Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và tự động hóa công nghiệp (Intralogistics 4.0), việc tối ưu hóa luồng luân chuyển vật tư và tài liệu nội bộ trở thành một trong những yếu tố then chốt giúp nâng cao năng suất vận hành. Theo các báo cáo từ Liên đoàn Robot Quốc tế (IFR), thị trường Robot Di Động Tự Hành (Autonomous Mobile Robot - AMR) trong lĩnh vực dịch vụ và logistics ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) đạt hơn 25.3% giai đoạn 2021–2026. Tại các tòa nhà văn phòng đa tầng, trung tâm hành chính, trường đại học hay bệnh viện, phương thức luân chuyển hồ sơ, chứng từ, mẫu xét nghiệm hiện nay vẫn phụ thuộc chủ yếu vào nhân công thủ công.

Thực trạng này làm tiêu tốn từ 20% đến 30% thời gian hữu ích của nhân viên văn phòng cho các công việc mang tính lặp lại, đồng thời dễ phát sinh sai sót như thất lạc tài liệu mật, trễ hạn xử lý công văn hoặc thiếu khả năng truy vết tức thời.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH VÀ VẤN ĐỀ THỰC TIỄN                          |
+-----------------------------------------------------------------------------------+
|  Thủ công: Tốn 20-30% thời gian | Rủi ro thất lạc tài liệu | Thiếu giám sát thời gian thực |
+-----------------------------------------------------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|           GIẢI PHÁP: ROBOT VẬN CHUYỂN TÀI LIỆU HAI BÁNH VI SAI TỰ HÀNH            |
|  - Điều hướng tự hành bằng ROS, SLAM (Gmapping), AMCL và DWA                     |
|  - Tối ưu lộ trình đa phòng ban bằng thuật toán Đàn kiến (ACO - TSP)              |
|  - Điều khiển, giám sát và bảo mật qua hệ thống Web LAMP Server & Rosbridge       |
+-----------------------------------------------------------------------------------+

Vấn đề cụ thể cần giải quyết

  1. Lãng phí nguồn lực: Nhân sự chuyên môn phải di chuyển liên tục giữa các phòng ban phân tán để bàn giao văn bản.
  2. Nguy cơ mất an toàn bảo mật thông tin: Tài liệu nhạy cảm hoặc chứng từ gốc dễ bị tiếp cận trái phép trong quá trình chuyển giao nếu không có cơ chế khoá và xác thực danh tính.
  3. Bài toán hành trình phi tối ưu: Khi có nhiều yêu cầu giao nhận đồng thời giữa nhiều phòng ban tại các tầng, việc phân bổ thứ tự di chuyển thủ công gây lãng phí quãng đường và tăng mức tiêu hao năng lượng.

Mục tiêu của dự án

  1. Nghiên cứu mô hình động học Robot di động hai bánh vi sai (Differential Drive Mobile Robot) và xây dựng kết cấu cơ khí tải trọng lên đến 50 kg.
  2. Xây dựng bản đồ số môi trường bằng giải thuật SLAM Gmapping và tích hợp hệ thống định vị thích nghi AMCL (Adaptive Monte Carlo Localization).
  3. Triển khai thuật toán né vật cản động/tĩnh Dynamic Window Approach (DWA) và giải thuật Tối ưu hóa Đàn kiến (Ant Colony Optimization - ACO) cho bài toán Người đi du lịch (Traveling Salesman Problem - TSP) đa điểm đến.
  4. Phát triển hệ thống máy chủ LAMP (Linux, Apache, MySQL, PHP) tích hợp giao thức Rosbridge WebSocket và dịch vụ Elastic Email API nhằm phục vụ quá trình đặt hàng, giám sát hành trình và mở khóa bảo mật.
  5. Kiểm chứng tính ổn định thông qua mô phỏng (Matlab/Gazebo) và thực nghiệm tại tòa nhà trung tâm Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE).

Giải pháp kỹ thuật và kết quả kỳ vọng

Nhóm nghiên cứu tiếp cận bài toán bằng việc kết hợp giữa phần cứng công nghiệp (động cơ DC không chổi than BLDC Z5BLD200-24GU-30S, cảm biến RPLidar A1-M8, máy tính nhúng mini T9 Plus, vi điều khiển Arduino Mega 2560) và hệ điều hành Robot ROS (Robot Operating System). Robot có khả năng tải trọng 50 kg, tốc độ di chuyển danh định 0.3–0.5 m/s, sai số dừng tại các điểm mục tiêu dưới 5 cm và tối ưu hóa 15–25% tổng quãng đường di chuyển thông qua giải thuật ACO.

