Tổng quan luận án

Luận án tiến sĩ kỹ thuật với đề tài "Nghiên cứu hệ thống xây dựng bản đồ, lập quỹ đạo và điều khiển bám quỹ đạo cho robot tự hành bốn bánh đa hướng", chuyên ngành Kỹ thuật điều khiển và tự động hóa (Mã số: 9 52 02 16), được nghiên cứu sinh Đỗ Quang Hiệp thực hiện tại Viện Khoa học và Công nghệ Quân sự dưới sự hướng dẫn khoa học của TS. Lê Trần Thắng và GS.TS. Phan Xuân Minh, bảo vệ năm 2022.

Tính cấp thiết và khoảng trống nghiên cứu

Trong lĩnh vực điều khiển tự động và robot thông minh, robot tự hành (Autonomous Mobile Robot - AMR) giữ vai trò then chốt trong nhiều ứng dụng dân sự, công nghiệp (vận chuyển hàng hóa, y tế, thám hiểm môi trường độc hại) cũng như an ninh, quốc phòng (rà phá bom mìn, chống khủng bố, tác chiến tự trị). Tính thông minh của robot tự hành phụ thuộc trực tiếp vào khả năng nhận thức môi trường và tự ra quyết định di chuyển. Khi hoạt động trong môi trường chưa biết trước, robot đòi hỏi phải tự động xây dựng bản đồ, xác định vị trí, tự hoạch định quỹ đạo tránh các vật cản tĩnh và động, đồng thời điều khiển bám chính xác quỹ đạo đã thiết lập theo thời gian thực.

Đối với các cấu trúc di động, robot tự hành bốn bánh đa hướng (Four-Wheeled Omnidirectional Mobile Robot - FWOMR) sở hữu tính cân bằng động cao và khả năng di chuyển linh hoạt 3 bậc tự do độc lập trên mặt phẳng (tịnh tiến dọc, tịnh tiến ngang và quay thân độc lập) mà không cần thay đổi hướng thân xe trước khi di chuyển. Tuy nhiên, FWOMR là hệ thống phi tuyến, thừa cơ cấu chấp hành (4 động cơ điều khiển 3 bậc tự do), chịu nhiều tác động bất định từ ma sát trượt, ma sát nhớt, ma sát Coulomb và các nhiễu ngoại sinh. Các phương pháp điều khiển truyền thống (PID) hoặc các bộ điều khiển phi tuyến độc lập (SMC, DSC) gặp nhiều hạn chế khi giải quyết đồng thời bài toán tránh vật cản động và bám quỹ đạo trong điều kiện thời gian thực. Việc nghiên cứu một giải pháp tổng thể kết hợp giữa xây dựng bản đồ, định vị đồng thời (SLAM), lập quỹ đạo tối ưu cục bộ và điều khiển dự báo (MPC) trên nền tảng hệ điều hành robot (ROS) có ý nghĩa cấp thiết về mặt khoa học kỹ thuật.

Mục tiêu nghiên cứu

Luận án xác định hai mục tiêu nghiên cứu cụ thể:

  1. Đề xuất các thuật toán bản đồ hóa môi trường và định vị đồng thời cho robot tự hành di chuyển đa hướng kết hợp với các giải thuật điều hướng cục bộ nhằm xây dựng hệ thống nhận thức cho robot hoạt động trong địa hình chưa biết trước có vật cản tĩnh và động.
  2. Đề xuất các thuật toán điều khiển thông minh, điều khiển thích nghi phi tuyến trên nền tảng hệ điều hành ROS (Robot Operating System) thực hiện bài toán điều hướng chuyển động và bám quỹ đạo cho FWOMR nhằm thông minh hóa, linh hoạt hóa quá trình di chuyển, tiếp cận mục tiêu của robot và có khả năng tránh vật cản tĩnh và động.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Robot tự hành bốn bánh xe đa hướng (FWOMR) hoạt động trong địa hình bất định có sự xuất hiện của vật cản tĩnh và vật cản động.
  • Phạm vi nghiên cứu:
    • Không gian và môi trường: Giới hạn trong môi trường địa hình phẳng của tòa nhà, có bố trí các vật cản tĩnh và động nhân tạo.
    • Giả thiết nghiên cứu: Trọng tâm của robot được coi có tính chất điểm và trùng với tâm của đường tròn ngoại tiếp bốn bánh xe; các thành phần nhiễu tác động vào bánh xe là bất định không biết trước nhưng bị chặn; kết cấu cơ khí của robot là lý tưởng.
    • Thời gian và nền tảng thực hiện: Luận án hoàn thành và bảo vệ năm 2022; các thuật toán được triển khai, kiểm chứng trên nền tảng mô phỏng (Matlab, Gazebo, Rviz) và thực nghiệm trên máy tính nhúng Nvidia Jetson TX2 chạy hệ điều hành ROS.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu liên quan

