Điều khiển và lập trình Robot tiếp tân, dẫn đường tự động và ứng dụng giao diện người dùng

Đồ án điều khiển và lập trình robot tiếp tân, dẫn đường tự động tại ĐH Sư phạm Kỹ thuật TP.HCM

• Tác giả: Thái Thanh Duy
• Người hướng dẫn: TS. Đặng Xuân Ba
• 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: Điều khiển và lập trình Robot tiếp tân, dẫn đường tự động và ứng dụng giao diện người dùng
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan robot tiếp tân dẫn đường tại ĐH Sư phạm Kỹ thuật TP

Robot tiếp tân dẫn đường tại ĐH Sư phạm Kỹ thuật TP.HCM là đề tài tốt nghiệp chuyên ngành Kỹ thuật Điều khiển và Tự động hóa. Nghiên cứu do sinh viên Thái Thanh Duy và Lương Thế Dương thực hiện dưới sự hướng dẫn của TS. Đặng Xuân Ba. Dự án giải quyết nhu cầu tự động hóa khâu tiếp đón tại các tòa nhà trường đại học. Robot sở hữu chiều cao 1500mm cùng kích thước đế 500mm x 500mm. Cấu trúc cơ khí tích hợp khung vỏ vững chắc và màn hình cảm ứng phục vụ giao tiếp. Thiết bị sử dụng bộ điều khiển trung tâm chạy trên hệ điều hành Ubuntu kết hợp nền tảng ROS2 hiện đại. Phần cứng bao gồm cảm biến laser LiDAR, camera quét mã QR và động cơ truyền động chất lượng cao. Hệ thống vận hành theo cơ chế di chuyển hai bánh vi sai linh hoạt. Robot có khả năng xoay sở trong hành lang hẹp và đông người. Sự kết hợp giữa cơ khí, điện tử và phần mềm thông minh tạo nên một sản phẩm toàn diện. Dự án phản ánh năng lực ứng dụng công nghệ điều khiển tự động vào thực tiễn giáo dục hiện đại.

1.1. Mục tiêu nghiên cứu và bối cảnh phát triển đề tài

Nhu cầu tự động hóa khâu đón tiếp khách tại các trường đại học ngày càng cấp thiết. Đề tài hướng tới việc tạo ra robot phục vụ thân thiện và chính xác. Mục tiêu chính là hoàn thiện hệ thống dẫn đường trong nhà. Robot cần giao tiếp hiệu quả với khách tham quan thông qua màn hình và giọng nói. Hệ thống hỗ trợ tra cứu thông tin phòng ban, sơ đồ khoa và lịch công tác. Việc tích hợp công nghệ AI giọng nói và nhận dạng mã QR nâng cao trải nghiệm người dùng. Sản phẩm giúp giảm tải công việc cho nhân viên tiếp tân văn phòng. Mô hình mang lại hình ảnh cơ sở đào tạo hiện đại, ứng dụng công nghệ 4.0 sâu rộng.

1.2. Cấu hình phần cứng và kiến trúc vật lý của robot

Robot có kích thước cơ bản 500mm x 500mm x 1500mm. Chiều cao này phù hợp với tầm mắt người trưởng thành khi tương tác. Đế robot trang bị hai bánh dẫn động độc lập và hai bánh xe đa hướng hỗ trợ thăng bằng. Cơ cấu dẫn động vi sai mang lại bán kính quay vòng tối thiểu. Màn hình cảm ứng lắp đặt ở vị trí thuận tiện cho người dùng thao tác. Cảm biến LiDAR quét laser đặt ngang thân để quét chướng ngại vật mặt đất. Camera đặt phía trước để thu nhận hình ảnh và quét mã QR định danh. Toàn bộ thiết bị điện tử liên kết chặt chẽ qua mạch nguồn ổn định. Bộ xử lý trung tâm đảm bảo tốc độ phản hồi nhanh trong mọi tác vụ.

II. Vấn đề robot tiếp tân dẫn đường tại ĐH Sư phạm Kỹ thuật TP

Môi trường tòa nhà trường học đặt ra nhiều bài toán phức tạp cho robot di động. Khuôn viên ĐH Sư phạm Kỹ thuật TP.HCM có mật độ di chuyển đông đúc. Sinh viên và khách tham quan thay đổi vị trí liên tục. Điều này tạo ra các chướng ngại vật động không thể dự đoán trước. Cảm biến LiDAR dễ gặp hiện tượng nhiễu quang học từ cửa kính và bề mặt phản chiếu. Sai số tích lũy từ bánh xe gây sai lệch vị trí nghiêm trọng theo thời gian. Nếu không hiệu chỉnh liên tục, robot sẽ trôi khỏi quỹ đạo thiết kế. Mặt khác, việc xử lý đồng thời luồng dữ liệu camera và bản đồ đòi hỏi hiệu năng tính toán cao. Hệ thống máy tính nhúng đối mặt với giới hạn về tài nguyên phần cứng và tiêu thụ điện năng. Quá trình quét mã QR cũng gặp cản trở khi điều kiện ánh sáng không đồng đều. Góc nghiêng tem nhãn và khoảng cách quét ảnh hưởng trực tiếp đến tỷ lệ nhận dạng thành công. Ngoài ra, việc thiết kế giao diện đồ họa phải đảm bảo tính trực quan cho người dùng không có kiến thức kỹ thuật. Những thách thức kỹ thuật này đòi hỏi giải pháp thiết kế đồng bộ và tối ưu.

2.1. Thách thức trong định vị và điều hướng môi trường động

Định vị thời gian thực trong nhà luôn là bài toán khó. Môi trường hành lang trường học có nhiều bức tường dài phẳng và ít mốc nhận dạng đặc trưng. Cảm biến laser dễ rơi vào trạng thái thiếu dữ liệu định vị hình học. Người đi bộ cắt ngang tạo ra các vật cản động đột ngột. Thuật toán điều hướng truyền thống dễ bị tắc nghẽn hoặc dừng xe đột ngột. Sự trượt bánh xe do bề mặt sàn gạch bóng gây sai số odometry đáng kể. Sự kết hợp giữa bộ lọc vị trí và cảm biến quán tính trở nên bắt buộc. Đảm bảo xe chạy êm ái và không va chạm yêu cầu thuật toán thích ứng cao.

2.2. Hạn chế của hệ thống xử lý ảnh và tương tác người máy

Thao tác quét mã QR phục vụ lưu trữ thông tin khách đến gặp nhiều rào cản. Tốc độ lấy mẫu hình ảnh của camera chịu ảnh hưởng bởi rung lắc khi robot di chuyển. Ánh sáng tán xạ từ đèn trần làm lóa bề mặt mã in. Vùng yên tĩnh của mã QR bị che khuất sẽ khiến thiết bị giải mã thất bại. Bên cạnh đó, hệ thống nhận dạng giọng nói dễ bị nhiễu bởi tiếng ồn học đường. Tiếng bước chân, tiếng trò chuyện xung quanh làm giảm tỷ lệ nhận diện từ khóa. Thời gian phản hồi giao diện Qt cần đạt độ trễ cực thấp. Khách tương tác sẽ cảm thấy khó chịu nếu màn hình phản ứng chậm.

