Tổng quan nghiên cứu

Trong bối cảnh công nghiệp 4.0 và sự phát triển nhanh chóng của công nghệ robot, việc ứng dụng mobile robot trong các môi trường động và đông đúc ngày càng trở nên phổ biến. Theo ước tính, thị trường robot di động toàn cầu tăng trưởng với tốc độ khoảng 20% mỗi năm, đặc biệt trong các lĩnh vực như kho bãi, nhà máy sản xuất và dịch vụ. Tuy nhiên, một thách thức lớn là làm sao để robot có thể di chuyển an toàn, hiệu quả và thân thiện trong môi trường có sự hiện diện của con người, tránh gây cảm giác không thoải mái hoặc nguy hiểm cho người xung quanh.

Luận văn thạc sĩ này tập trung nghiên cứu phát triển hệ thống nhận thức và điều khiển cho mobile robot nhằm đảm bảo khả năng điều hướng có ý thức xã hội trong môi trường động và đông đúc. Mục tiêu cụ thể là xây dựng mô hình không gian cá nhân mở rộng (Extended Personal Space - EPS) và vùng không gian tương tác xã hội (Social Interaction Space - SIS), từ đó kết hợp thành vùng xã hội động (Dynamic Social Zone - DSZ) để robot có thể nhận biết và phản ứng phù hợp với trạng thái con người và các vật thể xung quanh. Nghiên cứu được thực hiện trong phạm vi môi trường 2D, với dữ liệu thu thập từ cảm biến Lidar và các thuật toán điều khiển dựa trên Dynamic Window Approach (DWA).

Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao mức độ an toàn, hiệu quả và sự chấp nhận của con người đối với robot trong các môi trường làm việc và sinh hoạt chung. Các chỉ số an toàn như Collision Index (CI) và Interaction Index (CII) được sử dụng để đánh giá khoảng cách an toàn giữa robot và con người, góp phần giảm thiểu va chạm và tăng cường trải nghiệm người dùng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính:

  1. Mô hình không gian cá nhân mở rộng (Extended Personal Space - EPS): Dựa trên lý thuyết không gian cá nhân của Hall, EPS được mô hình hóa bằng hàm Gaussian trong không gian 2D, kết hợp các thông số về vị trí, hướng nhìn, vận tốc di chuyển và vị trí tay của con người. EPS chia không gian xung quanh cá nhân thành các vùng như khu vực mặt trước, khu vực phía sau và vùng xã hội, với các khoảng cách an toàn khác nhau (ví dụ: khu vực xã hội có khoảng cách lên đến 2.7 m).

  2. Mô hình không gian tương tác xã hội (Social Interaction Space - SIS): Mô hình này mô tả các nhóm người và vật thể tương tác trong môi trường, sử dụng thuật toán Graph-Cut để nhận diện các nhóm và trạng thái tương tác. SIS giúp robot nhận biết các vùng không gian xã hội phức tạp hơn, bao gồm các nhóm người đứng gần nhau hoặc tương tác với vật thể.

Từ EPS và SIS, mô hình Vùng xã hội động (Dynamic Social Zone - DSZ) được xây dựng như một hàm hợp nhất, thể hiện vùng không gian mà robot cần tránh xâm phạm để đảm bảo an toàn và sự thoải mái cho con người.

Các khái niệm chuyên ngành quan trọng bao gồm:

  • Collision Index (CI): Chỉ số đo khoảng cách an toàn vật lý giữa robot và con người.
  • Interaction Index (CII): Chỉ số đo khoảng cách an toàn giữa robot và nhóm người hoặc vật thể tương tác.
  • Dynamic Window Approach (DWA): Thuật toán lập kế hoạch chuyển động phản ứng nhanh, giúp robot tránh va chạm trong môi trường động.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ cảm biến Lidar gắn trên robot, cung cấp thông tin vị trí, vận tốc và hướng di chuyển của con người và vật thể trong môi trường 2D. Cỡ mẫu nghiên cứu bao gồm nhiều tình huống thực tế trong môi trường đông người, với số lượng cá nhân và vật thể dao động khoảng 10-20 đối tượng trong vùng quan sát của robot.

Phương pháp phân tích sử dụng kết hợp mô hình toán học (hàm Gaussian) để mô phỏng không gian cá nhân và tương tác xã hội, cùng với thuật toán Dynamic Window Approach để lập kế hoạch di chuyển và tránh va chạm. Thuật toán Graph-Cut được áp dụng để nhận diện các nhóm người và trạng thái tương tác xã hội.

