Điều khiển nhóm robot theo đội hình và vận chuyển vật thể trong môi trường động

Đồ án điều khiển nhóm robot theo đội hình và vận chuyển vật thể tại ĐH SPKT TPHCM

• Tác giả: Phạm Hữu Đạt
• Người hướng dẫn: PGS. Vũ Văn Phong
• Trường học: 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: Điều khiển nhóm robot theo đội hình và vận chuyển vật thể trong môi trường động
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng quan điều khiển nhóm robot theo đội hình vận chuyển vật thể

Đề tài điều khiển nhóm robot theo đội hình vận chuyển vật thể là công trình nghiên cứu nổi bật tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. Nghiên cứu do nhóm sinh viên Khoa Điện - Điện tử thực hiện dưới sự hướng dẫn của PGS. Vũ Văn Phong. Đề tài tập trung giải quyết bài toán tự động hóa vận chuyển hàng hóa nặng hoặc cồng kềnh trong nhà xưởng thông minh. Thay vì dùng một robot tải trọng lớn, giải pháp sử dụng cụm nhiều robot di động nhỏ kết hợp làm việc. Mỗi robot đóng vai trò mắt xích trong mạng lưới cơ điện tử phân tán. Hệ thống sở hữu cấu trúc linh hoạt và khả năng chịu lỗi cao. Khi một robot gặp sự cố, các robot còn lại vẫn có thể tái cấu trúc đội hình để hoàn thành nhiệm vụ. Đồ án xây dựng nền tảng lý thuyết vững chắc từ việc mô hình hóa động học robot Mecanum đến thiết lập giải thuật tối ưu hóa đường đi. Các kết quả mô phỏng và thử nghiệm thực nghiệm đã chứng minh tính khả thi vượt trội của phương pháp. Hướng tiếp cận này mở ra giải pháp tự động hóa kho vận với chi phí đầu tư tối ưu cho doanh nghiệp sản xuất hiện đại.

1.1. Bối cảnh nghiên cứu tại ĐH SPKT TPHCM

Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh luôn tiên phong nghiên cứu công nghệ tự động hóa. Đề tài tốt nghiệp ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa giải quyết nhu cầu vận chuyển hàng hóa tự động. Trong nhà máy hiện đại, môi trường sản xuất liên tục thay đổi với nhiều công nhân và chướng ngại vật di động. Nhóm sinh viên thực hiện đã tập trung nghiên cứu hệ thống đa robot thay thế các xe kéo AGV đơn lẻ. Cách làm này tăng tính mềm dẻo khi vận chuyển kiện hàng lớn. Kết quả nghiên cứu đóng góp mô hình thực nghiệm chuẩn mực cho sinh viên và nhà nghiên cứu công nghệ robot tại Việt Nam.

1.2. Mục tiêu và ý nghĩa thực tiễn của đề tài

Mục tiêu đề tài là điều khiển nhóm robot di động bốn bánh Mecanum bám theo đội hình định trước. Toàn bộ nhóm cùng phối hợp vận chuyển một vật thể di chuyển từ vị trí xuất phát đến đích. Quá trình di chuyển đảm bảo an toàn tuyệt đối và không xảy ra va chạm. Ý nghĩa thực tiễn của đề tài thể hiện qua việc giảm thiểu chi phí đầu tư phần cứng công nghiệp. Doanh nghiệp không cần trang bị xe tải trọng siêu lớn đắt tiền. Thay vào đó, việc ghép nhiều robot nhỏ giúp xử lý linh hoạt nhiều kích thước kiện hàng khác nhau. Đây là hướng đi mang lại hiệu quả kinh tế cao và khả năng ứng dụng rộng rãi.

II. Thách thức điều khiển nhóm robot theo đội hình vận chuyển vật thể

Vận hành nhóm robot vận chuyển hàng hóa trong môi trường thực tế gặp vô số trở ngại kỹ thuật phức tạp. Trở ngại hàng đầu nằm ở đặc tính phi tuyến và bất định của môi trường làm việc động. Môi trường động luôn xuất hiện vật cản bất ngờ như công nhân di chuyển hoặc phương tiện khác qua lại. Khi di chuyển cùng nhau, nhóm robot phải duy trì lực kẹp và cự ly chính xác để không làm rơi vật thể. Nếu một robot lệch hướng hoặc sai lệch vận tốc góc, toàn bộ kết cấu mang vác có thể biến dạng hoặc gãy đổ. Bên cạnh đó, hiện tượng trượt bánh Mecanum trong thực tế gây sai số tích lũy nghiêm trọng cho việc định vị odometry. Sự trễ tín hiệu truyền thông không dây giữa các robot cũng làm giảm khả năng đồng bộ thời gian thực. Hệ thống điều khiển đòi hỏi thuật toán phải tính toán quỹ đạo trong mili-giây để kịp thời phản ứng với va chạm. Bài toán vừa tránh vật cản động, vừa giữ vững cấu trúc liên kết cơ học là một thách thức toán học và kỹ thuật rất lớn. Đề tài tại ĐH SPKT TPHCM đã mổ xẻ tường tận các giới hạn này.

2.1. Độ phức tạp trong không gian vị trí thời gian

Môi trường động buộc hệ thống phải tính toán quỹ đạo không chỉ trong không gian hai chiều mà cả chiều thời gian. Khi vật cản di chuyển, vùng không gian an toàn liên tục thay đổi hình học. Đội hình robot cần dự đoán trước quỹ đạo của vật cản để chủ động né tránh từ xa. Vấn đề trở nên nan giải hơn khi kích thước của toàn đội hình cùng kiện hàng khá lớn. Thuật toán điều hướng thông thường dễ rơi vào điểm cực trị địa phương hoặc tắc nghẽn ở các lối đi hẹp. Sự thiếu hụt không gian xoay trở đòi hỏi đội hình phải tự động thu hẹp hoặc thay đổi góc nghiêng. Quá trình tính toán này tiêu tốn nhiều tài nguyên xử lý của máy tính nhúng.