III. Lập trình robot tiếp tân dẫn đường tại ĐH Sư phạm Kỹ thuật TP

Nhóm nghiên cứu đề xuất giải pháp tích hợp toàn diện trên nền tảng ROS2. Hệ thống phân chia thành các node chức năng độc lập nhằm tối ưu hóa tính toán. Mô hình động học vi sai hai bánh được chuẩn hóa bằng giải thuật toán học chính xác. Khối Navigation Stack (Nav2) đóng vai trò xương sống cho bài toán dẫn đường. Global Planner áp dụng thuật toán A* hoặc Dijkstra để tìm lộ trình toàn cục ngắn nhất trên bản đồ. Đồng thời, Local Planner sử dụng thuật toán DWA hoặc TEB để tránh chướng ngại vật tức thời. Dữ liệu từ cảm biến LiDAR 2D cung cấp thông tin đám mây điểm liên tục. Quá trình lập bản đồ tĩnh và định vị thích ứng thực hiện thông qua AMCL và Cartographer. Module xử lý thị giác viết bằng Python chịu trách nhiệm giải mã QR và trích xuất dữ liệu khách. Dữ liệu này tự động cập nhật vào bảng tính Excel và cơ sở dữ liệu SQL. Giao diện điều khiển Qt được tối ưu hóa giao diện đồ họa trực quan. Khách tham quan chỉ cần chạm nhẹ để chọn điểm đến hoặc ra lệnh thoại.

3.1. Thuật toán điều hướng tự động và xây dựng bản đồ Nav2

Hệ thống điều hướng sử dụng khung kiến trúc Nav2 chuẩn công nghiệp. Thuật toán Cartographer hỗ trợ quét dữ liệu từ cảm biến LiDAR và dựng bản đồ 2D. Thuật toán định vị AMCL liên tục đối chiếu các điểm laser với bản đồ tĩnh. Quá trình này giúp xác định tọa độ và góc hướng robot với độ chính xác cao. Bộ lập kế hoạch toàn cục tính toán đường đi tối ưu không vật cản. Bộ lập kế hoạch cục bộ giám sát không gian xung quanh để né tránh người đi bộ. Tốc độ bánh xe điều khiển tự động qua xung PWM gửi tới động cơ. Xe chuyển hướng mượt mà, không giật lắc khi bám đường dốc nhẹ.

3.2. Tích hợp thị giác máy tính và giao diện tương tác Qt

Thị giác máy tính xử lý nhận diện mã QR bằng thư viện OpenCV và Pyzbar. Thuật toán bóc tách thông tin định danh và lưu trữ trực tiếp vào SQL server. Giao diện cảm ứng lập trình bằng framework Qt với thiết kế hiện đại. Bố cục màn hình hiển thị danh sách phòng ban, sơ đồ di chuyển và trạng thái xe. Hệ thống tích hợp mô hình nhận dạng giọng nói AI để giao tiếp hai chiều. Người dùng nói trực tiếp tên địa điểm cần đến mà không cần gõ bàn phím. Ứng dụng điều khiển trên điện thoại thông minh cho phép người quản lý can thiệp thủ công từ xa khi có tình huống khẩn cấp.

IV. Ứng dụng robot tiếp tân dẫn đường tại ĐH Sư phạm Kỹ thuật TP

Đề tài chế tạo robot tiếp tân dẫn đường khẳng định tính ứng dụng vượt trội trong môi trường giáo dục đại học. Hệ thống hoàn thành thử nghiệm vận hành tự động tại khuôn viên ĐH Sư phạm Kỹ thuật TP.HCM với độ ổn định cao. Xe di chuyển chính xác đến các phòng chức năng theo đúng lịch trình lập trước. Khả năng tránh vật cản động phản ứng nhanh và linh hoạt. Mô hình chứng minh tiềm năng mở rộng sang các khu vực dịch vụ công cộng như bệnh viện, sân bay và trung tâm thương mại. Việc làm chủ toàn diện phần cứng và phần mềm mã nguồn mở ROS2 giúp giảm chi phí sản xuất đáng kể so với thiết bị thương mại nhập khẩu. Trong tương lai, hệ thống có thể tích hợp thêm các công nghệ tiên tiến khác. Nâng cấp mô hình ngôn ngữ lớn (LLM) sẽ giúp robot trò chuyện tự nhiên hơn với khách. Trang bị thêm cảm biến camera 3D chiều sâu sẽ tăng cường năng lực nhận diện vật thể phức tạp. Thành công của đồ án đánh dấu bước phát triển vững chắc của nghiên cứu tự động hóa tại nhà trường.

4.1. Kết quả thử nghiệm thực tế tại khuôn viên nhà trường

Thử nghiệm thực địa diễn ra tại các hành lang văn phòng trường. Robot duy trì khả năng định vị chuẩn xác và không bị trôi tọa độ. Thời gian giải mã mã QR diễn ra nhanh chóng dưới một giây. Tỷ lệ đọc thành công đạt mức cao trong điều kiện ánh sáng văn phòng. Khách tham quan tương tác trực tiếp với giao diện đồ họa thuận lợi. Robot tiếp nhận lệnh dẫn đường và tự động di chuyển đến đúng phòng đích. Khả năng phát hiện và chủ động lách qua người đi ngược chiều hoạt động hiệu quả. Kết quả thực nghiệm khẳng định hệ thống đáp ứng trọn vẹn mục tiêu ban đầu đề ra.

4.2. Hướng mở rộng và tiềm năng ứng dụng thực tiễn

Mô hình robot mở ra tiềm năng thương mại hóa rộng mở trong nhiều lĩnh vực. Thiết bị có thể tùy biến để triển khai tại bệnh viện, bảo tàng và sảnh tiếp đón doanh nghiệp. Các hướng nâng cấp kỹ thuật bao gồm bổ sung camera nhận diện khuôn mặt khách quen. Việc tích hợp trợ lý ảo trí tuệ nhân tạo tạo sinh giúp nâng cao khả năng đối thoại tự nhiên. Đội ngũ kỹ thuật cũng có thể kết nối robot với hệ thống quản lý tòa nhà thông minh BMS qua giao thức IoT. Nhờ đó, robot có thể tự gọi thang máy để di chuyển giữa các tầng. Nền tảng thiết kế mở tạo điều kiện tối ưu để tiếp tục hoàn thiện.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Cuộc Cách mạng công nghiệp 4.0 thúc đẩy mạnh mẽ ứng dụng công nghệ tự động hóa và trí tuệ nhân tạo vào đời sống, đặc biệt trong ngành dịch vụ tiếp đón tại văn phòng, trường học, bệnh viện và trung tâm thương mại. Trong các không gian công cộng, việc sử dụng nhân sự cho các công việc lặp đi lặp lại như chào đón, hướng dẫn sơ đồ, giải đáp thông tin cơ bản hoặc ghi nhận người tham dự bộc lộ nhiều điểm hạn chế về chi phí và tính đồng bộ. Tại Việt Nam, các mô hình robot dịch vụ thông minh đa phần vẫn trong giai đoạn tiếp cận ban đầu, chưa được triển khai rộng rãi do rào cản chi phí và công nghệ tích hợp. Nhằm giải quyết vấn đề tự động hóa quy trình đón tiếp và dẫn đường trong nhà, đề tài "Điều khiển và lập trình Robot tiếp tân, dẫn đường tự động và ứng dụng giao diện người dùng" được nhóm sinh viên Thái Thanh Duy và Lương Thế Dương thực hiện dưới sự hướng dẫn của TS. Đặng Xuân Ba tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Mục tiêu nghiên cứu của đề tài được xác định theo các nhiệm vụ cụ thể sau:

1. Xây dựng mô hình toán học và giải thuật điều khiển động học cho hệ thống xe hai bánh tự hành dẫn động vi sai phù hợp với môi trường di chuyển trong nhà.
2. Nghiên cứu hệ điều hành Linux (Ubuntu) và nền tảng ROS2 (Robot Operating System 2) để triển khai các node điều khiển, xử lý dữ liệu cảm biến và tích hợp hệ thống phân tán.
3. Cấu hình cảm biến LiDAR S2M1 nhằm thu thập dữ liệu môi trường, phục vụ công tác xây dựng bản đồ 2D (mapping).
4. Nghiên cứu và ứng dụng các giải thuật bản địa hóa (localization) như AMCL và điều hướng di chuyển (navigation) thông qua ngăn xếp Nav2.
5. Ứng dụng xử lý ảnh bằng ngôn ngữ Python để nhận diện mã QR phục vụ công tác điểm danh tự động.
6. Thiết lập cơ chế ghi và truy xuất dữ liệu thông qua hệ quản trị cơ sở dữ liệu MySQL và tệp bảng tính Excel.
7. Lập trình giao diện người dùng đồ họa (GUI) đa chức năng trên nền tảng Qt/PyQt để điều khiển, giám sát trạng thái xe theo thời gian thực.
8. Tích hợp mô hình AI Gemini hỗ trợ tính năng tra cứu thông tin thông qua tương tác giọng nói tiếng Việt hai chiều.
9. Xây dựng ứng dụng di động trên nền tảng Android hỗ trợ giám sát và điều khiển xe từ xa qua mạng nội bộ bằng giao thức MQTT.
10. Lắp ráp, hoàn thiện hệ thống trên mô hình vật lý và tiến hành thực nghiệm đánh giá khả năng định vị, lập bản đồ, né tránh vật cản và dẫn đường tự động.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hệ thống robot dịch vụ hai bánh dẫn động vi sai, tích hợp cảm biến LiDAR S2M1, webcam Logitech C270, vi điều khiển Arduino Mega 2560, Arduino Uno và máy tính nhúng Mini PC T9 Plus.
• Phạm vi không gian: Môi trường làm việc bên trong tòa nhà, khu vực sàn phẳng (khu vực thực nghiệm cụ thể tại không gian đa năng MakerSpace).
• Phạm vi thời gian: Đề tài được giao thực hiện từ ngày 09/01/2025 và hoàn thành nghiệm thu vào ngày 11/06/2025.

Cơ sở lý thuyết và phương pháp

Cơ sở lý thuyết của đồ án dựa trên nền tảng điều khiển động học robot di động tự hành (AMR) kết hợp các công nghệ phần mềm phân tán và xử lý dữ liệu:

• Khung lý thuyết động học vi sai: Robot sử dụng hai bánh dẫn động chính song song và các bánh phụ giữ thăng bằng. Cơ chế chuyển động được mô hình hóa toán học thông qua tâm quay tức thời (ICR). Quan hệ động học thuận xác định vận tốc tuyến tính $V = (v_R + v_L)/2$ và vận tốc góc $\omega = (v_R - v_L)/b$, trong đó $b$ là khoảng cách giữa hai bánh xe, $v_R$ và $v_L$ lần lượt là vận tốc tiếp tuyến của bánh phải và bánh trái. Bán kính quay từ tâm xe đến ICR xác định theo công thức $R = (b/2) \cdot (v_R + v_L) / (v_R - v_L)$. Động học nghịch tính toán vận tốc đặt cho từng bánh dựa trên vận tốc dài và vận tốc góc mong muốn: $v_R = V + (\omega \cdot b)/2$ và $v_L = V - (\omega \cdot b)/2$.
• Cấu trúc mã QR: Dựa trên tiêu chuẩn mã hóa hai chiều 2D do Denso Wave phát triển năm 1994, bao gồm 7 thành phần cấu trúc: dấu định vị, dấu căn chỉnh, mẫu thời gian, vùng yên tĩnh, thông tin phiên bản (từ 1 đến 40), định dạng QR, cùng phân vùng chứa dữ liệu và mã sửa lỗi.
• Kiến trúc hệ điều hành robot ROS2: Ứng dụng chuẩn truyền thông phân tán DDS (Data Distribution Service) cho phép các node giao tiếp thông qua cơ chế Publish/Subscribe và Service/Client; quản lý quan hệ không gian giữa các hệ trục tọa độ bằng cây biến đổi TF (Transformations).
• Thuật toán định vị và điều hướng: Ứng dụng SLAM Toolbox để thiết lập bản đồ lưới chiếm chỗ 2D từ dữ liệu quét laser và đồ thị tư thế (pose-graph); sử dụng giải thuật Adaptive Monte Carlo Localization (AMCL) dựa trên bộ lọc hạt để xác định vị trí robot; triển khai ngăn xếp Navigation2 (Nav2) với bản đồ chi phí toàn cục/cục bộ (Global/Local Costmaps), thuật toán tìm đường toàn cục (A*, Dijkstra) và thuật toán tránh vật cản động cục bộ (DWA, TEB).
• Trí tuệ nhân tạo và xử lý ngôn ngữ: Sử dụng Gemini API kết hợp các thư viện xử lý âm thanh tiếng Việt bao gồm thư viện speech_recognition cho quá trình chuyển đổi giọng nói thành văn bản (STT) và thư viện pyttsx3, playsound, pygame cho chuyển văn bản thành giọng nói (TTS).
• Cơ sở dữ liệu: Hệ quản trị cơ sở dữ liệu quan hệ MySQL theo mô hình quan hệ của Edgar F. Codd, sử dụng bộ lưu trữ InnoDB và các tập lệnh SQL chuẩn (DDL, DML, DQL) để quản lý danh sách điểm danh và bảng tọa độ điểm đến.

Phương pháp nghiên cứu thực tế:

• Phương pháp phân tích và mô hình hóa: Xây dựng phương trình toán học mô tả quan hệ vận tốc bánh xe và thân xe, kết hợp công cụ trực quan hóa RViz2 và phần mềm mô phỏng Gazebo (thông qua gói cầu nối ros_gz_bridge).
• Phương pháp thiết kế và tích hợp hệ thống kỹ thuật: Phối hợp phần cứng kế thừa với các khối bổ sung, tích hợp phân tầng giữa khối máy tính xử lý cao cấp và vi điều khiển chấp hành cấp thấp.
• Phương pháp thực nghiệm từng phần và tích hợp: Kiểm tra độc lập từng module chức năng (quét LiDAR, nhận dạng hình ảnh webcam, giao tiếp UART, gọi API đám mây, truyền thông MQTT), sau đó tiến hành chạy thử nghiệm toàn bộ hệ thống trên sàn thực tế tại không gian MakerSpace.