Phạm vi và giới hạn

  • Phạm vi hoạt động: Không gian trong nhà (indoor), mặt sàn phẳng tại tầng 9 Khối A1, Trường Đại học Sư phạm Kỹ thuật TP.HCM.
  • Giới hạn kỹ thuật: Chưa tích hợp module cơ điện tử kết nối với hệ thống điều khiển thang máy công nghiệp; việc di chuyển liên tầng cần có sự hỗ trợ hoặc nâng cấp hạ tầng IoT tòa nhà.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Vận chuyển thủ công Robot dẫn đường AGV (Magnetic/Optical) Giải pháp AMR ROS tích hợp ACO (Đề tài)
Chi phí vận hành dài hạn Rất cao (chi phí nhân công liên tục) Trung bình (bảo trì vạch từ, đường ray) Thấp (hoàn toàn tự động, không can thiệp mặt sàn)
Tính linh hoạt bản đồ Cao (con người linh hoạt) Rất thấp (cố định theo vạch sàn) Rất cao (cập nhật bản đồ bằng phần mềm SLAM)
Tối ưu thứ tự giao nhận Cảm tính, dễ nhầm lẫn Lập trình tuần tự cố định Tự động giải TSP bằng thuật toán ACO
Bảo mật giao nhận Phụ thuộc con người Khóa cơ bản hoặc không có Mã OTP xác thực qua Email + Khóa nam châm điện tử
Khả năng né vật cản Tự nhiên Chỉ dừng lại khi gặp chướng ngại Tự động tính toán đường đi vòng tránh (DWA) 
+-----------------------------------------------------------------------------------+
|                PHÂN LOẠI YÊU CẦU HỆ THỐNG THEO MA TRẬN MoSCoW                    |
+-----------------------------------------------------------------------------------+
| MUST HAVE (Bắt buộc)    | - Điều hướng tự hành từ điểm A đến điểm B               |
|                         | - Né tránh chướng ngại vật tĩnh và động                 |
|                         | - Bảo mật khoang chứa bằng khóa điện từ & OTP           |
+-------------------------+---------------------------------------------------------+
| SHOULD HAVE (Nên có)    | - Giải bài toán TSP bằng ACO khi giao nhiều phòng       |
|                         | - Giao diện Web hiển thị vị trí realtime qua Rosbridge   |
+-------------------------+---------------------------------------------------------+
| COULD HAVE (Có thể có)  | - Gửi email thông báo tự động khi Robot đến nơi         |
|                         | - Biểu cảm Robot sinh động trên màn hình giao tiếp      |
+-------------------------+---------------------------------------------------------+
| WON'T HAVE (Chưa làm)   | - Tự động gọi thang máy di chuyển liên tầng             |
|                         | - Cánh tay robot tự bốc dỡ tài liệu                     |
+-----------------------------------------------------------------------------------+

Thiết kế hệ thống

Kiến trúc hệ thống được phân tầng thành 3 khối rõ ràng: Khối chấp hành & Cảm biến phần cứng, Khối xử lý trung tâm & Điều hướng (ROS), và Khối Giao diện Người dùng & Cơ sở dữ liệu (LAMP Stack).

+-----------------------------------------------------------------------------------+
|                             KIẾN TRÚC TỔNG THỂ HỆ THỐNG                          |
+-----------------------------------------------------------------------------------+
| [GIAO DIỆN NGƯỜI DÙNG & MÁY CHỦ QUẢN LÝ]                                          |
|  - Web Client (HTML5/CSS3/JS) <--> WebSocket (Port 9090) <--> Rosbridge Server     |
|  - Apache Web Server <--> PHP Backend <--> MySQL Database <--> Elastic Email API  |
+-----------------------------------------+-----------------------------------------+
                                          | JSON Commands / Telemetry
                                          v
+-----------------------------------------------------------------------------------+
| [BỘ XỬ LÝ TRUNG TÂM - MINI PC T9 PLUS (Ubuntu 20.04 LTS + ROS Noetic)]            |
|  - Global Planner: Dijkstra / Navfn      | Local Planner: Dynamic Window Approach |
|  - Mapping & SLAM: Gmapping              | Localization: AMCL (Particle Filter)  |
|  - Multi-goal Optimizer: ACO Algorithm   | Serial Bridge: rosserial_python        |
+-----------------------------------------+-----------------------------------------+
                                          | UART / USB (115200 bps)
                                          v
+-----------------------------------------------------------------------------------+
| [KHỐI ĐIỀU KHIỂN & CHẤP HÀNH CƠ ĐIỆN - ARDUINO MEGA 2560 + DRIVERS]              |
|  - Cảm biến: RPLidar A1-M8, IMU MPU-6050, Siêu âm HC-SR04, Hall Encoder          |
|  - Chấp hành: 2x Động cơ BLDC Z5BLD200-24GU-30S, Driver ZDBLD510, Khóa nam châm  |
+-----------------------------------------------------------------------------------+