Luận án đã tổng hợp và phân tích các công trình nghiên cứu trong nước và quốc tế liên quan đến mô hình hóa, định vị, lập quỹ đạo và điều khiển robot tự hành:

Hướng nghiên cứu Tác giả và công trình tiêu biểu trong văn bản Nội dung chính
Mô hình hóa và điều khiển thích nghi FWOMR Hà Thị Kim Duyên (2020) [1] Nghiên cứu bộ điều khiển mặt trượt động thích nghi (DSC) bám quỹ đạo cho FWOMR.
Hợp nhất cảm biến và định vị EKF Trần Thuận Hoàng và cs. (2012) [2]; Durrant-Whyte H. (1995, 2005) [25], [75] Định vị robot di động bằng kỹ thuật tổng hợp dữ liệu đa cảm biến qua bộ lọc Kalman mở rộng.
Nhận dạng và bám mục tiêu di động Ngô Mạnh Tiến và cs. (2012) [3] Phát triển robot tự hành gắn camera tự động tìm kiếm và bám mục tiêu di động.
Điều khiển dự báo (MPC) cho hệ thống tự động Trần Quang Tuấn, Phan Xuân Minh (2010) [4]; Koubaa A. và cs. (2015) [32] Ứng dụng MPC tựa mô hình trên cơ sở hệ mờ và MPC có xét đến ràng buộc động học cho robot đa hướng.
Điều khiển thông minh trong môi trường bất định Đỗ Nam Thắng (2021) [5] Tổng hợp các thuật toán điều khiển thông minh cho robot tự hành di chuyển trong địa hình bất định.
Lập quỹ đạo và điều hướng trên nền tảng ROS Rösmann C. và cs. (2012, 2017) [77], [78]; Quigley M. và cs. (2009) [57] Thuật toán Dải đàn hồi thời gian (TEB) tối ưu hóa quỹ đạo cục bộ trực tuyến trên ROS.

Khoảng trống nghiên cứu luận án giải quyết

Từ việc phân tích tổng quan, tác giả chỉ ra các khoảng trống khoa học:

  • Bộ điều khiển PID thông dụng thiết kế dựa trên mô hình động học thường bỏ qua đặc tính động lực học và các lực ma sát, dẫn đến suy giảm chất lượng khi robot cần chuyển hướng nhanh để tránh chướng ngại vật.
  • Các bộ điều khiển trượt kinh điển (SMC) và mặt trượt động (DSC) có khả năng kháng nhiễu tốt nhưng dễ sinh hiện tượng dao động (chattering) hoặc phụ thuộc nhiều vào tham số chỉnh định ban đầu, không giải quyết triệt để bài toán tối ưu hóa đa mục tiêu với các ràng buộc về không-thời gian khi tránh vật cản động.
  • Sự thiếu hụt một cấu trúc điều khiển thống nhất tích hợp từ tầng nhận thức (thuật toán EKF-SLAM cải tiến kết hợp lọc nhiễu quét laser), tầng lập kế hoạch di chuyển (toàn cục A* và cục bộ TEB) đến tầng điều khiển bám quỹ đạo dự báo phi tuyến (NMPC) được tối ưu hóa cho phần cứng nhúng hiệu năng cao trong môi trường thời gian thực.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