2.2. Hạn chế về phần cứng và sai số tích lũy

Mỗi robot Mecanum sử dụng bốn động cơ độc lập kèm con lăn nghiêng 45 độ. Cơ cấu này cho phép robot chuyển động toàn hướng nhưng lại phát sinh hiện tượng trượt cơ học khi ma sát sàn không đồng đều. Sai số đo từ encoder tăng dần theo thời gian nếu không có cảm biến hỗ trợ bù trừ. Cảm biến Lidar Rplidar A1 và IMU 9250 gặp độ nhiễu nhất định trong môi trường nhà xưởng nhiều kim loại. Ngoài ra, khả năng tính toán của bo mạch Jetson Nano và Arduino bị giới hạn về bộ nhớ lẫn xung nhịp. Việc giải các bài toán tối ưu phi tuyến phức tạp trực tiếp trên phần cứng nhúng đặt ra thách thức lớn về tốc độ đáp ứng điều khiển.

III. Giải pháp điều khiển nhóm robot theo đội hình vận chuyển vật thể

Để giải quyết triệt để các thách thức trên, nhóm nghiên cứu tại ĐH SPKT TPHCM đã phát triển kiến trúc điều khiển phân tầng hiện đại. Kiến trúc tích hợp bộ hoạch định toàn cục và bộ điều khiển cục bộ hoạt động nhịp nhàng. Ở tầng toàn cục, hệ thống ứng dụng thuật toán IRIS nhằm tạo ra các vùng đa diện lồi an toàn không chứa vật cản. Thuật toán này tự động tìm kiếm và kết nối các vùng tự do từ điểm xuất phát đến đích. Tiếp đó, bài toán tối ưu chi phí thông qua công cụ giải SNOPT giúp xác định quỹ đạo ngắn và an toàn nhất. Ở tầng cục bộ, thuật toán tính toán vùng không gian tự do lân cận nhúng trong tọa độ vị trí - thời gian. Các thông số đội hình như khoảng cách và góc xoay được tinh chỉnh liên tục bằng quy hoạch lồi tuần tự. Mỗi robot nhận tín hiệu vận tốc tối ưu và điều khiển bám thông qua hệ điều hành ROS. Nền tảng vi điều khiển Arduino kết hợp Jetson Nano đảm bảo truyền thông ổn định và điều khiển động cơ mượt mà.

3.1. Hoạch định quỹ đạo toàn cục bằng IRIS và SNOPT

Thuật toán IRIS đóng vai trò cốt lõi trong bước xây dựng lộ trình an toàn toàn cục. Thuật toán tiến hành phồng lặp các tập hợp lồi bên trong không gian làm việc chứa chướng ngại vật. Kết quả tạo nên chuỗi đa diện lồi an toàn liên kết chặt chẽ từ điểm xuất phát đến mục tiêu cuối. Nhóm tác giả tiếp tục sử dụng thư viện tối ưu hóa phi tuyến SNOPT để giải bài toán quỹ đạo tối ưu. Hàm mục tiêu tập trung rút ngắn thời gian di chuyển và giảm tiêu hao năng lượng. Đội hình robot di chuyển xuyên suốt qua các khối hình học này mà không lo ngại va chạm với vật cản tĩnh đã biết.

3.2. Điều khiển cục bộ bằng quy hoạch lồi tuần tự

Tại cấp điều khiển cục bộ, các thông số đội hình được tối ưu hóa theo thời gian thực nhờ quy hoạch lồi tuần tự (SCP). Phương pháp này xấp xỉ bài toán tối ưu phi tuyến thành các bài toán lồi liên tiếp để tìm lời giải nhanh chóng. Không gian di chuyển tự do lân cận của robot được cập nhật tức thời theo dữ liệu quét Lidar. Khi phát hiện chướng ngại vật xuất hiện đột ngột, hệ thống tự động co cụm hoặc dãn nở đội hình hợp lý. Bộ điều khiển cấp thấp tính toán vận tốc bánh xe Mecanum và áp lệnh trực tiếp đến driver. Nhờ vậy, từng robot luôn giữ vững vị trí tương đối và bảo toàn hàng hóa nguyên vẹn.

IV. Đánh giá ứng dụng nhóm robot theo đội hình vận chuyển vật thể

Đồ án tốt nghiệp tại ĐH SPKT TPHCM đã kiểm chứng thành công thuật toán trên cả mô hình mô phỏng Python và hệ thống xe thực tế. Nhóm robot Mecanum vận hành trơn tru, phối hợp nhịp nhàng khi mang vác và di chuyển vật thể trong nhiều tình huống thử nghiệm. Hệ thống thích ứng tốt với môi trường có vật cản di động bất ngờ mà không xảy ra va chạm. Kết quả này khẳng định tiềm năng ứng dụng thực tế to lớn của công nghệ đa robot trong kho vận thông minh và logistics tự động. Việc sử dụng nhóm robot phân tán giúp các nhà máy linh hoạt nâng cao công suất mà không cần đầu tư hệ thống băng chuyền cố định tốn kém. Doanh nghiệp dễ dàng tăng giảm số lượng robot tùy theo khối lượng và kích thước kiện hàng. Thành công của nghiên cứu không chỉ mang lại giá trị học thuật xuất sắc cho chuyên ngành Kỹ thuật Điều khiển và Tự động hóa mà còn mở ra giải pháp công nghệ tự chủ, có tính thương mại hóa cao cho ngành sản xuất thông minh tại Việt Nam.

4.1. Khả năng triển khai trong logistics và kho thông minh

Mô hình nhóm robot mang lại bước đột phá cho ngành kho vận thông minh và thương mại điện tử. Hệ thống cho phép nhiều robot hiệp đồng nâng đỡ các container hoặc bọc hàng siêu trọng mà một xe đơn lẻ không kham nổi. Nhờ khả năng xoay sở đa hướng từ bánh Mecanum, nhóm di chuyển dễ dàng trong lối đi chật hẹp của kho bãi. Thiết kế mô đun hóa còn giúp doanh nghiệp linh hoạt mở rộng quy mô khi sản lượng hàng hóa tăng đột biến. Giải pháp này tiết kiệm chi phí bảo trì và tránh rủi ro dừng chuyền do hư hỏng thiết bị đơn lẻ.

