Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh tự động hóa công nghiệp và logistics hiện đại, robot di động (Mobile Robot / Unmanned Ground Vehicles - UGVs) đóng vai trò quan trọng trong việc vận chuyển hàng hóa, thay thế con người thực hiện các tác vụ nặng nhọc hoặc hoạt động trong môi trường độc hại, nguy hiểm. Để một robot di động có thể di chuyển và thực hiện nhiệm vụ một cách tự động, bài toán cốt lõi là ước tính vị trí (localization) và dẫn đường (navigation).

Đối với môi trường ngoài trời, hệ thống vệ tinh định vị toàn cầu (GNSS/GPS) cung cấp độ chính xác cao; tuy nhiên, trong môi trường trong nhà (Indoor Positioning System - IPS), tín hiệu vệ tinh bị suy hao mạnh hoặc bị che khuất hoàn toàn. Các phương pháp định vị trong nhà truyền thống dựa trên dead-reckoning (sử dụng cảm biến đo góc quán tính IMU và cảm biến đếm xung Encoder bánh xe) luôn gặp phải hiện tượng trôi sai số tích lũy (drift) do hiện tượng trượt bánh xe theo thời gian. Mặt khác, các phương pháp định vị dựa trên xử lý ảnh từ camera đòi hỏi tài nguyên tính toán cao và nhạy cảm với điều kiện ánh sáng; phương pháp quét khớp bản đồ laser (Scan Matching) thông qua cảm biến Lidar lại gặp khó khăn tại các không gian rộng thiếu đặc trưng hình học (như nhà kho rỗng) và không thể tự xác định tọa độ nếu không được cấp vị trí ban đầu thủ công.

Nhằm khắc phục các nhược điểm trên, công nghệ sóng băng tần siêu rộng (Ultra-Wideband - UWB) với dải tần hoạt động lớn (3,1 GHz đến 10,6 GHz), độ phân giải thời gian cao, khả năng đâm xuyên vật cản và chống hiện tượng đa đường (multipath fading) được lựa chọn để cung cấp thông tin vị trí tuyệt đối trong nhà. Đồ án "Nâng cao khả năng ước tính vị trí của robot di động bằng hệ thống băng tần siêu rộng" do sinh viên Nguyễn Huy Hoàng và Trần Trung Kiên thực hiện dưới sự hướng dẫn của TS. Trần Đức Thiện tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã giải quyết vấn đề hợp nhất dữ liệu đa cảm biến để nâng cao độ tin cậy trong ước tính vị trí robot di động.

Mục tiêu nghiên cứu của đồ án bao gồm ba nội dung trọng tâm:

  1. Thiết kế và thi công mô hình robot di động vi sai hai bánh.
  2. Thiết kế và thi công hệ thống định vị không dây sử dụng công nghệ UWB.
  3. Thiết kế giải thuật nâng cao khả năng ước lượng vị trí cho robot di động thông qua bộ lọc kết hợp dữ liệu.

Nhiệm vụ nghiên cứu cụ thể được phân kỳ thực hiện như sau:

  1. Nghiên cứu công nghệ UWB và xây dựng hệ thống định vị không gian 3D cho Tag nằm trong vùng phủ sóng.
  2. Tìm hiểu và áp dụng bộ lọc thích hợp (bộ lọc Kalman mở rộng - EKF) nhằm giảm thiểu sai số đo lường.
  3. Thiết kế mô hình robot di động hai bánh vi sai trên phần mềm SolidWorks 2023.
  4. Thiết kế phần cứng và mạch tích hợp cho hệ thống định vị UWB.
  5. Xây dựng và mô phỏng mô hình robot trong môi trường Gazebo (hệ điều hành Robot - ROS).
  6. Mô phỏng hệ thống định vị UWB trên môi trường Gazebo.
  7. Thiết kế giải thuật ước tính vị trí bằng cách tích hợp bộ lọc EKF với dữ liệu cảm biến đa nguồn.
  8. Mô phỏng kiểm chứng giải thuật đã thiết kế trên nền tảng ROS/Gazebo.
  9. Áp dụng giải thuật kết hợp dữ liệu lên mô hình phần cứng thực tế.
  10. Đánh giá thực nghiệm sai số bám quỹ đạo của hệ thống trong không gian làm việc.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Robot di động dẫn động vi sai hai bánh và hệ thống định vị UWB gồm các trạm thu phát cố định (Anchor) và thẻ di động (Tag).
  • Phạm vi nghiên cứu: Môi trường trong nhà với các vật cản cố định, không thay đổi vị trí. Giới hạn tốc độ tối đa của robot là 0,15 m/s; khối lượng tải trọng tối đa của khung xe là 5 kg; các thông số điều khiển vận tốc của robot được hiệu chỉnh thử sai; thời gian nghiên cứu thực hiện từ tháng 02/2024 đến tháng 06/2024.

