Tổng quan về luận án

Hệ thống robot bầy đàn (Swarm Robotics) đại diện cho bước chuyển dịch mô hình quan trọng trong kỹ thuật điều khiển hiện đại, chuyển từ cấu trúc điều khiển tập trung nguyên khối (centralized monolithic control) sang kiến trúc phân tán tự tổ chức (distributed self-organizing architecture) phỏng sinh học. Luận án tiến sĩ kỹ thuật "Ổn định và điều khiển đa nhiệm hệ thống robot bầy đàn" của tác giả Lê Thị Thúy Nga, dưới sự hướng dẫn khoa học của GS.TS Lê Hùng Lân và PGS.TS Nguyễn Thanh Hải tại Trường Đại học Giao thông Vận tải (2016), giải quyết trực diện thách thức cốt lõi trong lý thuyết điều khiển tự động: đảm bảo tính ổn định hội tụ toàn cục và phân cấp thực thi đa nhiệm đồng thời trong môi trường bất định có vật cản.

                    ┌───────────────────────────────────────────────┐
                    │    HỆ THỐNG ĐIỀU KHIỂN ROBOT BẦY ĐÀN ĐA NHIỆM   │
                    └───────────────────────┬───────────────────────┘
                                            │
               ┌────────────────────────────┴────────────────────────────┐
               ▼                                                         ▼
┌───────────────────────────────┐                         ┌───────────────────────────────┐
│     HÀM HÚT/ĐẨY LOGIC MỜ      │                         │  KIẾN TRÚC ĐA NHIỆM DỰA NSB   │
│   (Mamdani SISO Architecture) │                         │  (Null-Space-Based Behavior)  │
└──────────────┬────────────────┘                         └──────────────┬────────────────┘
               │                                                         │
               ▼                                                         ▼
┌───────────────────────────────┐                         ┌───────────────────────────────┐
│       PHÂN TÍCH ỔN ĐỊNH       │                         │      TỔNG HỢP VẬN TỐC         │
│  Lý thuyết Lyapunov vững chắc │                         │ Triệt tiêu xung đột hành vi   │
└──────────────┬────────────────┘                         └──────────────┬────────────────┘
               │                                                         │
               └────────────────────────────┬────────────────────────────┘
                                            │
                                            ▼
                    ┌───────────────────────────────────────────────┐
                    │       KIỂM CHỨNG TOÀN DIỆN MÔ PHỎNG &         │
                    │         THỰC NGHIỆM TRÊN ROBOT E-PUCK         │
                    └───────────────────────────────────────────────┘

Điểm nghẽn nghiên cứu (Research Gap) lớn nhất của trường phái điều khiển bầy đàn cổ điển bắt nguồn từ việc các mô hình tiền nhiệm (điển hình như Gazi & Passino, 2004; Wei Li, 2008) chủ yếu sử dụng các hàm thế năng nhân tạo tường minh dạng giải tích toán học cố định. Các hàm này thiếu tính mềm dẻo khi tương tác cục bộ bị nhiễu và dễ dẫn đến bế tắc cục bộ (local minima) hoặc xung đột thứ tự ưu tiên khi tích hợp nhiều hành vi. Luận án đặt ra hệ thống câu hỏi và giả thuyết khoa học chặt chẽ:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để mô hình hóa lực tương tác phi tuyến giữa các cá thể bầy đàn mà không bị trói buộc vào hàm giải tích cứng nhắc nhưng vẫn chứng minh được tính ổn định hội tụ tiệm cận?
  • Câu hỏi nghiên cứu 2 (RQ2): Cơ chế toán học nào cho phép phối hợp đồng thời các hành vi có độ ưu tiên xung đột (tránh va chạm, duy trì cự ly bầy, bám mục tiêu) mà không làm suy giảm tính bền vững của toàn hệ thống?
  • Giả thuyết khoa học 1 (H1): Hàm tương tác hút/đẩy xây dựng trên nền tảng logic mờ (Fuzzy Logic) tổng quát hóa toàn bộ các hàm giải tích cổ điển và đảm bảo hệ bầy đàn hội tụ về một lân cận bị chặn quanh tâm bầy bất biến.
  • Giả thuyết khoa học 2 (H2): Kết hợp giải thuật điều khiển hành vi dựa trên không gian Null (Null-Space-Based Behavioral Control - NSB) với luật mờ sẽ triệt tiêu hoàn toàn sự can thiệp của nhiệm vụ phụ lên nhiệm vụ chính, bảo toàn tính ổn định động học.

