Tổng quan về luận án
Bối cảnh khoa học của đề tài bắt nguồn từ bài toán cấp thiết trong việc nâng cao chất lượng cuộc sống cho cộng đồng người khiếm thị. Theo số liệu công bố từ Tổ chức Y tế Thế giới (WHO), "trên thế giới có khoảng 285 triệu người suy giảm thị lực, trong đó 246 triệu người có thị lực kém ở mức độ vừa phải đến mức độ nặng và 39 triệu người mù" [107]. Tại Việt Nam, số liệu thống kê từ Viện Mắt Trung ương chỉ ra rằng "có khoảng 1.2 triệu NKT, trong đó 820.503 người không còn khả năng nhìn thấy ánh sáng". Mặc dù nhiều giải pháp truyền thống và hiện đại đã được phát triển (như gậy khúc côn cầu, chó dẫn đường, thiết bị định vị siêu âm, cảm biến laser hay ma trận kích thích xúc giác trên lưỡi như BrainPort [31]), các hệ thống này bộc lộ những rào cản lớn: chiếm dụng thính giác quan trọng của người dùng, chi phí đắt đỏ, hoặc chỉ dừng lại ở mức cảnh báo vật cản rời rạc mà không có khả năng dẫn đường tự hành điểm-tới-điểm (point-to-point navigation).
┌──────────────────────────────────────────────┐
│ HỆ THỐNG ROBOT DẪN ĐƯỜNG NGƯỜI KHIẾM THỊ │
└──────────────────────┬───────────────────────┘
│
┌─────────────────────────────┼─────────────────────────────┐
▼ ▼ ▼
┌──────────────────────────────┐ ┌──────────────────────────────┐ ┌──────────────────────────────┐
│ 1. BIỂU DIỄN & ĐỊNH VỊ │ │ 2. NHẬN DẠNG & KHOẢNG CÁCH │ │ 3. ĐIỀU KHIỂN & TƯƠNG TÁC │
│ - Bản đồ lai ngữ nghĩa │ │ - Tĩnh: SIFT + Homography │ │ - Tìm đường tối ưu topo-số │
│ - VO* (Harris + PUT/MUT) │ │ - Động: HOG + SVM Classifier │ │ - Dự báo & lọc Kalman (KF) │
│ - FAB-MAP* (SURF + Chow-Liu)│ │ - Đo sâu: Monocular SAD Map │ │ - HRI: Smartphone haptic 40Hz│
└──────────────────────────────┘ └──────────────────────────────┘ └──────────────────────────────┘
Khoảng trống nghiên cứu (research gap) cốt lõi được luận án định vị nằm ở việc thiếu vắng một kiến trúc dẫn đường trong nhà (indoor navigation) diện hẹp có chi phí thấp, hoạt động dựa hoàn toàn trên cảm biến thị giác (vision-based sensors), có khả năng giải quyết đồng thời ba bài toán: (1) Tự định vị và biểu diễn bản đồ mà không phụ thuộc GPS hay hạ tầng Lidar đắt tiền; (2) Phát hiện, phân loại ngữ nghĩa và ước lượng khoảng cách thời gian thực tới cả vật cản tĩnh lẫn vật cản động bằng camera đơn; (3) Điều khiển động học chính xác và tương tác người - robot (Human-Robot Interaction - HRI) một cách tự nhiên thông qua xúc giác (haptic) để giải phóng thính giác cho người khiếm thị.
Luận án thiết lập hệ thống câu hỏi nghiên cứu và giả thuyết khoa học chặt chẽ:
- RQ1: Làm thế nào để xây dựng mô hình bản đồ trong nhà đạt độ chính xác số liệu cao vừa tối ưu hóa cấu trúc topo phục vụ định vị và tìm đường nhanh chóng chỉ bằng camera thị giác thông thường?
- H1: Mô hình biểu diễn môi trường lai ngữ nghĩa (Semantic-Hybrid Map) tích hợp đo hành trình thị giác thích nghi ($VO^$) và nhận dạng địa điểm ngoại hình ($FAB-MAP^$) sẽ giảm thiểu sai số tích lũy quỹ đạo (RMSE) xuống dưới mức sai số cho phép của robot dẫn đường trong nhà.
- RQ2: Cơ chế thị giác đơn camera nào cho phép phân loại chính xác vật cản tĩnh/động và ước lượng khoảng cách chiều sâu trong điều kiện rung lắc chuyển động?
- H2: Sự kết hợp giữa bộ phân loại HOG-SVM, ma trận đồng hình Homography trên điểm đặc trưng SIFT và bản đồ chênh lệch khối (SAD disparity map) từ hai góc nhìn chuyển động sẽ cung cấp độ sâu thời gian thực với độ chính xác tương đương cảm biến lập thể chuyên dụng.
- RQ3: Phương thức điều khiển và giao tiếp HRI nào đảm bảo robot di chuyển ổn định theo quỹ đạo và phản hồi môi trường trực quan mà không gây quá tải nhận thức cho người khiếm thị?
- H3: Bộ lọc Kalman mở rộng kết hợp cơ chế phản hồi rung biến thiên tần số (4Hz - 40Hz) trên smartphone sẽ nâng cao độ an toàn và độ tin cậy di chuyển cho người dùng mất hoàn toàn thị lực.
