Bối cảnh và vấn đề nghiên cứu

Trong xu thế tự động hóa và chuyển đổi số trong sản xuất công nghiệp, bài toán tối ưu hóa quy trình vận chuyển nội bộ (intralogistics) tại các nhà máy, phân xưởng và nhà kho đóng vai trò then chốt. Thực tiễn sản xuất truyền thống cho thấy chi phí vận hành gia tăng đáng kể từ các hoạt động di chuyển và mang tải thủ công của con người, đồng thời gây giảm năng suất và gia tăng sự mệt mỏi cho người lao động. Sự ra đời của các phương tiện tự hành như xe tự hành dẫn đường tự động (AGV - Automated Guided Vehicle) và robot di động tự hành (AMR - Autonomous Mobile Robot) đã hỗ trợ giải quyết các nhiệm vụ lặp đi lặp lại này.

Tuy nhiên, các hệ thống xe AGV thông thường đòi hỏi cơ sở hạ tầng dẫn hướng cố định (như đường ray, băng từ, mốc phản quang), cấu trúc cồng kềnh, thiếu tính linh hoạt và cần sự can thiệp thường xuyên của con người khi môi trường thay đổi. Ngược lại, xe AMR có khả năng tự định vị, xây dựng bản đồ và tự quy hoạch quỹ đạo di chuyển trong các không gian chưa xác định hoặc môi trường động phức tạp mà không phụ thuộc vào đường dẫn định sẵn. Nhận thức được tầm quan trọng của công nghệ này đối với việc số hóa và quản lý sản xuất tự động, nhóm tác giả đã lựa chọn nghiên cứu và thực hiện đề tài "Hệ xe AMR".

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

  1. Nghiên cứu hệ điều hành Ubuntu và hệ điều hành robot ROS (Robot Operating System).
  2. Nghiên cứu các thuật toán định vị, xây dựng bản đồ (SLAM) và điều hướng tự động cho robot.
  3. Thiết kế, tính toán động học, động lực học và thi công hoàn chỉnh mô hình cơ khí xe tự hành 4 bánh Mecanum tích hợp cơ cấu nâng hạ hàng hóa.
  4. Xây dựng hệ thống phần cứng điều khiển nhúng sử dụng máy tính nhúng và cảm biến Lidar.
  5. Thiết lập quy trình xây dựng bản đồ không gian và quy hoạch đường đi tự động cho xe.
  6. Thiết lập nhiệm vụ vận chuyển, lấy và trả hàng hóa lên kệ tự động.
  7. Đạt các chỉ tiêu kỹ thuật đề ra: thực hiện lấy và thả hàng trong phạm vi 20 m trong nhà với tỷ lệ thời gian 90 s (tối đa 180 s), sai số vị trí cho phép không vượt quá 3% và sai số góc hướng không vượt quá 2%.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Hệ thống robot di động tự hành AMR 4 bánh đa hướng Mecanum tích hợp cơ cấu nâng hạ dạng xi lanh điện và hệ thống điều khiển phân tán.
  • Phạm vi không gian: Môi trường trong nhà (indoor), mặt sàn phẳng, không gian làm việc mô phỏng nhà xưởng có bố trí vật cản cố định và di động.
  • Phạm vi thời gian: Đề tài được triển khai từ ngày 29/01/2024 đến ngày 23/06/2024.
  • Giới hạn kỹ thuật: Hệ thống hoạt động dựa trên dữ liệu cảm biến Lidar 2D và Encoder động cơ; điều khiển và giám sát qua máy tính nội bộ thông qua mạng không dây (giao thức SSH); tải trọng hàng hóa nâng hạ tối đa 5 kg; diện tích đáy hàng hóa phẳng không vượt quá $40 \times 40\text{ cm}$.

