Tổng quan về luận án

Nghiên cứu hoạch định quỹ đạo chuyển động, tối ưu hóa và sinh dáng đi cho robot dạng người (Humanoid Motion Planning, Optimization, and Gait Generation - HMP) là một trong những bài toán điều khiển phi tuyến đa biến phức tạp nhất trong cơ kỹ thuật và điều khiển học hiện đại. Thách thức cốt lõi nằm ở bản chất cấu trúc cơ khí nhiều bậc tự do (Degrees of Freedom - DOF), tính chất động học tiếp xúc gián đoạn giữa các pha chân đơn (Single Support Phase - SSP) và pha hai chân chạm đất (Double Support Phase - DSP), cũng như sự nhạy cảm đối với các ràng buộc holonomic và bất ổn định động học dưới tác động của mô-men lật.

Khoảng trống học thuật trọng tâm được xác định từ công trình nền tảng của Dip và cộng sự (2009) [52]: mô hình bộ tạo dáng đi (Walking Pattern Generator - WPG) phụ thuộc 4 thông số đặc trưng gồm chiều dài bước ($S$), độ nhấc chân ($H$), độ khuỵu gối ($h$) và độ lắc hông ($n$) mới chỉ tối ưu hóa vận tốc cực đại thông qua giải thuật di truyền (Genetic Algorithm - GA) mà chưa thể kiểm soát chủ động độ nhấc chân mong muốn ($H_{ref}$), đồng thời 4 thông số này bị cố định trong suốt quá trình vận hành, làm triệt tiêu khả năng thích nghi theo quỹ đạo điểm không mô-men (Zero Moment Point - ZMP) mong muốn và hoàn toàn khuyết thiếu hai giai đoạn chuyển tiếp động học then chốt (giai đoạn chuẩn bị khởi động và giai đoạn dừng kết thúc).

Luận án của nghiên cứu sinh Trần Thiện Huân, dưới sự hướng dẫn khoa học của PGS. Hồ Phạm Huy Ánh và TS. Phan Đức Huynh tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh và Phòng Thí nghiệm Trọng điểm Quốc gia Điều khiển số và Kỹ thuật Hệ thống (DCSELAB), giải quyết trọn vẹn chuỗi câu hỏi và giả thuyết nghiên cứu:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để tối ưu hóa đồng thời 4 tham số dáng đi ($S, H, h, n$) nhằm đảm bảo robot hai chân chuyển động ổn định tuyệt đối với độ nhấc chân xác định trước ($H_{ref}$)?
    • Giả thuyết 1 (H1): Giải thuật tiến hóa vi sai cải tiến (Modified Differential Evolution - MDE) với cơ chế đột biến lai ghép giữa rand/1 và best/1 theo ngưỡng xác suất sẽ vượt trội GA và PSO về tốc độ hội tụ và độ chính xác quỹ đạo ZMP.
  • Câu hỏi nghiên cứu 2 (RQ2): Bằng cơ chế nào có thể điều khiển thích nghi dáng đi khi các thông số hình học và ràng buộc động lực học thay đổi liên tục trong quá trình di chuyển?
    • Giả thuyết 2 (H2): Mô hình mạng nơ-rôn tiến hóa thích nghi (Adaptive Evolutionary Neural Model - AENM) được tối ưu hóa trọng số bởi MDE có khả năng nhận dạng trực tuyến 4 thông số WPG để bám sát quỹ đạo ZMP tham chiếu.
  • Câu hỏi nghiên cứu 3 (RQ3): Quy luật động học nào mô tả hoàn chỉnh một chu kỳ vận động thực tế của robot từ trạng thái tĩnh sang động và trở về tĩnh?
    • Giả thuyết 3 (H3): Thiết lập bộ tạo mẫu đi bộ tự nhiên (Natural Walking Pattern Generator - N-WPG) tích hợp đầy đủ 3 pha (chuẩn bị, bước đi, kết thúc) dựa trên phép nội suy quỹ đạo và động học ngược sẽ loại bỏ triệt để hiện tượng xung lực va đập và dao động lắc thân.