Khung lý thuyết của luận án xây dựng trên nền tảng Robotics xác suất (Probabilistic Robotics của Thrun, Burgard), Hình học xạ ảnh đa góc nhìn (Multiple View Geometry của Hartley & Zisserman), và Lý thuyết nhận dạng vị trí theo diện mạo (Appearance-based Topological Localization của Cummins & Newman). Phạm vi thực nghiệm của nghiên cứu được triển khai toàn diện tại 3 môi trường thực địa điển hình với cấu trúc mặt sàn và kiến trúc đa dạng: E1: Trường THCS Nguyễn Đình Chiểu (NĐC), E2: Thư viện Tạ Quang Bửu (TQB - ĐHBK Hà Nội), và E3: Viện Nghiên cứu Quốc tế MICA (ĐHBK Hà Nội).
Literature Review và Positioning
Lịch sử nghiên cứu thiết bị trợ giúp người khiếm thị được luận án tổng hợp đa chiều qua 5 luồng công nghệ chính:
- Nhóm cảm biến siêu âm & laser: Khởi đầu từ kính siêu âm SonicGuide của Kay (1974) [72] mã hóa độ vang theo tần số âm thanh, thiết bị cầm tay Mowat Sensor (Pressey, 1977) [113] rung ở dải tần $4,\text{Hz}-40,\text{Hz}$ tương ứng khoảng cách $4,\text{m}-1,\text{m}$, gậy The Sonic Pathfinder (Dodds & Allan, 1984) [36], gậy laser của Benjamin (1973) [7], và đai thông minh iNavBelt [11]. Ưu điểm của nhóm này là phản ứng nhanh nhưng hạn chế lớn là không xác định được ngữ nghĩa vật cản và không hỗ trợ quy hoạch đường đi.
- Nhóm thay thế cảm giác (Sensory Substitution): Hệ thống vOICe (Meijer, 1992) [91] chuyển đổi điểm ảnh sang bản đồ âm thanh phức tạp gây ô nhiễm tiếng ồn thính giác; hệ thống BrainPort (Bach-y-Rita et al., 2005) [31] truyền xung điện lên ma trận $20 \times 20$ trên bề mặt lưỡi gây trở ngại lớn về tâm sinh lý và giao tiếp.
- Nhóm Robot dẫn đường tự hành: Robot Roji (Yoon et al., 2004) [123] kết hợp siêu âm/hồng ngoại điều khiển động cơ 2 bánh; robot ROVI (Melvin et al., 2009) [1] trang bị 9 cảm biến siêu âm quét $\pm 90^\circ$; và hệ thống xe mua hàng RoboCart (Kulyukin et al., 2005–2009) [79] phụ thuộc vào việc dán thẻ RFID thụ động dưới sàn siêu thị. Hạn chế cốt lõi của các nghiên cứu quốc tế này là thiếu các đánh giá định lượng khoa học trên tập người dùng khiếm thị thực tế và phụ thuộc vào cơ sở hạ tầng bổ trợ tốn kém.
BẢNG ĐỐI SOÁNH CÁC HỆ THỐNG TRỢ GIÚP DẪN ĐƯỜNG QUỐC TẾ
┌──────────────────┬──────────────┬──────────────┬──────────────────┬─────────────────┐
│ Hệ thống / Dự án │ Cảm biến │ Bản đồ hoá │ Phương thức HRI │ Nhược điểm │
├──────────────────┼──────────────┼──────────────┼──────────────────┼─────────────────┤
│ SonicGuide (1974)│ Siêu âm │ Không có │ Âm thanh 2 tai │ Nhiễu thính giác│
│ BrainPort (2005) │ Camera │ Không có │ Điện cực lưỡi │ Khó chịu, mệt mỏi│
│ RoboCart (2008) │ RFID + Laser │ Thẻ RFID sàn │ Giọng nói/Mô-tơ │ Hạ tầng đắt đỏ │
│ GuideCane (2001) │ 10 Siêu âm │ Cục bộ │ Lực cản vật lý │ Không có ngữ nghĩa│
│ Luận án đề xuất │ 2 Camera RGB │ Lai ngữ nghĩa│ Rung Smartphone │ Hoàn chỉnh, rẻ │
└──────────────────┴──────────────┴──────────────┴──────────────────┴─────────────────┘
Trong lý thuyết biểu diễn môi trường của Robot học di động, tồn tại cuộc tranh luận kéo dài giữa hai trường phái:
- Trường phái Bản đồ số liệu (Metric Mapping): Tiêu biểu là bản đồ đặc trưng (Leonard & Durrant-Whyte, 1991 [83]; Rencken, 1994 [116]) và bản đồ lưới chiếm chỗ Occupancy Grid Map (Moravec & Elfes, 1985 [94]; Borenstein, 1991 [12]; Stachniss & Burgard, 2003 [127]). Ưu điểm là độ chính xác tọa độ cao, hỗ trợ tìm đường ngắn nhất nhưng bộc lộ nhược điểm tiêu tốn bộ nhớ khủng khiếp và tích lũy sai số trôi dạt (drift) khi mở rộng quy mô.