Quá trình nghiên cứu được thực hiện trong khoảng thời gian từ tháng 3 đến tháng 7 năm 2020, với các bước chính gồm: thu thập dữ liệu, xây dựng mô hình EPS và SIS, phát triển thuật toán điều hướng dựa trên DSZ và DWA, và thử nghiệm trong môi trường thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Mô hình EPS hiệu quả trong việc mô phỏng không gian cá nhân: Kết quả thử nghiệm cho thấy EPS với các tham số hàm Gaussian phù hợp giúp mô phỏng chính xác vùng không gian cá nhân của con người, với khoảng cách an toàn trung bình đạt 0.5-1.2 m tùy khu vực (mặt trước, phía sau). Việc này giúp robot nhận biết được vùng không gian cần tránh để không gây cảm giác khó chịu cho người xung quanh.

  2. SIS giúp nhận diện nhóm người và tương tác xã hội: Thuật toán Graph-Cut đã thành công trong việc phân nhóm các cá nhân và vật thể trong môi trường, với độ chính xác nhận diện nhóm đạt khoảng 85%. Điều này cho phép robot điều chỉnh hành vi di chuyển phù hợp với các tình huống xã hội phức tạp.

  3. DSZ kết hợp EPS và SIS nâng cao khả năng tránh va chạm: So với việc chỉ sử dụng EPS, DSZ giúp robot duy trì khoảng cách an toàn với cả cá nhân và nhóm người, giảm tỷ lệ va chạm xuống dưới 5% trong các thử nghiệm thực tế. Chỉ số CI và CII được duy trì ở mức an toàn, đảm bảo robot không xâm phạm vùng không gian cá nhân và xã hội.

  4. Thuật toán DWA tối ưu hóa chuyển động trong môi trường động: DWA kết hợp với DSZ giúp robot phản ứng nhanh với các thay đổi trong môi trường, giữ vận tốc trung bình khoảng 0.3 m/s và giảm thiểu thời gian di chuyển đến mục tiêu khoảng 15% so với các thuật toán truyền thống.

Thảo luận kết quả

Nguyên nhân thành công của mô hình EPS và SIS là do việc tích hợp các thông tin trạng thái con người như vị trí, hướng nhìn, vận tốc và vị trí tay, giúp mô phỏng không gian cá nhân một cách sinh động và thực tế hơn. So sánh với các nghiên cứu trước đây chỉ tập trung vào khoảng cách vật lý, nghiên cứu này đã mở rộng phạm vi nhận thức xã hội của robot.

Việc áp dụng thuật toán Graph-Cut để nhận diện nhóm người và tương tác xã hội là điểm mới, giúp robot hiểu được cấu trúc xã hội trong môi trường đông người, từ đó điều chỉnh hành vi di chuyển phù hợp, tránh gây phiền toái hoặc nguy hiểm.

Kết quả thử nghiệm thực tế tại một số địa phương cho thấy DSZ và DWA phối hợp hiệu quả trong việc giảm va chạm và tăng tính tự nhiên trong di chuyển của robot. Biểu đồ thể hiện tỷ lệ va chạm theo thời gian và vận tốc robot minh họa rõ sự cải thiện so với các phương pháp truyền thống.

Tuy nhiên, nghiên cứu cũng nhận thấy một số hạn chế như độ chính xác của cảm biến Lidar trong môi trường có nhiều vật cản phức tạp, và khả năng mở rộng mô hình sang môi trường 3D còn hạn chế. Đây là hướng phát triển tiếp theo cần được quan tâm.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống nhận diện trạng thái con người đa cảm biến: Kết hợp thêm camera RGB-D và cảm biến hồng ngoại để tăng độ chính xác nhận diện vị trí, hướng nhìn và cử chỉ tay, giúp cải thiện mô hình EPS và SIS. Thời gian thực hiện dự kiến 6-12 tháng, do các phòng thí nghiệm robot và trung tâm nghiên cứu công nghệ thực hiện.

  2. Phát triển thuật toán điều hướng đa mục tiêu: Tích hợp thêm các yếu tố như ưu tiên di chuyển, tránh nhóm người đông và tối ưu hóa năng lượng tiêu thụ. Mục tiêu giảm thời gian di chuyển thêm 10% trong vòng 1 năm, do nhóm phát triển phần mềm robot đảm nhiệm.

  3. Mở rộng mô hình sang môi trường 3D: Nghiên cứu và xây dựng mô hình không gian cá nhân và xã hội trong không gian ba chiều, phù hợp với các ứng dụng robot bay hoặc robot di chuyển trong không gian phức tạp. Thời gian nghiên cứu 1-2 năm, phối hợp giữa các viện nghiên cứu và trường đại học.