Nguồn dữ liệu sử dụng:

• Dữ liệu cảm biến thời gian thực: Dữ liệu đám mây điểm 2D từ cảm biến quét vòng 360 độ LiDAR S2M1, chuỗi khung hình từ webcam Logitech C270, và xung encoder từ động cơ.
• Dữ liệu định danh và cấu hình: Mã QR cá nhân dùng trong module điểm danh lưu trữ tại MySQL Server và file Excel nội bộ; các tham số cấu hình Costmap, tọa độ mục tiêu lưu trữ trong tệp cấu hình ROS2.

Thiết kế và triển khai

Hệ thống được thiết kế dạng khối hoàn chỉnh, kết hợp đồng bộ giữa kết cấu cơ khí, mạch điện tử điều khiển và hệ thống phần mềm phân tán.

Phân loại	Tên thiết bị / Phần mềm	Thông số kỹ thuật / Đặc điểm triển khai	Chức năng trong hệ thống
Cơ khí & Kết cấu	Khung nhôm định hình	Nhôm định hình 20x20 và 20x40; kích thước tổng thể: 500mm x 500mm x 1500mm (sai số ±5%)	Định hình khung vỏ, chịu lực toàn bộ hệ thống robot
Chấp hành	Động cơ giảm tốc Planet	Điện áp 12V DC, công suất 30W, tốc độ 320 rpm	Dẫn động 2 bánh xe chủ động vi sai độc lập
Nguồn cấp	Box pin sạc Lithium	Điện áp 12V, dung lượng 10000mAh, dòng xả định mức 30A	Cung cấp nguồn cho động cơ, mạch điều khiển và vi xử lý
Xử lý trung tâm	Mini PC T9 Plus	Chạy hệ điều hành Linux Ubuntu, cài đặt ROS2	Xử lý SLAM, Nav2, AI Gemini, OpenCV và điều phối giao diện
Điều khiển nhúng	Arduino Mega 2560 & Arduino Uno	Giao tiếp nối tiếp UART với Mini PC	Điều khiển đóng cắt, xuất xung PWM cho động cơ, đọc cảm biến
Cảm biến khoảng cách	Cảm biến LiDAR S2M1	Quét laser mặt phẳng 2D, góc quét 360 độ	Thu thập dữ liệu môi trường để lập bản đồ và phát hiện vật cản
Cảm biến thị giác	Webcam Logitech C270	Độ phân giải HD, kết nối USB với Mini PC	Thu thập dữ liệu hình ảnh phục vụ giải mã mã QR
Hiển thị & Tương tác	Màn hình ViewSonic	Màn hình cảm ứng di động, kết nối trực tiếp Mini PC	Giao diện tương tác đồ họa chính giữa người dùng và robot
Nền tảng phần mềm	ROS2, Python, Qt Designer, Kotlin	Giao thức DDS, MQTT Broker, thư viện PyQt, OpenCV, Pyzbar	Xây dựng node chức năng, giao diện điều khiển và app mobile

Kiến trúc phần mềm và công nghệ triển khai:

• Tầng điều khiển cấp thấp: Vi điều khiển Arduino tiếp nhận tập lệnh vận tốc góc và vận tốc dài từ máy tính trung tâm qua kết nối UART, chuyển đổi sang vận tốc góc của từng bánh xe dựa trên phương trình động học nghịch và điều khiển mạch cầu công suất.
• Tầng điều hòa và điều hướng (ROS2): Hệ điều hành Ubuntu trên Mini PC T9 Plus chạy các node ROS2 độc lập. Node rplidar xuất bản dữ liệu quét laser lên topic /scan. SLAM Toolbox khởi tạo bản đồ tĩnh 2D. Module Nav2 đảm nhận việc duy trì bản đồ chi phí toàn cục (Global Costmap) và bản đồ chi phí cục bộ (Local Costmap). Thuật toán Dijkstra hoặc A* chịu trách nhiệm vạch quỹ đạo di chuyển tổng thể, trong khi thuật toán DWA hoặc TEB tính toán quỹ đạo tức thời để né tránh các chướng ngại vật xuất hiện đột xuất.
• Tầng ứng dụng và giao diện người dùng: Ứng dụng Qt GUI được chia thành các trang chức năng: trang giới thiệu tổng quan, trang tính năng, trang dẫn đường (cho phép chọn điểm đến định sẵn hoặc theo tên vị trí), trang điểm danh quét mã QR (sử dụng OpenCV và Pyzbar), trang tra cứu thông tin kết nối Gemini API qua Python, trang cài đặt tham số vận hành. Module điều khiển di động được lập trình bằng ngôn ngữ Kotlin trên Android Studio, truyền nhận lệnh điều khiển thủ công tới robot qua giao thức MQTT.

Quy trình kiểm thử:

• Kiểm thử đơn động cơ và truyền thông vi điều khiển: Đánh giá độ đáp ứng của động cơ Planet khi nhận lệnh di chuyển qua bàn phím và giao diện điều khiển thủ công.
• Kiểm thử tạo bản đồ và định vị: Cho robot di chuyển quét toàn bộ diện tích không gian MakerSpace, kiểm tra độ sắc nét và tính khép kín của đường biên trên bản đồ thông qua RViz2.
• Kiểm thử dẫn đường tự động và tránh vật cản: Thiết lập các điểm đến thực nghiệm, đánh giá độ sai lệch vị trí dừng và khả năng thiết lập lại đường đi khi có vật cản chắn ngang.
• Kiểm thử nhận diện mã QR và phản hồi giọng nói: Đưa các mã QR ở các góc nghiêng khác nhau vào tầm quét của webcam Logitech C270; thực hiện các câu lệnh thoại tiếng Việt để đo lường độ trễ từ lúc thu âm đến khi phát âm thanh trả lời.

Nội dung chính theo từng chương

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI

Chương 1 thiết lập tính cấp thiết của việc tự động hóa dịch vụ đón tiếp khách trong thời kỳ chuyển đổi số. Tác giả tiến hành khảo cứu các công trình nghiên cứu tiêu biểu: trong nước có giải pháp robot lễ tân OrthoBot của VOTC (sở hữu khả năng cá nhân hóa diện mạo và ghi nhớ thông tin khách hàng) và robot dẫn người qua đường của Đại học Duy Tân (sử dụng cảm biến siêu âm và đèn tín hiệu); ngoài nước có robot dịch vụ PEPPER của RobotLAB và mô hình robot an ninh kiêm tiếp tân 365NovaBot. Trên cơ sở kế thừa mô hình phần cứng sẵn có, chương này xác định rõ mục tiêu, đối tượng, phạm vi nghiên cứu, phương pháp tiếp cận và cấu trúc 6 chương của báo cáo tốt nghiệp.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

Nội dung chương 2 tập trung xây dựng toàn bộ cơ sở lý thuyết kỹ thuật cho đề tài:

• Phân tích chi tiết mô hình toán học động học thuận, động học nghịch của hệ robot di động tự hành AMR sử dụng cơ chế vi sai hai bánh, làm rõ khái niệm và phương trình xác định tọa độ tâm quay tức thời (ICR).
• Trình bày cấu tạo 7 thành phần của mã QR theo tiêu chuẩn Denso Wave phục vụ cho bài toán nhận dạng.
• Tổng quan hệ thống ngôn ngữ lập trình và công cụ: Python (xử lý logic, AI, ROS2 node), Arduino C/C++ (điều khiển phần cứng), SQL (truy vấn dữ liệu), Kotlin (phát triển app Android); các phần mềm hỗ trợ gồm Arduino IDE, Visual Studio Code, MySQL và Qt Designer.
• Phân tích kiến trúc hệ điều hành mã nguồn mở ROS2, cơ chế truyền thông DDS, cấu trúc package, node, topic, service, công cụ trực quan hóa RViz2 và mô phỏng Gazebo (thông qua ros_gz_bridge).
• Trình bày nguyên lý giải thuật lập bản đồ đồng thời SLAM Toolbox và kiến trúc đa ngăn của ngăn xếp Navigation2 (AMCL, Global Planner, Local Planner, Costmaps, cây tọa độ TF).

CHƯƠNG 3: PHẦN CỨNG

Chương 3 trình bày các thông số và kết cấu vật lý của mô hình robot:

• Khung chịu lực được chế tạo từ nhôm định hình kích thước 20x20 và 20x40, bao bọc bởi lớp vỏ tạo hình tiếp tân với kích thước thực tế 500mm x 500mm x 1500mm (sai số chế tạo ±5%).
• Cơ cấu chuyển động gồm 2 động cơ giảm tốc Planet 12V 30W với tốc độ định mức 320 rpm, kết hợp 2 bánh xe phụ chịu tải và cân bằng.
• Hệ thống cung cấp năng lượng sử dụng box pin sạc Lithium 12V 10000mAh với dòng phóng cực đại 30A.
• Bố trí khối vi xử lý trung tâm Mini PC T9 Plus, các mạch nhúng Arduino Mega 2560 và Arduino Uno, cảm biến laser 360 độ LiDAR S2M1, camera thu hình Logitech C270 và màn hình cảm ứng di động ViewSonic.
• Trình bày sơ đồ tổng quan kết nối các khối chức năng và sơ đồ nguyên lý đấu nối mạch điện tử chi tiết.

CHƯƠNG 4: PHẦN MỀM

Chương 4 mô tả toàn bộ cấu trúc phần mềm được cài đặt trên hệ điều hành Ubuntu:

• Phân tích cơ sở kỹ thuật của việc lựa chọn ROS2 làm nền tảng phát triển điều khiển phân tán.
• Thiết lập giao thức truyền tin và xây dựng quan hệ biến đổi giữa các hệ trục tọa độ trên cây TF.
• Cấu hình thuật toán AMCL để ước lượng vị trí robot trên bản đồ thông qua bộ lọc hạt; thiết lập thông số phân lớp cho bản đồ chi phí toàn cục và cục bộ.
• Thiết lập quy trình tìm đường bằng thuật toán A*, Dijkstra và tránh va chạm bằng thuật toán DWA, TEB; xây dựng thuật toán kiểm tra robot đạt tới vị trí đích.
• Thiết kế giao diện đồ họa tương tác người dùng Qt GUI gồm 5 trang chức năng chính: giới thiệu, dẫn đường, điểm danh mã QR, tra cứu dữ liệu, cài đặt hệ thống.
• Lập trình tích hợp API Gemini qua Python, kết hợp module STT (speech_recognition) và TTS (pyttsx3, playsound, pygame), cùng phân hệ điều khiển qua mạng bằng app Android viết bằng Kotlin dựa trên giao thức MQTT.

CHƯƠNG 5: KẾT QUẢ VÀ THỰC NGHIỆM

Chương 5 cung cấp dữ liệu kiểm chứng hoạt động của robot trên thực tế:

• Hoàn thiện mô hình vật lý hoàn chỉnh có khả năng vận hành các node chức năng ổn định trên terminal ROS2.
• Thực nghiệm quét và xuất bản đồ lưới 2D không gian đa năng MakerSpace với đầy đủ đường bao vách ngăn và vật cản cố định.
• Tiến hành thực nghiệm dẫn đường tự động qua 3 lần thử nghiệm độc lập: Lần thử 1 (thực hiện nhiệm vụ đi đến điểm 1), Lần thử 2 (thực hiện nhiệm vụ đi đến điểm 2), Lần thử 3 (thực hiện nhiệm vụ đi đến điểm 3). Ghi nhận robot di chuyển bám sát quỹ đạo đã vạch, tự động giảm tốc và né tránh chướng ngại vật phát sinh trên đường.
• Đánh giá hoạt động quét mã QR tại trang điểm danh, hệ thống nhận dạng chính xác và cập nhật tự động bản ghi vào MySQL Server và bảng Excel.
• Kiểm thử tương tác đàm thoại với AI Gemini: robot tiếp nhận câu hỏi bằng giọng nói tiếng Việt qua microphone, chuyển thành văn bản, gửi yêu cầu tới API và phát câu trả lời qua hệ thống loa.

CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Chương 6 tổng kết toàn bộ kết quả nghiên cứu so với các mục tiêu đề ra ban đầu; chỉ ra các hạn chế thực tế trong quá trình chế tạo và vận hành phần cứng, phần mềm; đồng thời đề xuất các định hướng cải tiến kỹ thuật cho các giai đoạn phát triển tiếp theo.

Kết quả và đóng góp

Kết quả kỹ thuật chính đạt được trong đồ án:

• Chế tạo và tích hợp hoàn chỉnh hệ thống cơ - điện tử cho robot tiếp tân với kích thước thực tế 500mm x 500mm x 1500mm (±5%), khung nhôm định hình 20x20 và 20x40, nguồn pin sạc Lithium 12V 10000mAh 30A và hệ dẫn động vi sai dùng 2 động cơ Planet 12V 30W (320 rpm).
• Triển khai thành công hệ thống điều khiển phân tán ROS2 trên Mini PC T9 Plus chạy Ubuntu, giao tiếp thông suốt với vi điều khiển Arduino Mega 2560 và Arduino Uno qua UART.
• Thực hiện lập bản đồ không gian thực tế 2D tại khu vực MakerSpace thông qua SLAM Toolbox và cảm biến LiDAR S2M1; định vị chính xác vị trí robot thông qua thuật toán AMCL.
• Hoàn thành kiểm chứng thực nghiệm chức năng dẫn đường tự động bám quỹ đạo và tránh vật cản qua 3 lần chạy thử nghiệm tương ứng với 3 điểm đích độc lập (Lần thử 1, Lần thử 2, Lần thử 3).
• Lập trình hoàn chỉnh bộ giao diện người dùng đồ họa Qt (PyQt) tích hợp 5 phân hệ chức năng: dẫn đường tự động, điều khiển thủ công (bàn phím, lệnh terminal, ứng dụng di động Kotlin qua giao thức MQTT), điểm danh bằng mã QR (OpenCV, Pyzbar, liên kết dữ liệu MySQL và Excel), tra cứu dữ liệu nội bộ và tra cứu thông minh qua Gemini API bằng giọng nói tiếng Việt (STT và TTS).
• Báo cáo đồ án đạt kết quả kiểm tra đạo văn với tỷ lệ trùng lặp toàn nội dung 8%, nguồn cao nhất 2% (chứng nhận ngày 21/06/2025).