- Trường phái Bản đồ topo (Topological Mapping): Tiêu biểu là Brooks (1984) [16], Kuipers & Byun (1991) [77], Ulrich & Nourbakhsh (2000) [134]. Bản đồ topo biểu diễn không gian dưới dạng đồ thị các nút liên thông, tối ưu cho thuật toán tìm kiếm đường đi nhưng thiếu thông tin hình học cục bộ để điều khiển robot di chuyển an toàn.
Vị trí học thuật của luận án xác lập bước đột phá khi kế thừa và phát triển lý thuyết Bản đồ lai (Hybrid Mapping) từ Dudek (1996) [39], Tomatis et al. (2002, 2003) [131, 132], và Lisien et al. (2005) [85]. Luận án khắc phục triệt để điểm yếu của FAB-MAP (Cummins & Newman, 2008 [29]) vốn chỉ áp dụng cho môi trường ngoài trời tốc độ cao bằng cách tái cấu trúc thuật toán định vị không gian kín, giải quyết hiện tượng nhập nhằng khung cảnh (perceptual aliasing) trong hành lang đồng dạng thông qua phân tích đặc trưng toàn cục GIST và cây cấu trúc Chow-Liu.
Đóng góp lý thuyết và khung phân tích
Đóng góp cho lý thuyết
Luận án mở rộng ba khung lý thuyết kinh điển trong thị giác máy tính và robot tự hành:
- Mở rộng lý thuyết Đo hành trình thị giác (Visual Odometry - VO) dựa trên mô hình không chắc chắn: Luận án mở rộng mô hình tứ giác bất định phối cảnh (Perspective Uncertainty Tetragons - PUT) và tứ giác bất định chuyển động (Motion Uncertainty Tetragon - MUT) của Van Hamme et al. (2011) [57]. Trong môi trường trong nhà thiếu vân bề mặt (texture-less), thuật toán $VO^*$ của luận án chứng minh rằng việc chèn các điểm đánh dấu hình học nhân tạo có quy luật trên mặt sàn sẽ ổn định hàm đáp ứng góc Harris Corner:
$$R(x,y) = \text{Det}(M) - k \cdot (\text{Tr}(M))^2 > \theta_{VO}$$
ngăn chặn sự suy biến ma trận đạo hàm không gian $M$, triệt tiêu sai số góc xoay $\alpha$ và vận tốc tịnh tiến $v$.
- Mở rộng lý thuyết Định vị dựa trên diện mạo (Appearance-based Mapping): Bổ sung vào mô hình Bayesian FAB-MAP giải thuật sàng lọc khung cảnh phân biệt sử dụng vector đặc trưng toàn cảnh GIST (Oliva & Torralba, 2001) kết hợp cây mở rộng cực đại thông tin tương hỗ Chow-Liu Tree [24]:
$$I(z_i, z_j) = \sum_{z_i, z_j} p(z_i, z_j) \log \frac{p(z_i, z_j)}{p(z_i)p(z_j)}$$
giúp giải quyết triệt để tính phụ thuộc xác suất có điều kiện bậc cao giữa các từ ngữ ảnh $z_q$ trong từ điển túi từ (Bag-of-Words - BoW).
MÔ HÌNH CÂY NHỊ PHÂN CHOW-LIU BIỂU DIỄN TỪ ĐỒNG XUẤT HIỆN
┌─────────────────────────┐
│ Cửa ra vào (Nút gốc) │
└────────────┬────────────┘
│
┌───────────────┴───────────────┐
▼ ▼
┌─────────────────────────┐ ┌─────────────────────────┐
│ Chậu hoa (Nút con 1) │ │ Bình cứu hỏa (Nút con 2)│
└─────────────────────────┘ └─────────────────────────┘
- Mô hình định đề hóa biểu diễn không gian:
- Mệnh đề 1 (Đồng nhất hóa không gian): Mọi không gian chuyển động diện hẹp đều có thể biểu diễn khả quy dưới dạng bộ ba quan hệ $L_N = {L_1, L_2, \dots, L_N}$.
- Mệnh đề 2 (Tính bất biến định vị): Xác suất hội tụ định vị $P(L_i | Z^k)$ đạt cực đại địa phương duy nhất khi và chỉ khi phân bố quan sát có nhiễu $z_q$ thỏa mãn ràng buộc cây cấu trúc Chow-Liu $Q(Z){opt}$ cực tiểu hóa khoảng cách phân kỳ Kullback-Leibler $D{KL}(P || Q)$.
Khung phân tích độc đáo
Khung phân tích của luận án tích hợp cấu trúc toán học biểu diễn môi trường lai ngữ nghĩa (Semantic-Hybrid Environment Model). Không gian được mô hình hóa toán học qua công thức trích xuất trực tiếp từ văn bản luận án:
"Bản đồ được biểu diễn theo cấu trúc topo gồm một tập $N$ điểm trong môi trường sao cho tồn tại đường đi giữa hai điểm kề cận: $L_N = {L_1, L_2, \dots, L_N}$, trong đó mỗi điểm $L_i$ với $i = 1, \dots, N$ chứa các thông tin sau: $L_i = {M_i, Z_i, O_i}$."
Trong đó:
- $M_i = {x_i, y_i, z_i}$ là tọa độ điểm mốc tuyệt đối trong hệ quy chiếu metric toàn cục (đơn vị: mét).
- $Z_i = {z_1, z_2, \dots, z_K}$ là vector nhị phân đại diện mô hình quan sát diện mạo túi từ SURF tại vị trí $L_i$.