Chi tiết Tech Stack và phiên bản:

  • Hệ điều hành Robot: Ubuntu 20.04 LTS + ROS Noetic Ninjemys.
  • Môi trường tính toán & mô phỏng: Matlab R2023a, Gazebo 11, RViz.
  • Hệ quản trị Web Server: Apache 2.4.41, PHP 7.4 / 8.1, MariaDB/MySQL 8.0.
  • Giao tiếp Middleware: rosbridge_suite v0.11.16, rosserial_arduino v0.9.2.
  • Phần cứng vi điều khiển: ATmega2560 (16 MHz, 256 KB Flash).

Thiết kế cơ sở dữ liệu (Database Schema):

-- Bảng quản lý người dùng / tài khoản phòng ban
CREATE TABLE `users` (
  `id` INT AUTO_INCREMENT PRIMARY KEY,
  `username` VARCHAR(50) NOT NULL UNIQUE,
  `password` VARCHAR(255) NOT NULL,
  `room_name` VARCHAR(50) NOT NULL,
  `email` VARCHAR(100) NOT NULL,
  `role` ENUM('admin', 'user') DEFAULT 'user'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

-- Bảng quản lý đơn hàng vận chuyển
CREATE TABLE `orders` (
  `order_id` INT AUTO_INCREMENT PRIMARY KEY,
  `sender_room` VARCHAR(50) NOT NULL,
  `receiver_room` VARCHAR(50) NOT NULL,
  `otp_code` VARCHAR(6) NOT NULL,
  `status` ENUM('pending', 'delivering', 'completed', 'cancelled') DEFAULT 'pending',
  `created_at` TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
  `delivered_at` TIMESTAMP NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Thiết kế API và Giao tiếp ROSBridge:

Giao diện Web gửi mục tiêu tọa độ xuống Robot và nhận trạng thái thông qua các WebSocket Topic:

  • Publish /cmd_vel (geometry_msgs/Twist): Điều khiển vận tốc Robot bằng tay khi cần.
  • Publish /move_base_simple/goal (geometry_msgs/PoseStamped): Gửi điểm mục tiêu tới Navigation Stack.
  • Subscribe /amcl_pose (geometry_msgs/PoseWithCovarianceStamped): Lấy vị trí thực tế $(x, y, \theta)$ cập nhật trên bản đồ Web.
  • REST API Elastic Email: Gửi mã xác thực OTP tới người nhận: POST https://api.elasticemail.com/v2/email/send?apikey={API_KEY}&to={EMAIL}&subject={OTP_ALERT}.

Phương pháp nghiên cứu và quản lý dự án (Methodology)

Dự án áp dụng mô hình phát triển xoắn ốc kết hợp Agile với chu kỳ kiểm thử liên tục trong 16 tuần:

+-----------------------------------------------------------------------------------+
|                     LỘ TRÌNH TRIỂN KHAI DỰ ÁN (16 TUẦN)                          |
+-----------------------------------------------------------------------------------+
| Tuần 01 - 04: Nghiên cứu lý thuyết ROS, Động học vi sai, Cài đặt môi trường       |
| Tuần 05 - 07: Thiết kế cơ khí SolidWorks, Thi công khung gầm, Mạch nguồn          |
| Tuần 08 - 10: Lập trình thuật toán ACO trên Matlab, Mô phỏng SLAM trên Gazebo     |
| Tuần 11 - 13: Tích hợp phần cứng thực, Viết bộ điều khiển PID bánh xe, ROSBridge |
| Tuần 14 - 16: Thực nghiệm né vật cản, Chạy giao nhận tầng 9, Đánh giá và Báo cáo   |
+-----------------------------------------------------------------------------------+