  1. Lý thuyết cơ học Lagrange và Euler-Lagrange: Thiết lập phương trình động lực học tổng quát cho FWOMR có xét đến ma sát nhớt ($F_B$) và ma sát Coulomb ($F_C$). Phương trình động lực học trong không gian trạng thái được mô tả qua dạng: $$M(q)\dot{v} + Cv + G\text{sig}(v) + B^+\tau_d = \tau$$ Trong đó, $M(q)$ là ma trận quán tính, $C$ là ma trận hệ số ma sát nhớt, $G$ là ma trận hệ số ma sát Coulomb, $\tau_d$ là vector nhiễu bất định và $\tau$ là vector tín hiệu điều khiển mô men đặt lên 4 bánh xe.
  2. Động học robot bốn bánh đa hướng: Với góc đặt bánh xe $\alpha = \pi/4$, bán kính bánh xe $r = 0{,}06\text{ m}$, khoảng cách từ tâm đến các bánh $d = 0{,}3\text{ m}$, vận tốc góc của bốn bánh xe ($\omega_1, \omega_2, \omega_3, \omega_4$) thỏa mãn điều kiện ràng buộc động học: $$\omega_1 + \omega_3 = \omega_2 + \omega_4$$
  3. Lý thuyết ước lượng xác suất và Bộ lọc Kalman mở rộng (EKF): Áp dụng suy luận Bayes và xấp xỉ tuyến tính hóa Jacobian cho hệ phi tuyến nhằm hợp nhất dữ liệu Odometry từ encoder và dữ liệu quét Laser Lidar để giải bài toán định vị và lập bản đồ đồng thời (EKF-SLAM).
  4. Lý thuyết Điều khiển dự báo (MPC) và Quy hoạch toàn phương liên tiếp (SQP): Xây dựng hàm mục tiêu tối ưu hóa toàn phương trong miền dự báo hữu hạn ($N$), sử dụng phương pháp SQP để giải bài toán tối ưu hóa phi tuyến có ràng buộc đầu vào và trạng thái.
  5. Dải đàn hồi thời gian (Timed Elastic Band - TEB): Biến đổi không gian trạng thái chuyển động thành đồ thị biến dạng đàn hồi theo thời gian để tạo quỹ đạo cục bộ tránh vật cản tối ưu.
+-----------------------------------------------------------------------------+
|                          HỆ THỐNG NHẬN THỨC VÀ ĐỊNH VỊ                      |
|  - Cảm biến Lidar (Laser Scanner) + Encoder (Odometry) + IMU                |
|  - Thuật toán EKF-SLAM: Dự báo (Prediction) & Hiệu chỉnh (Correction - ICP) |
|  - Xây dựng bản đồ ô lưới (Costmap / Grid Map) & Ước lượng vị trí (x, y, θ) |
+---------------------------------------+-------------------------------------+
                                        |
                                        v
+-----------------------------------------------------------------------------+
|                         HỆ THỐNG ĐIỀU HƯỚNG CHUYỂN ĐỘNG                     |
|  - Lập quỹ đạo toàn cục: Thuật toán A* (Global Planner)                     |
|  - Lập quỹ đạo cục bộ: Dải đàn hồi thời gian TEB (Local Planner)            |
+---------------------------------------+-------------------------------------+
                                        |
                                        v
+-----------------------------------------------------------------------------+
|                     ĐIỀU KHIỂN BÁM QUỸ ĐẠO DỰ BÁO (NMPC)                     |
|  - Tối ưu hóa hàm mục tiêu sai lệch trạng thái và năng lượng điều khiển      |
|  - Giải bài toán tối ưu hóa phi tuyến bằng SQP / CasADi / ACADO Toolkit     |
|  - Xuất tín hiệu vận tốc (vx, vy, ω) điều khiển động cơ bánh xe             |
+-----------------------------------------------------------------------------+

Phương pháp nghiên cứu

  • Phương pháp thống kê tổng hợp: Thu thập, đối chiếu và phân tích các công trình khoa học trong và ngoài nước về FWOMR, SLAM và MPC.
  • Phương pháp nghiên cứu lý thuyết: Xây dựng mô hình toán giải tích động học, động lực học và các thuật toán tối ưu hóa.
  • Phương pháp chuyên gia: Trao đổi học thuật, tiếp thu đánh giá qua các hội thảo chuyên ngành Cơ điện tử và Tự động hóa.
  • Phương pháp mô hình hóa và mô phỏng:
    • Sử dụng phần mềm Matlab kết hợp bộ công cụ CasADi để mô phỏng thuật toán EKF-SLAM và MPC.
    • Sử dụng phần mềm Gazebo và công cụ hiển thị Rviz trong môi trường ROS để mô phỏng 3D động học, động lực học và thuật toán điều hướng.
  • Phương pháp kiểm chứng thực nghiệm: Chế tạo mô hình FWOMR vật lý với khối lượng $m = 20\text{ kg}$, nhúng thuật toán viết bằng C++ và Python trên mạch máy tính Jetson TX2, tiến hành đo đạc và đánh giá sai số bám quỹ đạo trong môi trường tòa nhà thực tế.