Cơ sở lý thuyết và phương pháp nghiên cứu

Nghiên cứu dựa trên các lý thuyết nền tảng về cơ học chuyển động robot, công nghệ truyền thông vô tuyến tầm ngắn, lý thuyết ước tính trạng thái và kiến trúc phần mềm robot nguồn mở.

Mô hình động học robot hai bánh vi sai

Robot di động hai bánh vi sai chuyển động dựa trên hai bánh dẫn động độc lập có cùng bán kính $r$, đặt cách nhau một khoảng cách $2a$, cùng một bánh xe đa hướng dẫn hướng phụ phía trước nhằm giữ cân bằng cơ học. Vị trí và hướng của robot trong hệ quy chiếu phẳng toàn cục (World frame) được biểu diễn bằng vector trạng thái:

$$p = \begin{bmatrix} x_Q \ y_Q \ \theta \end{bmatrix}$$

Trong đó $(x_Q, y_Q)$ là tọa độ tâm trục hai bánh xe và $\theta$ là góc hướng của thân xe so với trục hoành Ox. Giả định điều kiện lăn không trượt, vận tốc dài $v_Q$ và vận tốc góc $\omega$ của robot liên hệ với vận tốc dài bánh trái ($v_l$) và bánh phải ($v_r$) theo công thức:

$$v_Q = \frac{v_r + v_l}{2}$$

$$\omega = \frac{v_r - v_l}{2a}$$

Mô hình động học vi phân của hệ thống liên kết vận tốc góc của các bánh xe ($\dot{\phi}_r, \dot{\phi}_l$) với vận tốc trạng thái trong không gian làm việc thông qua ma trận Jacobian $J$:

$$\dot{p} = \begin{bmatrix} \dot{x}_Q \ \dot{y}_Q \ \dot{\theta} \end{bmatrix} = \begin{bmatrix} \frac{r}{2}\cos\theta & \frac{r}{2}\cos\theta \ \frac{r}{2}\sin\theta & \frac{r}{2}\sin\theta \ \frac{r}{2a} & -\frac{r}{2a} \end{bmatrix} \begin{bmatrix} \dot{\phi}_r \ \dot{\phi}_l \end{bmatrix}$$

Công nghệ định vị trong nhà UWB và thuật toán đo cự ly

Để xác định vị trí trong nhà, công nghệ UWB dựa trên tiêu chuẩn IEEE 802.15.4a/z phát các chuỗi xung cực ngắn (nanosecond) với mật độ phổ năng lượng thấp ($\le -41,3\text{ dBm/MHz}$). Nhóm tác giả thực hiện so sánh kỹ thuật giữa UWB và các công nghệ không dây phổ biến trong hệ thống IPS:

Tiêu chí RFID Wi-Fi Bluetooth (BLE) ZigBee UWB
Phạm vi hoạt động Vài cm đến vài mét Khoảng 100 m 70 – 100 m Lên tới 100 m Vài cm đến vài chục mét
Băng tần sử dụng LF, HF, UHF 2,4 GHz; 5 GHz 2,4 GHz 868/915 MHz; 2,4 GHz 3,1 GHz – 10,6 GHz
Tốc độ truyền dẫn Thấp – trung bình Cao Trung bình (24 Mbps) Thấp Rất cao (lên tới Gbps)
Mức tiêu thụ năng lượng Rất thấp (thụ động) Cao Rất thấp Thấp Trung bình
Độ chính xác vị trí Thấp Thấp (1 – 10 m) Thấp – trung bình Thấp Cao (cỡ centimet)
Phương thức đo chính RSSI RSSI / Fingerprinting RSSI RSSI ToF / TDoA / AoA
Khả năng chống đa đường Kém Kém Kém Kém Rất cao