Ma trận đánh giá rủi ro và giải pháp khắc phục:

  • Rủi ro trượt bánh dẫn động (Odometry drift): Gây sai lệch vị trí nghiêm trọng khi chạy đường dài.
    Giải pháp: Tích hợp bộ lọc hợp nhất cảm biến Extended Kalman Filter (EKF) kết hợp dữ liệu IMU MPU-6050 với Encoder trục động cơ.
  • Rủi ro nghẽn luồng truyền thông WebSockets: Tải dữ liệu LaserScan trực tiếp lên trình duyệt gây lag mạng.
    Giải pháp: Chỉ trích xuất tọa độ amcl_pose và trạng thái move_base/status gửi lên Web client với tần số 2 Hz.

Implementation và kết quả

Quy trình phát triển phần mềm và thuật toán then chốt

1. Mô hình động học Robot hai bánh vi sai

Vận tốc dài $v$ và vận tốc góc $\omega$ của Robot được tính toán trực tiếp từ vận tốc tuyến tính của bánh phải ($v_R$) và bánh trái ($v_L$):

$$v = \frac{v_R + v_L}{2}, \quad \omega = \frac{v_R - v_L}{L}$$

Trong đó:

  • Bán kính bánh xe: $R = 0.0725 \text{ m}$
  • Khoảng cách giữa 2 bánh dẫn động: $L = 0.468 \text{ m}$

Tốc độ quay yêu cầu của động cơ trái ($n_{LM}$) và động cơ phải ($n_{RM}$) tính theo đơn vị vòng/phút (RPM):

$$n_{RM} = \frac{30}{\pi R}\left(v + \frac{\omega L}{2}\right), \quad n_{LM} = \frac{30}{\pi R}\left(v - \frac{\omega L}{2}\right)$$

// Trích xuất từ module tính toán động học vi sai trên Arduino Mega 2560
void calculateMotorSpeeds(float linear_x, float angular_z, int &rpm_left, int &rpm_right) {
    const float R = 0.0725; // Bán kính bánh xe (m)
    const float L = 0.4680; // Khoảng cách 2 bánh (m)
    
    float v_r = linear_x + (angular_z * L / 2.0);
    float v_l = linear_x - (angular_z * L / 2.0);
    
    // Chuyển đổi vận tốc dài (m/s) sang tốc độ vòng quay (RPM)
    rpm_right = (int)((v_r * 60.0) / (2.0 * PI * R));
    rpm_left  = (int)((v_l * 60.0) / (2.0 * PI * R));
}

2. Thuật toán Dynamic Window Approach (DWA)

DWA giới hạn không gian tìm kiếm vận tốc $V_r$ thông qua giao của không gian vận tốc vật lý $V_s$, không gian vận tốc dừng an toàn $V_a$, và cửa sổ động $V_d$:

$$V_r = V_s \cap V_a \cap V_d$$

Hàm mục tiêu đánh giá quỹ đạo tối ưu:

$$G(v, \omega) = \sigma\left( \alpha \cdot \text{heading}(v, \omega) + \beta \cdot \text{dist}(v, \omega) + \gamma \cdot \text{velocity}(v, \omega) \right)$$

# Cấu hình tham số DWA Local Planner (dwa_local_planner_params.yaml)
DWAPlannerROS:
  max_vel_x: 0.55
  min_vel_x: 0.0
  max_vel_theta: 1.0
  min_vel_theta: -1.0
  acc_lim_x: 1.2
  acc_lim_theta: 2.0
  
  # Trọng số hàm mục tiêu
  path_distance_bias: 32.0
  goal_distance_bias: 24.0
  occdist_scale: 0.05
  forward_point_distance: 0.325
  stop_time_buffer: 0.2
  scaling_speed: 0.25

3. Thuật toán Tối ưu hóa Đàn kiến (Ant Colony Optimization - ACO)

Xác suất con kiến $k$ tại phòng $i$ chọn di chuyển sang phòng $j$:

$$p_{ij}^k = \frac{\left[\tau_{ij}\right]^\alpha \left[\eta_{ij}\right]^\beta}{\sum_{l \in N_i^k} \left[\tau_{il}\right]^\alpha \left[\eta_{il}\right]^\beta}$$

