Tổng quan về luận án

Nghiên cứu cơ học chuyển động và điều khiển tự động hóa robot dạng người (Humanoid/Biped Robot) luôn là một trong những bài toán phức tạp và thách thức bậc nhất của ngành Cơ kỹ thuật và Kỹ thuật điều khiển hiện đại. Luận án tiến sĩ của tác giả Trần Thiện Huân với tiêu đề "Bài toán ngược vận động robot dạng người trong phân tích ổn định, tạo dáng đi và điều khiển ứng dụng mô hình mạng nơ-rôn MIMO NARX thích nghi" đã tiếp cận bài toán từ bản chất cơ học giải tích kết hợp tính toán mềm thông minh, đánh dấu bước phát triển tiên phong trong công nghệ robot hai chân tự hành tại Việt Nam.

Luận án chỉ ra khoảng trống nghiên cứu then chốt (research gap): Các bộ tạo mẫu dáng đi kinh điển (Walking Pattern Generator - WPG), tiêu biểu là mô hình 4 thông số của Dip et al. (2009) gồm chiều dài bước $S$, độ nhấc chân $H$, độ khuỵu gối $h$ và độ lắc hông $n$, chỉ tập trung tối ưu hóa vận tốc cực đại mà bỏ qua yêu cầu kiểm soát độ nhấc chân mong muốn ($H_{ref}$), đồng thời duy trì các thông số cố định xuyên suốt quá trình vận hành. Điều này dẫn đến sự mất linh hoạt khi thích ứng với địa hình và làm sai lệch quỹ đạo điểm không mô-men (Zero Moment Point - ZMP). Hơn nữa, mô hình của Dip chỉ áp dụng cho giai đoạn bước đều liên tục, thiếu hoàn toàn pha khởi động chuẩn bị và pha kết thúc dừng bước.

Để giải quyết triệt để các hạn chế trên, luận án thiết lập 3 câu hỏi nghiên cứu và giả thuyết khoa học cốt lõi:

  1. RQ1 & H1: Làm thế nào để xác lập bộ thông số dáng đi $(S, H, h, n)$ tối ưu đảm bảo robot bước đi ổn định với độ nhấc chân chính xác $H_{ref}$? Giả thuyết cho rằng thuật toán tiến hóa vi sai cải tiến (Modified Differential Evolution - MDE) sẽ tối ưu hóa hàm mục tiêu ổn định động học với độ hội tụ và độ chính xác vượt trội so với GA và PSO.
  2. RQ2 & H2: Làm thế nào để điều chỉnh thích nghi các thông số dáng đi khi quỹ đạo ZMP thay đổi trong thời gian thực? Giả thuyết khẳng định mô hình mạng nơ-rôn tiến hóa thích nghi MIMO NARX (AENM) huấn luyện qua MDE có khả năng nhận dạng phi tuyến chính xác mối quan hệ động học ngược giữa quỹ đạo ZMP và 4 thông số $(S, H, h, n)$.
  3. RQ3 & H3: Làm thế nào để hoàn thiện chu kỳ bước đi tự nhiên khép kín? Giả thuyết đề xuất bộ tạo mẫu đi bộ tự nhiên (N-WPG) tích hợp 3 giai đoạn (chuẩn bị, bước đi, kết thúc) dựa trên nội suy hàm điều hòa và nguyên lý ZMP sẽ triệt tiêu hiện tượng giật động lực học khi chuyển pha.

Khung lý thuyết của công trình được xây dựng trên nền tảng nguyên lý ổn định động học ZMP (Vukobratovic, 1972), mô hình con lắc ngược 3 chiều (LIPM - Kajita et al., 2001), lý thuyết động học ngược hệ nhiều vật (Huang et al., 2001) và lý thuyết tính toán tiến hóa ngẫu nhiên (meta-heuristics). Luận án triển khai thực nghiệm thành công trên mô hình robot hai chân HUBOT-5 (12 bậc tự do, chiều cao $50\text{ cm}$, khối lượng $1.5\text{ kg}$) tại Phòng Thí nghiệm Trọng điểm Quốc gia Điều khiển số và Kỹ thuật Hệ thống (DCSELAB), chứng minh độ chính xác bám quỹ đạo góc khớp với sai số cơ học cực tiểu.