Cơ sở lý thuyết và phương pháp

Đề tài áp dụng các nền tảng lý thuyết điều khiển, cơ học robot và công nghệ phần mềm chuyên ngành tự động hóa:

  • Mô hình động học và động lực học robot di động:

    • Hệ bánh đa hướng Mecanum: Cấu trúc 4 bánh xe với các con lăn nghiêng góc $\gamma = 45^\circ$ ($\pm \pi/4$) so với trục bánh, cho phép xe di chuyển đa hướng (tịnh tiến dọc, ngang, chéo và xoay tại chỗ) mà không cần thay đổi hướng thân xe.
    • Mô hình toán học: Thiết lập hệ phương trình động học thuận và nghịch liên kết giữa vận tốc trong hệ tọa độ cục bộ của robot ($v_x, v_y, \omega_z$) với vận tốc góc của từng bánh xe ($\omega_1, \omega_2, \omega_3, \omega_4$).
    • Phương trình cơ học Lagrange: Phân tích động lực học hệ thống chuyển động phẳng dựa trên thế năng bằng 0 và tổng động năng $K = \frac{1}{2}m(v_x^2 + v_y^2) + \frac{1}{2}I_z\omega_z^2 + \frac{1}{2}I_w\sum_{i=1}^4 \omega_i^2$, từ đó thiết lập phương trình vi phân động lực học dạng ma trận: $M\ddot{\omega} + C(\omega, \dot{\omega}) + B\xi = B\tau$.

  • Hệ điều hành Robot (ROS) và các gói chức năng (Packages):

    • Cấu trúc ROS: Hoạt động theo mô hình các Node giao tiếp thông qua cơ chế Publish/Subscribe qua các Topic và chuẩn dịch vụ/hành động (Actionlib). Không gian làm việc Catkin quản lý mã nguồn (src, build, devel, install).
    • Rosserial: Giao thức truyền thông trung gian kết nối giữa máy tính nhúng và vi điều khiển Arduino qua giao tiếp UART/USB.
    • Bộ lọc Laser (Laser Filter): Xử lý tín hiệu quét từ cảm biến Lidar, loại bỏ nhiễu và các điểm quét không hợp lệ.
    • Thuật toán SLAM Gmapping: Sử dụng bộ lọc hạt Rao-Blackwellized Particle Filter để xử lý dữ liệu từ topic /scan (Lidar) và topic /tf (odometry từ encoder) nhằm ước lượng vị trí robot theo thời gian thực và xây dựng bản đồ chiếm chỗ nhị phân (occupancy grid map) xuất bản lên topic /map.
    • Navigation Stack và Move Base: Hệ thống quy hoạch đường đi tích hợp:
      • Quy hoạch toàn cục (Global Planner): Thuật toán Dijkstra tìm kiếm tuyến đường tối ưu có chi phí thấp nhất dựa trên bản đồ tĩnh toàn cục (global_costmap).
      • Quy hoạch cục bộ (Local Planner): Thuật toán Dynamic Window Approach (DWA) lấy mẫu vận tốc dài và góc $(v, \omega)$ trong cửa sổ động giới hạn bởi gia tốc, tối ưu hóa hàm mục tiêu $G(v, \omega) = \sigma(\alpha \cdot \text{heading} + \beta \cdot \text{dist} + \gamma \cdot \text{velocity})$ để bám quỹ đạo và né tránh vật cản tức thời.
      • Điều phối hành trình đa điểm (Follow Waypoints): Sử dụng ROS Actionlib để gửi tuần tự các mục tiêu (MoveBaseGoal) đến move_base và giám sát trạng thái phản hồi.

Phương pháp nghiên cứu kết hợp giữa tính toán giải tích lý thuyết, thiết kế mô hình 3D trên phần mềm SolidWorks, lập trình nhúng trên Arduino IDE (ngôn ngữ C/C++), lập trình thuật toán điều khiển cấp cao trên nền tảng ROS/Ubuntu (ngôn ngữ Python/C++), và phương pháp thực nghiệm kiểm chứng theo từng giai đoạn trên mô hình vật lý.

Thiết kế và triển khai hệ thống

Hệ thống xe AMR được thiết kế theo cấu trúc phần cứng và phần mềm phân tầng nhằm tối ưu hóa tài nguyên tính toán và tính ổn định trong vận hành.