Về phương pháp xác định khoảng cách, nghiên cứu áp dụng nguyên lý đo thời gian bay (Time of Flight - ToF). Để loại bỏ sai số trôi do xung đồng hồ giữa các thiết bị không đồng bộ, giải thuật đo khoảng cách hai chiều kép (Double Sided Two Way Ranging - DS-TWR) được sử dụng thay thế cho đo hai chiều đơn (Single Sided Two Way Ranging - SS-TWR). Thời gian truyền tín hiệu $TOF$ được tính toán qua 2 chu kỳ trao đổi bản tin giữa Tag và Anchor:

$$TOF = \frac{1}{2} \cdot \frac{T_1' T_2' - T_1 T_2}{T_1' + T_2' + T_1 + T_2}$$

Khoảng cách từ Tag đến trạm thứ $i$ được tính bằng $d_i = c \cdot TOF$ (với $c \approx 299.792.458\text{ m/s}$).

Thuật toán định vị đa giác (Trilateration)

Khi biết trước tọa độ các Anchor cố định trong không gian $(x_i, y_i, z_i)$ và khoảng cách đo được $d_i$ từ Tag đến Anchor $i$, tọa độ Tag $(x, y, z)$ thỏa mãn hệ phương trình hình cầu:

$$(x - x_i)^2 + (y - y_i)^2 + (z - z_i)^2 = d_i^2$$

Bằng cách chọn một trạm làm gốc tham chiếu (ví dụ Anchor 1) và trừ vế theo vế phương trình của Anchor $i$ với Anchor 1, các số hạng bậc hai $(x^2 + y^2 + z^2)$ bị triệt tiêu, đưa hệ về dạng tuyến tính ma trận $A \cdot r = b$:

$$\begin{bmatrix} 2(x_2 - x_1) & 2(y_2 - y_1) \ 2(x_3 - x_1) & 2(y_3 - y_1) \end{bmatrix} \begin{bmatrix} x \ y \end{bmatrix} = \begin{bmatrix} d_1^2 - d_2^2 - k_1 + k_2 \ d_1^2 - d_3^2 - k_1 + k_3 \end{bmatrix}$$

với $k_i = x_i^2 + y_i^2$. Nghiệm tọa độ phẳng $(x, y)$ của Tag được giải trực tiếp từ biểu thức nghịch đảo ma trận $r = A^{-1} b$.

Nền tảng phần mềm và giải thuật ước lượng trạng thái

  • Robot Operating System (ROS): Sử dụng hệ điều hành meta ROS để quản lý các node tính toán phân tán, trao đổi dữ liệu qua cơ chế Topic/Message.
  • Hệ thống điều hướng (Navigation Stack): Ứng dụng cấu trúc phân tầng với bản đồ lưới chiếm dụng (Occupancy Grid Map), thuật toán lập kế hoạch toàn cục A*, thuật toán tránh vật cản cục bộ Dynamic Window Approach (DWA) và thuật toán định vị hạt thích nghi (Adaptive Monte Carlo Localization - AMCL).
  • Bộ lọc Kalman mở rộng (Extended Kalman Filter - EKF): Áp dụng để giải quyết bài toán phi tuyến tính khi kết hợp dữ liệu dịch chuyển từ Encoder, gia tốc và vận tốc góc từ cảm biến IMU, tọa độ từ thuật toán Scan Matching của Lidar và vị trí tuyệt đối từ module UWB.

Phương pháp nghiên cứu thực nghiệm bao gồm việc thu thập dữ liệu bằng phần mềm PlotJuggler, kiểm chứng tính ổn định của mô hình giải thuật trong môi trường giả lập Gazebo/Rviz trước khi nạp thực thi trên phần cứng.