Khung lý thuyết của công trình tích hợp chặt chẽ giữa nguyên lý cân bằng động ZMP (Vukobratovic, 1972) [4], mô hình con lắc ngược 3D (3D-LIPM của Kajita et al., 2001) [43], phép phân tích động học ngược hệ nhiều khâu và lý thuyết tối ưu hóa ngẫu nhiên (Meta-heuristic Optimization). Phạm vi thực nghiệm được triển khai và kiểm chứng nghiêm ngặt trên mô hình robot hai chân kích thước nhỏ HUBOT-5 (12 bậc tự do, chiều cao xấp xỉ 50 cm, khối lượng toàn phần 1.5 kg, 10 động cơ servo Power HD HD-1501 mô-men xoắn 17 kg·cm điều khiển qua vi điều khiển Arduino) và mô hình robot HUBOT-4 (10 bậc tự do).

Literature Review và Positioning

Lịch sử phát triển cơ chế vận động của robot dạng người ghi nhận sự phân nhánh rõ rệt giữa hai trường phái tiếp cận lớn: trường phái điều khiển dựa trên mô hình con lắc ngược kết hợp ZMP do Kajita và cộng sự (2001, 2003, 2009) [42-45, 61-66] khởi xướng trên các nền tảng HRP-2, HRP-4C; và trường phái hoạch định quỹ đạo bàn chân - khớp hông bằng các hàm giải tích/nội suy spline bậc ba do Huang và cộng sự (2001) [46] đề xuất.

Trong các phân tích động lực học di chuyển, một mâu thuẫn lý thuyết sâu sắc kéo dài giữa hai quan điểm:

  1. Quan điểm quỹ đạo đóng định trước (Pre-determined Analytical Trajectory): Giả định quỹ đạo ZMP trong pha chân đơn (SSP) cố định bất động tại tâm diện tích bàn chân trụ (Kajita et al., 2001; Huang et al., 2001). Quan điểm này bộc lộ nhược điểm lớn khi chuyển tiếp sang pha hai chân chạm đất (DSP), gây ra hiện tượng giật động học và rung lắc thân trên do ZMP không thể dịch chuyển liên tục tức thời.
  2. Quan điểm mô phỏng sinh học tiến động (Biomimetic Progressive Trajectory): Xuất phát từ quan sát thực tế dáng đi con người của Winter (1990) và Erbatur & Kurt (2009) [50], chỉ ra rằng điểm ZMP thực tế luôn chuyển dịch liên tục về phía trước dọc theo đế chân trụ ngay cả trong pha SSP. Wei Xu và cộng sự (2006) [51] hay Dip và cộng sự (2009) [52] đã nỗ lực xấp xỉ hóa quỹ đạo này bằng chuỗi Fourier và các hàm điều hòa lượng giác sin/cos.

Về mặt tối ưu hóa tham số dáng đi, các công trình quốc tế trước đây chủ yếu tập trung vào một tiêu chí đơn lẻ hoặc giải quyết sự đánh đổi giữa năng lượng và vận tốc:

  • Capi và cộng sự (2002, 2003) [76, 77] sử dụng thuật toán di truyền mã hóa thực (RCGA) kết hợp mạng RBFNN nhằm cực tiểu hóa mô-men xoắn tại các khớp.
  • Park và cộng sự (2004) [78] ứng dụng GA để tối ưu hóa vị trí khối tâm (CoM) của các khâu.
  • Zhou và cộng sự (2003) [83] đề xuất học tăng cường mờ (FRL) nhưng thuật toán nhanh chóng bùng nổ không gian trạng thái khi bậc tự do tăng cao.
  • Lee và cộng sự (2004) [89] cùng Rajendra Pratihar và cộng sự (2012) [91] áp dụng tối ưu đa mục tiêu MOEA, MOPSO và MOGA để giải quyết xung đột giữa công suất tiêu thụ và độ ổn định ZMP.
  • Shaffi (2015) [97] và Mostafa và cộng sự (2019) [86] dùng thuật toán tối ưu bầy cá voi (WOA) để tối ưu quỹ đạo hông.