Giải pháp và đề xuất kỹ thuật của tác giả:

• Thiết lập mô hình điều khiển phân tầng: tách biệt hoàn toàn tác vụ tính toán thuật toán nặng (bản đồ, xử lý ảnh, điều hướng, trí tuệ nhân tạo) trên máy tính Mini PC và tác vụ điều khiển xuất xung động cơ, đọc cảm biến tức thời trên các board Arduino.
• Ứng dụng kiến trúc mô-đun hóa trong ROS2 và Nav2, cho phép tùy biến linh hoạt thuật toán lập kế hoạch đường đi (A*, Dijkstra) và thuật toán tránh vật cản (DWA, TEB) mà không làm gián đoạn toàn hệ thống.

Đóng góp khoa học và ứng dụng do tác giả tự nêu:

• Làm chủ quy trình phân tích động học, thiết kế, chế tạo và tích hợp phần cứng - phần mềm cho hệ thống robot di động tự hành AMR ứng dụng trong nhà.
• Xây dựng thành công giải pháp kết hợp giữa công nghệ robot tự hành (ROS2, Nav2, LiDAR) với công nghệ trí tuệ nhân tạo tạo sinh (Gemini API) và thị giác máy tính nhận dạng mã QR, tạo tiền đề ứng dụng robot dịch vụ thông minh trong các cơ quan, đơn vị tại Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài được tác giả ghi nhận:

• Hệ thống chỉ mới được kiểm thử trong phạm vi môi trường kín nội bộ (không gian đa năng MakerSpace), chưa được vận hành đánh giá trong các môi trường có diện tích lớn, nhiều tầng hoặc mật độ người di chuyển đông đúc.
• Độ trễ trong tương tác hỏi đáp thông minh với Gemini API còn phụ thuộc đáng kể vào tốc độ kết nối Internet; đồng thời khả năng nhận dạng giọng nói tiếng Việt (STT) và chuyển văn bản thành giọng nói (TTS) đôi lúc bị ảnh hưởng bởi tiếng ồn môi trường xung quanh.
• Do kế thừa một số kết cấu phần cứng có sẵn, việc tối ưu hóa khối lượng khung xe và không gian sắp xếp các khối linh kiện bên trong thân vỏ robot vẫn còn điểm chưa tối ưu.

Hướng phát triển tiếp theo của đề tài:

• Nâng cấp hệ thống cảm biến môi trường: tích hợp thêm cảm biến đo quán tính (IMU), camera đo chiều sâu (Depth Camera) hoặc cảm biến siêu âm bổ trợ nhằm nâng cao độ chính xác khi định vị và phát hiện chướng ngại vật dạng kính trong suốt hoặc chướng ngại vật treo lơ lửng.
• Triển khai các giải pháp xử lý giọng nói và mô hình AI cục bộ (Edge AI / Offline STT-TTS) để giảm thiểu độ trễ, triệt tiêu sự phụ thuộc vào đường truyền mạng Internet bên ngoài.
• Tối ưu hóa kết cấu cơ khí, giảm tự trọng thân vỏ, mở rộng dung lượng khối pin để kéo dài chu kỳ hoạt động liên tục của robot trong môi trường thương mại thực tế.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên, giảng viên và kỹ sư thuộc các chuyên ngành: Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ điện tử, Kỹ thuật Robot, và Công nghệ Thông tin.

Các nội dung có giá trị tham khảo ứng dụng cao bao gồm:

• Phương pháp xây dựng mô hình toán học động học dẫn động vi sai hai bánh cho robot AMR (Chương 2).
• Quy trình triển khai hệ thống điều hướng Nav2, giải thuật SLAM Toolbox và bản địa hóa AMCL trên nền tảng ROS2 sử dụng cảm biến LiDAR 2D (Chương 2 và Chương 4).
• Sơ đồ nguyên lý đấu nối kết hợp giữa máy tính nhúng Mini PC T9 Plus và các vi điều khiển Arduino Mega 2560, Arduino Uno cùng cảm biến LiDAR S2M1 và webcam Logitech C270 (Chương 3).
• Giải pháp lập trình giao diện Qt/PyQt tích hợp đa phương thức: xử lý ảnh giải mã QR lưu cơ sở dữ liệu MySQL/Excel, kết nối AI Gemini xử lý đàm thoại tiếng Việt và liên kết app Android qua MQTT Broker (Chương 4).

Câu hỏi thường gặp

1. Robot tiếp tân trong đồ án sử dụng cơ chế di chuyển nào và kích thước tổng thể là bao nhiêu?
   Robot sử dụng cơ chế dẫn động vi sai (Differential Drive) với 2 bánh xe dẫn động chính đặt song song và các bánh xe phụ hỗ trợ cân bằng, cho phép xe di chuyển thẳng, lùi, quay góc và xoay tròn 360 độ tại chỗ quanh tâm quay tức thời (ICR). Kích thước khung vỏ thực tế của robot là 500mm x 500mm x 1500mm (sai số chế tạo ±5%), được chế tạo từ khung nhôm định hình 20x20 và 20x40.

2. Cấu hình phần cứng xử lý, điều khiển và cảm biến của robot gồm những thiết bị nào?
   Cấu hình phần cứng gồm có: Mini PC T9 Plus chạy Ubuntu Linux đóng vai trò xử lý trung tâm; 01 board Arduino Mega 2560 và 01 board Arduino Uno phụ trách điều khiển chấp hành cấp thấp; cảm biến laser quét 360 độ LiDAR S2M1; webcam Logitech C270; màn hình cảm ứng di động ViewSonic; 2 động cơ giảm tốc Planet 12V 30W tốc độ 320 rpm; và box pin sạc Lithium 12V 10000mAh dòng xả 30A.

3. Hệ thống phần mềm sử dụng thuật toán nào cho tác vụ lập bản đồ, định vị và điều hướng di chuyển?
   Robot triển khai trên nền tảng ROS2 với gói thư viện SLAM Toolbox để lập bản đồ lưới chiếm chỗ 2D từ dữ liệu LiDAR; sử dụng giải thuật Adaptive Monte Carlo Localization (AMCL) dựa trên bộ lọc hạt để xác định và ước lượng vị trí xe; và ứng dụng ngăn xếp Navigation2 (Nav2) kết hợp thuật toán tìm đường toàn cục (A*, Dijkstra) cùng thuật toán tránh vật cản cục bộ (DWA, TEB) trên các lớp Costmaps.