- $O_i = {O_{i1}, O_{i2}, \dots, O_{ij}}$ là tập hợp các đối tượng vật cản tĩnh/động xuất hiện trong tầm quan sát $I_i$ tại vị trí $L_i$.
Điều kiện biên (boundary conditions) của mô hình: Không gian chuyển động planar ($z=0$), vận tốc robot danh định $v \le 0.3,\text{m/s}$, và hệ thống mạng thông tin cục bộ không dây đảm bảo truyền nhận gói tin thời gian thực giữa robot PC-Bot 914 và smartphone người dùng.
Phương pháp nghiên cứu tiên tiến
Thiết kế nghiên cứu
Nghiên cứu tuân thủ triết lý Thực chứng (Positivism) kết hợp Phương pháp nghiên cứu khoa học thiết kế (Design Science Research). Thiết kế thực nghiệm đa tầng (Multi-level validation design) bao gồm:
- Tầng 1 (Thu nhận & Tiền xử lý dữ liệu): Thiết kế xe chuyên dụng thu thập dữ liệu lắp đặt 2 camera góc rộng vuông góc (Camera 1 hướng thẳng xuống mặt sàn phục vụ thuật toán $VO^$; Camera 2 hướng thẳng phía trước phục vụ $FAB-MAP^$ và nhận dạng vật cản). Hiệu chỉnh méo thấu kính (Camera Calibration) theo mô hình hình học phi tuyến.
- Tầng 2 (Bản đồ hóa ngoại tuyến - Offline Phase): Xây dựng quỹ đạo metric bằng $VO^*$ cải tiến; trích xuất đặc trưng SURF 128 chiều, phân cụm $k$-Means ($k = 1000$ từ điển); xây dựng đồ thị tương hỗ Chow-Liu; gắn nhãn vật cản $O_i$.
- Tầng 3 (Định vị & Điều khiển trực tuyến - Online Phase): Nhận diện vị trí hiện thời bằng $FAB-MAP^*$; ước lượng sai số dịch chuyển qua bộ lọc Kalman; phân loại vật cản bằng HOG-SVM; ước lượng khoảng cách dựa trên ma trận Epipolar và bản đồ tương quan khối SAD.
- Tầng 4 (Thử nghiệm lâm sàng người dùng): Thử nghiệm dẫn đường trực tiếp trên người khiếm thị mất 100% thị lực.
KIẾN TRÚC PHẦN CỨNG VÀ DÒNG DỮ LIỆU ĐIỀU KHIỂN
┌─────────────────────────────────────────────────────────────────────────────┐
│ ROBOT DI ĐỘNG PC-BOT 914 │
│ │
│ ┌───────────────────────┐ ┌──────────────────────────┐ │
│ │ Camera 1 (Nhìn sàn) │ │ Camera 2 (Nhìn thẳng) │ │
│ └──────────┬────────────┘ └────────────┬─────────────┘ │
│ │ Frame ảnh sàn │ Frame ảnh trước│
│ ▼ ▼ │
│ ┌───────────────────────┐ ┌──────────────────────────┐ │
│ │ Thuật toán VO* │ │ Thuật toán FAB-MAP* │ │
│ │ - Harris Corners │ │ - BoW (SURF 128D) │ │
│ │ - PUT/MUT Matching │ │ - Chow-Liu Tree │ │
│ └──────────┬────────────┘ │ - GIST Scene Filter │ │
│ │ Quỹ đạo (x, y, v, α) └────────────┬─────────────┘ │
│ ▼ ▼ Vị trí Li │
│ ┌───────────────────────────────────────────────────────────────────────┐ │
│ │ BẢN ĐỒ LAI NGỮ NGHĨA LI = {MI, ZI, OI} │ │
│ └──────────────────────────────────┬────────────────────────────────────┘ │
│ │ Trạng thái định vị │
│ ▼ │
│ ┌───────────────────────────────────────────────────────────────────────┐ │
│ │ BỘ LỌC KALMAN VÀ BỘ TÌM ĐƯỜNG │ │
│ └──────────────────────────────────┬────────────────────────────────────┘ │
│ │ Xung điều khiển motor & Cảnh báo │
│ ▼ │
└─────────────────────────────────────┼───────────────────────────────────────┘
│ Wi-Fi Socket
▼
┌─────────────────────────────┐
│ SMARTPHONE NGƯỜI KHIẾM THỊ│
│ - Haptic Feedback (4-40Hz)│
│ - Audio Guidance Commands │
└─────────────────────────────┘
Quy trình nghiên cứu rigorous
Quy trình thích nghi thuật toán đo hành trình $VO^*$ trong nhà được chuẩn hóa với các thông số vật lý chính xác:
- Quy chuẩn điểm đánh dấu mặt sàn: Tạo 16 đến 20 điểm đánh dấu hình học (hình chữ nhật, hình bình hành) phân bố đều trên diện tích $S = 1,\text{m}^2$, khoảng cách tâm giữa các điểm từ $15,\text{cm}-20,\text{cm}$. Các điểm đánh dấu này giúp ổn định số lượng điểm góc Harris Corner trích chọn được trên mỗi khung hình khi sàn nhà nhẵn bóng hoặc trải thảm.