So sánh với các nghiên cứu quốc tế tiêu biểu như mô hình WPG của Dip và cộng sự (2009) [52] trên robot hai chân cỡ nhỏ và cấu trúc ổn định LIPM của Kajita và cộng sự (2009) [61] trên robot HRP-4C, luận án đã định vị chính xác vị thế học thuật của mình: Khắc phục triệt để tính chất thông số tĩnh cố định của Dip bằng mô hình thích nghi thông minh AENM-MDE, đồng thời đơn giản hóa khối lượng tính toán phức tạp của bộ điều khiển Preview MPC nhưng vẫn duy trì độ bền vững ZMP thông qua quy hoạch N-WPG hoàn chỉnh 3 giai đoạn.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm sâu sắc thêm nền tảng lý thuyết cân bằng động ZMP và lý thuyết điều khiển học tiến hóa thông qua 4 đóng góp đột phá mang tính hệ thống:

  1. Mở rộng lý thuyết tối ưu hóa dáng đi có ràng buộc hình học chủ động: Bổ sung ràng buộc độ nhấc chân thực tế ($H_{ref}$) vào hàm mục tiêu tối ưu hóa ZMP. Trong các mô hình WPG cổ điển của Dip et al. [52], tham số $H$ bị chi phối tự do bởi bài toán tối đa hóa tốc độ, dẫn đến hiện tượng chân vung không đủ độ cao an toàn để vượt qua các mấp mô vi mô của bề mặt di chuyển. Luận án đã xây dựng mô hình toán học tích hợp hàm phạt sai lệch giữa độ cao thực tế của mắt cá chân vung $P_{10z}(t)$ và $H_{ref}$.
  2. Thiết lập mô hình nơ-rôn tiến hóa thích nghi (AENM) trong không gian trạng thái phi tuyến: Phát triển cấu trúc mạng nơ-rôn thích nghi kết nối trực tiếp sai số ZMP tức thời với không gian 4 chiều ($S, H, h, n$). Đây là bước tiến vượt bậc từ cơ chế điều khiển thông số tĩnh sang cơ chế tự thích nghi thông số động (Dynamic Parameter Adaptation), tạo tiền đề lý thuyết cho việc tự bù trừ sai số mô hình và nhiễu tải trọng ngoài.
  3. Mô hình hóa hoàn chỉnh chu trình động học 3 pha liên tục (N-WPG): Chứng minh mặt lý thuyết rằng một hệ thống biped không thể đạt trạng thái cân bằng bền vững nếu chỉ áp dụng phương trình điều hòa của pha SSP/DSP tuần hoàn. Cần thiết phải có pha chuẩn bị ($t \in [0, T_p]$) để dịch chuyển tâm áp lực và khối tâm CoM sang chân trụ ban đầu, và pha kết thúc ($t \in [0, T_e]$) để triệt tiêu động năng và đưa hệ thống về trạng thái đứng thẳng đối xứng.
  4. Phát triển toán tử đột biến thích ứng cho giải thuật DE (MDE): Luận án chứng minh lý thuyết việc kết hợp xác suất giữa toán tử đột biến toàn cục rand/1 và toán tử khai thác cục bộ best/1 theo quy tắc ngưỡng động giải quyết triệt để nghịch lý giữa tốc độ hội tụ (Convergence Rate) và nguy cơ rơi vào cực trị địa phương (Local Extrema) trong không gian tìm kiếm đa chiều của động học robot.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành 3 trụ cột lý thuyết: (1) Động lực học hệ nhiều vật và Động học ngược robot, (2) Lý thuyết ổn định ZMP - Khối tâm CoM, và (3) Trí tuệ tính toán mềm (Soft Computing Framework).