Kiến trúc phần cứng

Hệ thống phần cứng bao gồm các khối chức năng chính được lựa chọn và lắp đặt đồng bộ:

Thành phần Thiết bị / Vật liệu sử dụng Thông số / Vai trò kỹ thuật
Máy tính nhúng Raspberry Pi 4 Model B Trung tâm xử lý trên xe, giao tiếp Lidar qua USB, xử lý ROS node cấp thấp
Vi điều khiển Arduino Mega 2560 Xử lý tín hiệu Encoder, tính toán vận tốc bánh, điều khiển động cơ qua PWM
Cảm biến quét RPLIDAR A1M8 Cảm biến Lidar 2D quét 360 độ thu thập dữ liệu môi trường xung quanh
Động cơ truyền động DC Servo JGB37-545 04 động cơ DC giảm tốc tích hợp đĩa quang Encoder gắn trên 4 bánh Mecanum
Mạch công suất BTS7960 / Hi-216 Mạch cầu H công suất lớn điều khiển chiều quay và tốc độ động cơ DC
Bánh xe Bánh Mecanum 4 bánh Bánh xe gắn con lăn nghiêng $45^\circ$, cho phép di chuyển đa hướng
Cơ cấu nâng hạ Xi lanh điện Vmotion LA mini Nâng hạ khay chứa hàng lên xuống kệ theo tín hiệu điều khiển
Nguồn cấp Pin LiPo Tattu 2300mAh & GN3 5000mAh Cung cấp nguồn độc lập cho mạch xử lý và hệ thống động cơ chấp hành
Kết cấu cơ khí Khung nhôm định hình, nhựa Mica Khung 2 tầng liên kết bằng ke góc, chịu tải và bảo vệ phần cứng

Kiến trúc phần mềm và điều khiển phân tán

Hệ thống áp dụng mô hình phân tán giữa hai thiết bị tính toán:

  1. Máy tính nhúng trên xe (Raspberry Pi 4): Đảm nhận việc thu thập dữ liệu cảm biến Lidar qua cổng USB, giao tiếp nối tiếp Serial với Arduino Mega 2560 qua gói rosserial để truyền lệnh vận tốc xuống động cơ và nhận dữ liệu phản hồi từ Encoder.
  2. Máy tính điều khiển trung tâm (Máy tính cố định từ xa): Kết nối không dây với Raspberry Pi 4 qua giao thức SSH. Đảm nhận các tác vụ xử lý đồ họa và thuật toán tiêu tốn nhiều tài nguyên bao gồm SLAM Gmapping, Navigation Stack (Dijkstra, DWA), đồng thời cung cấp giao diện trực quan hóa dữ liệu trên RViz và gói điều khiển teleop_twist_keyboard.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Trình bày tổng quan về bối cảnh phát triển của robot tự hành trong công nghiệp và nhà máy thông minh. Phân tích so sánh giữa hệ thống xe AGV truyền thống và hệ AMR, chỉ ra tính ưu việt của AMR về khả năng thích ứng linh hoạt trong không gian động. Xác định mục tiêu thiết kế hệ xe tự hành 4 bánh Mecanum tích hợp cơ cấu nâng hạ, đặt ra các giới hạn kỹ thuật về môi trường hoạt động trong nhà, giới hạn tải trọng dưới 5 kg, diện tích đáy hàng $40 \times 40\text{ cm}$, tầm hoạt động 20 m và độ chính xác điều hướng.

Chương 2: Cơ sở lý thuyết

Nghiên cứu nguyên lý hoạt động của hệ 4 bánh Mecanum và các hướng di chuyển cơ bản. Giới thiệu môi trường lập trình Python, Arduino IDE và phần mềm thiết kế cơ khí SolidWorks. Trình bày chi tiết cấu trúc hệ thống tệp tin và cơ chế giao tiếp node, topic, message trong ROS. Phân tích nguyên lý các package chuyên dụng: rosserial kết nối vi điều khiển, giao tiếp SSH mạng phân tán, bộ lọc laser_filters. Trình bày lý thuyết tạo lập bản đồ đồng thời với định vị (SLAM Gmapping) và cấu trúc ngăn xếp điều hướng Navigation Stack, bao gồm bộ điều phối move_base, thuật toán tìm đường toàn cục Dijkstra, thuật toán cửa sổ động DWA và gói điều khiển di chuyển đa điểm follow_waypoints.