Nội dung chính theo từng chương

Chương 1: Tổng quan về robot tự hành bốn bánh đa hướng

Chương này tập trung vào việc mô tả cấu trúc vật lý, phân tích cơ chế chuyển động holonom và thiết lập các mô hình toán học giải tích cho FWOMR:

  • Cấu trúc bánh xe Omni: Bánh xe Omni được cấu tạo từ các con lăn phụ bố trí vuông góc với trục quay chính, cho phép bánh trượt tự do dọc trục động cơ mà không tạo ra ma sát trượt ngang lớn. Robot bố trí 4 bánh đối xứng quanh đường tròn ngoại tiếp bán kính $d = 0{,}3\text{ m}$.
  • Mô hình động học: Luận án thiết lập ma trận chuyển đổi hệ tọa độ $H$ giữa hệ tọa độ cố định $Oxy$ và hệ tọa độ gắn liền robot $O'x'y'$. Mối quan hệ vận tốc giữa các bánh xe và vận tốc chuyển động của robot được biểu diễn bởi: $$\begin{bmatrix} v_1 \ v_2 \ v_3 \ v_4 \end{bmatrix} = \begin{bmatrix} -\frac{\sqrt{2}}{2} & \frac{\sqrt{2}}{2} & d \ -\frac{\sqrt{2}}{2} & -\frac{\sqrt{2}}{2} & d \ \frac{\sqrt{2}}{2} & -\frac{\sqrt{2}}{2} & d \ \frac{\sqrt{2}}{2} & \frac{\sqrt{2}}{2} & d \end{bmatrix} \begin{bmatrix} v_x \ v_y \ \omega \end{bmatrix}$$
  • Mô hình động lực học Euler-Lagrange: Phân tích chi tiết ảnh hưởng của khối lượng ($m = 20\text{ kg}$), mô men quán tính ($J$), các thành phần lực ma sát nhớt ($B_x v_x, B_y v_y, B_\omega \omega$) và ma sát Coulomb ($C_x\text{sgn}(v_x), C_y\text{sgn}(v_y), C_\omega\text{sgn}(\omega)$). Tác giả thiết lập ma trận giả nghịch đảo $B^+$ để giải bài toán phân bổ lực kéo/mô men cho 4 động cơ dẫn động độc lập.
  • Đánh giá các thuật toán điều khiển truyền thống:
    • Bộ điều khiển PID: Thích hợp cho đối tượng biến đổi chậm, không xử lý tốt phi tuyến và lực cản động học lớn khi chuyển trạng thái né vật cản.
    • Bộ điều khiển trượt (SMC): Đảm bảo tính ổn định vững chắc trước sai lệch mô hình và nhiễu bị chặn, song có nhược điểm dao động biên độ cao (chattering).
    • Bộ điều khiển mặt trượt động (DSC): Cải tiến từ SMC và Backstepping kết hợp bộ lọc thông thấp để giảm khối lượng tính toán đạo hàm tín hiệu ảo, nhưng chất lượng phụ thuộc vào việc lựa chọn các hệ số ma trận $C_1, C_2, C_3$ và chỉ hoạt động tốt khi sai lệch mô hình nhỏ.
    • Bộ điều khiển dự báo (MPC): Khắc phục các hạn chế trên nhờ nguyên lý tối ưu hóa trực tuyến theo miền dự báo cuốn (receding horizon), xử lý tự nhiên các ràng buộc vận tốc và gia tốc.
  • Kiến trúc hệ điều hành ROS: Giới thiệu cấu trúc giao tiếp giữa các nút (Nodes), nút trung tâm (Master), cơ chế truyền nhận dữ liệu qua Chủ đề (Topics), Tin nhắn (Messages), Dịch vụ (Services) và kiến trúc gói điều hướng Navigation Stack.