Phương trình quỹ đạo tham chiếu của điểm khớp hông $P_5(t) = [P_{5x}, P_{5y}, P_{5z}]^T$, khớp cổ chân trụ $P_1(t) = [P_{1x}, P_{1y}, P_{1z}]^T$ và khớp cổ chân vung $P_{10}(t) = [P_{10x}, P_{10y}, P_{10z}]^T$ được tổng quát hóa thông qua các hàm điều hòa:

$$P_{5x}(t) = \left[\frac{S}{T}t - \frac{S}{4\pi}\sin\left(\frac{2\pi}{T}t\right)\right][u(t) - u(t-T)]$$

$$P_{5y}(t) = \left[n\sin\left(\frac{\pi}{T}t\right)\right][u(t) - u(t-T)]$$

$$P_{10z}(t) = \left[\frac{H}{2}\left(1 - \cos\left(\frac{2\pi}{T}t\right)\right)\right][u(t) - u(t-T)]$$

Hệ thống 10 góc quay tương đối tại các khớp chân $\theta_1(t), \theta_2(t), \dots, \theta_{10}(t)$ được giải tích phân lập chính xác thông qua hình học giải tích đóng:

$$\theta_1(t) = \arctan\left(\frac{y_l(t)}{z_l(t)}\right), \quad \theta_5(t) = \theta_1(t)$$

$$\theta_{10}(t) = \arctan\left(\frac{y_r(t)}{z_r(t)}\right), \quad \theta_6(t) = \theta_{10}(t)$$

$$\theta_3(t) = \pi - A(t), \quad \theta_8(t) = \pi - C(t)$$

$$\theta_4(t) = \arcsin\left(\frac{x_l(t)}{l_l(t)}\right) - B(t) - \theta_2(t)$$

$$\theta_7(t) = \pi - C(t) - D(t) - \arcsin\left(\frac{x_r(t)}{l_r(t)}\right) - \theta_9(t)$$

Trong đó $l_l(t), l_r(t)$ là khoảng cách động Euclid giữa các điểm khớp $P_2 - P_4$ và $P_9 - P_7$; $d_1, d_2, d_3, d_4$ là chiều dài hình học cố định của các khâu cơ khí.

Điều kiện biên và phạm vi ứng dụng (Boundary Conditions):

  • Mặt phẳng di chuyển: Địa hình bằng phẳng, ma sát đủ lớn không trượt ($\mu \ge 0.6$).
  • Giới hạn góc quay phần cứng: Khớp hông và cổ chân mặt phẳng đứng dọc $\theta \in [-30^\circ, 30^\circ]$, mặt phẳng đứng ngang $\theta \in [-20^\circ, 20^\circ]$, khớp gối $\theta \in [-30^\circ, 30^\circ]$.
  • Thân trên robot được giữ cân bằng thẳng đứng cố định song song trục trọng trường.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu theo đuổi trường phái thực chứng định lượng (Positivism / Quantitative Experimental Paradigm) kết hợp chặt chẽ giữa mô hình hóa toán học giải tích, mô phỏng số độ trung thực cao trên môi trường MATLAB/Simulink và kiểm chứng thực nghiệm phần cứng trên mẫu robot vật lý HUBOT-5 và HUBOT-4.

Thiết kế đa tầng (Multi-level Experimental Design) bao gồm:

  • Cấp độ 1 (Offline Optimization): Tối ưu hóa tĩnh 4 tham số $(S, H, h, n)$ nhằm đạt độ ổn định cao nhất và khớp chính xác giá trị $H_{ref} \in {2.0\text{ cm}, 4.0\text{ cm}}$.
  • Cấp độ 2 (Adaptive Neural Identification): Nhận dạng thích nghi thời gian thực bộ thông số thông qua mạng AENM để bám sát quỹ đạo ZMP tham chiếu chuẩn.
  • Cấp độ 3 (Full-cycle Natural Planning): Hoạch định trọn vẹn 3 pha vận động N-WPG nhằm loại bỏ sốc gia tốc và xung lực tiếp đất.

Quy trình nghiên cứu rigorous

Quy trình tối ưu hóa bằng giải thuật tiến hóa vi sai cải tiến (MDE) được xây dựng với cấu trúc toán tử đột biến lai ghép đặc thù:

                        <      Kiểm tra rand[0,1]     >
                        <     Điều kiện dừng lặp?     >

Hàm mục tiêu tổng quát được thiết lập nhằm tối thiểu hóa khoảng cách từ ZMP đến tâm đế chân trụ và triệt tiêu sai số độ nhấc chân:

$$f(S, H, h, n) = \alpha \sum_{k=1}^{N_s} \left[ \left(x_{ZMP}(k) - x_{mid}\right)^2 + \left(y_{ZMP}(k) - y_{mid}\right)^2 \right] + \beta \left| H - H_{ref} \right| + \gamma \cdot \text{Penalty}$$

Trong đó $\alpha, \beta, \gamma$ là các trọng số chuẩn hóa; $\text{Penalty}$ là hàm phạt lũy thừa áp đặt khi quỹ đạo ZMP vượt ra ngoài đa giác chân đỡ lồi $\mathbb{S}_{support}$.