Chương 3: Tính toán và thiết kế hệ thống

Xây dựng mô hình toán học động học thuận và nghịch của xe 4 bánh Mecanum, thiết lập ma trận chuyển đổi từ vận tốc dài/góc của thân xe sang vận tốc từng bánh. Phân tích động lực học bằng phương pháp Lagrange để thiết lập phương trình mô tả quan hệ giữa mô-men lực của động cơ và chuyển động tổng thể. Trình bày quy trình tính toán, lựa chọn các linh kiện phần cứng (Raspberry Pi 4, Arduino Mega 2560, động cơ DC Servo JGB37-545, cảm biến RPLIDAR A1M8, mạch điều khiển BTS7960, xi lanh điện Vmotion LA mini, pin LiPo). Thiết kế cấu hình phần mềm: thiết lập mạng SSH giữa hai máy tính, cấu hình các tham số bộ lọc laser, các tham số cho thuật toán Gmapping và Navigation (kích thước costmap, bán kính an toàn, vận tốc giới hạn).

Chương 4: Thi công hệ thống

Hiện thực hóa mô hình phần cứng thực tế dạng khung xe hai tầng bằng khung nhôm định hình và mica trong suốt. Xây dựng sơ đồ đấu nối truyền tín hiệu điện giữa vi điều khiển, driver, động cơ, cảm biến và máy tính nhúng. Xây dựng lưu đồ giải thuật vận hành tổng thể của toàn hệ thống AMR. Thực hiện quy trình quét laser, xử lý dữ liệu qua bộ lọc và xây dựng bản đồ nhị phân của môi trường làm việc thông qua Gmapping. Thiết lập bản đồ chi phí vật cản (costmap) và tích hợp giao diện điều khiển, giám sát hành trình robot trên máy tính trung tâm.

Chương 5: Kết quả đạt được

Trình bày kết quả chế tạo mô hình thực tế của hệ xe AMR. Thực nghiệm kiểm chứng các chức năng chính của robot:

  • Khảo sát khả năng di chuyển đa điểm giữa 3 vị trí có khoảng cách gần.
  • Khảo sát khả năng di chuyển đa điểm né tránh chướng ngại vật cố định trên đường đi.
  • Khảo sát khả năng phản ứng và tự động tái quy hoạch quỹ đạo khi xuất hiện chướng ngại vật di động.
  • Khảo sát hoạt động tổng quát của robot trong không gian làm việc ngẫu nhiên, thực hiện chu trình di chuyển đến vị trí kệ hàng, nâng khay hàng và đưa về vị trí chỉ định.

Chương 6: Kết luận và hướng phát triển

Đánh giá tổng kết mức độ hoàn thành nhiệm vụ nghiên cứu so với các chỉ tiêu ban đầu về phần cứng, phần mềm, thuật toán điều hướng và cơ cấu nâng hạ. Nêu rõ các đóng góp đạt được và chỉ ra các hạn chế còn tồn tại của hệ thống, từ đó đề xuất các hướng nâng cấp và mở rộng trong tương lai.

Kết quả và đóng góp

Kết quả thực nghiệm

  • Về cơ khí và phần cứng: Chế tạo hoàn chỉnh mô hình xe AMR 4 bánh Mecanum kết cấu 2 tầng chịu lực, tích hợp cơ cấu nâng hạ xi lanh điện hoạt động ổn định; hoàn thiện hệ thống mạch điện điều khiển phân tán sử dụng Arduino Mega 2560 và Raspberry Pi 4.
  • Về xây dựng bản đồ: Hệ thống xử lý dữ liệu Lidar qua bộ lọc laser_filters và giải thuật Gmapping, tạo ra bản đồ nhị phân 2D chính xác, phản ánh đúng cấu trúc không gian và chướng ngại vật trong phòng thí nghiệm.
  • Về điều hướng và tránh vật cản: Tích hợp thành công Navigation Stack với thuật toán Dijkstra và DWA. Robot có khả năng di chuyển linh hoạt, xoay chuyển tại chỗ, tự động nhận diện và né tránh thành công cả vật cản tĩnh lẫn vật cản động trên hành trình.
  • Về thực hiện nhiệm vụ đa điểm: Ứng dụng thành công gói follow_waypoints, cho phép xe di chuyển tuần tự qua chuỗi các điểm định vị định trước, phối hợp nhịp nhàng với cơ cấu nâng hạ để thực hiện chu trình lấy và trả hàng tự động dưới 5 kg.
  • Về chỉ tiêu định lượng: Đáp ứng yêu cầu di chuyển trong phạm vi 20 m trong thời gian quy định, duy trì sai số vị trí và sai số góc hướng trong giới hạn cho phép ($< 3%$ vị trí, $< 2%$ hướng).