4.2. Định hướng mở rộng và hoàn thiện hệ thống

Nghiên cứu mở ra nhiều hướng phát triển chuyên sâu trong giai đoạn tiếp theo. Nhóm có thể tích hợp thêm thị giác máy tính với camera độ sâu để nhận diện vật cản ba chiều chính xác hơn. Việc bổ sung cảm biến lực tại điểm tiếp xúc sẽ giúp kiểm soát phân bố tải trọng đồng đều giữa các robot. Bên cạnh đó, mạng truyền thông công nghiệp không dây chuẩn 5G có thể được áp dụng để giảm độ trễ điều khiển thời gian thực. Đồ án tạo tiền đề vững chắc cho việc phát triển các giải pháp bốc dỡ hàng tự động hóa hoàn toàn tại các trung tâm logistics quy mô lớn.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của tự động hóa công nghiệp và dịch vụ, các hệ thống robot đơn lẻ dần bộc lộ hạn chế khi phải xử lý những tác vụ phức tạp, đòi hỏi tải trọng lớn hoặc không gian làm việc rộng. Hệ thống đa robot thao tác di động cộng tác (Collaborative Mobile Manipulator - CMM) là sự kết hợp giữa nền tảng robot di động đa hướng (Four-Mecanum Wheeled Mobile Robot - FMWR) và cánh tay robot ba bậc tự do, cho phép nâng cao tính linh hoạt, sự khéo léo cũng như khả năng mở rộng quy mô làm việc. Khóa luận tốt nghiệp ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (thực hiện bởi nhóm sinh viên Phạm Hữu Đạt, Phạm Khải Nguyên, Võ Quốc Thắng dưới sự hướng dẫn của PGS. Vũ Văn Phong) giải quyết bài toán cốt lõi: điều khiển phối hợp nhóm ba robot di chuyển theo đội hình gắn kết vật lý qua cánh tay để vận chuyển một vật thể chung từ vị trí ban đầu đến đích trong môi trường có vật cản tĩnh và động.

Mục tiêu nghiên cứu của đề tài được xác định cụ thể qua hai nhiệm vụ chính:

1. Xây dựng bản đồ môi trường hoạt động, thiết lập thuật toán tìm đường đi tối ưu và an toàn cho toàn bộ đội hình robot trong không gian làm việc.
2. Điều khiển nhóm ba robot phối hợp dùng các cánh tay robot cùng kẹp giữ vật thể, di chuyển theo quỹ đạo xác định từ điểm xuất phát đến điểm đích an toàn, ổn định, không làm biến dạng hay phá hủy vật thể; đồng thời hệ thống có khả năng nhận diện, tái lập quỹ đạo di chuyển khi xuất hiện vật cản động cắt ngang đường đi toàn cục.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hệ thống gồm ba robot di động đa hướng bốn bánh Mecanum kết hợp cánh tay robot 3 bậc tự do Magician; mô hình vật cản tĩnh và vật cản động; các thuật toán tối ưu hóa đội hình và thuật toán điều hướng.
• Phạm vi không gian: Thử nghiệm thực tế được triển khai trong môi trường phòng thí nghiệm cô lập có kích thước 3,7 m x 4,6 m, bố trí 2 đến 3 vật cản tĩnh và 1 vật cản động.
• Phạm vi thời gian: Đề tài được giao thực hiện từ ngày 05/01/2025 và hoàn thành nghiệm thu vào ngày 04/06/2025.

Giới hạn kỹ thuật của đề tài:

• Hệ thống không tính đến tình trạng suy giảm năng lượng hoặc cạn pin của robot trong quá trình vận hành.
• Các tham số hình học đội hình $a_1, a_2, a_3$ (khoảng cách từ tâm mỗi robot đến khâu chấp hành cuối của cánh tay robot) được coi là hằng số cố định trong suốt quá trình di chuyển.
• Góc tương đối giữa cánh tay robot và trục thân robot được giữ cố định theo cấu hình ban đầu.
• Nghiên cứu tập trung vào bài toán điều khiển động học và vận tốc, chưa xét đến phân tích động lực học quá tải lực tương tác lên vật thể.
• Vật cản động được giới hạn có hình dạng cơ bản nằm trong mặt phẳng quét của cảm biến LiDAR, chuyển động theo hướng không đổi với vận tốc dưới 0,1 m/s.

Cơ sở lý thuyết và phương pháp nghiên cứu

Nghiên cứu xây dựng trên nền tảng kết hợp giữa cơ học robot, tối ưu hóa toán học phi tuyến và hệ thống điều hướng xác suất trong robot học.

Khung lý thuyết và mô hình toán học:

• Mô hình động học robot di động 4 bánh Mecanum: Bánh xe Mecanum (phát minh bởi Bengt Ilon) chứa các con lăn phụ đặt nghiêng góc $45^\circ$ so với chu vi trục bánh, tạo khả năng chuyển động đa hướng holonomic (tịnh tiến ba bậc tự do trong mặt phẳng: vận tốc dọc $v_x$, vận tốc ngang $v_y$ và vận tốc góc xoay $\omega$). Mô hình sử dụng các phép biến đổi ma trận Jacobian giữa hệ tọa độ quán tính thế giới $X_G Y_G$, hệ tọa độ gắn trên thân robot $X_R Y_R$ và hệ tọa độ từng bánh xe $S_i P_i E_i$ để thiết lập quan hệ động học thuận và nghịch.
• Mô hình động học cánh tay robot Magician: Hệ cánh tay 3 bậc tự do được biểu diễn thông qua bảng thông số Denavit-Hartenberg (DH), phục vụ việc xác định vị trí khâu chấp hành cuối tiếp xúc với vật thể.
• Thuật toán IRIS (Iterative Regional Inflation by Semidefinite programming): Thuật toán giải quyết bài toán phình to vùng không gian tự do lồi cực đại trong không gian cấu hình 2D/3D chứa chướng ngại vật thông qua luân phiên giữa quy hoạch nửa xác định (SDP) và quy hoạch bậc hai (QP).
• Bộ giải tối ưu hóa phi tuyến SNOPT (Sparse Nonlinear OPTimizer): Áp dụng phương pháp quy hoạch bậc hai tuần tự (Sequential Quadratic Programming - SQP) kết hợp xấp xỉ ma trận Hessian theo công thức BFGS để tìm lời giải tối ưu cho bài toán điều khiển đội hình có ràng buộc hình học và giới hạn chuyển động.
• Thuật toán tìm đường đi: Sử dụng thuật toán Bidirectional Dijkstra (Dijkstra hai chiều) để tăng tốc độ tìm kiếm đường đi ngắn nhất trên đồ thị không gian trạng thái so với thuật toán Dijkstra truyền thống.
• Định vị và xây dựng bản đồ: Thuật toán Gmapping dựa trên bộ lọc hạt thích nghi Rao-Blackwellized Particle Filter để thực hiện SLAM (Simultaneous Localization and Mapping) từ dữ liệu quét laser; kết hợp thuật toán AMCL (Adaptive Monte Carlo Localization) bằng bộ lọc hạt thích nghi KLD-sampling để ước lượng tư thế robot trên bản đồ đã biết.
• Bộ lọc Kalman (Kalman Filter) và bộ điều khiển PID: Bộ lọc Kalman được dùng trong xử lý tín hiệu cảm biến và bám vết trạng thái; thuật toán điều khiển tỉ lệ - tích phân - vi phân (PID) được dùng để ổn định vận tốc vòng kín của từng động cơ dẫn động.

Phương pháp nghiên cứu thực tế:

• Phương pháp mô hình hóa và thiết kế: Mô hình hóa cơ học trên phần mềm SolidWorks; thiết lập các ma trận biến đổi tọa độ và kiểm tra tính liên tục của động học trên MATLAB.
• Phương pháp mô phỏng: Mô phỏng động học toàn hệ thống trên MATLAB; mô phỏng môi trường vật lý, cảm biến LiDAR và không gian chướng ngại vật trên Gazebo kết hợp công cụ trực quan hóa RViz.
• Phương pháp thực nghiệm: Chế tạo ba mô hình robot vật lý hoàn chỉnh, nạp phần mềm điều khiển trên nền tảng Jetson Nano và vi điều khiển Arduino, tổ chức mạng truyền thông socket ROS qua Wi-Fi để đồng bộ hóa hoạt động nhóm ba robot trong phòng thí nghiệm.

Nguồn dữ liệu thực nghiệm:

• Dữ liệu đám mây điểm 2D từ cảm biến quét khoảng cách laser RPLidar A1-M8 với tần số quét 5,5 Hz và tầm quét 360 độ.
• Dữ liệu vận tốc góc và gia tốc 9 trục từ cảm biến quán tính IMU-9250.
• Tín hiệu phản hồi số xung từ encoder hai kênh của động cơ JGB37-520 phục vụ vòng lặp điều khiển PID vận tốc động cơ.

Thiết kế và triển khai hệ thống kỹ thuật

Hệ thống điều khiển phân cấp được thiết kế theo cấu trúc tập trung kết hợp điều khiển cục bộ từng robot, đảm bảo khả năng mở rộng và đáp ứng thời gian thực.

Hạng mục phần cứng	Thiết bị được chọn	Chức năng kỹ thuật trong hệ thống
Máy tính nhúng trung tâm	NVIDIA Jetson Nano	Xử lý thuật toán cấp cao, SLAM, AMCL, lập kế hoạch chuyển động, quản lý ROS node
Vi điều khiển cấp thấp	Arduino Mega 2560 & Arduino Uno R3	Đọc xung encoder, thực thi giải thuật PID vận tốc 4 bánh xe, điều khiển cơ cấu phụ trợ
Mạch công suất động cơ bánh xe	Mạch cầu H kép L298 & Jetbot Kit Expansion	Khuếch đại công suất, điều chế PWM điều khiển chiều và tốc độ 4 động cơ DC
Động cơ dẫn động chính	DC Servo JGB37-520 (có hộp số và encoder)	Dẫn động độc lập 4 bánh xe Mecanum cho mỗi robot
Cảm biến đo khoảng cách	RPLidar A1-M8	Quét môi trường xung quanh, phát hiện vật cản tĩnh và động phục vụ SLAM và tránh va chạm
Cảm biến tư thế	IMU-9250	Đo gia tốc và tốc độ góc, hỗ trợ ước lượng odometry và hiệu chỉnh hướng robot
Cơ cấu chấp hành cánh tay	Cánh tay Magician, động cơ bước Nema 17, CNC Shield V3	Nâng, gắp và cố định vị trí liên kết với vật thể vận chuyển
Giới hạn hành trình	Công tắc hành trình KW11-3Z-2	Xác định điểm gốc tọa độ cơ khí cho các trục chuyển động

Kiến trúc phần mềm và truyền thông:

• Hệ thống vận hành trên nền tảng hệ điều hành Robot ROS (Melodic/Noetic trên nền Linux Ubuntu cài đặt ở máy tính Jetson Nano).
• Giao tiếp giữa máy chủ điều phối và ba robot con được tổ chức qua mạng không dây Wi-Fi bằng giao thức socket ROS Master - Slave, phân định các topic truyền dữ liệu: tọa độ mục tiêu, dữ liệu LiDAR, trạng thái phản hồi odometry và lệnh vận tốc (cmd_vel).
• Thiết kế cơ khí: Robot được chế tạo dạng ba tầng khung chịu lực bằng vật liệu gia công định hình:
  • Tầng 1 (tầng động cơ): Bố trí 4 cụm động cơ JGB37-520, bánh Mecanum và nguồn pin.
  • Tầng 2 (tầng xử lý): Gắn máy tính Jetson Nano, bo mạch Arduino Mega 2560, Arduino Uno R3, mạch driver L298 và cảm biến IMU-9250.
  • Tầng 3 (tầng cánh tay): Đặt cảm biến RPLidar A1-M8 tại vị trí trung tâm không bị che khuất và đế gắn cánh tay robot Magician.