Thiết kế và triển khai hệ thống kỹ thuật

Đồ án triển khai đầy đủ cả ba phân hệ: cơ khí kết cấu, phần cứng điện tử điều khiển và hệ thống trạm thu phát UWB.

Thiết kế và thi công phần cứng robot

Mô hình robot di động vi sai được thiết kế dạng 2 tầng độc lập trên phần mềm SolidWorks 2023, sau đó gia công chế tạo thực tế:

  • Tầng 1: Lắp ráp cơ cấu chấp hành gồm 2 động cơ DC Servo giảm tốc JGB37-520 tích hợp đĩa quang Encoder đo tốc độ bánh xe; mạch công suất cầu H TB6612 điều khiển động cơ; vi điều khiển cấp thấp Arduino Mega 2560 đảm nhiệm việc đọc xung encoder, xuất xung PWM điều khiển tốc độ và tính toán Odometry ban đầu; bộ nguồn pin LiPo Ovonic AIR cùng mạch giảm áp DC-DC Buck XY-3606 / A9H4 và công tắc KCD1-105. Toàn bộ mạch điều khiển tầng 1 được đặt trong tủ điện bảo vệ.
  • Tầng 2: Gắn cảm biến khoảng cách RPLidar A1M8 quét 360 độ nhằm phục vụ xây dựng bản đồ Hector SLAM và định vị cục bộ; cảm biến quán tính 6 trục GY-521 (tích hợp chip MPU-6050) đo gia tốc và vận tốc góc; máy tính nhúng NVIDIA Jetson Nano đóng vai trò bộ xử lý trung tâm chạy hệ điều hành Ubuntu và ROS.
  • Toàn bộ kết cấu hình học của khung xe sau khi hoàn thiện trên SolidWorks được trích xuất sang định dạng URDF (Unified Robot Description Format) để thiết lập các hệ quy chiếu liên kết (TF Tree) phục vụ mô phỏng trong Gazebo.

Thiết kế phân hệ định vị UWB

Hệ thống UWB gồm các trạm Anchor được bố trí cố định tại các góc trần của không gian khảo sát và một Tag gắn trên thân robot:

  • Mỗi module UWB sử dụng vi mạch thu phát Decawave DWM1000 tích hợp vi điều khiển (MCU) riêng.
  • Thiết kế mạch in PCB 2 lớp cho module UWB tích hợp nhằm tối ưu hóa đường truyền tín hiệu RF tần số cao và giảm nhiễu công nghiệp.
  • Giao tiếp giữa module DWM1000 và vi điều khiển thực hiện qua chuẩn SPI tốc độ cao; dữ liệu khoảng cách và tọa độ ước tính từ Tag gửi về máy tính nhúng Jetson Nano thông qua giao tiếp nối tiếp UART/USB để nhập vào node định vị của ROS.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày bối cảnh ra đời của robot di động và vai trò của hệ thống định vị trong nhà. Tác giả phân tích các nghiên cứu trong nước (như định vị bằng Wi-Fi Fingerprinting kết hợp SVM của Đỗ Hải Sơn, giải thuật RTAB-Map của Phan Hoàng Anh, định vị RFID của Trần Minh Sang) và ngoài nước (nghiên cứu kết hợp UWB/IMU của Alvin Marquez, kết hợp Lidar/IMU/Camera của Zhongwei Hua, giải thuật EKF đa cảm biến của Yu Gao và Phuwanat Phueakthonga). Từ những hạn chế về sai số tích lũy, trượt bánh xe và điều kiện thiếu ánh sáng của các công trình trước, chương 1 xác lập mục tiêu, giới hạn vận hành (tốc độ $\le 0,15\text{ m/s}$, khối lượng $\le 5\text{ kg}$) và phương pháp nghiên cứu của đề tài.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp hệ thống lý thuyết phục vụ tính toán và thiết kế:

  • Tổng quan cấu trúc và phân loại robot di động (bánh xe, chân, xích, UAV, UUV).
  • Thiết lập phương trình vi phân động học cho robot hai bánh vi sai thông qua ma trận biến đổi Jacobian.
  • Cơ chế hoạt động của hệ thống IPS và đánh giá phổ tần vô tuyến giữa các công nghệ RFID, Wi-Fi, Bluetooth, ZigBee, UWB.
  • Nguyên lý đo cự ly ToF bằng phương pháp SS-TWR và DS-TWR; thuật toán định vị phẳng 2D và định vị đa giác 3D Trilateration.
  • Kiến trúc ROS: hệ thống tệp, gói phần mềm (Packages), biểu đồ tính toán (Nodes, Topics, Messages).
  • Cơ chế hoạt động của Navigation Stack, Hector SLAM, bộ lọc hạt AMCL, giải thuật tìm đường A*, bộ lọc thích nghi EKF và bộ điều khiển PID.
  • Cấu tạo và nguyên lý hoạt động của các cảm biến phần cứng: Lidar quét 2D, đĩa quang Encoder tương đối, cảm biến IMU 6 trục và các giao thức truyền dữ liệu UART, I2C, SPI, SSH.

Chương 3: Thiết kế và thi công hệ thống

Chương 3 trình bày chi tiết quá trình chế tạo phần cứng và mô hình hóa:

  • Lựa chọn linh kiện và lập bảng thông số kỹ thuật cho động cơ JGB37-520, driver TB6612, Jetson Nano, vi điều khiển Arduino Mega 2560, cảm biến RPLidar A1M8, IMU GY-521, pin Ovonic AIR và mạch Buck nguồn DC-DC.
  • Thiết kế 3D các chi tiết tầng một, tầng hai, tủ điện bảo vệ và nắp thân xe trên SolidWorks.
  • Xuất bản vẽ chế tạo 2D và thi công lắp ráp cơ khí hoàn chỉnh khung xe robot.
  • Chuyển đổi mô hình 3D sang tệp URDF, thiết lập cây tọa độ TF, kiểm tra tương thích không gian quét của Lidar và dữ liệu IMU trên RViz/Gazebo.
  • Thiết kế sơ đồ nguyên lý, vẽ mạch in PCB module UWB (DWM1000 + MCU), thi công phần cứng trạm Anchor và Tag, thiết lập sơ đồ kết nối truyền thông liên tầng (Arduino - Jetson Nano - UWB).

Chương 4: Thiết kế giải thuật nâng cao khả năng ước tính vị trí

Chương 4 tập trung vào cấu hình bộ lọc Kalman mở rộng (EKF) để giải bài toán hợp nhất dữ liệu từ các cảm biến có tần số lấy mẫu và phương sai sai số khác nhau. Nhóm tác giả thiết kế và thử nghiệm ba cấu trúc hệ thống kết hợp dữ liệu tuần tự:

  • Hệ thống 1 (Hợp nhất dữ liệu Encoder và IMU): Dữ liệu vận tốc từ Encoder bánh xe kết hợp với thông số gia tốc tuyến tính và vận tốc góc từ IMU MPU-6050 nhằm giảm bớt độ trôi của Odometry truyền thống.
  • Hệ thống 2 (Hợp nhất dữ liệu Encoder, IMU và Lidar): Bổ sung dữ liệu vị trí và hướng ước tính từ thuật toán khớp dữ liệu quét tia laser (Scan Matching) của RPLidar A1M8 vào Hệ thống 1 nhằm cố định sai số tọa độ phẳng trong không gian có vật cản.
  • Hệ thống 3 (Hợp nhất dữ liệu Encoder, IMU, Lidar và UWB): Tích hợp thêm thông tin tọa độ tuyệt đối toàn cục tính từ giải thuật Trilateration của hệ thống UWB vào bộ lọc EKF. Cấu trúc này giải quyết triệt để vấn đề mất định vị khi robot di chuyển trong không gian rộng hoặc khi vị trí khởi tạo ban đầu của robot khác gốc tọa độ $(0, 0)$.