Giải pháp và đóng góp của đề tài

  • Ứng dụng giải pháp kiến trúc điều khiển phân tán qua SSH: chuyển các tác vụ tính toán nặng (SLAM, Navigation) sang máy tính trạm, giúp giảm tải nhiệt độ và điện năng tiêu thụ cho máy tính nhúng trên xe, tối ưu hóa độ bền phần cứng.
  • Kết hợp thành công mô hình động học xe 4 bánh Mecanum với hệ thống ngăn xếp điều hướng của ROS, tận dụng tối đa khả năng chuyển động toàn hướng trong không gian chật hẹp của môi trường nhà xưởng.
  • Xây dựng một quy trình kỹ thuật hoàn chỉnh từ thiết kế lý thuyết, tính toán động học/động lực học, chế tạo cơ khí - điện tử đến tích hợp các gói thuật toán mã nguồn mở trên nền tảng ROS cho ứng dụng logistics tự động.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống

  • Hệ thống chỉ hoạt động hiệu quả trong môi trường trong nhà (indoor) có bề mặt sàn phẳng; chưa thích ứng được với địa hình gồ ghề hoặc có độ dốc.
  • Định vị odometry phụ thuộc vào Encoder động cơ và Lidar 2D, dễ phát sinh sai số tích lũy nếu bánh xe Mecanum bị trượt trên bề mặt sàn có hệ số ma sát thấp.
  • Khối lượng hàng hóa nâng hạ còn giới hạn ở mức nhỏ ($\le 5\text{ kg}$), chưa đáp ứng được tải trọng công nghiệp nặng.
  • Hệ thống truyền thông phụ thuộc vào độ ổn định của mạng không dây nội bộ (Wi-Fi) để duy trì phiên làm việc SSH và đồng bộ hóa các ROS node.

Hướng nghiên cứu tiếp

  • Tích hợp thêm cảm biến quán tính IMU (Inertial Measurement Unit) 9 bậc tự do và camera 3D (RGB-D) để áp dụng các thuật toán dung hợp cảm biến (Extended Kalman Filter), nâng cao độ chính xác định vị và nhận diện vật cản 3 chiều.
  • Cải tiến kết cấu cơ khí, sử dụng động cơ công suất lớn hơn và hệ thống khung hợp kim chịu lực để nâng cao tải trọng vận chuyển lên mức công nghiệp.
  • Phát triển giao diện quản trị trung tâm trên nền tảng Web/GUI độc lập, hỗ trợ giám sát trạng thái pin, vị trí của nhiều xe AMR cùng lúc (hệ thống điều phối đa robot - Fleet Management).

Giá trị tham khảo

Đồ án là tài liệu tham khảo chuyên ngành hữu ích cho sinh viên, học viên cao học và kỹ sư thuộc các ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ điện tử, Robot và Trí tuệ nhân tạo, Kỹ thuật Máy tính.

Các nội dung có giá trị tham khảo chuyên sâu bao gồm:

  1. Phương pháp mô hình hóa toán học: Công thức thiết lập ma trận động học thuận - nghịch và phương trình vi phân động lực học Lagrange cho hệ xe 4 bánh đa hướng Mecanum.
  2. Kỹ thuật tích hợp hệ thống ROS: Cách thức tổ chức không gian làm việc Catkin, cấu hình giao tiếp rosserial giữa Raspberry Pi và Arduino Mega 2560, thiết lập mạng điều khiển phân tán qua SSH.
  3. Cấu hình ngăn xếp Navigation: Toàn bộ quy trình căn chỉnh tham số cho bộ lọc Laser, giải thuật SLAM Gmapping, cấu hình bản đồ chi phí (costmap_2d), thuật toán tìm đường Dijkstra và thuật toán tránh vật cản DWA.