Literature Review và Positioning

Lịch sử phát triển robot dạng người khởi nguồn từ những công trình nền tảng của Miomir Vukobratovic (1972) với việc phát minh tiêu chuẩn điểm không mô-men ZMP và Ichiro Kato (1973) tại Đại học Waseda với mẫu robot WABOT-1 hoạt động ở chế độ cân bằng tĩnh (static walking). Bước sang thập niên 1990 và 2000, trường phái bước đi động (dynamic walking) bùng nổ với mô hình con lắc ngược tuyến tính (Linear Inverted Pendulum Model - LIPM) của Shuuji Kajita et al. (2001, 2003) trên robot HRP-2/HRP-4C và công nghệ điều khiển dự báo ZMP thời gian thực của tập đoàn Honda trên robot ASIMO (Hirai et al., 1998; Takenaka et al., 2009). Song song đó, Qiang Huang et al. (2001) đề xuất phương pháp quy hoạch quỹ đạo khớp dựa trên nội suy đa thức bậc ba và spline cho khớp hông và bàn chân.

Trong dòng nghiên cứu tối ưu hóa thông số dáng đi, tồn tại hai quan điểm học thuật đối lập:

  • Trường phái tối ưu hóa ngoại tuyến (Offline Optimization): Capi et al. (2002), Park et al. (2004), và Huan Dau et al. (2008) sử dụng thuật toán di truyền (GA) để tối thiểu hóa công suất tiêu thụ năng lượng hoặc tối đa hóa biên độ ổn định ZMP. Điển hình, Dip et al. (2009) đề xuất mô hình WPG 4 thông số $(S, H, h, n)$ dùng hàm điều hòa sin, tối ưu hóa bằng GA đơn mục tiêu nhằm đạt vận tốc cực đại. Tuy nhiên, nhược điểm chí mạng là bộ thông số bị "đóng băng" khi robot vận hành thực tế.
  • Trường phái điều khiển phi tuyến thích nghi & CPG (Online Adaptive & CPG): Taga et al. (1991) và Hyon et al. (2007) ứng dụng mạng dao động phi tuyến sinh học (Central Pattern Generator - CPG), trong khi Lin et al. (2004) dùng mạng CMAC và Zhou et al. (2003) dùng học tăng cường mờ (FRL). Hạn chế của nhóm này là chi phí tính toán tăng bùng nổ theo số bậc tự do ($DOF$) và khó đảm bảo hội tụ toán học chặt chẽ.
                  ┌─────────────────────────────────────────────────────────┐
                  │                 LỊCH SỬ PHÁT TRIỂN WPG                  │
                  └────────────────────────────┬────────────────────────────┘
                                               │
               ┌───────────────────────────────┴───────────────────────────────┐
               ▼                                                               ▼
┌──────────────────────────────┐                              ┌──────────────────────────────┐
│     TIẾP CẬN CỔ ĐIỂN        │                              │    TIẾP CẬN TÍNH TOÁN MỀM    │
│  - Kato (1973): Static Walk  │                              │  - Capi (2002): RCGA Energy  │
│  - Vukobratovic (1972): ZMP  │                              │  - Kajita (2003): Preview    │
│  - Huang (2001): Spline Path │                              │  - Dip (2009): 4-param GA    │
└──────────────┬───────────────┘                              └──────────────┬───────────────┘
               │                                                             │
               └───────────────────────────────┬─────────────────────────────┘
                                               │
                                               ▼
                        ┌─────────────────────────────────────────────┐
                        │          ĐÓNG GÓP CỦA LUẬN ÁN               │
                        │  1. MDE tối ưu dáng đi với H_ref cài trước  │
                        │  2. Mạng MIMO NARX (AENM) thích nghi ZMP   │
                        │  3. Bộ tạo mẫu tự nhiên N-WPG 3 giai đoạn   │
                        └─────────────────────────────────────────────┘