Quy tắc cập nhật nồng độ vết Pheromone trên từng đoạn đường nối:

$$\tau_{ij} \leftarrow (1 - \rho)\tau_{ij} + \sum_{k=1}^m \Delta \tau_{ij}^k, \quad \text{với } \Delta \tau_{ij}^k = \begin{cases} \frac{Q}{L_k} & \text{nếu kiến } k \text{ đi qua } (i, j) \ 0 & \text{ngược lại} \end{cases}$$

+-----------------------------------------------------------------------------------+
|                        LƯU ĐỒ THUẬT TOÁN ACO GIẢI BÀI TOÁN TSP                    |
+-----------------------------------------------------------------------------------+
|  [Bắt đầu] -> Khởi tạo tọa độ các phòng ban cần giao (N phòng)                     |
|     |                                                                             |
|  [Tính ma trận khoảng cách] -> Dựa trên chiều dài đường đi ngắn nhất (Dijkstra)   |
|     |                                                                             |
|  [Vòng lặp Kiến (m con)] -> Mỗi kiến xây dựng chu trình qua xác suất P_ij         |
|     |                                                                             |
|  [Đánh giá chu trình] -> Tính tổng độ dài L_k của từng cá thể kiến                |
|     |                                                                             |
|  [Cập nhật Pheromone] -> Bay hơi (1 - rho) và tăng cường nồng độ theo (Q / L_best)|
|     |                                                                             |
|  <Đạt số lần lặp tối đa?> --(Chưa)--> Quay lại vòng lặp Kiến                      |
|     | (Đúng)                                                                      |
|  [Xuất lộ trình tối ưu nhất] -> Gửi danh sách PoseStamped tuần tự tới ROS MoveBase |
+-----------------------------------------------------------------------------------+

// Đoạn mã kết nối ROSBridge từ Web Client để gửi Goal
var ros = new ROSLIB.Ros({
    url : 'ws://192.168.1.100:9090'
});

ros.on('connection', function() {
    console.log('Connected to websocket server.');
    document.getElementById("status").innerHTML = "Robot Online";
});

var goalTopic = new ROSLIB.Topic({
    ros : ros,
    name : '/move_base_simple/goal',
    messageType : 'geometry_msgs/PoseStamped'
});

function sendRoomGoal(posX, posY, orientZ, orientW) {
    var pose = new ROSLIB.Message({
        header: { frame_id: 'map' },
        pose: {
            position: { x: posX, y: posY, z: 0.0 },
            orientation: { x: 0.0, y: 0.0, z: orientZ, w: orientW }
        }
    });
    goalTopic.publish(pose);
}

Thử nghiệm và đánh giá kết quả

Quá trình kiểm thử được tiến hành trên 3 cấp độ: Mô phỏng động học Matlab, Mô phỏng vật lý Gazebo, và Thử nghiệm thực tế tại tầng 9 Khối A1 (gồm 7 phòng: A1-901 đến A1-907).

1. Đánh giá độ chính xác của bản đồ SLAM Gmapping so với thực tế

Phòng / Khu vực Kích thước thực tế (m) Kích thước trên bản đồ SLAM (m) Sai số tuyệt đối (m) Tỷ lệ sai số (%)
Phòng A1-901 8.20 x 6.40 8.16 x 6.38 0.04 x 0.02 0.48%
Phòng A1-903 8.20 x 6.40 8.15 x 6.42 0.05 x 0.02 0.60%
Hành lang tầng 9 42.50 x 2.40 42.38 x 2.39 0.12 x 0.01 0.28%
Toàn bộ mặt bằng 48.60 x 18.20 48.42 x 18.15 0.18 x 0.05 0.37%

Nhận xét: Sai số bản đồ tạo bởi Gmapping ở mức dưới 0.6%, hoàn toàn đáp ứng độ tin cậy định vị của thuật toán AMCL.