Khung lý thuyết của luận án tích hợp chặt chẽ: (1) Lý thuyết ổn định Lyapunov phi tuyến, (2) Lý thuyết đồ thị đại số thông qua ma trận tương tác $W$ và ma trận Laplace $L$, (3) Logic mờ Mamdani, và (4) Đại số tuyến tính không gian Null. Luận án kiểm chứng thành công trên tập mẫu mô phỏng mở rộng từ $N = 3, 4, 10, 50$ đến $120$ cá thể robot, kết hợp thực nghiệm phần cứng với hệ thống vi robot e-puck đa cảm biến, đóng góp giải pháp định lượng vượt trội cho bài toán tụ bầy và điều hướng tự hành.

Literature Review và Positioning

Nghiên cứu về chuyển động tập thể khởi nguyên từ các quan sát sinh học của Reynolds (1987) với 3 quy tắc cơ bản: tách đàn (separation), sắp hàng (alignment), và gắn kết (cohesion). Kelly & Keating (1996) hiện thực hóa mô hình này trên 5 robot thực, mở ra trường phái tương tác cục bộ không phụ thuộc cá thể lãnh đạo cố định.

Hai trường phái nghiên cứu chính hình thành rõ nét trong y văn quốc tế:

  1. Trường phái hàm thế năng toán học tường minh (Explicit Potential Functions): Tiêu biểu là công trình kinh điển của Gazi & Passino (2004) thiết lập mô hình động học chất điểm:

$$\dot{p}i = -\sum{j \neq i} g(p_i - p_j)$$

với hàm hút/đẩy:

$$g(y) = y \left(a - b e^{-\frac{|y|^2}{c}}\right)$$

Cùng hướng tiếp cận, Wei Li (2008) phát triển hàm lực hút tuyến tính kết hợp đẩy phi tuyến dựa trên tính liên thông mạnh của ma trận tương tác đồ thị, và Chuang et al. (2007) áp dụng thế năng Morse phân rã. Nhược điểm chí mạng của trường phái này là tính bất biến cấu trúc, không thích ứng được với sự bất định của cảm biến thực tế. 2. Trường phái hành vi phân cấp và xác suất (Behavioral & Probabilistic Architectures): Brooks (1986) với kiến trúc Subsumption Architecture (SA), Parker (1999) với kiến trúc ALLIANCE cho phép chuyển đổi trạng thái robot khi có lỗi phần cứng, và Soysal & Sahin (2005) áp dụng mô hình xác suất trên s-bot. Hạn chế cốt lõi của hướng tiếp cận này là tính rời rạc, thiếu công cụ toán học chứng minh tường minh độ ổn định hội tụ tiệm cận (Lyapunov stability).

Tiêu chí so sánh Mô hình Gazi & Passino (2004) Mô hình Wei Li (2008) Kiến trúc NSB Antonelli (2008) Luận án Lê Thị Thúy Nga (2016)
Bản chất hàm tương tác Hàm mũ giải tích cố định ($a - be^{-|y|^2/c}$) Hàm tuyến tính/phi tuyến kết hợp Không áp dụng logic mờ Bộ mờ Mamdani linh hoạt tổng quát hóa
Xử lý đa nhiệm vụ Đơn nhiệm (tụ bầy) Đơn nhiệm (tụ bầy/theo vết) Đa nhiệm giải tích Đa nhiệm tích hợp NSB và Logic mờ
Khả năng thích ứng nhiễu Kém thích nghi với nhiễu phi tuyến Phụ thuộc liên thông đại số $\lambda_2(W)$ Nhạy cảm với kỳ dị Jacobian Rất cao nhờ cơ chế mờ hóa sai số cự ly
Chứng minh toán học Lyapunov hàm thế năng giải tích Lý thuyết đồ thị và Lyapunov Đại số tuyến tính không gian con Lyapunov cho hàm mờ từng đoạn & NSB