Luận án định vị chính xác vị thế khoa học bằng cách bắc cầu giữa hai trường phái: kế thừa cấu trúc giải tích gọn nhẹ của mô hình Dip (2009), nhưng đột phá ở việc mở rộng hàm mục tiêu ràng buộc độ nhấc chân ($H_{ref}$), thay thế GA bằng giải thuật tiến hóa vi sai cải tiến MDE (Son et al., 2012), và tích hợp mạng nơ-rôn hồi quy phi tuyến ngoại sinh MIMO NARX để nhận dạng thông số trực tuyến. So sánh với các nghiên cứu quốc tế như mô hình tối ưu đa mục tiêu MOEA của Raj et al. (2017) trên robot NAO hoặc thuật toán tối ưu bầy đàn MOPSO của Pratihar et al. (2012), phương pháp MDE-AENM trong luận án đạt tốc độ hội tụ nhanh hơn $38.4%$, triệt tiêu hoàn toàn hiện tượng kẹt cực trị cục bộ và duy trì ZMP luôn nằm sâu trong diện tích đa giác chân đế.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng trực tiếp lý thuyết quy hoạch quỹ đạo động học ngược của Dip et al. (2009) và lý thuyết ổn định động học ZMP của Vukobratovic (1972) qua ba luận điểm khoa học then chốt:

  1. Thiết lập mô hình tối ưu hóa tham số dáng đi có kiểm soát biên độ không gian: Chứng minh về mặt giải tích rằng độ nhấc chân $H$ không phải là biến phụ thuộc tự do của vận tốc mà là một tham số độc lập có thể kiểm soát chính xác ($H = H_{ref}$) thông qua việc giải bài toán cực tiểu hóa khoảng cách từ ZMP thực đến tâm diện tích chân đế $f(S, H, h, n) \to \min$.
  2. Chuyển dịch mô hình (Paradigm Shift) từ thông số tĩnh sang thông số thích nghi động học: Luận án bác bỏ giả thiết thông số cố định trong suốt chu kỳ bước đi của các WPG truyền thống. Bằng việc xây dựng mô hình mạng nơ-rôn tiến hóa thích nghi AENM (Adaptive Evolutionary Neural Model), cấu trúc trọng số của mạng NARX được tối ưu hóa toàn cục bởi MDE, cho phép ánh xạ phi tuyến hai chiều giữa sai lệch quỹ đạo ZMP và gia số hiệu chỉnh của 4 thông số $(\Delta S, \Delta H, \Delta h, \Delta n)$.
  3. Mở rộng chu kỳ bước đi hoàn chỉnh: Bổ sung phương trình toán học cho pha tăng tốc khởi động ($t \in [0, T_{prep}]$) và pha giảm tốc dừng bước ($t \in [T_{walk}, T_{end}]$), hoàn thiện lý thuyết tạo dáng đi điều hòa 3 pha liên tục không gián đoạn gia tốc.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đồng thời 3 trụ cột lý thuyết: Cơ học giải tích hệ nhiều vật phi tuyến, Phương pháp tối ưu hóa ngẫu nhiên Meta-heuristic MDE, và Mạng nơ-rôn động học MIMO NARX.

 ┌───────────────────────────┐     Quỹ đạo mong muốn      ┌───────────────────────────┐
 │   BỘ TẠO MẪU N-WPG        ├───────────────────────────►│    ĐỘNG HỌC NGƯỢC RÔ-BỐT  │
 │  3 Pha: Start - Walk - End│    P1(t), P5(t), P10(t)    │   10 Góc khớp theta_1..10 │
 └─────────────▲─────────────┘                            └─────────────┬─────────────┘
               │                                                        │
         Hiệu chỉnh                                               Mô hình động học
         (S, H, h, n)                                                   │
               │                                                        ▼
 ┌─────────────┴─────────────┐     Sai lệch e_ZMP(t)      ┌───────────────────────────┐
 │   MÔ HÌNH THÍCH NGHI      │◄───────────────────────────┤     TÍNH TOÁN VỊ TRÍ      │
 │  Mạng MIMO NARX + MDE     │   ZMP_real vs ZMP_desired  │     ĐIỂM KHÔNG MÔ-MEN ZMP │
 └───────────────────────────┘                            └───────────────────────────┘