Data và phân tích

Các tham số động học và phân bố khối lượng thực nghiệm trên mô hình robot HUBOT-5 được đo đạc chính xác:

  • Khâu thân trên: $m_0 = 0.520\text{ kg}$, chiều dài $d_0 = 12.0\text{ cm}$.
  • Khâu đùi (đoạn $P_3-P_4$ và $P_7-P_8$): $m_{thigh} = 0.210\text{ kg}$, chiều dài $d_3 = 10.5\text{ cm}$.
  • Khâu cẳng chân (đoạn $P_2-P_3$ và $P_8-P_9$): $m_{tibia} = 0.185\text{ kg}$, chiều dài $d_2 = 10.5\text{ cm}$.
  • Khâu bàn chân và mắt cá: $m_{foot} = 0.095\text{ kg}$, khoảng cách $d_1 = d_4 = 3.2\text{ cm}$.
  • Kích thước đế bàn chân tiếp xúc: Chiều dài $L_{foot} = 11.0\text{ cm}$, chiều rộng $W_{foot} = 7.0\text{ cm}$.

Cấu hình thực nghiệm đối sánh thuật toán được thiết lập đồng nhất: Kích thước quần thể $NP = 30$, số thế hệ tối đa $MaxGen = 100$, hệ số đột biến $F = 0.5$, xác suất lai ghép $CR = 0.8$. Với GA: $p_C = 0.8, p_M = 0.05$. Với PSO: $C_1 = 1.5, C_2 = 1.5$, trọng số quán tính $w$ giảm tuyến tính từ $0.9$ về $0.4$.

| Thuật toán | Thời gian hội tụ TB (s) | Giá trị hàm mục tiêu $f_{min}$ | Độ lệch ZMP cực đại (cm) | Sai số $\Delta H = |H - H_{ref}|$ (mm) | | :--- | :---: | :---: | :---: | :---: | | GA cơ bản | 48.62 | 0.0418 | 1.84 | 2.15 | | PSO bầy đàn | 35.14 | 0.0275 | 1.42 | 1.48 | | MDE (Đề xuất) | 21.38 | 0.0092 | 0.61 | 0.12 |

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Hiệu năng vượt trội của thuật toán MDE: MDE đạt tốc độ hội tụ nhanh hơn 56.0% so với GA và 39.1% so với PSO, đồng thời đạt giá trị tối ưu hàm mục tiêu thấp hơn xấp xỉ 4.5 lần so với GA ($f_{min}^{MDE} = 0.0092$ so với $f_{min}^{GA} = 0.0418$).
  2. Kiểm soát độ nhấc chân chính xác tuyệt đối: Với hai kịch bản cài đặt độ nhấc chân thực nghiệm $H_{ref} = 2.0\text{ cm}$ và $H_{ref} = 4.0\text{ cm}$, giải thuật MDE xác lập bộ thông số tối ưu:
    • Với $H_{ref} = 2.0\text{ cm}$: $S = 5.82\text{ cm}, H = 2.01\text{ cm}, h = 1.24\text{ cm}, n = 1.85\text{ cm}$.
    • Với $H_{ref} = 4.0\text{ cm}$: $S = 5.24\text{ cm}, H = 3.99\text{ cm}, h = 1.58\text{ cm}, n = 2.31\text{ cm}$. Sai số thực tế của độ nhấc chân vung dưới 0.3% mà vẫn bảo toàn 100% quỹ đạo ZMP nằm sâu bên trong vùng an toàn của đa giác chân đỡ.
  3. Hiện tượng phi tuyến giữa độ lắc hông ($n$) và độ khuỵu gối ($h$): Kết quả khảo sát 10 mẫu không gian tham số (Hình 2.4a - 2.4e) phát hiện một quy luật động học quan trọng: Việc gia tăng chiều dài bước ($S$) bắt buộc phải tăng phi tuyến độ khuỵu gối ($h$) để hạ thấp khối tâm CoM, đồng thời biên độ lắc hông ($n$) phải được điều chỉnh trong một cửa sổ hẹp ($1.8\text{ cm} \le n \le 2.4\text{ cm}$). Nếu $n < 1.5\text{ cm}$, ZMP lập tức lệch ra ngoài mép trong bàn chân trụ; nếu $n > 2.8\text{ cm}$, lực ly tâm làm ZMP văng ra ngoài mép ngoài, gây mất ổn định lật ngang.
  4. Mạng AENM bám quỹ đạo ZMP trực tuyến với độ chính xác cao: Mạng nơ-rôn AENM được tối ưu bởi MDE đạt sai số bình phương trung bình (MSE) huấn luyện ở mức $1.24 \times 10^{-4}$, tái tạo chính xác quỹ đạo góc quay 10 khớp với độ lệch pha thời gian gần như bằng không ($\Delta t < 5\text{ ms}$).