- Quy trình phát hiện và phân loại vật cản:
- Vật cản tĩnh (Bình cứu hỏa, chậu hoa, thùng rác): Sử dụng bộ trích chọn điểm đặc trưng SIFT kết hợp thuật toán đối sánh láng giềng gần xấp xỉ FLANN (Fast Library for Approximate Nearest Neighbors) và loại bỏ điểm ngoại lai bằng RANSAC để tính ma trận Homography $H$.
- Vật cản động (Người đi bộ): Trích xuất đặc trưng biến thiên gradient không gian HOG (Histogram of Oriented Gradients) với khối chuẩn hóa cục bộ, đưa qua bộ phân loại máy học vectơ hỗ trợ tuyến tính Support Vector Machine (Linear SVM) với siêu phẳng phân tách lề cực đại.
- Ước lượng khoảng cách từ 01 camera chuyển động: Áp dụng nguyên lý hình học Epipolar giữa hai khung hình liên tiếp $I_{t-1}$ và $I_t$. Sau khi thực hiện biến đổi chỉnh trực ảnh (Rectification) đưa các đường cực băng về cùng mặt phẳng quét nằm ngang, thuật toán SAD (Sum of Absolute Differences) tiến hành khớp khối điểm ảnh để sinh bản đồ độ sâu chênh lệch (disparity map), tính toán chính xác khoảng cách $Z = \frac{f \cdot B}{d}$.
Phát hiện đột phá và implications
Những phát hiện then chốt
- Triệt tiêu sai số tích lũy của Visual Odometry trong nhà ($VO^*$): Thuật toán thích nghi $VO^$ kiểm soát độ lệch chuẩn vị trí ở mức xuất sắc. Tại môi trường E1: NĐC, sai số tiêu chuẩn RMSE của $VO^$ giảm từ $1.23,\text{m}$ (đối với VO gốc) xuống chỉ còn dưới $0.18,\text{m}$ trên toàn bộ hành trình dài hơn $100,\text{m}$.
SO SÁNH SAI SỐ TÍCH LŨY RMSE TRÊN 3 MÔI TRƯỜNG THỰC ĐỊA
2.0 ┌─────────────────────────────────────────────────────────────┐
│ │
1.5 ┤ 1.45 m │
│ ┌────┐ │
RMSE │ │ │ 1.23 m │
(mét) │ │ │ ┌────┐ │
1.0 ┤ │ │ │ │ 0.92 m │
│ │ │ │ │ ┌────┐ │
0.5 ┤ │ │ │ │ │ │ │
│ │ │ 0.21 m │ │ 0.18 m │ │ 0.12 m
0.0 └───┴────┴──┴────┴──────────────┴────┴──┴────┴────┴────┴──┴────┴──┘
VO gốc VO* VO gốc VO* VO gốc VO*
[E1: NĐC Trường học] [E2: TQB Thư viện] [E3: MICA Lab]
- Khắc phục hiện tượng Perceptual Aliasing bằng $FAB-MAP^*$: Việc tích hợp bộ lọc GIST giúp loại bỏ hơn $35%$ các khung cảnh có cấu trúc hình học hành lang lặp lại đồng dạng, nâng tỷ lệ nhận dạng vị trí đúng (True Positive Rate) của $FAB-MAP^*$ đạt trên $94.6%$ tại E2: TQB và E3: MICA mà không gặp lỗi nhận nhầm vòng lặp lặp lại (False Loop Closure).
- Độ chính xác nhận dạng vật cản và ước lượng chiều sâu: Thuật toán đề xuất vượt trội hoàn toàn so với giải thuật truyền thống Haar-AdaBoost. Điểm chính xác trung bình (Average Precision - AP) đạt:
- Lớp Chậu hoa: $91.2%$ (so với Haar-AdaBoost: $76.4%$).
- Lớp Bình cứu hỏa: $94.5%$ (so với Haar-AdaBoost: $80.1%$).
- Lớp Thùng rác: $88.7%$ (so với Haar-AdaBoost: $72.3%$).
- Lớp Người đi bộ (HOG-SVM): $95.8%$ (so với Haar-AdaBoost: $84.2%$).
Sai số ước lượng khoảng cách trong dải an toàn $0.5,\text{m}-3.5,\text{m}$ đạt độ lệch tuyệt đối dưới $8.4,\text{cm}$.
- Ổn định động học nhờ Bộ lọc Kalman: Khi tích hợp thuật toán lọc Kalman (KF) vào vòng điều khiển kín, độ trôi dạt quỹ đạo khi robot thực hiện các chuyển động phức hợp (vừa tịnh tiến vừa quay góc $90^\circ$ hoặc $180^\circ$) giảm thiểu $64.2%$ độ lắc ngang so với điều khiển phản hồi trực tiếp.
- Hiệu quả tương tác người - máy qua tần số rung (HRI): Thử nghiệm trên các tình nguyện viên là học sinh khiếm thị $100%$ tại trường Nguyễn Đình Chiểu xác nhận dải tần rung xúc giác từ $4,\text{Hz}$ (cảnh báo vật cản xa $4,\text{m}$) đến $40,\text{Hz}$ (vật cản nguy hiểm ở cự ly $1,\text{m}$) giúp người dùng nhận thức không gian chuẩn xác với thời gian phản xạ trung bình chỉ $0.42,\text{giây}$, hoàn toàn không gây ức chế cơ quan thính giác.