Mối quan hệ toán học giữa quỹ đạo tọa độ không gian của khớp cổ chân trái $P_1(t) = [P_{1x}, P_{1y}, P_{1z}]^T$, khớp hông $P_5(t) = [P_{5x}, P_{5y}, P_{5z}]^T$, và khớp cổ chân phải $P_{10}(t) = [P_{10x}, P_{10y}, P_{10z}]^T$ được ánh xạ trực tiếp sang 10 biến góc quay chi dưới $(\theta_1(t), \dots, \theta_{10}(t))$ thông qua hệ phương trình lượng giác giải tích tường minh:

$$\theta_1(t) = \arctan\left(\frac{y_l(t)}{z_l(t)}\right), \quad \theta_5(t) = \theta_1(t), \quad \theta_{10}(t) = \arctan\left(\frac{y_r(t)}{z_r(t)}\right), \quad \theta_6(t) = \theta_{10}(t)$$

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

$$\theta_4(t) = \frac{\pi}{2} - A(t) - B(t) + \arcsin\left(\frac{x_l(t)}{l_l(t)}\right), \quad \theta_7(t) = \frac{\pi}{2} - C(t) - D(t) + \arcsin\left(\frac{x_r(t)}{l_r(t)}\right)$$

$$\theta_2(t) = \theta_3(t) - \theta_4(t), \quad \theta_9(t) = \theta_8(t) - \theta_7(t)$$

Điều kiện biên cơ học (boundary conditions) được xác định nghiêm ngặt: Giới hạn góc quay trong mặt phẳng đứng ngang $YZ$ là $[-20^\circ, +20^\circ]$ (cho $\theta_1, \theta_5, \theta_6, \theta_{10}$); giới hạn trong mặt phẳng đứng dọc $XZ$ là $[-30^\circ, +30^\circ]$ (cho $\theta_2, \theta_3, \theta_4, \theta_7, \theta_8, \theta_9$), đảm bảo các khâu cơ khí không xảy ra hiện tượng kẹt kỳ dị (singularity) hay va chạm cấu trúc.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án vận dụng thế giới quan thực chứng (positivism) và phương pháp luận diễn dịch (quantitative deductive research design). Quy trình nghiên cứu kết hợp chặt chẽ giữa: (1) Mô hình hóa giải tích cơ học lý thuyết; (2) Mô phỏng số hóa động lực học trên môi trường MATLAB/Simulink; và (3) Thử nghiệm phần cứng thực (Hardware-in-the-loop experiment) trên nền tảng robot HUBOT-5.

Thiết kế đa tầng (multi-level design) bao gồm 3 cấp độ tích hợp:

  • Cấp độ 1 (Quy hoạch quỹ đạo): Bộ phát mẫu N-WPG tính toán tọa độ không gian $P_1, P_5, P_{10}$ theo thời gian $t \in [0, 2T]$.
  • Cấp độ 2 (Tối ưu hóa và thích nghi): Thuật toán MDE và mạng MIMO NARX xử lý dữ liệu sai lệch $e_{ZMP}$ để tối ưu bộ 4 thông số.
  • Cấp độ 3 (Thực thi chấp hành): Vi điều khiển xử lý tín hiệu PWM điều khiển độc lập 10 động cơ servo tại các khớp theo quỹ đạo góc quay giải tích.

Quy trình nghiên cứu rigorous

Quy trình tối ưu hóa bằng giải thuật tiến hóa vi sai cải tiến MDE được thiết lập với các toán tử đột biến và lai ghép thích nghi:

  • Chiến lược đột biến cải tiến: Sử dụng vector cá thể tốt nhất kết hợp độ lệch ngẫu nhiên: $$V_i^{G+1} = X_{best}^G + F \cdot (X_{r1}^G - X_{r2}^G)$$ với hệ số đột biến $F \in [0.4, 0.9]$ và xác suất lai ghép $CR = 0.8$.
  • Hàm mục tiêu đa biến có phạt: $$f(S, H, h, n) = \frac{1}{N}\sum_{k=1}^N \left[ (x_{ZMP}(k) - x_{ZMP_des}(k))^2 + (y_{ZMP}(k) - y_{ZMP_des}(k))^2 \right] + \lambda |H - H_{ref}|$$ trong đó $\lambda$ là trọng số phạt sai lệch độ nhấc chân.
  • Quy trình kiểm tra độ tin cậy và tính hợp lệ:
    • Construct validity: Khảo sát 10 mẫu tham số dáng đi chuẩn (Bảng 2.2 trong luận án) với chiều dài bước $S \in [50, 400]\text{ mm}$, độ nhấc chân $H \in [10, 60]\text{ mm}$, độ khuỵu gối $h \in [6, 15]\text{ mm}$, và lắc hông $n \in [10, 150]\text{ mm}$.
    • Internal validity: Khử nhiễu tín hiệu ZMP thông qua bộ lọc thông thấp số và tính toán phân bố trọng tâm $CoM$ của từng khâu cơ khí theo bảng phân rã khối lượng chi tiết.
    • Triangulation: Tam giác hóa dữ liệu qua 3 nguồn độc lập: Tính toán giải tích lý thuyết, mô phỏng số SimMechanics, và đo đạc góc quay thực tế bằng cảm biến encoder servo.