Câu hỏi thường gặp

1. Tại sao đề tài lại lựa chọn kết cấu 4 bánh Mecanum thay vì hệ dẫn động vi sai (2 bánh chủ động) hoặc bánh xe thông thường?
Bánh Mecanum với các con lăn nghiêng $45^\circ$ cho phép xe di chuyển đa hướng (tiến, lùi, dạt ngang, đi chéo) và xoay tròn tại chỗ mà không cần thay đổi góc quay thân xe. Điều này giúp xe AMR vận hành linh hoạt trong các không gian hẹp, lối đi nhỏ giữa các kệ hàng trong nhà máy mà các hệ bánh thông thường không thực hiện được.

2. Sự phân chia nhiệm vụ xử lý giữa Raspberry Pi 4 và Arduino Mega 2560 được thực hiện như thế nào?
Hệ thống phân cấp xử lý rõ ràng: Arduino Mega 2560 đảm nhận tầng điều khiển cấp thấp (Low-level Control), bao gồm đọc xung Encoder từ 4 động cơ, tính toán vận tốc bánh xe và xuất tín hiệu PWM điều khiển mạch công suất BTS7960. Raspberry Pi 4 đảm nhận tầng điều khiển cấp cao (High-level Control), thu thập dữ liệu quét Lidar qua USB, xử lý bộ lọc laser và kết nối với máy tính trạm qua SSH.

3. Vì sao thuật toán Dijkstra được chọn làm Global Planner thay vì thuật toán A* trong đồ án này?
Thuật toán Dijkstra được nhóm tác giả lựa chọn vì nó duyệt toàn bộ không gian trạng thái để tìm ra đường đi tối ưu tuyệt đối có chi phí thấp nhất (kết hợp giữa quãng đường ngắn nhất và chi phí vật cản nhỏ nhất). Dù Dijkstra tiêu tốn tài nguyên tính toán hơn A*, việc sử dụng máy tính trạm có cấu hình mạnh đã khắc phục được nhược điểm này để đạt được đường đi tối ưu cho xe.

4. Thuật toán Dynamic Window Approach (DWA) giải quyết bài toán tránh vật cản cục bộ ra sao?
Thuật toán DWA thực hiện qua 3 bước: (1) Tạo ra các quỹ đạo cong khả dĩ từ các cặp vận tốc dài và góc $(v, \omega)$; (2) Giới hạn không gian vận tốc an toàn $v_a$ đảm bảo xe có thể dừng trước vật cản gần nhất và nằm trong cửa sổ động $v_d$ cho phép bởi gia tốc động cơ; (3) Đánh giá và chọn quỹ đạo tối ưu nhất dựa trên hàm mục tiêu tối đa hóa mức độ bám sát điểm đích (heading), khoảng cách an toàn tới vật cản (dist) và vận tốc di chuyển (velocity).

5. Cơ chế điều hướng đa điểm (Follow waypoints) phối hợp với việc nâng hạ hàng hóa được triển khai như thế nào?
Gói follow_waypoints đọc danh sách tọa độ các điểm đích đã cấu hình và sử dụng ROS Actionlib gửi từng mục tiêu MoveBaseGoal tới move_base. Khi nhận được tín hiệu phản hồi xác nhận xe đã đến đúng vị trí kệ hàng với sai số cho phép, hệ thống sẽ kích hoạt lệnh điều khiển xi lanh điện Vmotion LA mini nâng hoặc hạ khay hàng trước khi chuyển sang điểm định vị tiếp theo.

Kết luận

Đồ án tốt nghiệp "Hệ xe AMR" của sinh viên Đoàn Nam Long và Đào Việt Thịnh (Trường Đại học Sư phạm Kỹ thuật TP.HCM) đã nghiên cứu, thiết kế và thi công thành công một hệ thống robot tự hành 4 bánh Mecanum hoàn chỉnh tích hợp cơ cấu nâng hạ hàng hóa. Bằng việc ứng dụng nền tảng ROS trên hệ điều hành Ubuntu kết hợp giải thuật SLAM Gmapping, thuật toán quy hoạch toàn cục Dijkstra và cục bộ DWA, hệ thống đã thực hiện chính xác nhiệm vụ xây dựng bản đồ, tự hành đa điểm và né tránh vật cản trong không gian nhà xưởng. Đây là công trình kỹ thuật có tính ứng dụng thực tiễn cao trong lĩnh vực tự động hóa logistics, đồng thời là tài liệu tham khảo chi tiết về mặt giải thuật và triển khai phần cứng cho các nghiên cứu tiếp theo về robot di động tự hành.