Chương 5: Đánh giá mô phỏng và thực nghiệm

Chương 5 trình bày toàn bộ kết quả thử nghiệm:

  • Xây dựng bản đồ mô phỏng không gian làm việc trong Gazebo đồng dạng với môi trường phòng thí nghiệm thực tế.
  • Khảo sát mô phỏng so sánh quỹ đạo của Hệ thống 1, Hệ thống 2 và Hệ thống 3 theo các quỹ đạo chuẩn: quỹ đạo đường cong và quỹ đạo hình chữ nhật khép kín. Đánh giá sai số góc xoay thân xe giữa các hệ thống.
  • Thực nghiệm trên robot phần cứng: kiểm tra độ chính xác tín hiệu định vị UWB độc lập; khảo sát bám quỹ đạo hình chữ nhật khi vị trí ban đầu tại gốc $(0, 0)$ và khi vị trí ban đầu lệch khỏi gốc tọa độ. Kết quả cho thấy Hệ thống 3 duy trì quỹ đạo bám sát đường đặt nhất và triệt tiêu sai số tích lũy tốt nhất.

Chương 6: Kết luận và hướng phát triển

Chương 6 đúc kết các kết quả đạt được về mặt chế tạo mô hình, phần cứng mạch UWB và thuật toán EKF đa cảm biến. Đồng thời, chương này chỉ ra các điểm còn tồn tại và đề xuất định hướng nghiên cứu tiếp theo.

Kết quả và đóng góp kỹ thuật

Kết quả định lượng và thực nghiệm chính

  1. Thi công phần cứng hoàn chỉnh: Chế tạo thành công mô hình robot hai bánh vi sai đạt kích thước tiêu chuẩn, chịu tải trọng dưới 5 kg, tốc độ vận hành ổn định trong dải $\le 0,15\text{ m/s}$. Chế tạo các board mạch PCB tích hợp chip UWB DWM1000 hoạt động ổn định qua giao tiếp SPI và UART.
  2. Khảo sát độ chính xác UWB: Hệ thống UWB sử dụng thuật toán DS-TWR và giải thuật Trilateration 3D cho khả năng đo khoảng cách và nội suy tọa độ với sai số thấp, đóng vai trò nguồn mốc định vị tuyệt đối không phụ thuộc vào trạng thái dịch chuyển cơ học của bánh xe.
  3. Hiệu quả của giải thuật EKF 4 cảm biến (Hệ thống 3):
    • Khi chạy thử nghiệm theo quỹ đạo hình chữ nhật, Hệ thống 1 (Encoder + IMU) sau một thời gian di chuyển bị lệch quỹ đạo lớn do sai số trượt bánh xe tích lũy theo thời gian.
    • Hệ thống 2 (Encoder + IMU + Lidar) cải thiện đáng kể độ chính xác nhờ Scan Matching, tuy nhiên trong trường hợp vị trí ban đầu bị đặt lệch (khác tọa độ $(0, 0)$), hệ thống gặp khó khăn trong việc xác định vị trí thực tế ban đầu nếu không có mốc tham chiếu toàn cục.
    • Hệ thống 3 (Encoder + IMU + Lidar + UWB) giải quyết hoàn toàn bài toán khởi tạo vị trí ban đầu bất kỳ, khử trôi hoàn toàn trên các đoạn đường thẳng và tại các khúc cua vuông góc, quỹ đạo thực tế bám sát quỹ đạo đặt của bài toán khảo sát.

Đóng góp kỹ thuật của đồ án

  • So với các nghiên cứu định vị trong nhà bằng Wi-Fi hay RFID trước đây tại Việt Nam (thường có sai số lớn từ 1 – 3 m hoặc chỉ nhận diện được mốc cố định khi đi qua thẻ), đồ án đã tích hợp công nghệ UWB xung ngắn với độ chính xác ở cấp độ decimet/centimet.
  • Xây dựng hoàn chỉnh chuỗi xử lý từ phần cứng cơ điện tử, thiết kế vi mạch tích hợp cho đến thuật toán phần mềm tầng cao trên nền tảng ROS, tạo nên một hệ thống khép kín phục vụ định vị robot di động trong nhà.
  • Đề xuất và kiểm chứng cấu hình hợp nhất 4 loại cảm biến qua bộ lọc EKF, chứng minh bằng thực nghiệm tính ưu việt của việc kết hợp mốc tọa độ tuyệt đối (UWB) với dữ liệu odometry tương đối tần số cao (Encoder, IMU) và mốc biên dạng hình học cục bộ (Lidar).

