 2011) và các tạp chí chuyên ngành Cơ khí - Tự động hóa.
  • Tác động công nghệ - công nghiệp: Làm chủ quy trình thiết kế mạch in nhiều lớp chống nhiễu công nghiệp, tích hợp bộ điều khiển truyền động DC Servo 24V/5A, mở đường cho việc phát triển các dòng xe tự hành AGV (Automated Guided Vehicles) trong nhà máy công nghiệp, robot hàn tự động, robot trải thảm nhựa đường và thiết bị quan trắc môi trường độc hại.
  • Tiềm năng an ninh - quốc phòng: Làm chủ thuật toán ổn định đường ngắm (LOS) và bám bắt mục tiêu tự động, giảm bớt sự phụ thuộc vào các khí tài quang điện tử nhập khẩu đắt đỏ vốn chịu sự kiểm soát nghiêm ngặt về chuyển giao công nghệ.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Học viên Cao học ngành Tự động hóa/Cơ điện tử: Tiếp cận phương pháp tổng hợp bộ điều khiển thích nghi cho hệ phi tuyến có ràng buộc và kỹ thuật tích hợp thị giác nhúng.
  • Giảng viên & Các Viện nghiên cứu: Sử dụng mô hình robot thực nghiệm làm giáo cụ trực quan và nền tảng phát triển các thuật toán điều khiển hiện đại.
  • Kỹ sư R&D trong công nghiệp chế tạo máy: Ứng dụng thiết kế phần cứng mô-đun mở (sử dụng dòng ARM Cortex-M3, Driver công suất DRV Series) vào các sản phẩm thương mại hóa.
  • Đơn vị phát triển khí tài quốc phòng: Tham khảo thuật toán điều khiển ổn định bệ Pan/Tilt 2 bậc tự do phục vụ bám bắt mục tiêu di động.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của công trình là gì và mở rộng lý thuyết nào?

Đóng góp độc đáo nhất là việc mở rộng Lý thuyết Điều khiển Thích nghi theo Mô hình Mẫu (MRAS) cho lớp hệ thống phi tuyến nonholonomic hai bánh chủ động có mô hình động lực học bất định ($m, I$ không xác định trước) và chịu tác động của nhiễu ngoại lai $d(t)$. Công trình đã chứng minh thành công tính ổn định tiệm cận toàn cục thông qua hàm Lyapunov tổng hợp mà không cần phải đơn giản hóa hay tuyến tính hóa mô hình động lực học của robot.

2. Điểm cải tiến phương pháp luận so với các nghiên cứu trước đây là gì?

So với nghiên cứu của Bradski (1998) về Camshift thuần vị và Kanayama et al. (1990) về điều khiển động học thuần túy, luận án đã:

  • Tích hợp bộ lọc Kalman/EKF vào thuật toán Camshift, chuyển từ tìm kiếm toàn cục sang tìm kiếm cục bộ có dự báo, nâng cao độ bền vững trước hiện tượng che khuất mục tiêu.
  • Thiết lập cấu trúc điều khiển phân tầng kín: vòng ngoài điều khiển động học phi tuyến sinh vận tốc đặt, vòng trong điều khiển động lực học thích nghi MRAS sinh dòng/mô-men điều khiển thực tế.

3. Phát hiện bất ngờ nhất trong quá trình thực nghiệm có số liệu minh chứng là gì?

Phát hiện thực nghiệm cho thấy sự đánh đổi (trade-off) rõ nét giữa độ tin cậy và tốc độ xử lý: khi bổ sung bộ lọc Kalman vào Camshift, tốc độ khung hình giảm từ $15\div20\text{ fps}$ xuống còn $7\div10\text{ fps}$ do chi phí tính toán ma trận, nhưng khả năng duy trì bám khi bị che khuất lại tăng từ $0\text{s}$ lên xấp xỉ $3\text{s}$. Điều này khẳng định trong môi trường thực tế, việc tối ưu hóa cửa sổ tìm kiếm có giá trị sống còn hơn là chỉ tăng tốc độ quét điểm ảnh.

4. Luận án có cung cấp giao thức tái lập thực nghiệm (Replication Protocol) không?

Có. Luận án cung cấp đầy đủ:

  • Sơ đồ nguyên lý mạch điện tử phần cứng chi tiết với chip MCU ARM Cortex-M3 LM3S8971, IC công suất TI DRV series.
  • Bảng tham số động học DH, ma trận quán tính $J_1, J_2$ và hệ phương trình vi phân mô tả chuyển động.
  • Sơ đồ khối thuật toán trên MATLAB/Simulink và lưu đồ mã nguồn C++ trên OpenCV.

5. Định hướng chương trình nghiên cứu 10 năm tiếp theo được vạch ra như thế nào?

Lộ trình 10 năm tập trung vào 3 giai đoạn:

  • Giai đoạn 1 (1-3 năm): Vi mạch hóa thuật toán xử lý ảnh lên chip FPGA/DSP chuyên dụng để đạt chuẩn thời gian thực $>30\text{ fps}$.
  • Giai đoạn 2 (3-6 năm): Tích hợp trí tuệ nhân tạo (Deep Learning) nhận dạng vật thể trong môi trường đa mục tiêu, địa hình gồ ghề ngoài trời.
  • Giai đoạn 3 (6-10 năm): Hoàn thiện hệ thống điều khiển bầy đàn (Swarm Robotics) tự hành phục vụ cứu hộ cứu nạn và an ninh quốc phòng.

Kết luận

  1. Chế tạo thành công nguyên mẫu phần cứng: Thiết kế và chế tạo hoàn chỉnh robot tự hành nonholonomic trang bị camera trên đế xoay Pan/Tilt 2 bậc tự do, sử dụng vi điều khiển 32-bit ARM Cortex-M3 LM3S8971 và mạch công suất DRV chuyên dụng đạt chuẩn công nghiệp.
  2. Sáng tạo thuật toán xử lý ảnh lai: Đề xuất thành công sự kết hợp giữa thuật toán Camshift trong không gian màu HSV và bộ lọc Kalman/EKF, duy trì bám mục tiêu chính xác trong phạm vi $\le 3\text{m}$ ngay cả khi bị che khuất cục bộ.
  3. Phát triển bộ điều khiển thích nghi MRAS phân tầng: Tổng hợp thành công luật điều khiển thích nghi ước lượng trực tuyến khối lượng $m$, mô-men $I$ và bù nhiễu ngoại cảnh, được chứng minh ổn định theo tiêu chuẩn Lyapunov.
  4. Kiểm chứng thực nghiệm toàn diện: Xác thực tính đúng đắn của các mô hình toán học qua mô phỏng Simulink và thực nghiệm điều khiển bám mục tiêu thực tế trong phòng thí nghiệm.
  5. Mở ra hướng nghiên cứu ứng dụng đa ngành: Đặt nền móng vững chắc cho việc phát triển các thiết bị tự hành thông minh phục vụ công nghiệp, y tế và bảo vệ an ninh quốc phòng tại Việt Nam.