Cấu trúc thuật toán điều khiển gồm ba tầng logic chính:

1. Bộ lập kế hoạch toàn cục (Global Path Planner): Bản đồ lưới nhị phân từ Gmapping được chuyển vào thuật toán IRIS nhằm tạo ra tập hợp các đa diện lồi không chứa vật cản tĩnh nối tiếp nhau từ điểm đầu đến điểm cuối. Bộ giải SNOPT tối ưu hóa kích thước và hướng của đa giác đội hình để đi qua các vùng lồi này, sau đó thuật toán Bidirectional Dijkstra xác định quỹ đạo ngắn nhất kết nối các tâm vùng lồi.
2. Bộ lập kế hoạch cục bộ (Local Path Planner): Trong quá trình di chuyển, dữ liệu LiDAR thời gian thực được lọc để trích xuất các cụm điểm không thuộc bản đồ tĩnh. Nếu phát hiện vật cản động, thuật toán xác định vị trí - thời gian của chướng ngại vật, kích hoạt quy hoạch lồi tuần tự điều chỉnh tham số hình học đội hình (thu hẹp khoảng cách hoặc xoay góc đội hình) để vượt qua vùng hẹp mà không làm lỏng liên kết kẹp vật.
3. Bộ điều khiển cấp thấp (Low-level Controller): Chuyển đổi vận tốc mong muốn của tâm đội hình thành vận tốc riêng của từng robot, sau đó phân rã qua ma trận Jacobian thành tín hiệu đặt tốc độ cho 4 bánh xe Mecanum, được điều khiển hồi tiếp vòng kín bởi bộ điều khiển PID trên Arduino Mega 2560.

Nội dung chính theo từng chương

Chương 1: Đặt vấn đề

Chương này phân tích bối cảnh công nghệ của hệ thống đa robot và mobile manipulator. Tác giả tổng quan các nghiên cứu quốc tế về điều khiển đa robot có ràng buộc tối ưu hóa, phương pháp tiếp cận Leader/Follower có tính đàn hồi, điều khiển phi tập trung thích nghi và các công trình tại Việt Nam (chủ yếu tập trung vào robot bầy đàn hai bánh vi sai giải các bài toán TSP, ITSP, MTSP). Từ việc chỉ ra khoảng trống về hệ thống cộng tác đa robot bánh Mecanum vận chuyển vật thể trong nước, chương xác định mục tiêu, phương pháp, đối tượng, phạm vi và 6 giới hạn cụ thể của đề tài.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày cơ sở toán học và thuật toán cốt lõi. Tác giả xây dựng chi tiết mô hình động học thuận và nghịch của robot 4 bánh Mecanum, thiết lập ma trận biến đổi tọa độ từ tâm robot đến các bánh xe và trích xuất phương trình vận tốc: $$v_x(t) = \frac{r}{4} (v_{w1} + v_{w2} + v_{w3} + v_{w4})$$ $$v_y(t) = \frac{r}{4} (-v_{w1} + v_{w2} + v_{w3} - v_{w4})$$ $$\omega_z(t) = \frac{r}{4(l_x + l_y)} (-v_{w1} + v_{w2} - v_{w3} + v_{w4})$$ Chương kế tiếp trình bày cấu trúc cánh tay robot Magician và bảng thông số DH; nguyên lý cấu trúc 3 tầng của ROS (Filesystem, Computation Graph, Community); thuật toán mở rộng vùng lồi IRIS; bộ giải tối ưu hóa phi tuyến SNOPT với phương pháp SQP; thuật toán tìm kiếm Dijkstra và Bidirectional Dijkstra; lý thuyết bộ điều khiển PID; phương trình trạng thái bộ lọc Kalman; và giải thuật xác suất trong SLAM Gmapping cùng bộ lọc vị trí hạt thích nghi AMCL.

Chương 3: Thiết kế hệ thống

Chương này tập trung vào tính toán và hiện thực hóa phần cứng. Nội dung trình bày bảng tính toán chọn công suất động cơ dẫn động, lựa chọn máy tính nhúng Jetson Nano, vi điều khiển Arduino Mega 2560 và Arduino Uno R3, mạch mở rộng Jetbot Kit, mạch CNC Shield V3, động cơ bước Nema 17, động cơ DC JGB37-520, cảm biến RPLidar A1-M8 và IMU-9250. Tác giả cung cấp sơ đồ nguyên lý hệ thống, sơ đồ đấu dây chi tiết cho tầng dẫn động Mecanum và tầng điều khiển cánh tay, bản vẽ thiết kế 3 tầng trên SolidWorks và hình ảnh hoàn thiện mô hình thực tế của nhóm ba robot.

Chương 4: Thiết kế phần mềm

Chương 4 mô tả cấu trúc phần mềm điều khiển tích hợp trên nền ROS. Tác giả chi tiết hóa lưu đồ giải thuật cho toàn bộ hệ thống: quy trình quét và tạo bản đồ của node Slam_gmapping; quy trình biến đổi hệ trục tọa độ; lưu đồ lập kế hoạch toàn cục kết hợp giữa IRIS (phương trình nửa không gian $Ax \le b$), thuật toán tối ưu hóa đội hình dựa trên ràng buộc hình học vật thể và thuật toán Bidirectional Dijkstra. Tiếp theo, chương trình bày thuật toán lập kế hoạch cục bộ gồm khối phát hiện và theo dõi quỹ đạo vật cản động trong không gian vị trí - thời gian, cùng bộ lập kế hoạch cấp thấp phân bổ vận tốc cho từng robot thành viên.

Chương 5: Kết quả mô phỏng và thực nghiệm

Chương 5 cung cấp toàn bộ kết quả kiểm thử. Về mô phỏng, tác giả đối sánh động học trên MATLAB qua 4 trường hợp thử nghiệm khác nhau cho robot Mecanum và 3 trường hợp cho cánh tay Magician; mô phỏng việc tạo bản đồ môi trường trên Gazebo hiển thị qua RViz; và kiểm chứng thuật toán IRIS trên 4 ví dụ tạo vùng lồi trong không gian 2 vật cản và 3 vật cản. Về thực nghiệm, chương đánh giá đáp ứng vận tốc bánh xe của bộ điều khiển PID tại các giá trị đặt âm và dương; kiểm tra sai số kích thước bản đồ Gmapping thực tế; và kiểm thử quá trình 3 robot kẹp vật thể di chuyển vượt chướng ngại vật trong 3 kịch bản môi trường thực tế (2 vật cản tĩnh; 3 vật cản tĩnh; 2 vật cản tĩnh kết hợp 1 vật cản động).