Implications đa chiều

  • Về mặt lý thuyết: Chứng minh tính hiệu quả của việc kết hợp giữa phương pháp giải tích động học ngược và trí tuệ nhân tạo tiến hóa thích nghi trong điều khiển các hệ động lực học phi tuyến cao bậc.
  • Về mặt phương pháp luận: Cung cấp một quy trình mẫu (Standard Benchmark Protocol) chuẩn hóa cho việc kiểm thử và đánh giá các thuật toán Meta-heuristics trên hệ robot vật lý thực nghiệm có ràng buộc cơ điện khắt khe.
  • Về mặt ứng dụng thực tiễn: Cho phép các nhà phát triển robot hai chân cỡ nhỏ tùy biến linh hoạt quỹ đạo bước đi phù hợp với các điều kiện địa hình gồ ghề thông qua việc chủ động điều biến tham số $H_{ref}$.
  • Về chính sách và định hướng công nghệ: Đóng góp trực tiếp vào mục tiêu làm chủ công nghệ lõi thiết kế và chế tạo robot hình người tự hành tại Việt Nam thuộc khuôn khổ các chương trình KH&CN trọng điểm quốc gia.

Limitations và Future Research

Luận án thẳng thắn ghi nhận 4 giới hạn nghiên cứu mang tính biên:

  1. Ràng buộc địa hình: Nghiên cứu mới giới hạn kiểm chứng thực nghiệm trên bề mặt phẳng, cứng, đồng nhất, chưa xét đến các bề mặt biến dạng đàn hồi, trơn trượt hoặc địa hình dốc nghiêng ngẫu nhiên.
  2. Giả thiết độ cứng vững của khâu: Mô hình động học giả định các khâu cơ khí hoàn toàn cứng tuyệt đối (Rigid Bodies), bỏ qua hiện tượng biến dạng đàn hồi và độ rơ khớp cơ khí (Backlash) khi chịu tải lớn.
  3. Tách biệt thân trên: Phần thân trên mang tải của HUBOT-5 được giữ cố định, chưa phối hợp cử động vung tay đối xứng để triệt tiêu mô-men xoắn quanh trục thẳng đứng (Yaw-axis Moment).
  4. Cảm biến phản hồi: Hệ thống thực nghiệm chủ yếu vận hành dựa trên điều khiển bám quỹ đạo động học tối ưu từ vi điều khiển mà chưa tích hợp cảm biến lực tiếp xúc 6 trục (6-axis F/T Sensors) tại đế bàn chân để hiệu chỉnh ZMP thời gian thực vòng kín hoàn toàn.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Tích hợp điều khiển phản hồi lực chân vòng kín (Closed-loop ZMP Feedback) kết hợp bộ lọc Kalman mở rộng (EKF) để ước lượng trạng thái tiếp xúc.
  • Mở rộng thuật toán N-WPG cho địa hình 3D phức tạp (bậc thang, dốc nghiêng ngẫu nhiên).
  • Phối hợp chuyển động toàn thân (Full-body Motion Planning) bao gồm cả chuyển động vung tay và uốn thân trên để giảm thiểu tiêu hao năng lượng.
  • Ứng dụng mô hình học sâu tăng cường (Deep Reinforcement Learning) kết hợp mạng AENM để robot tự thích nghi với các va chạm và lực đẩy bất ngờ từ môi trường.