4. Chức năng điểm danh và tra cứu thông minh trên robot được triển khai bằng công nghệ gì?
   Chức năng điểm danh sử dụng webcam Logitech C270 thu nhận hình ảnh, giải mã mã QR bằng các thư viện Python OpenCV và Pyzbar, sau đó ghi nhận dữ liệu vào cơ sở dữ liệu MySQL và tệp Excel. Chức năng tra cứu thông minh kết nối với Gemini API thông qua ngôn ngữ Python, sử dụng thư viện speech_recognition để chuyển giọng nói người dùng thành văn bản (STT) và sử dụng pyttsx3/playsound để chuyển văn bản phản hồi từ AI thành giọng nói tiếng Việt (TTS).

5. Mô hình robot đã được kiểm chứng thực nghiệm tại đâu và đạt được những kết quả cụ thể nào?
   Robot được đưa vào kiểm chứng thực tế tại không gian đa năng MakerSpace. Hệ thống đã hoàn thành việc thiết lập bản đồ khu vực, định vị ổn định, thực hiện thành công 3 đợt thử nghiệm dẫn đường tự động tới các điểm đến định trước (Lần thử 1, Lần thử 2, Lần thử 3), tự động né tránh chướng ngại vật trên đường, đồng thời vận hành chính xác các chức năng quét mã QR điểm danh và đàm thoại hỏi đáp thông tin qua giọng nói.

Kết luận

Đồ án tốt nghiệp của sinh viên Thái Thanh Duy và Lương Thế Dương tại Trường Đại học Sư phạm Kỹ thuật TP.HCM đã hoàn thành việc thiết kế, chế tạo và lập trình hoàn chỉnh hệ thống robot tiếp tân tự hành hai bánh dẫn động vi sai phục vụ môi trường trong nhà. Bằng việc làm chủ nền tảng ROS2 kết hợp cảm biến LiDAR S2M1, giải thuật SLAM Toolbox, AMCL và ngăn xếp Nav2, nhóm tác giả đã hiện thực hóa thành công khả năng tự lập bản đồ, định vị và điều hướng né vật cản an toàn trong không gian MakerSpace. Hệ thống đồng thời tích hợp giao diện cảm ứng Qt trực quan, quy trình điểm danh bằng mã QR liên kết cơ sở dữ liệu MySQL/Excel, ứng dụng điều khiển qua điện thoại bằng MQTT và khả năng tương tác ngôn ngữ tự nhiên thông qua Gemini API. Đây là công trình kỹ thuật có giá trị thực tiễn và tính tham khảo cao cho định hướng nghiên cứu, phát triển robot dịch vụ thông minh trong nước.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI nền tảng ROS2 từ các nguồn trong và ngoài nước, bao gồm sách, báo cáo khoa học, và thông tin trên internet. Ngoài ra tham khảo ý kiến và tài liệu từ giảng viên hướng dẫn. Nghiên cứu và xây dựng mô hình phần mềm mô phỏng: Sử dụng phần mềm mô phỏng để xây dựng mô hình robot hai bánh ảo. Nghiên cứu và phát triển ứng dụng giao diện người dùng trên nền tảng ROS2 để tương tác và điều khiển robot.

Tích hợp và kiểm thử: Viết chương trình cái module sau đó tiến hành kiểm thử. Sau khi hoàn tất, tiến hành tích hợp các module đã phát triển trước đó để chắc chắn toàn bộ hệ thống vận hành chính xác và đáp ứng ổn định các yêu cầu đề ra.6 Nội dung đề tài Đề tài tập trung vào việc nghiên cứu và phát triển hệ thống robot tiếp tân với cơ cấu hai bánh tự hành với khả năng dẫn đường tự động trong môi trường trong trung tâm. Các nội dung chính của đề tài bao gồm: + Tìm hiểu và phân tích nguyên lý hoạt động của hệ xe 2 bánh đa hướng, cùng các phương pháp điều khiển động học tương ứng. + Nghiên cứu nền tảng ROS2 và tích hợp với hệ điều hành Linux (Ubuntu) để xây dựng hệ thống điều khiển phân tán.

+ Thiết kế và lắp ráp phần cứng bao gồm Arduino Mega, Uno, MiniPC, cảm biến LiDAR S2M1 và webcam Logitech C270. + Xây dựng phần mềm điều khiển, thu thập và xử lý dữ liệu từ cảm biến để thực hiện các chức năng tránh vật cản, dẫn đường, và nhận diện mã QR. + Tích hợp giao diện điều khiển trên Qt và ứng dụng di động để vận hành robot từ xa. + Tiến hành thực nghiệm, đo đạc và đánh giá khả năng hoạt động của hệ thống trong các kịch bản thực tế.

6 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Robot di động tự hành AMR Robot di động tự hành, hay còn gọi là Autonomous Mobile Robot (AMR), là loại robot được biết đến với cơ cấu di chuyển linh hoạt và phổ biến rộng rãi trong nhiều ứng dụng hiện đại. Trong đó, kiểu dẫn động vi sai với hai bánh xe chính song song được sử dụng rộng rãi nhờ khả năng kiểm soát độc lập tốc độ và hướng quay của từng bánh xe. Một số điểm mạnh khiến robot di động sử dụng dẫn động vi sai được ưa chuộng là cấu tạo phần cứng của robot khá đơn giản, hệ thống chỉ gồm hai động cơ điều khiển trực tiếp các bánh xe chủ động, cùng với hai bánh xe phụ hỗ trợ duy trì sự cân bằng. Với khả năng điều khiển độc lập từng bánh xe giúp robot thực hiện nhiều kiểu di chuyển khác nhau: khi cả hai bánh quay với cùng tốc độ và hướng, robot sẽ đi thẳng hoặc lùi; để rẽ trái, robot có thể tăng tốc bánh bên phải hoặc giảm tốc bánh bên trái, tạo thành quỹ đạo cong; ngược lại để rẽ phải.

Robot còn có khả năng xoay vòng 360 độ ngay tại chỗ bằng cách hai bánh xe quay ngược chiều với tốc độ bằng nhau, giúp nó dễ dàng điều chỉnh hướng di chuyển trong không gian hạn chế hoặc thực hiện chuyển hướng nhanh chóng. Nhờ sự đơn giản, linh hoạt và hiệu quả vượt trội, robot di động tự hành ngày càng được ứng dụng rộng rãi trong nhiều ngành nghề lĩnh vực, từ công việc dọn dẹp nhà cửa, hỗ trợ trong ngành y tế, phục vụ tiếp đón khách hàng, cho đến vận chuyển hàng trong các nhà máy và kho bãi. Sự phát triển vượt bậc của công nghệ cảm biến và trí tuệ nhân tạo sẽ giúp các robot này trở nên thông minh hơn, tăng cường năng lực vận hành tự động và mở rộng phạm vi ứng dụng, từ đó cải thiện chất lượng cuộc sống cho con người. Để đi sâu hơn về nguyên lý vận hành của robot di động tự hành dùng cơ chế dẫn động vi sai, cần xem xét kỹ lưỡng các khía cạnh động học, bao gồm động học thuận, động học nghịch và khái niệm Tâm quay tức thời (ICR) [4].