Chương 6: Kết luận và hướng phát triển

Chương tổng kết mức độ hoàn thành nhiệm vụ nghiên cứu của đề tài so với mục tiêu ban đầu, xác nhận khả năng vận hành ổn định của hệ thống đa robot trong thực tế và đề xuất các định hướng nâng cấp hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả thực nghiệm định lượng:

• Đáp ứng điều khiển PID vận tốc bánh xe: Khảo sát phản hồi vận tốc của cả 4 bánh xe ở các giá trị đặt khác nhau (bao gồm các mức giá trị dương và âm) cho thấy hệ thống bám sát tín hiệu đặt, độ vọt lố nhỏ và thời gian xác lập nhanh, đảm bảo triệt tiêu hiện tượng trượt lệch vận tốc giữa các bánh.
• Độ chính xác tạo bản đồ Gmapping: Sai số hình học giữa bản đồ tạo bởi Gmapping và kích thước đo đạc thực tế trong phòng thí nghiệm được kiểm soát ở mức thấp qua các bảng khảo sát số liệu:

Kịch bản môi trường khảo sát	Kích thước thực tế không gian (m)	Kích thước trên bản đồ Gmapping (m)	Đánh giá sai số
Môi trường mô phỏng (Gazebo)	Tọa độ chuẩn mô phỏng	Hiển thị RViz tương ứng	Khớp biên dạng vật cản
Thực nghiệm 2 vật cản tĩnh	$3,70 \times 4,60$	Thể hiện chi tiết biên dạng 2 vật cản	Độ lệch biên dưới ngưỡng an toàn di chuyển
Thực nghiệm 3 vật cản tĩnh	$3,70 \times 4,60$	Thể hiện đầy đủ 3 vật cản	Đảm bảo không gian cho IRIS trích xuất vùng lồi

• Thực nghiệm điều khiển đội hình vận chuyển vật thể:
  1. Kịch bản 1 (2 vật cản tĩnh): Đội hình 3 robot mang vật thể xuất phát ổn định, chuyển tiếp cấu hình đội hình lần thứ nhất ở khoảng thời gian từ giây thứ 50 đến 80 để vượt qua khe hẹp giữa hai vật cản, tiếp tục chuyển tiếp đội hình lần thứ hai trong khoảng giây thứ 130 đến 160 để tái định hướng, và tiến về đích thành công trong khoảng giây thứ 190 đến 220 mà không xảy ra va chạm hay làm rơi vật.
  2. Kịch bản 2 (3 vật cản tĩnh): Không gian di chuyển bị thu hẹp hơn. Đội hình thực hiện chuyển tiếp cấu hình lần 1 ở khoảng giây 70 đến 105, chuyển tiếp cấu hình lần 2 ở khoảng giây 170 đến 205, và hoàn thành hành trình tại điểm đích ở khoảng giây 245 đến 275, bảo toàn trạng thái kẹp giữ vật thể.
  3. Kịch bản 3 (2 vật cản tĩnh và 1 vật cản động): Khi vật cản động xuất hiện cắt ngang hướng di chuyển với vận tốc dưới 0,1 m/s, bộ lập kế hoạch cục bộ đã nhận diện thành công chướng ngại vật; đội hình thực hiện chuyển tiếp thích nghi qua ba giai đoạn (giây 20 - 50, giây 50 - 80, giây 120 - 150) và về đích an toàn ở khoảng giây 180 đến 210.

Đóng góp của đồ án:

• Hiện thực hóa thành công phần cứng hoàn chỉnh của một hệ thống đa robot thao tác di động cộng tác (CMM) sử dụng bốn bánh Mecanum kết hợp cánh tay 3 bậc tự do trên nền tảng vi điều khiển phân tầng và máy tính nhúng Jetson Nano.
• Ứng dụng thành công chuỗi thuật toán IRIS và bộ giải tối ưu hóa phi tuyến SNOPT vào bài toán điều khiển đội hình robot đa hướng trong thực tế, giúp giải quyết bài toán quy hoạch đường đi qua không gian lồi không va chạm thay vì các phương pháp xấp xỉ dạng điểm đơn giản.
• Tích hợp thành công thuật toán lập kế hoạch cục bộ có khả năng nhận diện và tránh vật cản động thời gian thực bằng việc biến đổi cấu hình đội hình trên mô hình thực nghiệm thực tế tại Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài (dựa trên phạm vi và giới hạn công bố trong văn bản):

• Chưa tích hợp thuật toán quản lý năng lượng và giám sát mức điện áp pin, do đó hệ thống có thể mất ổn định nếu vận hành liên tục trong thời gian dài mà điện áp sụt giảm.
• Các tham số khoảng cách hình học từ tâm robot đến cơ cấu kẹp của cánh tay ($a_1, a_2, a_3$) và góc định vị giữa cánh tay với khung thân robot được cố định sẵn, chưa cho phép cánh tay thay đổi linh hoạt góc khớp trong lúc đang mang vật thể di chuyển.
• Chưa tích hợp cảm biến đo lực tương tác (cảm biến lực/mô-men F/T) tại đầu gắp cánh tay robot, do đó chưa thực hiện được thuật toán điều khiển tổng hợp trở kháng hoặc phản hồi lực để kiểm soát chính xác lực kẹp tránh biến dạng đối với các vật thể mềm hoặc dễ vỡ.
• Giới hạn nhận diện vật cản động còn đơn giản: Chỉ xử lý được một vật cản chuyển động thẳng đều với vận tốc nhỏ ($< 0,1$ m/s), chưa xử lý được các vật cản đổi hướng đột ngột, nhiều vật cản động đan xen hoặc vật cản có chiều cao nằm ngoài mặt phẳng quét laser của RPLidar A1-M8.