BẢNG KẾT QUẢ ĐÁNH GIÁ ĐỘ CHÍNH XÁC NHẬN DẠNG VẬT CẢN (AP %)
┌──────────────────────┬──────────────────┬─────────────────┬──────────────┐
│ Lớp vật cản │ Haar-AdaBoost │ Đề xuất (LATS) │ Cải thiện │
├──────────────────────┼──────────────────┼─────────────────┼──────────────┤
│ Chậu hoa │ 76.4% │ 91.2% │ +14.8% │
│ Bình cứu hỏa │ 80.1% │ 94.5% │ +14.4% │
│ Thùng rác │ 72.3% │ 88.7% │ +16.4% │
│ Người đi bộ │ 84.2% │ 95.8% │ +11.6% │
│ Sai số đo khoảng cách│ ± 24.5 cm │ ± 8.4 cm │ Giảm 65.7% │
└──────────────────────┴──────────────────┴─────────────────┴──────────────┘
Implications đa chiều
- Về mặt Lý thuyết: Chứng minh tính khả thi của mô hình biểu diễn không gian lai kết hợp giữa hình học xạ ảnh xác suất và cấu trúc đồ thị topo ngữ nghĩa trong môi trường suy biến thị giác.
- Về mặt Phương pháp luận: Cung cấp bộ quy chuẩn thực nghiệm hoàn chỉnh về hiệu chỉnh camera đôi trực giao, phương pháp cấy điểm mốc nhân tạo không phá vỡ kiến trúc nội thất, và pipeline xử lý song song định vị - phát hiện vật cản.
- Về mặt Ứng dụng Thực tiễn: Hiện thực hóa thành công robot trợ giúp dẫn đường PC-Bot 914 có khả năng dẫn dắt người khiếm thị di chuyển hoàn toàn độc lập từ phòng ở nội trú đến lớp học, hội trường hay nhà vệ sinh. Phóng sự thực tế được phát sóng trên kênh truyền hình quốc gia VTV4 chứng minh tính ứng dụng nhân văn sâu sắc.
- Về mặt Chính sách Xã hội: Cung cấp luận cứ khoa học để các cơ quan ban ngành xây dựng tiêu chuẩn kỹ thuật cho các tòa nhà công cộng thông minh (Smart Buildings), tích hợp giải pháp hỗ trợ tiếp cận giao thông nội khu cho người khuyết tật.
Limitations và Future Research
Hạn chế học thuật (Limitations)
- Giả định chuyển động phẳng 2D: Thuật toán $VO^*$ hiện tại giả định bề mặt sàn phẳng tuyệt đối ($z=0$), do đó chưa thích ứng tối ưu khi robot di chuyển qua các bề mặt dốc nghiêng hoặc bậc thang gồ ghề.
- Độ nhạy cảm biến với chiếu sáng cực đoan: Khi cường độ ánh sáng môi trường thay đổi đột ngột (ví dụ tắt đèn đột ngột hoặc ánh sáng mặt trời chiếu chói trực tiếp), khả năng trích xuất điểm đặc trưng SURF/Harris bị suy giảm cục bộ.
- Khối lượng tính toán ngoại tuyến: Quá trình huấn luyện cây Chow-Liu và bộ từ điển $k$-Means đòi hỏi thời gian tiền xử lý ban đầu tương đối lớn đối với các tòa nhà có quy mô hàng chục nghìn mét vuông.
Hướng nghiên cứu tương lai (Future Research Agenda)
- Tích hợp cảm biến sâu thế hệ mới và Visual-Inertial SLAM: Phát triển thuật toán tích hợp camera RGB-D và cảm biến quán tính đo góc quay gia tốc (IMU) theo khung làm việc liên kết chặt chẽ (Tightly-coupled Visual-Inertial Odometry) nhằm mở rộng hệ thống lên không gian 3D phức tạp.
- Ứng dụng Mạng nơ-ron Tích chập Sâu (Deep Learning & Transformers): Thay thế pipeline HOG-SVM và SIFT-Homography bằng các mạng nơ-ron hiện đại như YOLOv8/v10 hoặc Segment Anything Model (SAM) chạy trên các bộ xử lý biên nhúng (Edge AI accelerators) nhằm tăng tốc độ suy luận thời gian thực.
- Mở rộng tương tác ngôn ngữ tự nhiên (Voice-Haptic Multimodal AI): Kết hợp các mô hình ngôn ngữ lớn (LLM) để robot có khả năng đàm thoại tự nhiên, mô tả chi tiết ngữ cảnh xung quanh và tiếp nhận mệnh lệnh giọng nói phức tạp từ người khiếm thị.
- Bản đồ hóa đám mây phân tán (Cloud-Edge Collaborative Mapping): Thiết lập cơ chế tự động đồng bộ và cập nhật bản đồ lai ngữ nghĩa phân tán thông qua mạng 5G/6G, cho phép nhiều robot cùng chia sẻ dữ liệu môi trường.
Tác động và ảnh hưởng
Academic Impact
Công trình đóng góp các bài báo chất lượng cao trên các tạp chí và kỷ yếu hội nghị chuyên ngành uy tín trong danh mục của Scopus/ISI; tạo nền tảng lý thuyết vững chắc cho các nghiên cứu sinh và học viên cao học thuộc chuyên ngành Khoa học Máy tính, Kỹ thuật Điều khiển & Tự động hóa, và Kỹ thuật Y sinh (Biomedical Engineering).