  4. Tăng cường thử nghiệm thực tế và đánh giá người dùng: Tổ chức các khảo sát, thu thập phản hồi từ người sử dụng robot trong môi trường làm việc và sinh hoạt để điều chỉnh mô hình và thuật toán phù hợp hơn với nhu cầu thực tế. Thời gian thực hiện 6 tháng, do các đơn vị triển khai robot và nhóm nghiên cứu xã hội học phối hợp.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và phát triển robot: Luận văn cung cấp cơ sở lý thuyết và thuật toán chi tiết về nhận thức xã hội và điều hướng robot, giúp phát triển các hệ thống robot thân thiện và an toàn hơn.

  2. Kỹ sư thiết kế hệ thống tự động hóa: Các kỹ sư có thể áp dụng mô hình EPS, SIS và DSZ để thiết kế robot di động phù hợp với môi trường làm việc đông người như nhà máy, kho bãi.

  3. Chuyên gia trong lĩnh vực tương tác người-máy: Nghiên cứu cung cấp góc nhìn mới về không gian cá nhân và xã hội trong tương tác người-robot, hỗ trợ phát triển các giao diện và hành vi robot tự nhiên hơn.

  4. Quản lý và nhà hoạch định chính sách công nghệ: Thông tin về các tiêu chuẩn an toàn và hành vi xã hội của robot giúp xây dựng các quy định, hướng dẫn triển khai robot trong môi trường công cộng và công nghiệp.

Câu hỏi thường gặp

  1. Mô hình không gian cá nhân mở rộng (EPS) là gì?
    EPS là mô hình mô phỏng vùng không gian xung quanh một cá nhân dựa trên các thông số như vị trí, hướng nhìn, vận tốc và vị trí tay, sử dụng hàm Gaussian để biểu diễn mức độ ưu tiên tránh xâm phạm không gian này. Ví dụ, EPS giúp robot nhận biết vùng an toàn cần giữ khoảng cách khi di chuyển gần người.

  2. Dynamic Social Zone (DSZ) khác gì so với EPS và SIS?
    DSZ là sự kết hợp giữa EPS và SIS, tạo thành vùng không gian xã hội động mà robot cần tránh xâm phạm để đảm bảo an toàn và sự thoải mái cho con người trong môi trường đông đúc. DSZ phản ánh cả không gian cá nhân và tương tác xã hội phức tạp hơn.

  3. Thuật toán Dynamic Window Approach (DWA) hoạt động như thế nào?
    DWA là thuật toán lập kế hoạch chuyển động phản ứng nhanh, tính toán các vận tốc tuyến tính và góc trong một cửa sổ thời gian ngắn để tránh va chạm với vật cản và con người, đồng thời tối ưu hóa tiến độ di chuyển đến mục tiêu. Thuật toán này giúp robot di chuyển linh hoạt trong môi trường động.

  4. Làm sao robot nhận biết các nhóm người và tương tác xã hội?
    Robot sử dụng thuật toán Graph-Cut để phân tích dữ liệu vị trí và trạng thái của các cá nhân, từ đó nhận diện các nhóm người và trạng thái tương tác xã hội. Điều này giúp robot điều chỉnh hành vi di chuyển phù hợp với các tình huống xã hội phức tạp.

  5. Ứng dụng thực tế của nghiên cứu này là gì?
    Nghiên cứu hỗ trợ phát triển robot di động an toàn và thân thiện trong các môi trường như nhà máy, kho bãi, bệnh viện và không gian công cộng, giúp robot tương tác tự nhiên với con người, giảm thiểu va chạm và tăng hiệu quả làm việc.

Kết luận

  • Luận văn đã xây dựng thành công mô hình không gian cá nhân mở rộng (EPS) và không gian tương tác xã hội (SIS), từ đó phát triển vùng xã hội động (DSZ) giúp robot nhận thức và phản ứng phù hợp trong môi trường đông người.
  • Thuật toán Dynamic Window Approach (DWA) được tích hợp hiệu quả với DSZ, nâng cao khả năng điều hướng tránh va chạm và tối ưu hóa chuyển động của robot.
  • Kết quả thử nghiệm thực tế cho thấy tỷ lệ va chạm giảm dưới 5%, vận tốc di chuyển trung bình đạt 0.3 m/s, cải thiện 15% thời gian di chuyển so với phương pháp truyền thống.
  • Nghiên cứu góp phần nâng cao sự an toàn và chấp nhận của con người đối với robot trong môi trường làm việc và sinh hoạt chung.
  • Các bước tiếp theo bao gồm mở rộng mô hình sang môi trường 3D, tích hợp đa cảm biến và tăng cường thử nghiệm thực tế để hoàn thiện hệ thống điều hướng xã hội cho robot.

Khuyến nghị: Các nhà nghiên cứu và phát triển robot nên áp dụng mô hình DSZ và thuật toán DWA để thiết kế các hệ thống robot di động thân thiện và an toàn hơn trong môi trường xã hội phức tạp.