Phương trình động học của robot: 7 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT (Nguồn: Ảnh trên Wikipedia) Hình 2.1: Mô hình hệ robot AMR Kí hiệu: b : Khoảng cách giữa hai bánh xe dẫn động vR , vL : Vận tốc tiếp tuyến của bánh xe trái và bánh xe phải r : Bán kính bánh xe V : Vận tốc tuyến tính của robot tại tâm  : Vận tốc góc của robot  : Góc quay của robot so với trục X toàn cục R : Bán kính quay từ tâm robot đến ICR X , Y : Trục X và trục Y trong hệ tọa độ gốc hay hệ tọa độ toàn cục X B , YB : Trục X và trục Y trong hệ tọa độ gắn thân robot tại tâm robot x, y : Tọa độ của tâm robot trong hệ tọa độ toàn cục X,Y Phương trình động học thuận của robot : Vận tốc tuyến tính của robot tại tâm : vR + v L V= (2.1) 2 8 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT hoặc công thức liên hệ với ICR: V =  .2) Vận tốc góc : vR − vL = (2.3) b Tâm quay tức thời b Bánh xe phải cách ICR một khoảng : R + (2.4) 2 b Bánh xe trái cách ICR một khoảng : R − (2.5) 2 Bán kính quay từ tâm robot đến ICR: b (v + v ) R= .9) Hoặc viết dưới dạng véc tơ :  x  cos( ) 0      V   y  =  sin( ) 0   (2.10)    0   1  Phương trình động học nghịch robot: Vận tốc tuyến tính của bánh xe trái và bánh xe phải:  b vL = V − (2.12) 2 9 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT Hoặc dùng công thức liên quan đến ICR: b vR = .14) 2 Vận tốc góc của bánh xe trái và bánh xe phải: vR R = (2.2 Tổng quan về mã QR Mã QR là một dạng mã vạch hai chiều được phát triển bởi công ty Denso Wave (Nhật Bản) vào năm 1994. Khác với mã vạch truyền thống chỉ chứa thông tin theo chiều ngang, mã QR có khả năng lưu trữ thông tin theo cả chiều ngang và chiều dọc, giúp tăng dung lượng dữ liệu lên đáng kể. Mã QR chứa đựng nhiều loại thông tin như văn bản, đường dẫn web, dữ liệu liên hệ hoặc các dữ liệu số khác. Với sự tiện lợi cùng tốc độ quét nhanh chóng, mã QR được sử dụng phổ biến trong nhiều lĩnh vực như thanh toán điện tử, quản lý kho, marketing và cả trong y tế, giáo dục.2: Mã QR thực tế Cấu tạo mã QR: Mặc dù mã QR trông như một tập hợp các ô vuông đen trắng sắp xếp ngẫu nhiên, chúng được thiết kế với cấu trúc tinh vi, bao gồm bảy thành phần chính đảm bảo khả năng quét hiệu quả và chính xác [5].

10 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT - Dấu định vị: (Nguồn: Ảnh trên Internet) Hình 2.3: Dấu định vị của một mã QR Dấu định vị là thành phần giúp thiết bị quét nhận diện mã QR một cách chính xác, bất kể góc độ hay hướng đặt. Gồm ba hình vuông lớn nằm ở ba góc của mã (trừ góc dưới bên phải), dấu định vị được bao quanh bởi viền tương phản, giúp xác định vị trí và hướng của mã QR. Nhờ đó, mã có thể được đọc dễ dàng dù bị xoay, nghiêng hay đặt trên bề mặt không phẳng, mang lại tính linh hoạt cao trong thực tế. - Dấu căn chỉnh: (Nguồn: Ảnh trên Internet) Hình 2.4: Dấu căn chỉnh của một mã QR Dấu căn chỉnh, thường là các hình vuông nhỏ hơn nằm gần góc dưới bên phải, đóng vai trò quan trọng trong việc đảm bảo quét chính xác trên mã QR lớn hoặc phức tạp (phiên bản 2x2 trở lên).

Chúng hỗ trợ thiết bị quét điều chỉnh vị trí dữ liệu, đặc biệt khi mã bị biến dạng hoặc in trên bề mặt không đồng đều. Số lượng dấu căn chỉnh tăng theo kích thước mã, đảm bảo độ tin cậy và ổn định trong mọi điều kiện. - Mẫu thời gian: 11 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT (Nguồn: Ảnh trên Internet) Hình 2.5: Mẫu thời gian của một mã QR Mẫu thời gian bao gồm hai dãy ô vuông đen trắng xen kẽ, chạy ngang và dọc giữa các dấu định vị. Chúng giúp thiết bị quét xác định kích thước của từng ô dữ liệu, đảm bảo việc đọc mã diễn ra chính xác, đặc biệt trên các mã QR lớn hoặc có độ phân giải thấp.

Mẫu thời gian góp phần duy trì tính đồng nhất của cấu trúc mã, nâng cao hiệu quả giải mã. - Vùng yên tĩnh: (Nguồn: Ảnh trên Internet) Hình 2.6: Vùng yên tĩnh của một mã QR Vùng yên tĩnh là khoảng trống bao quanh mã QR, không chứa dữ liệu hay hoa văn, thường có màu trắng và rộng ít nhất bốn ô. Thành phần này đóng vai trò như một ”vùng đệm”, giúp thiết bị quét phân biệt mã QR với các yếu tố xung quanh, tránh lỗi đọc khi mã được đặt trong môi trường phức tạp. Vùng yên tĩnh là yếu tố không thể thiếu để đảm bảo độ chính xác khi quét.

- Thông tin phiên bản: 12 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT (Nguồn: Ảnh trên Internet) Hình 2.7: Thông tin phiên bản của một mã QR Thông tin phiên bản xác định kích thước và độ phức tạp của mã QR, với 40 phiên bản từ 1 đến 40. Được mã hóa gần các dấu định vị, thông tin này giúp thiết bị quét nhận diện cấu trúc mã, đảm bảo giải mã chính xác ngay cả với các mã lớn và phức tạp hơn. - Định dạng QR: (Nguồn: Ảnh trên Internet) Hình 2.8: Định dạng của một mã QR Thông tin định dạng, nằm gần các dấu định vị, cung cấp dữ liệu cần thiết để thiết bị quét hiểu cấu trúc mã QR. Được lặp lại ở nhiều vị trí, thành phần này đảm bảo mã có thể được đọc chính xác dù bị xoay hay một phần bị che khuất, tăng cường độ tin cậy trong các điều kiện không lý tưởng.

- Dữ liệu và sửa lỗi: 13 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT (Nguồn: Ảnh trên Internet) Hình 2.9: Dữ liệu và sửa lỗi của một mã QR Phần dữ liệu và sửa lỗi là một thành phần quan trọng của mã QR, lưu trữ thông tin chính và các mã sửa lỗi để đảm bảo độ chính xác ngay cả khi mã bị hư hỏng hoặc che khuất một phần. Với khả năng khôi phục dữ liệu, thành phần này giúp mã QR duy trì độ bền và hoạt động hiệu quả trong các môi trường khắc nghiệt, như bề mặt bẩn, rách, hoặc không phẳng, đảm bảo thông tin luôn được truyền tải chính xác.