+-----------------------------------------------------------------------------------+
|            KẾT QUẢ ĐIỀU KHIỂN ĐỘNG CƠ BLDC VỚI BỘ ĐIỀU KHIỂN PID KÍN              |
+-----------------------------------------------------------------------------------+
|  Thời gian xác lập (Settling Time Ts):  0.32 giây                                 |
|  Độ vọt lố (Overshoot Mp):              < 4.5%                                    |
|  Sai số xác lập tĩnh (Steady-state e):  0.0 RPM (Triệt tiêu hoàn toàn nhờ khâu I)  |
+-----------------------------------------------------------------------------------+

2. Kết quả tối ưu lộ trình giao hàng qua nhiều phòng bằng thuật toán ACO

+-----------------------------------------------------------------------------------+
|                 SO SÁNH TỔNG QUÃNG ĐƯỜNG DI CHUYỂN QUA CÁC PHÒNG                  |
+-----------------------------------------------------------------------------------+
| Kịch bản 1: Giao 4 phòng (Xuất phát -> A1-902 -> A1-905 -> A1-907 -> A1-901)       |
|  - Lộ trình ngẫu nhiên / Tuần tự:   78.4 mét                                      |
|  - Lộ trình tối ưu hóa bằng ACO:    58.6 mét  ==> Tiết kiệm: 25.25% quãng đường    |
+-----------------------------------------------------------------------------------+
| Kịch bản 2: Giao 5 phòng (Xuất phát -> A1-901 -> A1-903 -> A1-904 -> A1-906...)    |
|  - Lộ trình ngẫu nhiên / Tuần tự:   96.2 mét                                      |
|  - Lộ trình tối ưu hóa bằng ACO:    71.8 mét  ==> Tiết kiệm: 25.36% quãng đường    |
+-----------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Tích hợp thuật toán ACO giải TSP vào luồng điều hướng ROS:
    Khác với các robot AMR truyền thống chỉ tiếp nhận từng tọa độ đơn lẻ từ người vận hành, hệ thống trong đề tài tự động tổng hợp toàn bộ các đơn hàng chờ trong cơ sở dữ liệu MySQL, tính toán chu trình đường đi ngắn nhất bằng thuật toán Đàn kiến (ACO), và nạp tự động vào hàng đợi của move_base.
  2. Cơ chế xác thực bảo mật đa tầng:
    Kết hợp khóa nam châm điện từ và hệ thống sinh mã OTP ngẫu nhiên gửi trực tiếp qua Email của người nhận. Cửa khoang chứa chỉ mở khi người nhận nhập đúng mật khẩu trên giao diện tablet/ipad gắn trên thân xe hoặc qua Web.
  3. Kiến trúc điều khiển Web phân tán qua Rosbridge:
    Cho phép người dùng ở bất kỳ máy tính nào trong mạng nội bộ đặt lệnh chuyển tài liệu, theo dõi trực quan vị trí Robot thời gian thực mà không cần cài đặt phần mềm chuyên dụng.
+-----------------------------------------------------------------------------------+
|                SO SÁNH VỚI CÁC DÒNG ROBOT THƯƠNG MẠI TRÊN THỊ TRƯỜNG              |
+-----------------------------------------------------------------------------------+
| Tiêu chí          | MiR250 Hook (Đan Mạch) | Savioke Relay (Mỹ) | Robot đề tài (HCMUTE) |
+-------------------+------------------------+--------------------+-----------------------+
| Ứng dụng chính    | Kéo hàng nhà xưởng     | Khách sạn / Y tế   | Văn phòng / Đa phòng  |
| Thuật toán đường  | Dijkstra tiêu chuẩn    | Heuristic cơ bản   | Dijkstra + DWA + ACO  |
| Nền tảng mở       | Đóng (Proprietary)     | Đóng               | Mã nguồn mở ROS/LAMP  |
| Chi phí chế tạo   | Rất cao (> $30,000)    | Thuê ($1,500/tháng)| Rất thấp (< $1,200)   |
| Mức độ tùy biến   | Hạn chế                | Khóa theo hãng     | Tùy biến 100%         |
+-----------------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