Định vị của luận án nằm ở giao điểm đột phá: bắc cầu nối giữa tính chặt chẽ của giải tích phi tuyến Lyapunov với tính thích ứng mềm dẻo của trí tuệ nhân tạo (logic mờ), khắc phục hoàn toàn sự đối đầu giữa độ chính xác toán học và tính linh hoạt thực tế.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng trực tiếp lý thuyết tụ bầy sinh học của Gazi & Passino (2004) và lý thuyết mạng lưới đa tác tử của Wang & Fang (2006) thông qua các đóng góp then chốt:

                  ┌───────────────────────────────────────────────┐
                  │    KHUNG LÝ THUYẾT ỔN ĐỊNH BẦY ĐÀN BẢO TOÀN   │
                  └───────────────────────┬───────────────────────┘
                                          │
            ┌─────────────────────────────┴─────────────────────────────┐
            ▼                                                           ▼
┌───────────────────────────────┐                           ┌───────────────────────────────┐
│     ĐỊNH LÝ TỰ BẦY CƠ BẢN     │                           │   ĐỊNH LÝ MẠNG TƯƠNG TÁC W    │
│  - Tâm bầy p̄ bất biến: ṗ̄ = 0 │                           │  - Ma trận W đối xứng/liên    │
│  - Hội tụ về hình cầu B_ε(p̄)  │                           │    thông toàn cục             │
│  - Vùng chặn tính theo hàm mờ │                           │  - Triệt tiêu dao động biên   │
└───────────────────────────────┘                           └───────────────────────────────┘
  1. Phát biểu và chứng minh Định lý ổn định tụ bầy với hàm hút/đẩy mờ cơ bản: Thiết lập hàm năng lượng Lyapunov tổng thể:

$$V = \frac{1}{2} \sum_{i=1}^N |p_i - \bar{p}|^2$$

Đạo hàm theo thời gian cho thấy $\dot{V} \le 0$ nhờ tính chất đối xứng lẻ của hàm mờ qua gốc tọa độ. Luận án trích dẫn chính xác từ chứng minh toán học: "Tâm của một bầy đàn được mô tả bởi mô hình (2.11) với hàm hút/đẩy g(.) như đã cho trong công thức (2.5) là bất biến với mọi t", đồng thời chứng minh bầy đàn sẽ hội tụ tiệm cận về một siêu cầu đóng $B_\varepsilon(\bar{p})$ bao quanh tâm bầy. 2. Chứng minh Định lý ổn định cho hệ bầy đàn có ma trận tương tác $W$: Mở rộng bài toán khi liên kết truyền thông giữa các cá thể là hữu hạn và dị thể. Với ma trận Laplace $L = D - W$ đối xứng và nửa xác định dương, hệ thống đảm bảo duy trì cấu trúc bầy mà không bị phân mảnh.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp 3 trụ cột lý thuyết: Hệ mờ Mamdani SISO, Kỹ thuật phân rã không gian Null (NSB), và Lý thuyết ổn định hệ phi tuyến Lyapunov.

  • Hàm tương tác mờ hóa sai số cự ly: Biến ngôn ngữ đầu vào là sai lệch khoảng cách $\tilde{u} = |p_i - p_j| - R$ (với $R$ là khoảng cách an toàn mong muốn). Không gian đầu vào được phân hoạch thành $2N_f + 1$ tập mờ $B_k$, ánh xạ qua hệ luật "IF $\tilde{u}$ IS $B_k$ THEN $A(u)$ IS $A_k$". Hàm lực tương tác đầu ra giải mờ theo phương pháp trung bình trọng số thỏa mãn chuẩn xác tiên đề: "giữ cho khoảng cách giữa các cặp robot trong bầy luôn ổn định ở giá trị an toàn (không bị va chạm và không làm phân tách nhóm)". Luận án chứng minh rằng "các dạng hàm tường minh trong bảng 1.1 chính là các trường hợp riêng của hàm mờ được xây dựng theo công thức (2.5)".
  • Cơ chế điều khiển hành vi dựa trên không gian Null (NSB): Khi robot thực hiện đồng thời 3 nhiệm vụ: (1) Tránh va chạm vật cản (ưu tiên 1), (2) Tìm kiếm đích (ưu tiên 2), và (3) Tụ bầy mờ (ưu tiên 3). Vận tốc tổng hợp của cá thể $i$ được chiếu qua ma trận không gian Null:

$$v_i = v_{i,1} + \left(I - J_1^+ J_1\right) v_{i,2} + \left(I - J_{12}^+ J_{12}\right) v_{i,3}$$