Data và phân tích

Thông số kỹ thuật của mô hình thực nghiệm robot hai chân HUBOT-5 được lượng hóa chính xác:

  • Cấu hình phần cứng: Chiều cao tổng thể $50\text{ cm}$, tổng khối lượng $1.5\text{ kg}$, 12 bậc tự do (gồm 10 BTD chủ động ở 2 chân và 2 BTD thân trên). Động cơ Servo DC Power HD-1501 (khối lượng $60\text{ g}$, mô-men xoắn $17\text{ kg}\cdot\text{cm}$ tại điện áp $6.0\text{V}$). Bộ điều khiển trung tâm: Bo mạch vi điều khiển Arduino kết nối truyền thông đồng bộ.
  • Dữ liệu huấn luyện mạng AENM (MIMO NARX): Tập dữ liệu gồm 1000 mẫu chu kỳ bước đi với thời gian lấy mẫu $T_s = 0.01\text{ s}$. Kiến trúc mạng gồm 4 nơ-rôn ngõ vào (quỹ đạo ZMP và sai số trễ), 1 lớp ẩn với 12 nơ-rôn hàm kích hoạt sigmoid, và 4 nơ-rôn ngõ ra đại diện cho $(S, H, h, n)$.
  • So sánh độ hội tụ giữa các thuật toán: Thuật toán MDE đạt giá trị hàm mục tiêu tối ưu $f_{min} = 0.00214$ sau 42 thế hệ, vượt trội hoàn toàn so với PSO ($f_{min} = 0.00582$, sau 68 thế hệ) và GA ($f_{min} = 0.01140$, sau 85 thế hệ).
┌──────────────────────────────┬──────────────────┬─────────────────┬──────────────────┐
│ THÔNG SỐ SO SÁNH             │ THUẬT TOÁN GA    │ THUẬT TOÁN PSO  │ THUẬT TOÁN MDE   │
├──────────────────────────────┼──────────────────┼─────────────────┼──────────────────┤
│ Kích thước quần thể (PopSize)│ 50 cá thể        │ 50 hạt          │ 50 cá thể        │
│ Số thế hệ hội tụ             │ 85 thế hệ        │ 68 thế hệ       │ 42 thế hệ        │
│ Giá trị hàm mục tiêu tốt nhất│ 0.01140          │ 0.00582         │ 0.00214          │
│ Thời gian tính toán trung bình│ 142.6 s         │ 108.3 s         │ 64.7 s           │
│ Tỷ lệ rơi vào cực trị cục bộ │ 18.0%            │ 12.0%           │ 0.0%             │
└──────────────────────────────┴──────────────────┴─────────────────┴──────────────────┘

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án công bố 4 phát hiện đột phá có ý nghĩa khoa học và giá trị thực tiễn cao:

  1. Kiểm soát độc lập và chính xác độ cao nhấc chân ($H_{ref}$): Thực nghiệm với hai giá trị đặt $H_{ref} = 2.0\text{ cm}$ và $H_{ref} = 4.0\text{ cm}$ chứng minh thuật toán MDE tìm ra bộ thông số tối ưu giúp HUBOT-5 bước đi vững chắc, sai số quỹ đạo bàn chân thực tế so với mong muốn đạt dưới $1.8%$ mà không gây mất ổn định ZMP.
  2. Khám phá tính phi tuyến nhạy cảm của thông số lắc hông ($n$) và khuỵu gối ($h$): Phân tích 10 mẫu dáng đi chỉ ra rằng khi độ lắc hông $n$ vượt quá ngưỡng giới hạn ($n = 150\text{ mm}$ tại Mẫu 1), ZMP lập tức văng ra ngoài đa giác chân đế gây đổ ngã robot. Ngược lại, nếu độ khuỵu gối quá nhỏ ($h = 6\text{ mm}$ tại Mẫu 3), lực cản động học tại khớp gối tăng vọt, gây hiện tượng kẹt cứng cổ chân.
  3. Hiệu năng bám quỹ đạo ZMP vượt bậc của mạng AENM: Mô hình mạng nơ-rôn thích nghi MIMO NARX được tối ưu bởi MDE cho phép bù sai lệch ZMP theo thời gian thực với sai số căn trung bình phương sai (RMSE) giảm $62.7%$ so với hệ thống điều khiển không có khối thích nghi.
  4. Tính liên tục động học tuyệt đối của bộ tạo mẫu N-WPG 3 pha: Mô phỏng và thực nghiệm trên robot HUBOT-4 (10 BTD) và HUBOT-5 (12 BTD) khẳng định N-WPG loại bỏ hoàn toàn xung lực va đập tại thời điểm bắt đầu bước ($t=0$) và kết thúc chu kỳ bước ($t=2T$), đưa vận tốc và gia tốc khớp về trạng thái nghỉ một cách mượt mà.

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp khung toán học giải tích hoàn chỉnh giải bài toán ngược vận động cho robot hai chân có số bậc tự do cao, đặt nền móng tích hợp giữa điều khiển học phi tuyến và trí tuệ nhân tạo thích nghi.
  • Về mặt phương pháp luận: Thiết lập quy trình tối ưu hóa tham số cơ điện tử bằng MDE kết hợp mạng NARX, có khả năng chuyển giao áp dụng cho các hệ thống robot phức tạp khác như robot bốn chân, khung xương trợ lực y tế (exoskeleton), và cánh tay robot công nghiệp nhiều khớp.
  • Về mặt ứng dụng thực tiễn: Tạo tiền đề kỹ thuật để các viện nghiên cứu và doanh nghiệp tại Việt Nam làm chủ công nghệ thiết kế, chế tạo robot y tế phục hồi chức năng vận động và robot dịch vụ thông minh với chi phí thấp.
  • Về mặt chính sách: Đóng góp luận cứ khoa học thực chứng cho các chương trình phát triển công nghệ cao quốc gia thuộc định hướng Công nghiệp 4.0 do Bộ Khoa học và Công nghệ và Bộ Giáo dục và Đào tạo bảo trợ.

Limitations và Future Research

Nhằm duy trì tính khách quan khoa học và chuẩn mực học thuật quốc tế, luận án thẳng thắn chỉ rõ 3 giới hạn nghiên cứu:

  1. Giới hạn về mặt phẳng di chuyển: Các thuật toán tối ưu và tạo mẫu dáng đi N-WPG hiện mới được kiểm chứng trên bề mặt phẳng ngang, cứng và không có chướng ngại vật; chưa tính toán tương tác động lực học trên địa hình dốc, cầu thang hoặc nền đất biến dạng.
  2. Giả thiết cơ hệ tuyệt đối cứng: Mô hình toán học bỏ qua độ đàn hồi vi mô của các khớp bánh răng trong động cơ servo và biến dạng đàn hồi của các khâu cơ khí chế tạo bằng hợp kim nhôm/nhựa in 3D.
  3. Cố định chuyển động thân trên: Luận án giữ cố định 2 bậc tự do thân trên trong quá trình bước đi để tập trung giải bài toán chi dưới, do đó chưa tận dụng được mô-men động lượng từ cánh tay để hỗ trợ cân bằng khi chịu xung lực nhiễu loạn lớn.

Chương trình nghiên cứu tiếp nối trong giai đoạn 5-10 năm tới bao gồm:

  • Mở rộng bộ tạo mẫu N-WPG sang không gian 3 chiều thích ứng với địa hình gồ ghề và leo cầu thang.
  • Tích hợp mạng cảm biến áp lực bàn chân nhiều điểm (FTS) và cảm biến quán tính IMU 9 trục để triển khai điều khiển phản hồi lực - vị trí lai (hybrid force-position control).
  • Kết hợp học sâu tăng cường (Deep Reinforcement Learning) với mô hình AENM nhằm nâng cao khả năng tự phục hồi thăng bằng khi robot bị va chạm ngoại lực đột ngột.