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các giới hạn vận hành và kết quả được trình bày trong báo cáo, đồ án tồn tại một số hạn chế:

  • Tốc độ di chuyển của robot còn thấp ($\le 0,15\text{ m/s}$), chưa khảo sát động học ở dải vận tốc cao nơi hiện tượng trượt bánh diễn ra nghiêm trọng hơn.
  • Không gian thực nghiệm chỉ giới hạn với các vật cản tĩnh, chưa đánh giá hệ thống trong môi trường có vật cản di động động học phức tạp.
  • Thông số bộ điều khiển PID cho việc bám vận tốc động cơ được tinh chỉnh thủ công bằng phương pháp thử sai, chưa được tối ưu hóa bằng các phương pháp điều khiển nâng cao.
  • Hệ thống định vị UWB chưa tích hợp thuật toán xử lý hiện tượng phi tầm nhìn thẳng (Non-Line-of-Sight - NLOS) khi có vật cản che khuất giữa Tag và Anchor.

Các hướng mở rộng tiếp theo được nhóm tác giả đề xuất:

  • Nghiên cứu và áp dụng các giải thuật học máy (như Support Vector Machine - SVM) để nhận diện và giảm thiểu sai số do điều kiện NLOS gây ra cho tín hiệu UWB.
  • Tối ưu hóa bộ điều khiển tự động cho robot, nâng cao dải tốc độ và khả năng chịu tải của khung gầm.
  • Triển khai thuật toán điều hướng trong môi trường bản đồ lớn hơn và môi trường có nhiều vật cản động di chuyển liên tục.

Giá trị tham khảo

Báo cáo tốt nghiệp này là tài liệu tham khảo kỹ thuật hữu ích cho:

  • Sinh viên và học viên chuyên ngành: Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Robot và Trí tuệ nhân tạo, Kỹ thuật Máy tính hoặc Điện tử - Viễn thông.
  • Nghiên cứu về nền tảng ROS: Cung cấp hướng dẫn chi tiết về quy trình chuyển đổi mô hình từ SolidWorks sang tệp URDF, thiết lập cây biến đổi tọa độ TF, và kết nối phần cứng ngoại vi (Arduino, Jetson Nano, Lidar, IMU) với hệ thống Navigation Stack trên ROS.
  • Triển khai ứng dụng UWB: Cung cấp cơ sở thiết kế mạch phần cứng nhúng với vi mạch DWM1000 và phương pháp toán học tuyến tính hóa hệ phương trình Trilateration để xác định tọa độ không gian.
  • Kỹ thuật hợp nhất cảm biến: Các sơ đồ khối và cấu hình EKF trong Chương 4 là mẫu tham khảo trực tiếp cho các đề tài nghiên cứu về xe tự hành AGV/AMR trong nhà xưởng.

Câu hỏi thường gặp

1. Tại sao đề tài lại lựa chọn công nghệ UWB thay vì sử dụng hệ thống định vị Wi-Fi hay BLE có sẵn trong nhà?
Trả lời: Theo phân tích tại Chương 2 của đồ án, Wi-Fi và BLE chủ yếu sử dụng phương pháp đo cường độ tín hiệu nhận được (RSSI) hoặc Fingerprinting, vốn rất nhạy cảm với nhiễu môi trường, độ trễ lớn và chỉ cho sai số định vị trong khoảng từ 1 m đến 10 m. Trong khi đó, UWB phát các xung cực ngắn trong dải tần rất rộng (3,1 – 10,6 GHz), sử dụng phương pháp đo thời gian bay (ToF) với khả năng chống hiện tượng giao thoa đa đường và khả năng xuyên thấu cao, cung cấp độ chính xác định vị ở mức centimet, đáp ứng yêu cầu bám quỹ đạo của robot tự hành.