Trong đó $J_k$ là ma trận Jacobian của nhiệm vụ thứ $k$, và $J^+$ là ma trận giả nghịch đảo Moore-Penrose. Cơ chế này đảm bảo nhiệm vụ bậc thấp không bao giờ tạo ra thành phần lực triệt tiêu nhiệm vụ bậc cao.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ nghiêm ngặt quan điểm thực chứng (Positivism) kết hợp giải tích toán học tiên nghiệm và phương pháp kiểm chứng thực nghiệm hai tầng (Two-tier validation methodology: Numerical Simulation & Hardware-in-the-Loop Experimentation). Thiết kế hệ thống được lượng hóa thông qua các phương trình vi phân phi tuyến đa chiều trong không gian Euclid $\mathbb{R}^n$ ($n=2, 3$).

           ┌─────────────────────────────────────────────────────────────┐
           │             TIẾN TRÌNH NGHIÊN CỨU THỰC CHỨNG                │
           └──────────────────────────────┬──────────────────────────────┘
                                          │
    ┌─────────────────────────────────────┴─────────────────────────────────────┐
    ▼                                                                           ▼
┌──────────────────────────────────────┐                   ┌──────────────────────────────────────┐
│  MÔ PHỎNG SỐ TRÊN MATLAB/SIMULINK    │                   │   THỰC NGHIỆM TRÊN HỆ ROBOT THỰC     │
│  - Quy mô bầy: N = 3, 4, 10, 50, 120 │                   │  - Nền tảng: Vi robot e-puck         │
│  - Cấu hình ma trận tương tác W      │                   │  - 8 cảm biến hồng ngoại xung quanh  │
│  - Khảo sát hội tụ & động học NSB    │                   │  - Vi điều khiển dsPIC30F6014A       │
└──────────────────────────────────────┘                   └──────────────────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý dữ liệu thực nghiệm đáp ứng các tiêu chuẩn khắt khe:

  1. Thiết lập mô phỏng số: Khởi tạo tập dữ liệu vị trí ban đầu ngẫu nhiên của $N$ cá thể robot trong không gian 2D phạm vi $[-50, 50] \times [-50, 50]\text{ m}$. Cài đặt các tham số hàm mờ với hàm thuộc hình thang (trapmf) và tam giác (trimf) đối xứng. Khảo sát các kịch bản ma trận kết nối $W$ đầy đủ, $W$ thưa, và $W$ biến thiên theo thời gian nhằm kiểm định tính bất biến của không gian hội tụ.
  2. Thiết lập thực nghiệm phần cứng: Triển khai giải thuật phân tán trên nhóm robot di động vi sai e-puck (đường kính $70\text{ mm}$, trang bị 8 cảm biến quang - hồng ngoại đo cự ly $0-4\text{ cm}$, vi điều khiển DSP tốc độ cao, module truyền thông không dây). Thuật toán mờ và NSB được nạp trực tiếp vào bộ nhớ nhúng của từng robot để xử lý tín hiệu cảm biến nội tại theo thời gian thực (chu kỳ quét $100\text{ ms}$).

Data và phân tích

Luận án sử dụng phần mềm MATLAB/Simulink để mô phỏng tích phân số phương trình động học bằng giải thuật Runge-Kutta bậc 4 với bước tích phân $\Delta t = 0.01\text{ s}$.

Tính vững chắc của giải thuật được kiểm tra thông qua:

  • So sánh định lượng sai số bám quỹ đạo và thời gian xác lập hội tụ ($t_{settling}$) giữa mô hình mờ đề xuất với mô hình giải tích của Gazi & Passino (2004).
  • Đánh giá khả năng triệt tiêu góc lệch hướng di chuyển khi gặp chướng ngại vật phức tạp hình chữ U và đa vật cản ngẫu nhiên.
  • Kiểm tra tính ổn định động cơ học khi số lượng cá thể mở rộng từ cụm nhỏ ($N=3$) lên hệ thống quy mô lớn ($N=120$), đảm bảo không xuất hiện hiện tượng phân rã bầy hoặc dao động tự kích.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Phát hiện 1 (Tổng quát hóa hàm thế năng): Toàn bộ các dạng hàm hút/đẩy giải tích kinh điển của Gazi (2004), Li (2008), và Chuang (2007) chỉ là những trường hợp riêng biệt (special cases) của hệ hàm mờ Mamdani đề xuất. Việc sử dụng logic mờ loại bỏ hoàn toàn sự phụ thuộc vào các hằng số điều chỉnh cứng nhắc ($a, b, c$).
  2. Phát hiện 2 (Tính bất biến của tâm bầy): Luận án chứng minh bằng toán học và dữ liệu mô phỏng rằng vận tốc dịch chuyển của tâm bầy đàn thuần nhất luôn bằng không ($\dot{\bar{p}} = 0$) trong suốt quá trình tụ bầy, bất kể phân bố hình học ban đầu của các robot ở trạng thái phân tán cực đại.
  3. Phát hiện 3 (Tối ưu hóa thời gian hội tụ và cự ly an toàn): Trong kịch bản mô phỏng $N=10$ và $N=50$ robot, mô hình mờ giúp rút ngắn thời gian tụ bầy về bán kính cân bằng $R$ nhanh hơn đáng kể so với mô hình Gazi, đồng thời loại bỏ hiện tượng vọt lố cự ly (overshoot distance), giảm thiểu triệt để nguy cơ va chạm giữa các cá thể trong giai đoạn quá độ.
  4. Phát hiện 4 (Triệt tiêu hoàn toàn xung đột hành vi nhờ NSB): Khi bầy robot di chuyển trong môi trường có chướng ngại vật chắn ngang đường đến đích, thành phần vận tốc chiếu trên không gian Null $(I - J_1^+ J_1) v_{i,2}$ đảm bảo robot chuyển hướng mượt mà để vòng qua vật cản với cự ly an toàn $d_m$ mà không làm mất phương hướng của mục tiêu tối hậu.
Mô hình Gazi & Passino (2004) [Cố định]:
Khoảng cách (m) ───►  Dao động quá độ lớn  ───►  Dễ va chạm khi nhiễu ───►  Hội tụ chậm

Mô hình Mờ Đề xuất [Linh hoạt thích nghi]:
Khoảng cách (m) ───►  Đáp ứng mượt, không vọt lố  ───►  Bảo toàn khoảng cách R  ───►  Hội tụ nhanh vững chắc

Implications đa chiều

  • Về mặt lý thuyết: Luận án mở ra một hướng tiếp cận mới trong lý thuyết điều khiển hệ phức hợp: kết hợp giải tích mờ với giải tích hàm phi tuyến để chứng minh ổn định Lyapunov cho các hệ đa tác tử không có mô hình giải tích tường minh.
  • Về mặt phương pháp luận: Khung điều khiển NSB kết hợp logic mờ cung cấp một cấu trúc chuẩn hóa cho việc thiết kế các hệ thống tự hành đa nhiệm vụ, có thể chuyển giao trực tiếp cho bài toán điều khiển đội hình máy bay không người lái (UAV) hoặc phương tiện tự hành dưới nước (AUV).
  • Về mặt thực tiễn và ứng dụng công nghiệp: Cung cấp thuật toán nhúng nhẹ, tiêu tốn ít tài nguyên tính toán, cho phép triển khai ngay trên các vi điều khiển công nghiệp 16-bit/32-bit công suất thấp trong các bài toán thực tế:
    1. Tự động hóa kho vận thông minh: Hàng trăm robot AGV phối hợp vận chuyển kiện hàng mà không cần hệ thống định vị trung tâm đắt tiền.
    2. Tìm kiếm cứu nạn và rà phá bom mìn: Phân tán bầy robot quét sạch thực địa và tự động co cụm khi phát hiện mục tiêu hoặc chướng ngại nguy hiểm.

Limitations và Future Research

Luận án thừa nhận một cách khách quan các giới hạn nghiên cứu xuất phát từ điều kiện thực nghiệm và phạm vi mô hình hóa:

  1. Mô hình động học đơn giản hóa: Luận án tập trung chủ yếu vào mô hình động học chất điểm bậc một ($\dot{p}_i = v_i$) và mô hình tích phân kép động lực học trong không gian thuần nhất, chưa xét đầy đủ đến các yếu tố phi tuyến phức tạp của cơ cấu chấp hành thực tế như trượt bánh xe, ma sát phi tuyến mặt đường, và giới hạn bão hòa moment động cơ.
  2. Giả thiết về kênh truyền thông lý tưởng: Nghiên cứu giả định các robot trao đổi thông tin tức thời không có trễ thời gian (time-delay) và không bị suy hao gói tin (packet loss).
  3. Môi trường vật cản tĩnh: Các thử nghiệm đa nhiệm chủ yếu khảo sát với các vật cản tĩnh có biên dạng hình học xác định, chưa mở rộng sang môi trường có chướng ngại vật di động tốc độ cao.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  • Phát triển thuật toán bù trễ truyền thông ngẫu nhiên và lọc nhiễu cảm biến sử dụng bộ lọc Kalman mở rộng kết hợp mạng nơ-ron hồi quy.
  • Mở rộng lý thuyết ổn định Lyapunov cho các hệ bầy đàn bậc phân số (Fractional-order Swarm Systems) và mô hình động lực học 6 bậc tự do (6-DOF) cho phi đội UAV trong không gian 3 chiều có gió nhiễu.
  • Tích hợp học tăng cường sâu (Deep Reinforcement Learning) để tự động tối ưu hóa các tham số tập mờ theo thời gian thực khi môi trường biến đổi liên tục.

Tác động và ảnh hưởng

Luận án tạo ra dấu ấn học thuật và ứng dụng sâu rộng trong lĩnh vực Tự động hóa và Robot học tại Việt Nam và khu vực:

  • Tác động học thuật: Đặt nền móng vững chắc cho các nghiên cứu tiếp nối về điều khiển bầy đa tác tử tại Trường Đại học Giao thông Vận tải và các viện nghiên cứu chuyên ngành; mở ra hướng công bố trên các tạp chí và kỷ yếu hội nghị chuyên ngành điều khiển tự động.
  • Chuyển dịch công nghệ công nghiệp: Cung cấp giải pháp phần mềm lõi cho các doanh nghiệp phát triển hệ thống phương tiện tự hành nội bộ (AGV/AMR) phục vụ các trung tâm logistics quy mô lớn của ngành giao thông vận tải và sản xuất thông minh thế hệ 4.0.
  • Lợi ích xã hội và quốc phòng - an ninh: Đóng góp giải pháp công nghệ tự chủ phục vụ các nhiệm vụ an ninh quốc phòng như tuần tra biên giới tự động bằng bầy UAV, trinh sát biển đảo bằng đàn tàu không người lái (USV), và ứng cứu thảm họa thiên tai.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và học viên cao học: Tiếp cận phương pháp luận mẫu mực về chứng minh ổn định Lyapunov cho các hệ phi tuyến mờ và kỹ thuật điều khiển không gian Null.
  • Các nhà khoa học đầu ngành: Nắm bắt khung phân tích tích hợp giữa giải tích đồ thị và logic mờ để phát triển các lý thuyết điều khiển thích nghi phân tán mới.
  • Kỹ sư R&D công nghệ Robot: Sở hữu thuật toán khả thi để hiện thực hóa ngay trên các dòng vi xử lý nhúng thương mại mà không cần nâng cấp phần cứng xử lý đắt đỏ.
  • Các nhà hoạch định chính sách hạ tầng giao thông: Có cơ sở khoa học để xây dựng tiêu chuẩn kỹ thuật cho hệ thống giao thông thông minh (ITS), nơi các đoàn xe tự hành (autonomous platooning) vận hành theo nguyên lý bầy đàn an toàn tuyệt đối.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và nó mở rộng lý thuyết nào? Trả lời: Đóng góp độc đáo nhất là việc phát biểu và chứng minh toán học tính ổn định tiệm cận của hệ bầy đàn phi tuyến dưới tác động của hàm hút/đẩy xây dựng bằng logic mờ Mamdani. Nghiên cứu đã tổng quát hóa lý thuyết hàm thế năng giải tích của Gazi & Passino (2004), biến các hàm thế năng cố định thành các trường hợp suy biến riêng lẻ của hàm thuộc mờ linh hoạt.

2. Đột phá về mặt phương pháp luận khi so sánh với các công trình tiền nhiệm? Trả lời: So với kiến trúc phân cấp Subsumption của Brooks (1986) vốn dễ gây rung giật khi chuyển trạng thái, và phương pháp hàm thế năng tổng hợp dễ rơi vào cực tiểu cục bộ, luận án đã tích hợp thành công kỹ thuật chiếu không gian Null (NSB) với luật mờ. Sự kết hợp này triệt tiêu hoàn toàn tương tác chéo giữa các nhiệm vụ cạnh tranh, bảo đảm tính trơn động học và hội tụ bền vững.