Tác động và ảnh hưởng

Công trình nghiên cứu mang lại những tác động sâu rộng trên nhiều bình diện:

  • Ảnh hưởng học thuật: Các bài báo khoa học trích xuất từ luận án đã được công bố trên các tạp chí quốc tế uy tín thuộc danh mục ISI/Scopus và hội nghị chuyên ngành cơ điện tử, ước tính tạo ra tiềm năng trích dẫn cao trong cộng đồng nghiên cứu robot hai chân khu vực Đông Nam Á và quốc tế.
  • Chuyển giao công nghệ và phát triển công nghiệp: Cung cấp lõi thuật toán điều khiển nhúng thời gian thực cho dự án robot hai chân tại Phòng Thí nghiệm Trọng điểm Quốc gia DCSELAB, mở ra khả năng thương mại hóa các dòng robot phục vụ y tế và giáo dục STEM.
  • Lợi ích xã hội: Thúc đẩy tiến trình nội địa hóa công nghệ chế tạo thiết bị trợ vận động cho người khuyết tật và người cao tuổi, giảm thiểu chi phí nhập khẩu thiết bị y tế đắt đỏ từ nước ngoài.
  • Vị thế quốc tế: Khẳng định năng lực nghiên cứu độc lập của các nhà khoa học Việt Nam trong lĩnh vực robot dạng người – một lĩnh vực công nghệ đỉnh cao vốn do các tập đoàn lớn của Nhật Bản, Hoa Kỳ và Đức thống trị.

Đối tượng hưởng lợi

  1. Nghiên cứu sinh và Học viên cao học chuyên ngành Cơ kỹ thuật, Cơ điện tử, Tự động hóa: Tiếp cận một tài liệu tham khảo mẫu mực về phương pháp giải bài toán ngược vận động, kỹ thuật tối ưu hóa MDE và ứng dụng mạng nơ-rôn MIMO NARX trong điều khiển thực tế.
  2. Các nhà khoa học và Giảng viên đại học: Kế thừa khung lý thuyết N-WPG và hệ thống phương trình động học ngược giải tích để phát triển các hướng nghiên cứu nâng cao về robot phỏng sinh học.
  3. Kỹ sư R&D tại các doanh nghiệp công nghệ chế tạo: Sử dụng trực tiếp cấu hình phần cứng và lưu đồ thuật toán điều khiển của robot HUBOT-5 để phát triển các sản phẩm robot dịch vụ thương mại.
  4. Các nhà hoạch định chính sách khoa học công nghệ: Có cơ sở thực tiễn để phê duyệt và đầu tư ngân sách cho các phòng thí nghiệm trọng điểm phát triển robot tự hành Make-in-Vietnam.

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 thiết lập Mô hình mạng nơ-rôn tiến hóa thích nghi (AENM) dựa trên cấu trúc MIMO NARX được tối ưu toàn cục bởi MDE. Công trình này đã mở rộng trực tiếp lý thuyết tạo dáng đi 4 thông số của Dip et al. (2009) từ trạng thái tĩnh cố định sang trạng thái thích nghi động thời gian thực, đồng thời mở rộng lý thuyết ổn định ZMP của Vukobratovic (1972) thông qua việc gắn kết biến phụ thuộc động học với ràng buộc chiều cao nhấc chân mong muốn $H_{ref}$.

2. Tính đổi mới trong phương pháp luận so với ít nhất 2 công trình quốc tế tiêu biểu?

  • So với công trình của Qiang Huang et al. (2001) (dùng nội suy spline bậc ba và lặp số để tìm quỹ đạo hông): Phương pháp của luận án sử dụng hàm điều hòa giải tích kết hợp MDE, giúp giảm thời gian tính toán từ vài phút xuống còn $64.7\text{ ms}$, cho phép tính toán trực tuyến.
  • So với công trình của Dip et al. (2009) (dùng GA đơn mục tiêu tối ưu vận tốc): Luận án sử dụng MDE với hàm mục tiêu có điều kiện phạt, giải quyết đồng thời bài toán ổn định ZMP và kiểm soát độ nhấc chân chính xác mà GA không làm được.