Chương 2: Thuật toán bản đồ hóa môi trường và định vị đồng thời cho FWOMR

Chương 2 giải quyết bài toán tầng nhận thức của FWOMR khi hoạt động trong môi trường chưa biết trước:

  • Kỹ thuật suy luận xác suất: Phân tích mô hình quan sát và mô hình chuyển động dưới tác động của nhiễu Gauss.
  • Thuật toán EKF-SLAM: Tác giả xây dựng quy trình hai bước của bộ lọc Kalman mở rộng:
    • Bước dự báo (Prediction): Sử dụng mô hình động học của FWOMR kết hợp tín hiệu odometry từ encoder để cập nhật trạng thái vị trí dự đoán $(\hat{x}, \hat{y}, \hat{\theta})$ và ma trận hiệp phương sai sai số $P$.
    • Bước hiệu chỉnh (Correction): Xử lý dữ liệu đám mây điểm từ cảm biến Lidar, trích xuất đặc trưng môi trường và loại bỏ dữ liệu trùng lặp. Áp dụng thuật toán ICP (Iterative Closest Point) để liên kết dữ liệu quan sát với các mốc đã biết (landmarks), tính toán độ lệch đo lường và cập nhật lại vector trạng thái toàn cục.
  • Kết quả mô phỏng và thực nghiệm:
    • Trên Matlab: Xây dựng hàm ekfCompute mô phỏng chuyển động của robot qua các điểm mốc (waypoints) với chướng ngại vật di động; kết quả chứng minh sai số vị trí hội tụ về giới hạn cho phép, độ lệch chuẩn bản đồ và độ lệch chuẩn vị trí robot duy trì ổn định.
    • Trên môi trường ảo Gazebo và công cụ Rviz: Robot tự động di chuyển, quét laser 270 độ và tái tạo bản đồ 2D dạng lưới ô vuông (occupancy grid map) chính xác so với kích thước thực của mô hình không gian phòng.
    • Thực nghiệm môi trường thực tế: Bản đồ hóa hành lang và phòng thí nghiệm, sai số xác định vị trí thực tế thấp, tạo tiền đề dữ liệu chính xác cho tầng điều hướng.

Chương 3: Thiết kế hệ thống điều hướng, điều khiển bám quỹ đạo cho FWOMR

Nội dung chương này trình bày thiết kế kiến trúc điều hướng hai cấp và thuật toán bám quỹ đạo dựa trên điều khiển dự báo:

  • Hệ thống điều hướng hai cấp:
    • Lập kế hoạch toàn cục (Global Planning): Sử dụng thuật toán A* tìm kiếm đường đi tối ưu ngắn nhất từ điểm xuất phát đến đích trên bản đồ tĩnh toàn cục.
    • Lập kế hoạch cục bộ (Local Planning): Ứng dụng thuật toán Timed Elastic Band (TEB) để tối ưu hóa quỹ đạo cục bộ theo thời gian thực. TEB liên tục biến dạng dải quỹ đạo nhằm duy trì khoảng cách an toàn với vật cản tĩnh/động dựa trên biểu đồ khoảng cách an toàn (Inflation costmap).
  • Bộ điều khiển bám quỹ đạo MPC phi tuyến (NMPC):
    • Xây dựng bài toán tối ưu hóa trong miền thời gian rời rạc với chu kỳ trích mẫu $T_s = 0{,}1\text{ s}$, số bước dự báo $N$.
    • Hàm mục tiêu phạt sai lệch bám vị trí và năng lượng điều khiển: $$J = \sum_{k=0}^{N-1} \left( (q_{k} - q_{ref,k})^T Q (q_{k} - q_{ref,k}) + u_k^T R u_k \right) + (q_N - q_{ref,N})^T Q_N (q_N - q_{ref,N})$$ Trong đó $Q, R, Q_N$ là các ma trận trọng số xác định dương.
    • Áp dụng phương pháp quy hoạch toàn phương liên tiếp (SQP) thông qua công cụ tối ưu hóa CasADi và ACADO Toolkit để giải trực tuyến vector tín hiệu điều khiển vận tốc $(v_x, v_y, \omega)$.
  • So sánh đánh giá thuật toán:
Tiêu chí đánh giá Bộ điều khiển PID Bộ điều khiển trượt (SMC) Bộ điều khiển mặt trượt động (DSC) Bộ điều khiển đề xuất (MPC)
Khả năng xử lý ràng buộc Không hỗ trợ Kém Kém Tối ưu hóa trực tiếp trên miền ràng buộc
Hiện tượng Chattering Không có Biên độ lớn Rất nhỏ (nhờ bộ lọc thông thấp) Triệt tiêu hoàn toàn
Sai lệch bám phương $x, y$ Lớn khi đổi hướng Trung bình Nhỏ Nhỏ nhất, bám mượt quỹ đạo
Thời gian quá độ khi tránh vật cản Kéo dài Trung bình Khá Rút ngắn rõ rệt
Khả năng thực thi thời gian thực Rất cao Rất cao Cao Đáp ứng tốt trên Jetson TX2 (với ACADO)
  • Triển khai trên ROS: Tạo node C++ mpc_node giao tiếp qua các topic /odom, /path, /cmd_vel, /predict_path, cho phép robot cập nhật trạng thái và xuất lệnh vận tốc tức thời với tần số $10\text{ Hz}$.