2. Điểm khác biệt kỹ thuật giữa phương pháp đo cự ly SS-TWR và DS-TWR là gì?
Trả lời: Phương pháp đo hai chiều đơn (SS-TWR) chỉ sử dụng một lần gửi và một lần phản hồi bản tin, nên độ chính xác của phép tính thời gian bay $TOF$ bị ảnh hưởng trực tiếp bởi sai số trôi xung đồng hồ giữa Tag và Anchor (thời gian đo ở cấp độ pico/nano giây). Phương pháp đo hai chiều kép (DS-TWR) sử dụng hai chu kỳ truyền nhận liên tiếp để tính toán $TOF$, giúp bù trừ và triệt tiêu sai số chênh lệch xung nhịp clock giữa hai thiết bị mà không cần đồng bộ thời gian phần cứng phức tạp.

3. Tại sao giải thuật Trilateration trong đề tài có thể giải được nghiệm tọa độ phẳng thông qua hệ phương trình tuyến tính $A \cdot r = b$?
Trả lời: Xuất phát từ phương trình khoảng cách Euclide phi tuyến bậc hai $(x - x_i)^2 + (y - y_i)^2 + (z - z_i)^2 = d_i^2$, tác giả chọn Anchor 1 làm mốc tham chiếu và thực hiện phép trừ vế theo vế giữa phương trình của Anchor $i$ ($i=2, 3$) với phương trình của Anchor 1. Thao tác này triệt tiêu hoàn toàn các số hạng phi tuyến bậc hai $(x^2, y^2)$, chuyển đổi bài toán thành hệ phương trình đại số tuyến tính hai ẩn $(x, y)$, cho phép tìm nghiệm trực tiếp qua phép nhân ma trận nghịch đảo $r = A^{-1} b$ mà không cần giải hệ phương trình phi tuyến lặp.

4. Vai trò cốt lõi của UWB trong cấu hình Hệ thống 3 (Encoder + IMU + Lidar + UWB) là gì khi đã có Lidar Scan Matching?
Trả lời: Thuật toán Scan Matching của Lidar chỉ xác định vị trí tương đối cục bộ dựa trên việc so khớp hình học các cụm điểm phản xạ xung quanh và đòi hỏi phải biết trước điểm khởi đầu. Trong môi trường nhà kho rộng, trống trải, các bức tường đối xứng hoặc thiếu đặc trưng hình học, Lidar sẽ mất khả năng định vị; ngoài ra Lidar không thể tự phục hồi tọa độ nếu robot bị đặt ở một vị trí bất kỳ khác $(0, 0)$ mà không có bước khởi tạo. UWB đóng vai trò cung cấp tọa độ toàn cục tuyệt đối độc lập với môi trường hình học, giúp hệ thống định vị chính xác vị trí ban đầu và chống trôi dạt định vị vĩnh viễn.

5. Giới hạn vật lý được thiết lập cho mô hình robot thực nghiệm trong đồ án là bao nhiêu?
Trả lời: Theo phần Giới hạn đề tài tại Chương 1, mô hình robot di động hai bánh vi sai được giới hạn tốc độ di chuyển tối đa là $0,15\text{ m/s}$, khối lượng chịu tải tối đa là $5\text{ kg}$, và hoạt động trong không gian có các vật cản được bố trí cố định.

Kết luận

Đồ án tốt nghiệp "Nâng cao khả năng ước tính vị trí của robot di động bằng hệ thống băng tần siêu rộng" đã hoàn thành toàn diện các mục tiêu đề ra từ thiết kế cơ khí, chế tạo phần cứng mạch nhúng UWB DWM1000 đến xây dựng thuật toán lọc thích nghi trên hệ điều hành ROS. Việc tích hợp thành công thông tin tọa độ tuyệt đối từ hệ thống UWB vào bộ lọc Kalman mở rộng (EKF) kết hợp cùng Encoder, IMU và RPLidar đã triệt tiêu hiện tượng trôi sai số tích lũy của phương pháp dead-reckoning và giải quyết triệt để bài toán ước tính vị trí ban đầu của robot. Kết quả nghiên cứu cung cấp một giải pháp kỹ thuật có tính ứng dụng thực tiễn cao cho việc định vị và dẫn đường tự động của các hệ thống xe tự hành trong môi trường công nghiệp trong nhà.