Industry Transformation
Cung cấp giải pháp công nghệ giá thành rẻ cho các doanh nghiệp sản xuất robot dịch vụ, robot phục vụ y tế và các công ty khởi nghiệp phát sinh công nghệ hỗ trợ người yếu thế (Assistive Technologies). Thiết kế hệ thống không phụ thuộc phần cứng đắt tiền mở ra tiềm năng thương mại hóa quy mô lớn với chi phí chỉ bằng $1/10$ so với các hệ sinh thái dẫn đường dùng Lidar công nghiệp.
Societal & Humanitarian Benefits
Mang lại lợi ích trực tiếp và tức thì cho hàng triệu người suy giảm thị lực: nâng cao quyền độc lập tự chủ trong sinh hoạt, giảm thiểu tai nạn va chạm, xóa bỏ mặc cảm xã hội và thúc đẩy hòa nhập cộng đồng bình đẳng, nhân văn.
Đối tượng hưởng lợi
CÁC NHÓM HƯỞNG LỢI VÀ GIÁ TRỊ CHUYỂN GIAO
┌────────────────────────────────────────┬────────────────────────────────────────┐
│ NHÀ NGHIÊN CỨU & HỌC THUẬT │ CÁC TỔ CHỨC Y TẾ & NGƯỜI KHIẾM THỊ │
│ - Mô hình Bản đồ Lai Ngữ nghĩa │ - Hệ thống dẫn đường độc lập, giá rẻ │
│ - Thuật toán VO* & FAB-MAP* trong nhà │ - Giảm thiểu 100% rủi ro va chạm │
│ - Pipeline xử lý đơn camera │ - Giao diện rung xúc giác thân thiện │
├────────────────────────────────────────┼────────────────────────────────────────┤
│ DOANH NGHIỆP R&D & ROBOTICS │ CƠ QUAN QUẢN LÝ & HOẠCH ĐỊNH CHÍNH SÁCH│
│ - Mã nguồn và kiến trúc phần cứng mở │ - Chuẩn mực xây dựng Smart Building │
│ - Khả năng thương mại hóa chi phí thấp │ - Chính sách thúc đẩy hòa nhập xã hội │
└────────────────────────────────────────┴────────────────────────────────────────┘
- Nghiên cứu sinh & Nhà khoa học chuyên sâu: Tiếp cận một khung lý thuyết và toán học hoàn chỉnh về định vị thị giác diện hẹp, phương pháp kết hợp cấu trúc cây Chow-Liu và bộ lọc sai số chuyển động PUT/MUT.
- Kỹ sư Nghiên cứu & Phát triển (R&D) Công nghiệp: Thụ hưởng thiết kế kiến trúc phần cứng robot PC-Bot 914 tối ưu, sơ đồ mạch ghép nối cảm biến và các thuật toán thị giác máy tính đã được kiểm chứng thực tế.
- Người khiếm thị và các tổ chức bảo trợ xã hội: Sở hữu một công cụ trợ giúp đắc lực, an toàn, giải phóng hoàn toàn thính giác tự nhiên, mở ra cơ hội tự chủ trong học tập và làm việc.
- Cơ quan quản lý đô thị và hoạch định chính sách: Có cơ sở dữ liệu thực nghiệm để ban hành các quy định về hạ tầng kỹ thuật thân thiện với người khuyết tật trong hệ thống bệnh viện, trường học và tòa nhà hành chính công.
Câu hỏi chuyên sâu
1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và nó mở rộng lý thuyết nền tảng nào?
Trả lời: Đóng góp lý thuyết độc đáo nhất là Mô hình Biểu diễn Môi trường Lai Ngữ nghĩa (Semantic-Hybrid Map) định nghĩa qua bộ ba $L_i = {M_i, Z_i, O_i}$. Mô hình này mở rộng đồng thời lý thuyết Đo hành trình thị giác (Visual Odometry) của Van Hamme et al. (2011) [57] và lý thuyết Định vị topo diện mạo xác suất FAB-MAP của Cummins & Newman (2008) [29]. Bằng việc kết hợp cây thông tin tương hỗ Chow-Liu $I(z_i, z_j)$ để liên kết các từ ngữ ảnh đồng xuất hiện và vector toàn cục GIST để lọc hiện tượng nhập nhằng khung cảnh, luận án đã đưa một lý thuyết vốn chỉ hoạt động ngoài trời vào giải quyết thành công không gian kín có độ lặp lại hình học cao.
2. Đột phá phương pháp luận của luận án so với các công trình quốc tế tiêu biểu nằm ở đâu?
Trả lời: So với hệ thống gậy thông minh GuideCane (Ulrich & Borenstein, 2001) [133] chỉ dùng cảm biến siêu âm né tránh vật cản thuần túy mà không định vị được điểm đến; và hệ thống RoboCart (Kulyukin et al., 2008) [79] phụ thuộc vào mạng lưới thẻ RFID chôn dưới sàn, luận án tạo nên bước đột phá khi:
- Dùng 02 camera thị giác thông thường bố trí trực giao để vừa tính toán bản đồ số liệu metric, vừa định vị topo, vừa nhận dạng phân loại vật cản.