  1. Giao nhận công văn hành chính: Văn phòng Khoa Điện - Điện tử gửi bảng điểm gốc hoặc hồ sơ sinh viên sang các Bộ môn Tự động, Điện tử Viễn thông, Kỹ thuật Máy tính.
  2. Bệnh viện và Trung tâm Y tế: Vận chuyển mẫu máu, hồ sơ bệnh án hoặc dược phẩm đặc trị giữa các khoa xét nghiệm và phòng bệnh cách ly, loại trừ nguy cơ lây nhiễm chéo.
  3. Trung tâm Hành chính công: Phân phát chứng từ, hồ sơ đất đai giữa các bàn thụ lý nghiệp vụ một cách minh bạch, có lưu trữ lịch sử trên máy chủ.
+-----------------------------------------------------------------------------------+
|                      QUY TRÌNH TRIỂN KHAI VẬN HÀNH (4 BƯỚC)                       |
+-----------------------------------------------------------------------------------+
| BƯỚC 1: QUÉT BẢN ĐỒ (SLAM MAPPING)                                                |
|  - Điều khiển Robot chạy bao quanh khu vực sàn bằng Joystick để thu thập 2D Map.  |
|  - Tinh chỉnh bản đồ (loại bỏ nhiễu laser scan) và lưu vào Map Server (.yaml/.pgm)|
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
| BƯỚC 2: CẤU HÌNH VỊ TRÍ PHÒNG BAN (COORDINATE TAGGING)                           |
|  - Xác định tọa độ Goal (x, y, yaw) của từng cửa phòng ban và gán vào MySQL DB.   |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
| BƯỚC 3: KẾT NỐI HẠ TẦNG MẠNG & WEB SERVER                                         |
|  - Kết nối Mini PC vào mạng Wi-Fi nội bộ, cấu hình Static IP, bật Apache & ROS.   |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
| BƯỚC 4: VẬN HÀNH TỰ ĐỘNG & BẢO TRÌ ĐỊNH KỲ                                        |
|  - Người dùng truy cập Web tạo đơn -> Robot tối ưu lộ trình ACO -> Giao nhận.     |
+-----------------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế (ROI Analysis):

  • Chi phí đầu tư ban đầu: Ước tính 25.000.000 – 30.000.000 VNĐ (Phần cứng, cảm biến, gia công cơ khí).
  • Chi phí nhân sự truyền thống: 1 nhân viên văn thư luân chuyển tài liệu với mức lương 7.000.000 VNĐ/tháng (84.000.000 VNĐ/năm).
  • Thời gian hoàn vốn (Payback Period): Dưới 5 tháng vận hành.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Hạn chế cảm biến 2D LiDAR: RPLidar A1-M8 quét trên mặt phẳng 2D song song mặt đất nên không nhận diện được các vật cản thấp hơn hoặc cao hơn mặt phẳng quét (như bậc tam cấp, chân bàn dạng nghiêng).
  • Khả năng tự động nạp năng lượng: Chưa trang bị trạm sạc tự động (Docking Station), cần sạc thủ công bằng adapter.
  • Di chuyển liên tầng: Chưa tích hợp phần cứng giao tiếp không dây với tủ điều khiển thang máy công nghiệp.

Hướng phát triển tiếp theo

  • Tích hợp Camera 3D RGB-D (Intel RealSense D435i): Tạo cụm điểm 3D (Point Cloud), xây dựng bản đồ OctoMap để nhận diện chướng ngại vật đa chiều và nhận diện khuôn mặt người nhận.
  • Phát triển cơ chế Auto-Docking: Sử dụng thẻ ArUco Marker và cảm biến hồng ngoại giúp Robot tự động lùi vào trạm sạc khi dung lượng pin xuống dưới 20%.
  • Giao thức IoT Thang máy: Phát triển module giao tiếp ESP32 kết nối mạng điều khiển thang máy thông qua MQTT/BACnet.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                           CÁC NHÓM ĐỐI TƯỢNG HƯỞNG LỢI                            |
+-----------------------------------------------------------------------------------+
| SINH VIÊN & HỌC VIÊN                                                              |
|  - Tiếp cận mã nguồn mở, tài liệu thực hành chi tiết về ROS, SLAM, DWA, ACO.       |
|  - Nắm vững quy trình thiết kế cơ điện tử chuẩn từ CAD đến hệ điều hành nhúng.    |
+-----------------------------------------------------------------------------------+
| KỸ SƯ & LẬP TRÌNH VIÊN                                                            |
|  - Cung cấp mẫu thiết kế cầu nối Rosbridge kết hợp LAMP Stack hoàn chỉnh.          |
|  - Thư viện tham khảo để triển khai giải thuật tối ưu hóa lộ trình cho AMR.       |
+-----------------------------------------------------------------------------------+
| TỔ CHỨC & DOANH NGHIỆP                                                            |
|  - Giảm thiểu 80% chi phí vận chuyển nội bộ; tối ưu hóa thời gian bàn giao hồ sơ. |
|  - Nâng cao tính chuyên nghiệp, số hóa và tự động hóa quy trình quản trị.         |
+-----------------------------------------------------------------------------------+
| CỘNG ĐỒNG NGHIÊN CỨU                                                              |
|  - Dữ liệu thực nghiệm phong phú về hiệu năng của thuật toán ACO giải quyết TSP.  |
|  - Mô hình chuẩn cho bài toán tích hợp hệ thống xe tự hành hai bánh vi sai.       |
+-----------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu phần cứng và hạ tầng mạng tối thiểu để triển khai hệ thống là gì?