Hướng nghiên cứu tiếp theo:

• Tích hợp cảm biến lực tại khâu chấp hành cuối của cánh tay robot để chuyển từ bài toán điều khiển thuần động học sang điều khiển lực cộng tác đàn hồi (Compliance/Impedance Control), nâng cao độ an toàn cho vật thể vận chuyển.
• Nâng cấp thuật toán theo dõi vật cản động để nhận dạng được nhiều đối tượng chuyển động phi tuyến với vận tốc cao hơn.
• Mở rộng không gian làm việc với kích thước lớn hơn và tăng số lượng robot tham gia đội hình (trên 3 robot) nhằm kiểm chứng khả năng tính toán thời gian thực của bộ giải SNOPT khi số lượng biến và ràng buộc tăng lên.
• Nghiên cứu cơ chế đồng bộ hóa phi tập trung để giảm tải tính toán cho máy chủ trung tâm và tăng độ tin cậy của mạng truyền thông khi mất kết nối Wi-Fi cục bộ.

Giá trị tham khảo

Báo cáo đồ án tốt nghiệp này mang lại giá trị tham khảo kỹ thuật cho:

• Sinh viên và kỹ sư các ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Robot: Có thể tham khảo chi tiết phần dẫn xuất toán học mô hình động học thuận/nghịch của robot 4 bánh Mecanum (Chương 2), bản vẽ kết cấu cơ khí ba tầng trên SolidWorks (Chương 3), và sơ đồ kết nối phần cứng giữa máy tính Jetson Nano, Arduino Mega 2560 với các mạch công suất L298 và CNC Shield V3.
• Các nhóm nghiên cứu phát triển thuật toán điều hướng đa robot: Giá trị tham khảo trọng tâm nằm ở Chương 4 và Chương 5, đặc biệt là quy trình kết hợp thuật toán tạo vùng lồi IRIS, bộ giải tối ưu hóa phi tuyến SNOPT và thuật toán Bidirectional Dijkstra để giải quyết bài toán quy hoạch chuyển động đội hình có ràng buộc vật lý.
• Đơn vị nghiên cứu ứng dụng ROS trong thực tế: Đồ án cung cấp tài liệu tham khảo thực chứng về việc phân chia kiến trúc tính toán giữa máy tính nhúng và vi điều khiển, cơ chế giao tiếp socket Wi-Fi cho hệ thống nhiều robot phân tán.

Câu hỏi thường gặp

1. Hệ thống phần cứng trên mỗi cá thể robot bao gồm những thành phần điều khiển và cảm biến chính nào? Mỗi robot di động trong hệ thống được cấu thành từ máy tính nhúng NVIDIA Jetson Nano đảm nhận tính toán cấp cao; vi điều khiển Arduino Mega 2560 và Arduino Uno R3 điều khiển cấp thấp; cảm biến quét khoảng cách laser 360 độ RPLidar A1-M8; cảm biến quán tính IMU-9250; 4 động cơ DC Servo JGB37-520 có encoder và hộp số kết hợp mạch cầu H kép L298; cơ cấu cánh tay robot 3 bậc tự do Magician điều khiển bằng động cơ bước Nema 17 qua mạch CNC Shield V3 và driver A4988.

2. Vai trò cụ thể của thuật toán IRIS và bộ giải SNOPT trong hệ thống là gì? Thuật toán IRIS có nhiệm vụ lấy bản đồ lưới từ Gmapping và phình to các vùng không gian trống thành các tập hợp đa diện lồi tối đại không chứa vật cản tĩnh (dưới dạng hệ bất phương trình tuyến tính $Ax \le b$). Sau đó, bộ giải tối ưu hóa phi tuyến SNOPT áp dụng phương pháp quy hoạch bậc hai tuần tự (SQP) để tìm kiếm các tham số kích thước, hướng và vị trí tối ưu của đội hình ba robot sao cho đội hình vừa khít bên trong các vùng lồi này mà không chạm vào biên vật cản.

3. Giao tiếp giữa ba robot và máy tính điều khiển trung tâm được thực hiện như thế nào? Hệ thống sử dụng mạng truyền thông không dây Wi-Fi hoạt động dựa trên kiến trúc ROS Master - Slave thông qua mạng socket của hệ điều hành robot ROS. Máy tính trung tâm đóng vai trò master quản lý các topic toàn cục, gửi lệnh vận tốc mục tiêu và nhận dữ liệu phản hồi trạng thái vị trí (odometry), dữ liệu cảm biến từ các node ROS chạy cục bộ trên máy tính nhúng Jetson Nano của từng robot.

4. Các kịch bản thực nghiệm nào đã được triển khai để kiểm chứng khả năng di chuyển của đội hình robot? Nhóm tác giả đã tiến hành thử nghiệm thực tế trong ba kịch bản cụ thể tại phòng thí nghiệm: (1) Di chuyển vận chuyển vật thể trong môi trường có 2 vật cản tĩnh; (2) Di chuyển vận chuyển vật thể trong môi trường có 3 vật cản tĩnh với lối đi hẹp hơn; và (3) Di chuyển vận chuyển vật thể trong môi trường gồm 2 vật cản tĩnh kết hợp 1 vật cản động di chuyển cắt ngang hành trình với vận tốc dưới 0,1 m/s.

5. Các giả thiết giới hạn nào được áp dụng đối với cánh tay robot và đội hình trong nghiên cứu này? Đề tài giả thiết chiều dài từ tâm mỗi robot đến khâu chấp hành cuối của cánh tay ($a_1, a_2, a_3$) được giữ cố định; góc tương đối giữa cánh tay và trục dọc thân robot không thay đổi trong suốt quá trình di chuyển; hệ thống điều khiển tập trung vào điều khiển vận tốc chuyển động theo quỹ đạo mà không tính toán phân tích tải trọng động lực học hoặc lực kẹp tiếp xúc lên vật thể.