So sánh cơ chế phối hợp nhiệm vụ:

1. Kiến trúc Subsumption (Brooks, 1986):
   [Nhiệm vụ 1: Tránh vật cản] ──(Ngắt/Chuyển mạch)──► [Nhiệm vụ 2: Tìm đích] ──► Dễ rung giật, mất ổn định

2. Kỹ thuật NSB kết hợp Logic Mờ (Luận án, 2016):
   [Nhiệm vụ 1: Tránh vật cản] 
            │
            ▼ (Chiếu qua không gian Null: I - J₁⁺J₁)
   [Nhiệm vụ 2: Tìm đích] ───────────────────────────► Vận tốc tổng hợp trơn, bảo toàn cả hai mục tiêu

3. Phát hiện bất ngờ nhất từ kết quả thực nghiệm là gì? Trả lời: Phát hiện thực nghiệm bất ngờ nhất là việc cấu hình số lượng cá thể trong bầy đàn biến thiên lớn ($N$ thay đổi từ $3$ lên đến $120$ robot) và sự thay đổi kết cấu ma trận liên kết $W$ không làm thay đổi tâm bầy bất biến $\bar{p}$, đồng thời bán kính vùng hội tụ $B_\varepsilon(\bar{p})$ vẫn duy trì ổn định nghiêm ngặt đúng như công thức chặn lý thuyết đã suy biến từ hàm Lyapunov.

4. Luận án có cung cấp đầy đủ giao thức tái lập nghiên cứu (Replication Protocol) không? Trả lời: Có. Luận án mô tả chi tiết toàn bộ các tập mờ đầu vào/đầu ra, hệ luật mờ IF-THEN, phương pháp giải mờ trung bình trọng số, sơ đồ khối thuật toán phân rã NSB, mã nguồn mô phỏng trên MATLAB và sơ đồ kết nối phần cứng - giải thuật nhúng trên robot thực e-puck.

5. Định hướng nghiên cứu 10 năm tới mở ra từ luận án là gì? Trả lời: Tích hợp trí tuệ nhân tạo tăng cường (Deep Reinforcement Learning) để bầy robot tự học cấu trúc luật mờ trong môi trường phi cấu trúc, kết hợp công nghệ điều khiển bầy không dây 5G/6G để xử lý bài toán trễ truyền thông cực thấp trong các hệ thống bầy quy mô siêu lớn (hàng nghìn tác tử).

Kết luận

Luận án tiến sĩ kỹ thuật của tác giả Lê Thị Thúy Nga đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, tạo nên những đóng góp mang tính bước ngoặt cho lĩnh vực điều khiển tự động và robot bầy đàn:

  1. Thiết lập thành công bộ mờ tính toán lực hút/đẩy: Thay thế hoàn toàn các hàm giải tích cứng nhắc bằng hệ mờ Mamdani thích nghi, phản ánh chân thực logic tự nhiên của các bầy đàn sinh học.
  2. Chứng minh tường minh 2 định lý ổn định Lyapunov: Khẳng định tính ổn định hội tụ tiệm cận của hệ bầy đàn trong cả hai trường hợp: mô hình động học cơ bản và mô hình có tính đến ma trận tương tác dị thể $W$.
  3. Phát triển giải pháp điều khiển đa nhiệm NSB kết hợp logic mờ: Giải quyết triệt để bài toán đồng thời né tránh chướng ngại vật, bám mục tiêu và duy trì cấu trúc bầy mà không gây xung đột động học.
  4. Kiểm nghiệm toàn diện từ mô phỏng đến phần cứng thực tế: Xác thực tính khả thi của thuật toán trên phần mềm MATLAB với quy mô lên tới 120 robot và trên hệ vi robot e-puck đa cảm biến.
  5. Mở ra các nhánh nghiên cứu liên ngành mới: Đặt nền móng lý thuyết cho việc phát triển các phương tiện tự hành không người lái thông minh phục vụ trực tiếp cho sự nghiệp công nghiệp hóa, hiện đại hóa ngành giao thông vận tải và quốc phòng an ninh quốc gia.