Tác động và ảnh hưởng

  • Tác động học thuật (Academic Impact): Tạo lập khung nghiên cứu nền tảng và tài liệu tham khảo chuẩn mực cho các nhóm nghiên cứu chuyên sâu về Robotics và Cơ điện tử tại Việt Nam. Các bài báo công bố từ luận án trên các tạp chí và hội nghị quốc tế uy tín khẳng định năng lực hội nhập khoa học đỉnh cao.
  • Chuyển giao và R&D công nghiệp (Industry Transformation): Cung cấp giải pháp phần mềm nhúng điều khiển chuyển động nhẹ, hiệu năng cao, tương thích trực tiếp với các dòng vi điều khiển phổ thông giá thành thấp, mở ra tiềm năng thương mại hóa các dòng robot dịch vụ, robot giáo dục STEM và hỗ trợ y tế.
  • Tác động xã hội và chiến lược: Đóng góp sản phẩm thực nghiệm cụ thể vào chương trình phát triển các thế hệ robot phục vụ công nghiệp 4.0 của DCSELAB và Trường Đại học Sư phạm Kỹ thuật TP.HCM, góp phần nâng cao vị thế khoa học kỹ thuật nước nhà trong bản đồ Robotics khu vực.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và học viên cao học ngành Cơ kỹ thuật / Tự động hóa: Thụ hưởng phương pháp luận giải tích động học ngược kết hợp giải thuật tối ưu hóa tiến hóa hoàn chỉnh để mở rộng cho các hệ tay máy và robot di động phức tạp.
  • Các kỹ sư thiết kế hệ thống Robot & Cơ điện tử: Ứng dụng trực tiếp thuật toán MDE và bộ tạo dáng N-WPG vào các sản phẩm robot hình người thực tế mà không cần trang bị phần cứng máy tính xử lý quá đắt tiền.
  • Các cơ sở đào tạo và viện nghiên cứu: Sử dụng cấu trúc HUBOT-5 và mã nguồn thuật toán như một giáo trình thực nghiệm mẫu mực cho các học phần Robot học nâng cao và Điều khiển thông minh.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp độc đáo nhất là việc phát triển thành công Bộ tạo mẫu đi bộ tự nhiên (N-WPG) 3 giai đoạn kết hợp với Mô hình mạng nơ-rôn tiến hóa thích nghi (AENM). Công trình đã mở rộng trực tiếp lý thuyết bộ tạo dáng WPG 4 thông số của Dip et al. (2009) [52] từ trạng thái thông số tĩnh, vận hành gián đoạn thành một hệ thống động học liên tục có khả năng kiểm soát chủ động độ nhấc chân ($H_{ref}$) và thích nghi bám quỹ đạo ZMP trực tuyến.

2. Sự cách tân trong phương pháp nghiên cứu so với các công trình quốc tế tiền nhiệm?

So với nghiên cứu của Dip et al. (2009) [52] sử dụng GA đơn thuần và Pratihar et al. (2012) [91] sử dụng PSO, luận án đã cách tân thuật toán MDE kết hợp hai toán tử rand/1 và best/1 với ngưỡng chuyển mạch ngẫu nhiên 0.3. Đột phá này cho phép thuật toán cân bằng hoàn hảo giữa khả năng thăm dò toàn cục (Global Exploration) và khai thác sâu cục bộ (Local Exploitation), giúp triệt tiêu hiện tượng rơi vào nghiệm cực trị địa phương và rút ngắn hơn một nửa thời gian tính toán tối ưu.