3. Phát hiện nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ?

Phát hiện bất ngờ nhất là mối quan hệ phi tuyến đối kháng giữa độ khuỵu gối ($h$) và độ ổn định ZMP. Dữ liệu khảo sát từ Mẫu 3 ($h = 6\text{ mm}$) và Mẫu 4 ($h = 15\text{ mm}$) trong Bảng 2.2 cho thấy việc giảm độ khuỵu gối nhằm tăng chiều cao tổng thể của robot không làm tăng độ ổn định mà ngược lại làm quỹ đạo ZMP dao động mạnh và tràn ra ngoài đa giác chân đế do suy giảm tính linh hoạt của các khâu khớp chi dưới.

4. Luận án có cung cấp quy trình nhân bản thực nghiệm (Replication Protocol) hoàn chỉnh không?

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

  • Bảng kích thước hình học và khối lượng từng khâu khấc ($d_0, d_1, d_2, d_3, d_4$).
  • Sơ đồ nguyên lý mạch điện tử vi điều khiển, chủng loại động cơ servo HD-1501.
  • Toàn bộ hệ phương trình động học ngược giải tích tường minh (công thức 2.4).
  • Mã giả (pseudo-code) chi tiết của thuật toán MDE trong phụ lục luận án.

5. Kế hoạch nghiên cứu 10 năm được phác thảo như thế nào?

Lộ trình 10 năm được định hình qua 3 giai đoạn:

  • Giai đoạn 1 (2020-2023): Hoàn thiện cảm biến lực đa trục tại bàn chân và tích hợp bộ ổn định con lắc ngược 3D LIPM thời gian thực.
  • Giai đoạn 2 (2024-2027): Phát triển robot HUBOT thế hệ mới có kích thước người thật ($1.6\text{ m}$, $55\text{ kg}$) ứng dụng động cơ không chổi than PMSM và bộ truyền hài (harmonic drive).
  • Giai đoạn 3 (2028-2030): Tích hợp trí tuệ nhân tạo đa phương thức (Multimodal AI) và học tăng cường để robot tự động lập bản đồ dáng đi thích ứng với địa hình phi cấu trúc.

Kết luận

Luận án tiến sĩ của tác giả Trần Thiện Huân là một công trình nghiên cứu khoa học công phu, nghiêm túc và có hàm lượng học thuật cao. Những kết quả nghiên cứu then chốt được đúc kết qua các điểm sau:

  1. Đã giải quyết thành công bài toán ngược vận động robot hai chân bằng phương pháp giải tích tường minh kết hợp tính toán mềm, tạo nền tảng vững chắc cho việc điều khiển bám quỹ đạo góc khớp chính xác.
  2. Ứng dụng xuất sắc giải thuật tiến hóa vi sai cải tiến (MDE) để tối ưu hóa bộ 4 thông số dáng đi $(S, H, h, n)$ với độ nhấc chân $H_{ref}$ cài đặt trước, vượt trội hoàn toàn so với các thuật toán truyền thống GA và PSO về tốc độ hội tụ và độ chính xác.
  3. Đề xuất thành công mô hình mạng nơ-rôn tiến hóa thích nghi MIMO NARX (AENM), tạo ra bước đột phá trong việc nhận dạng và tự động điều chỉnh thông số dáng đi bám sát quỹ đạo ZMP mong muốn.
  4. Phát triển hoàn chỉnh bộ tạo mẫu đi bộ tự nhiên N-WPG với đầy đủ 3 giai đoạn (chuẩn bị, bước đều, kết thúc), triệt tiêu xung lực cơ học và bảo đảm tính liên tục động học cho robot.
  5. Chế tạo và thử nghiệm thực chứng thành công trên mô hình robot vật lý HUBOT-5, chứng minh tính khả thi tuyệt đối và độ tin cậy của các giải pháp lý thuyết đã đề xuất.

Công trình không chỉ góp phần quan trọng vào kho tàng tri thức cơ học và robot học tại Việt Nam mà còn mở ra những hướng nghiên cứu ứng dụng đầy hứa hẹn trong lĩnh vực công nghệ cao và tự động hóa phục vụ đời sống xã hội.