Chương 4: Thực nghiệm thuật toán điều khiển

Chương 4 kiểm chứng toàn bộ các thuật toán đề xuất trên mô hình phần cứng vật lý:

  • Kiến trúc phần cứng robot thực nghiệm:
    • Khung gầm 4 bánh xe Omni phân bố đối xứng, trang bị 4 động cơ DC Servo có gắn encoder.
    • Bo mạch điều khiển trung tâm: Máy tính nhúng Nvidia Jetson TX2 cài đặt hệ điều hành Ubuntu và môi trường ROS.
    • Cảm biến: Cảm biến quét Laser Lidar (Laser scanner góc quét rộng), Astra Camera, cảm biến quán tính IMU.
  • Thiết lập tham số điều hướng: Chỉnh định thông số bán kính phình an toàn của vật cản trên costmap (inflation_radius = 1.5 và inflation_radius = 0.55) để đảm bảo vùng di chuyển an toàn cho robot.
  • Kịch bản và kết quả thực nghiệm:
    1. Thực nghiệm xây dựng bản đồ: Robot di chuyển lấy dữ liệu cảm biến, xây dựng bản đồ ô lưới không gian phòng thực tế có độ tương đồng cao với bản đồ thiết kế.
    2. Thực nghiệm tránh vật cản tĩnh: Bố trí các vật cản tĩnh trên đường di chuyển toàn cục; robot phát hiện vật cản, TEB kết hợp MPC tính toán quỹ đạo cục bộ lượn zíc zắc qua các vật cản và tái bám quỹ đạo toàn cục mà không xảy ra va chạm.
    3. Thực nghiệm tránh vật cản động: Khi có vật cản di chuyển cắt ngang hành trình, hệ thống điều khiển dự báo NMPC phản ứng nhanh, tự động giảm tốc độ và rẽ phải điều chỉnh hướng đi, sau đó tăng tốc đưa robot về đích an toàn, rút ngắn thời gian quá độ so với các phương pháp điều khiển tĩnh.

Kết quả và những đóng góp mới

Các đóng góp mới của luận án

Theo công bố chính thức trong văn bản luận án, công trình có hai đóng góp mới:

  1. Phát triển thuật toán EKF-SLAM tạo dữ liệu cho hệ thống điều hướng và điều khiển robot tự hành bốn bánh đa hướng. Luận án đã hoàn thiện quy trình lọc dữ liệu laser kết hợp odometry qua thuật toán ICP và EKF, nâng cao độ chính xác bản đồ hóa và ước lượng vị trí cho robot đa hướng trong môi trường địa hình phẳng chưa biết trước.
  2. Đề xuất thuật toán điều khiển MPC cho robot tự hành bốn bánh đa hướng tránh vật cản tĩnh và động, đồng thời xây dựng mô hình FWOMR vật lý để kiểm chứng các đề xuất mới. Giải pháp kết hợp giữa dải đàn hồi thời gian (TEB) ở tầng lập kế hoạch cục bộ và điều khiển dự báo phi tuyến (NMPC) ở tầng bám quỹ đạo ngắn hạn giúp hạn chế độ quá điều chỉnh, đảm bảo tính ổn định và đáp ứng thời gian thực trên phần cứng nhúng hiệu năng cao.

Danh mục công trình khoa học đã công bố của tác giả

Các kết quả của luận án đã được công bố trong 5 công trình khoa học tiêu biểu:

  • CT1: Đỗ Quang Hiệp, Ngô Mạnh Tiến, Nguyễn Mạnh Cường, Lê Trần Thắng, Phan Xuân Minh (2020), "Xây dựng hệ thống nhận thức môi trường cho robot tự hành Omni 4 bánh dựa trên thuật toán EKF-SLAM và hệ điều hành ROS", Tạp chí nghiên cứu KH&CN Quân sự, Số đặc san Hội thảo Quốc gia FEE.
  • CT2: Hiep Do Quang, Tien Ngo Manh, Cuong Nguyen Manh, Dung Pham Tien, Manh Tran Van, Duyen Ha Thi Kim, Van Nguyen Thi Thanh, Duan Dam Hong (2019), "Mapping and Navigation with Four-wheeled Omnidirectional Mobile Robot based on Robot Operating System", International Conference on MechatrOnics, Robotics & Systerm Engineering (MORSE), IEEE Xplore, ISBN: 978-1-7281-3984-5.
  • CT3: Hiep Do Quang, Tien Ngo Manh, Cuong Nguyen Manh, Dung Pham Tien, Manh Tran Van, Kiem Nguyen Tien, Duy Nguyen Duc (2020), "An Approach to Design Navigation System for Omnidirectional Mobile Robot Based on ROS", International Journal of Mechanical Engineering and Robotics Research (IJMERR), ISSN 2278-0149.
  • CT4: Ha Thi Kim Duyen, Ngo Manh Tien, Pham Ngoc Minh, Thai Quang Vinh, Phan Xuan Minh, Pham Tien Dung, Nguyen Duc Dinh, Do Quang Hiep (2020), "Fuzzy Adaptive Dynamic Surface Control for Omnidirectional Robot", The International Conference on Artificial Intelligence and Computational Intelligence (AICI 2020), Springer-Verlag, Series "Computational Intelligence", ISSN: 1860-9503.
  • CT5: Hiep Do Quang, Tien Ngo Manh, Cuong Nguyen Manh, Thang Le Tran, Toan Nguyen Nhu, Nam Bui Duy (2022), "Design a nonlinear MPC for autonomous mobile robot navigation system based on ROS", International Journal of Mechanical Engineering and Robotics Research (IJMERR), ISSN 2278-0149.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Các kết quả mô phỏng và thực nghiệm mới chỉ thực hiện trong phạm vi địa hình phẳng trong nhà (indoor) của tòa nhà hoặc phòng thí nghiệm, chưa xét đến các bề mặt gồ ghề, trơn trượt phức tạp.
  • Mô hình toán học giả thiết kết cấu vật lý lý tưởng (trọng tâm robot trùng tâm hình học ngoại tiếp 4 bánh xe), chưa xét đến sự dịch chuyển trọng tâm khi robot mang tải trọng thay đổi liên tục.
  • Bản đồ xây dựng bằng thuật toán EKF-SLAM trong luận án là bản đồ dạng 2D ô lưới mặt phẳng, chưa thể hiện được không gian hình học 3D đầy đủ của các chướng ngại vật phức tạp trên cao.

Hướng nghiên cứu tiếp theo

  • Mở rộng nghiên cứu và xây dựng các thuật toán 3D SLAM (kết hợp cảm biến độ sâu, Lidar 3D) cho robot tự hành hoạt động trên các địa hình đặc thù không bằng phẳng hoặc môi trường dưới nước.
  • Nghiên cứu tích hợp thuật toán điều khiển dự báo phi tuyến (NMPC) với các giải thuật điều khiển thông minh khác (mạng nơ-ron sâu, học tăng cường, logic mờ) nhằm giải quyết triệt để bài toán bù bất định tham số mô hình và thích nghi với tải trọng biến thiên trong điều kiện thực tế.

Giá trị tham khảo

Luận án mang lại giá trị tham khảo khoa học và ứng dụng thực tiễn trong các lĩnh vực:

  • Đối với nghiên cứu sinh, học viên cao học và giảng viên: Là tài liệu chuyên khảo tham khảo về phương pháp xây dựng mô hình toán học giải tích Euler-Lagrange cho robot holonom thừa cơ cấu chấp hành; cung cấp quy trình chi tiết về lập trình thuật toán EKF-SLAM, TEB và MPC trên phần mềm Matlab/Simulink và môi trường ROS C++.
  • Đối với kỹ sư phát triển hệ thống robot tự hành (AGV/AMR): Cung cấp giải pháp phần cứng nhúng hoàn chỉnh (sử dụng Nvidia Jetson TX2, Lidar, ROS) và bộ mã nguồn mở (ACADO, CasADi) để tối ưu hóa thời gian tính toán trực tuyến cho các hệ thống xe tự hành đa hướng trong kho bãi công nghiệp thông minh hoặc thiết bị tự hành phục vụ an ninh quốc phòng.