3. Phát hiện bất ngờ nhất có dữ liệu thực nghiệm chứng minh là gì?

Phát hiện bất ngờ nhất nằm ở tính chất nhạy cảm cực cao của tham số độ lắc hông $n$ đối với độ ổn định ZMP: Trong không gian tối ưu, biên độ $n$ không tỷ lệ thuận tuyến tính với chiều dài bước $S$ như các giả định hình học thông thường. Thực nghiệm chỉ ra rằng khi $S$ tăng từ $20\text{ cm}$ lên $40\text{ cm}$ trên mô hình tính toán, việc giữ nguyên $n$ hoặc tăng $n$ vượt quá ngưỡng giới hạn $2.8\text{ cm}$ đều dẫn đến việc ZMP văng hoàn toàn ra khỏi đa giác chân đỡ (Hình 2.4a, Mẫu 1 và Hình 2.4d, Mẫu 8), đòi hỏi giải thuật phải tối ưu hóa đồng thời độ khuỵu gối $h$ để ghìm khối tâm CoM xuống nhằm bù trừ lực quán tính.

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) hoàn chỉnh không?

Luận án cung cấp đầy đủ và chi tiết toàn bộ quy trình tái lập thực nghiệm:

  • Bảng thông số vật lý và kích thước khâu của HUBOT-5 (Bảng 2.3).
  • Toàn bộ hệ phương trình động học ngược giải tích tường minh (Công thức 2.4 - 2.6).
  • Mã giả chi tiết của giải thuật DE và giải thuật MDE (Bảng A.1 và A.2 Phụ lục A).
  • Cấu hình siêu tham số và giới hạn góc quay của các khớp (Bảng 2.1 và Bảng 2.7).

5. Chương trình nghị sự nghiên cứu 10 năm được phác thảo như thế nào?

Lộ trình phát triển 10 năm kế tiếp bao gồm 3 cột mốc chiến lược:

  • Giai đoạn 1 (1-3 năm): Nâng cấp phần cứng cảm biến lực 6 trục tại bàn chân và tích hợp bộ điều khiển hồi tiếp ZMP thời gian thực trên nền tảng hệ điều hành Robot (ROS 2).
  • Giai đoạn 2 (4-6 năm): Phát triển thuật toán thích nghi địa hình bất định 3D và leo cầu thang dựa trên thị giác máy tính và học tăng cường sâu (Deep RL).
  • Giai đoạn 3 (7-10 năm): Hoàn thiện robot hình người kích thước đầy đủ (Full-size Humanoid) có khả năng tương tác an toàn với con người trong môi trường công nghiệp và dịch vụ dân dụng.

Kết luận

  1. Luận án đã giải quyết trọn vẹn và xuất sắc bài toán hoạch định, tối ưu hóa và sinh dáng đi tự nhiên, ổn định cho robot hai chân kích thước nhỏ trên địa hình bằng phẳng.
  2. Đề xuất thành công giải thuật tiến hóa vi sai cải tiến (MDE) với khả năng hội tụ nhanh vượt trội (giảm 56% thời gian so với GA) và tối ưu hóa chính xác 4 tham số dáng đi ($S, H, h, n$) đáp ứng hoàn hảo độ nhấc chân mong muốn ($H_{ref}$).
  3. Thiết lập mô hình mạng nơ-rôn tiến hóa thích nghi (AENM) nhận dạng thời gian thực 4 thông số dáng đi, giúp robot bám sát quỹ đạo ZMP tham chiếu với sai số cực tiểu $1.24 \times 10^{-4}$.
  4. Xây dựng hoàn chỉnh bộ tạo mẫu đi bộ tự nhiên (N-WPG) tích hợp đầy đủ 3 giai đoạn (chuẩn bị, bước đi, kết thúc), loại bỏ hiện tượng giật động học và bảo đảm an toàn vận hành cho hệ thống khớp cơ điện.
  5. Kiểm chứng thực nghiệm thành công các mô hình lý thuyết trên hệ robot vật lý HUBOT-5 (12 bậc tự do) và HUBOT-4 (10 bậc tự do), mở ra một hướng tiếp cận khoa học vững chắc và làm chủ công nghệ điều khiển robot hình người tự hành trong tương lai.