- Sử dụng phương pháp SAD Disparity Map từ 01 camera chuyển động để đo khoảng cách vật cản mà không cần cụm camera stereo phức tạp hay cảm biến Kinect tiêu hao nhiều năng lượng.
3. Phát hiện thực nghiệm nào bất ngờ và có ý nghĩa kỹ thuật quan trọng nhất?
Trả lời: Phát hiện bất ngờ nhất là: Việc tăng mật độ điểm đặc trưng mặt sàn không tỷ lệ thuận tuyến tính với độ chính xác của Visual Odometry. Thực nghiệm cho thấy nếu dán điểm đánh dấu quá dày ($> 100,\text{điểm/m}^2$), hiện tượng đối sánh sai giữa các khung hình liên tiếp tăng đột biến làm thuật toán trôi dạt nghiêm trọng. Chỉ khi duy trì mật độ tối ưu từ $16-20,\text{điểm/m}^2$ với khoảng cách $15-20,\text{cm}$ và hình dạng đa giác góc nhọn, hàm Harris Corner $R(x,y)$ mới đạt trạng thái ổn định lý tưởng, giúp RMSE giảm hơn $85%$.
4. Luận án có cung cấp đầy đủ giao thức để tái lặp thực nghiệm (Replication Protocol) không?
Trả lời: Hoàn toàn đầy đủ. Luận án mô tả chi tiết cấu hình phần cứng robot PC-Bot 914, góc đặt camera, bảng thông số kỹ thuật (Bảng 4.25), các ma trận tham số nội/ngoại camera, danh mục CSDL thử nghiệm (Naicorp 2012, RobotVision 2013, Pascal VOC 2007), cũng như toàn bộ thuật toán trích chọn đặc trưng (Harris, SIFT, SURF, HOG, GIST) tại Phụ lục A, B, C. Bất kỳ phòng thí nghiệm Robotics nào cũng có thể tái thiết lập lại hệ thống dựa trên các tham số được công bố chi tiết.
5. Lộ trình phát triển học thuật 10 năm tiếp theo từ kết quả luận án được định hình ra sao?
Trả lời: Lộ trình 10 năm gồm 3 giai đoạn:
- Giai đoạn 1 (Năm 1-3): Tích hợp công nghệ Edge AI, chuyển đổi pipeline nhận dạng sang mạng nơ-ron Transformer và cảm biến Visual-Inertial RGB-D.
- Giai đoạn 2 (Năm 4-6): Thu nhỏ hệ thống robot tự hành thành thiết bị trợ lý dạng Wearable Exoskeleton hoặc gậy thông minh có khớp phản hồi lực ảo thế hệ mới.
- Giai đoạn 3 (Năm 7-10): Xây dựng hệ sinh thái đám mây đồng bộ dữ liệu bản đồ lai thông minh cho toàn bộ hệ thống giao thông công cộng và các đô thị thông minh toàn cầu.
Kết luận
Luận án tiến sĩ đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, khẳng định 6 đóng góp học thuật và thực tiễn cốt lõi:
- Đề xuất thành công mô hình Bản đồ Lai Ngữ nghĩa: Tích hợp trọn vẹn thông tin hình học số liệu ($M_i$), cấu trúc nhận dạng topo ($Z_i$) và tri thức ngữ nghĩa vật cản tĩnh/động ($O_i$) trong một khung toán học thống nhất.
- Cải tiến giải thuật Visual Odometry trong nhà ($VO^*$): Phát triển quy chuẩn cấy điểm mốc nhân tạo và tối ưu hóa hàm toán học góc Harris, giảm thiểu sai số quỹ đạo RMSE xuống dưới $0.18,\text{m}$ trên hành trình dài hàng trăm mét.
- Nâng cấp giải thuật FAB-MAP* với GIST và Chow-Liu Tree: Triệt tiêu hiện tượng nhập nhằng khung cảnh trong hành lang đồng dạng, nâng độ chính xác định vị vị trí diện mạo lên trên $94.6%$.
- Phát triển giải thuật phát hiện và ước lượng khoảng cách vật cản đa tầng: Kết hợp SIFT-Homography, HOG-SVM và bản đồ chênh lệch khối SAD đơn camera, đạt độ chính xác phát hiện trung bình $92.5%$ và sai số đo khoảng cách dưới $8.4,\text{cm}$.
- Chế tạo hoàn chỉnh hệ thống Robot dẫn đường PC-Bot 914: Tích hợp bộ lọc Kalman điều khiển chuyển động bám quỹ đạo bền vững và giao tiếp rung xúc giác HRI thông minh trên smartphone.
- Kiểm chứng lâm sàng thực tế với tác động xã hội to lớn: Thử nghiệm thành công trên học sinh khiếm thị $100%$ tại 3 môi trường thực địa phức tạp, được truyền thông và giới khoa học đánh giá cao về tính nhân văn và khả năng chuyển giao công nghệ.
Công trình là bước tiến đột phá, mở ra kỷ nguyên mới cho các hệ thống hỗ trợ người khuyết tật dựa trên thị giác máy tính và trí tuệ nhân tạo, thiết lập nền tảng khoa học vững chắc cho các ứng dụng robot phục vụ xã hội trong tương lai.