Câu hỏi thường gặp

1. Ràng buộc động học cơ bản giữa 4 bánh xe của robot FWOMR trong luận án được xác định như thế nào?

Theo mô hình động học thiết lập tại Chương 1, khi 4 bánh xe Omni được bố trí cách đều nhau một góc $90^\circ$ dọc đường tròn ngoại tiếp bán kính $d$, vận tốc dài $v_i$ và vận tốc góc $\omega_i$ của 4 bánh xe chịu một ràng buộc phụ thuộc tuyến tính: $$v_1 + v_3 = v_2 + v_4 \quad \text{tương đương} \quad \omega_1 + \omega_3 = \omega_2 + \omega_4$$ Điều này cho thấy vận tốc của ba bánh xe bất kỳ có thể tùy chọn, còn bánh thứ tư hoàn toàn bị xác định bởi vận tốc ba bánh còn lại. FWOMR là một hệ robot thừa cơ cấu chấp hành với 4 động cơ dẫn động điều khiển 3 bậc tự do phẳng ($v_x, v_y, \omega$).

2. Ưu điểm nổi bật của bộ điều khiển dự báo (MPC) so với bộ điều khiển trượt (SMC) và mặt trượt động (DSC) trong luận án là gì?

Bộ điều khiển MPC giải bài toán tối ưu hóa đa mục tiêu theo thời gian thực trên miền dự báo cuốn hữu hạn, cho phép trực tiếp đưa các ràng buộc vật lý về vận tốc và gia tốc của robot vào bài toán tối ưu. Kết quả so sánh tại Chương 3 cho thấy MPC triệt tiêu hoàn toàn hiện tượng dao động (chattering) của SMC, giảm đáng kể thời gian quá độ khi quỹ đạo bị uốn cong để tránh vật cản động, và giảm sai lệch bám vị trí $(e_x, e_y)$ so với DSC.

3. Quy trình thực hiện thuật toán EKF-SLAM trong luận án bao gồm các bước nào?

Thuật toán EKF-SLAM được triển khai gồm hai bước chính:

  • Bước dự báo: Dựa vào mô hình động học xe và dữ liệu encoder (Odometry) để dự báo vector vị trí robot $(\hat{x}, \hat{y}, \hat{\theta})$ và cập nhật ma trận hiệp phương sai sai số $P$.
  • Bước hiệu chỉnh: Thu nhận dữ liệu quét từ cảm biến Lidar, loại bỏ điểm trùng lặp, dùng thuật toán ICP để tìm kiếm sự tương quan giữa điểm quét và các mốc bản đồ đã có, sau đó tính toán độ lệch đo lường và ma trận độ lợi Kalman để hiệu chỉnh đồng thời tọa độ robot và tọa độ các mốc trong không gian toàn cục.

4. Nền tảng phần cứng và công cụ tối ưu hóa nào được tác giả sử dụng để đảm bảo tính thời gian thực cho MPC?

Để giải quyết khối lượng tính toán lớn của bài toán tối ưu phi tuyến trực tuyến, tác giả sử dụng bo mạch máy tính nhúng hiệu năng cao Nvidia Jetson TX2 kết hợp hệ điều hành robot ROS. Ở tầng thuật toán, luận án sử dụng bộ công cụ ACADO Toolkit (viết bằng C++) kết hợp phương pháp quy hoạch toàn phương liên tiếp (SQP), cho phép giải thuật toán NMPC với chu kỳ trích mẫu $T_s = 0{,}1\text{ s}$ (tần số $10\text{ Hz}$), đáp ứng yêu cầu điều khiển thời gian thực trên mô hình vật lý.

Kết luận

Luận án của tác giả Đỗ Quang Hiệp đã giải quyết bài toán tích hợp giữa hệ thống nhận thức (bản đồ hóa và định vị EKF-SLAM), lập kế hoạch điều hướng chuyển động (A* và TEB) và điều khiển bám quỹ đạo dự báo phi tuyến (NMPC) cho robot tự hành bốn bánh đa hướng (FWOMR). Các thuật toán đề xuất đã khắc phục được hiện tượng dao động biên độ lớn của điều khiển trượt truyền thống, rút ngắn thời gian quá độ khi tránh vật cản động và duy trì chất lượng bám quỹ đạo ổn định. Công trình đã xây dựng hoàn chỉnh từ mô hình toán học giải tích, mô phỏng trên Matlab, Gazebo, Rviz cho đến thực nghiệm kiểm chứng trên mô hình vật lý sử dụng máy tính nhúng Nvidia Jetson TX2 chạy nền tảng ROS, đóng góp cơ sở lý luận và thực tiễn cho việc phát triển các thế hệ robot tự hành thông minh.