Kết luận

Đồ án tốt nghiệp của nhóm tác giả Phạm Hữu Đạt, Phạm Khải Nguyên và Võ Quốc Thắng đã thiết kế, chế tạo và thử nghiệm thành công hệ thống ba robot thao tác di động cộng tác (CMM) 4 bánh Mecanum vận chuyển vật thể trong môi trường động. Nghiên cứu đã tích hợp hiệu quả thuật toán tạo vùng lồi IRIS và bộ giải tối ưu hóa phi tuyến SNOPT với kiến trúc điều khiển phân tầng trên nền tảng ROS, giải quyết thành công bài toán chuyển đổi hình học đội hình để vượt qua chướng ngại vật tĩnh và động. Toàn bộ các kết quả mô phỏng trên Gazebo/MATLAB cùng số liệu thực nghiệm thực tế tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã chứng minh tính khả thi, sự ổn định và độ chính xác của giải pháp công nghệ được đề xuất.

Trích đoạn nội dung tài liệu

ĐẶT VẤN ĐỀ.1 Lý do thực hiện đề tài .2 Các nghiên cứu liên quan .1 Tình hình nghiên cứu ngoài nước .2 Tình hình nghiên cứu trong nước .3 Mục tiêu đề tài .4 Phương pháp nghiên cứu .5 Nội dung nghiên cứu .6 Phạm vi nghiên cứu .7 Giới hạn đề tài. 7 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT .1 Hệ robot di động đa hướng 4 bánh Mecanum .1 Bánh Mecanum và hệ robot di động 4 bánh Mecanum .2 Động học robot .2 Cánh tay robot Magician .1 Giới thiệu robot Magician .2 Động học robot Magician.3 Hệ điều hành robot (ROS) .1 ROS filesystem level .2 ROS Computation graph level .3 ROS community level .4 Thuật toán IRIS .1 Tổng quan thuật toán IRIS .2 Phương pháp kỹ thuật: .5 Phần mềm SNOPT .1 Tổng quan về SNOPT .2 Phương pháp SQP .3 Phương thức SnoptA .6 Thuật toán tìm kiếm đồ thị .1 Thuật toán Dijkstra .2 Thuật toán Bidirectional Dijkstra .7 Bộ điều khiển PID .8 Bộ lọc Kalman .1 Giới thiệu bộ lọc Kalman .2 Tổng quan về thuật toán .9 SLAM và Gmapping: .1 Định vị và xây dựng bản đồ đồng thời (SLAM) .2 Thuật toán Gmapping .10 Bộ lọc hạt thích nghi cho định vị (AMCL) .61 CHƯƠNG 3: THIẾT KẾ HỆ THỐNG .1 Yêu cầu thiết kế .2 Sơ đồ mô tả hệ thống .3 Tính toán và lựa chọn thiết bị .1 Máy tính nhúng Jetson Nano.2 Vi điều khiển Arduino Uno R3 .3 Vi điều khiển Arduino Mega 2560.4 Jetbot Kit Expansion .5 Mạch cầu điều khiển động cơ L298 .6 Mạch CNC Shield V3 .8 Động cơ DC Servo JGB37-520 .9 Động cơ bước 42 Nema 17 .10 Công tắc hành trình KW11-3Z-2 .11 Cảm biến gia tốc IMU-9250 .12 Cảm biến khoảng cách laser scan RPLidar A1-M8 .4 Sơ đồ nguyên lý hệ thống .5 Thiết kế và thi công phần cứng .2 Mô hình trên Solidworks .3 Mô hình thực tế .86 CHƯƠNG 4: THIẾT KẾ PHẦN MỀM .1 Tổng quan hệ thống .2 Xây dựng bản đồ .3 Định vị robot trên bản đồ .4 Thiết kế bộ lập kế hoạch đường di toàn cục .1 Thuật toán IRIS .2 Tìm kiếm đội hình tối ưu .3 Thuật toán tìm đường đi ngắn nhất (Bidirectional Dijkstra) .5 Thiết kế bộ lập kế hoạch di chuyển cục bộ .1 Thuật toán xác định vật cản động .2 Bộ lập kế hoạch cấp thấp cho từng robot .108 CHƯƠNG 5: KẾT QUẢ MÔ PHỎNG VÀ THỰC NGHIỆM .1 Kết quả mô phỏng .1 Mô phỏng trên động học robot holomic trên MATLAB .2 Mô phỏng động học cánh tay robot magician trên MATLAB .4 Bộ lập kế hoạch đường đi toàn cục .2 Kết quả thực nghiệm .1 Điều khiển PID vận tốc bánh xe .2 Vẽ bản đồ với Gmapping .3 Điều khiển đội hình robot di chuyển vật thể .138 CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN .2 Hướng phát triển .163 TÀI LIỆU THAM KHẢO .165 DANH SÁCH HÌNH ẢNH Figure 2-1: Thiết kế bánh Mecanum và vận động đa hướng của robot 4 bánh Mecanum .8 Figure 2-2: Cấu hình bánh xe và định nghĩa tư thế .9 Figure 2-3: Thông số của bánh thứ i.10 Figure 2-4: Mô hình đơn giản Robot .16 Figure 2-5: Mô hình robot sau khi đặt trục .17 Figure 2-6: ROS filesystem level .27 Figure 2-7: ROS Computation graph level .28 Figure 2-8: Thuật toán IRIS trong môi trường 2D .35 Figure 2-9: Bài toán Dijjkstra .48 Figure 2-11: Tổng quan thuật toán Kalman .52 Figure 2-12: Lưu đồ giải thuật ProcessScan thuật toán Gmapping .60 Figure 3-1: Sơ đồ tổng quan hệ thống .62 Figure 3-2: Máy tính nhúng Jetson Nano. 65 Figure 3-3: Sơ đồ chân GPIO của Jetson Nano .66 Figure 3-4: Arduino Uno R3 .67 Figure 3-5: Sơ đồ chân GPIO của Arduino Uno R3.67 Figure 3-6: Vi điều khiển Arduino Mega 2560 .68 Figure 3-7: Sơ đồ chân GPIO của Arduino Mega 2560 .69 Figure 3-8: Driver board Jetbot Kit Expansion .