Robot yêu cầu máy tính nhúng trung tâm chạy hệ điều hành Ubuntu 20.04 (tối thiểu chip x86 4 nhân, 4GB RAM), cảm biến Laser LiDAR 2D có góc quét $360^\circ$, mạch điều khiển động cơ có phản hồi xung Encoder và hệ thống Wi-Fi nội bộ ổn định phủ kín khu vực hoạt động để duy trì giao tiếp WebSocket với máy chủ Web.

2. Giới hạn mở rộng số lượng phòng ban trong thuật toán ACO là bao nhiêu?

Với tập hợp dưới 20 phòng ban (các điểm dừng cần giao), thuật toán ACO viết trên môi trường xử lý của Mini PC trả về kết quả chu trình tối ưu trong thời gian dưới 1.2 giây. Nếu số lượng điểm giao vượt quá 50 phòng, thời gian tính toán có thể gia tăng, khi đó giải thuật cần áp dụng kỹ thuật phân cụm (Clustering) trước khi chạy ACO.

3. Hệ thống có thể tích hợp vào các phần mềm quản lý văn phòng (ERP/CRM) sẵn có không?

Hoàn toàn có thể. Do phần mềm quản lý được xây dựng trên nền tảng cơ sở dữ liệu MySQL và Backend PHP chuẩn, các hệ thống bên thứ ba có thể dễ dàng đẩy dữ liệu giao nhận vào bảng orders thông qua giao thức RESTful API tiêu chuẩn.

4. Quy trình bảo trì và độ bền của cơ cấu cơ khí ra sao?

Robot sử dụng động cơ BLDC không chổi than giúp triệt tiêu hao mòn cơ học ở chổi than, tuổi thọ vận hành liên tục đạt trên 10.000 giờ. Định kỳ 6 tháng chỉ cần kiểm tra tra mỡ trục bi bánh đa hướng và kiểm tra độ suy hao của pack pin lithium.

5. Chi phí dự toán chi tiết và thời gian hoàn vốn thực tế là bao lâu?

Tổng chi phí cấu thành một Robot hoàn chỉnh (gồm vỏ thép, mạch nguồn cách ly, LiDAR, PC nhúng, động cơ BLDC, màn hình tương tác) dao động khoảng 25 đến 30 triệu đồng. So với chi phí bố trí nhân sự giao nhận văn thư, thời gian hoàn vốn đầu tư đạt được trong vòng 4 đến 6 tháng hoạt động liên tục.

Kết luận

Đồ án tốt nghiệp "Robot vận chuyển tài liệu" của nhóm tác giả Nguyễn Đình Hiếu và Nguyễn Thành Trung, dưới sự hướng dẫn của PGS. Vũ Văn Phong, đã giải quyết bài toán tự động hóa luân chuyển tài liệu nội bộ. Dự án đã làm chủ toàn bộ chuỗi công nghệ từ tính toán động học vi sai, thiết kế kết cấu cơ khí chịu tải 50 kg, thiết kế mạch công suất, đến việc triển khai hệ điều hành ROS và ứng dụng thành công thuật toán ACO giải bài toán TSP đa điểm giao hàng.

Kết quả thử nghiệm thực tế tại tầng 9 Khối A1 Trường Đại học Sư phạm Kỹ thuật TP.HCM chứng minh Robot vận hành ổn định, né tránh chướng ngại vật linh hoạt với thuật toán DWA, giảm hơn 25% chiều dài lộ trình nhờ ACO và đảm bảo an toàn tuyệt đối với hệ thống khóa bảo mật OTP qua Email. Đây là giải pháp công nghệ có tính ứng dụng cao, sẵn sàng phục vụ chuyển đổi số và nâng cao năng suất cho các cơ quan, bệnh viện và doanh nghiệp hiện đại.