Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh hệ thống y tế hiện đại phải đối mặt với áp lực gia tăng từ tình trạng quá tải bệnh nhân và sự thiếu hụt nhân lực chuyên môn, việc ứng dụng tự động hóa và công nghệ số được xác định là hướng đi tất yếu. Thực tiễn tại các cơ sở khám chữa bệnh cho thấy nhân viên y tế thường phải dành nhiều thời gian cho các công tác cơ bản như hướng dẫn phân luồng, chỉ dẫn bệnh nhân tìm buồng khám hoặc giải đáp các triệu chứng thông thường. Nhằm tối ưu hóa quy trình tiếp đón ban đầu, giảm thiểu thời gian chờ đợi cho người bệnh và hạn chế rủi ro lây nhiễm chéo trong môi trường bệnh viện, đề tài "Nghiên cứu, thiết kế, chế tạo robot phục vụ khám bệnh trong bệnh viện" đã được nhóm tác giả lựa chọn và triển khai thực hiện.

Mục tiêu tổng quát của đồ án là nghiên cứu, thiết kế và chế tạo một mô hình robot di động tự hành (AGV/AMR) phục vụ trong bệnh viện, có khả năng di chuyển độc lập và hỗ trợ tương tác ban đầu với người bệnh. Cụ thể, hệ thống được xác định thực hiện các nhiệm vụ nghiên cứu sau:

  1. Thiết kế và chế tạo kết cấu cơ khí của xe tự hành AGV đảm bảo chuyển động ổn định, tải trọng phục vụ và kích thước phù hợp với không gian bệnh viện.
  2. Thiết kế và tích hợp hệ thống điều khiển phần cứng, bao gồm khối vi điều khiển, mạch công suất, hệ thống cảm biến định vị và cảm biến an toàn.
  3. Xây dựng và tinh chỉnh giải thuật điều khiển chuyển động bám quỹ đạo, sử dụng bộ điều khiển PID kết hợp phương pháp lọc cảm biến (Sensor Fusion).
  4. Triển khai hệ thống định vị, lập bản đồ và điều hướng tự động (SLAM và Navigation) trên nền tảng hệ điều hành robot mã nguồn mở ROS.
  5. Xây dựng mô hình trí tuệ nhân tạo (Deep Neural Network - DNN) hỗ trợ chẩn đoán sơ bộ khoảng 40 bệnh phổ biến dựa trên việc thu thập và phân tích các triệu chứng người bệnh cung cấp.
  6. Tích hợp khả năng giao tiếp người - máy cơ bản qua nhận diện và phản hồi giọng nói.

Đối tượng nghiên cứu của đề tài là hệ thống xe tự hành đa hướng vi sai ứng dụng trong nhà và các giải thuật dẫn đường tự động, xử lý cảm biến, trí tuệ nhân tạo chẩn đoán y tế. Phạm vi nghiên cứu về không gian tập trung vào mô hình môi trường bằng phẳng bên trong các bệnh viện tại Việt Nam. Về mặt giới hạn công nghệ, hệ thống dừng lại ở việc xây dựng giao diện vận hành cục bộ trên robot, chưa tích hợp kết nối liên thông với hạ tầng mạng lưới Internet vạn vật (IoT) hoặc hệ thống thông tin quản lý bệnh viện (HIS/LIS).

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng nền tảng lý thuyết đa ngành kết hợp giữa cơ học chuyển động, lý thuyết điều khiển tự động, kỹ thuật phần mềm robot và học sâu:

  • Mô hình động học và động lực học robot di động: Tác giả sử dụng mô hình vi sai (Differential Drive) với hai bánh dẫn động độc lập. Phương trình động học được thiết lập tại trung điểm trục nối hai bánh xe $M$, biểu diễn mối quan hệ giữa vận tốc dài $v$, vận tốc góc $\omega$ và vận tốc của từng bánh xe ($v_l, v_r$). Phương trình động lực học được xây dựng thông qua phương pháp tiếp cận phương trình năng lượng Lagrange loại 2 ($d/dt(\partial K/\partial \dot{q}i) - \partial K/\partial q_i = -\partial P/\partial q_i + Q_i^*$), tính toán chi tiết động năng tịnh tiến thân xe ($K{tt}$), động năng quay của các bánh xe ($K_b$), mômen hao tổn và mômen ma sát lăn trên bề mặt sàn phẳng (thế năng $P = 0$).
  • Hệ điều hành robot (ROS): Sử dụng kiến trúc tính toán phân tán của ROS với các thành phần cốt lõi: Nodes, Topics, Messages, Services, Parameter Server và công cụ quản lý tiến trình roslaunch.
  • Giải thuật SLAM và định vị: Thuật toán Gmapping được ứng dụng để tạo bản đồ lưới chiếm chỗ 2D (Occupancy Grid Map) dựa trên bộ lọc hạt Rao-Blackwellized Particle Filter (RBPF), kết hợp dữ liệu quét laser và dữ liệu odometry. Quá trình định vị tức thời sử dụng thuật toán Adaptive Monte Carlo Localization (AMCL).
  • Khung điều hướng ROS Navigation Stack: Tích hợp gói move_base, bản đồ chi phí hai chiều costmap_2d (phân chia bản đồ chi phí toàn cục và cục bộ), thuật toán lập kế hoạch quỹ đạo toàn cục (Dijkstra/A*) và giải thuật quy hoạch quỹ đạo cục bộ (DWA hoặc TrajectoryPlannerROS) để né tránh chướng ngại vật tĩnh và động.
  • Lý thuyết điều khiển hồi tiếp: Bộ điều khiển PID (Proportional - Integral - Derivative) vòng kín được thiết lập nhằm điều chỉnh điện áp xung PWM cấp cho động cơ DC qua mạch cầu H, giữ ổn định vận tốc thực tế của từng bánh theo setpoint.
  • Mô hình học sâu (DNN): Tác giả xây dựng mạng nơ-ron truyền thẳng nhiều tầng (Deep Neural Network) trên nền tảng thư viện TensorFlow. Mô hình sử dụng các lớp kết nối đầy đủ (Dense layers), hàm kích hoạt phi tuyến ReLU (Rectified Linear Unit), kết hợp kỹ thuật điều chuẩn Dropout nhằm hạn chế hiện tượng quá khớp (overfitting) trong quá trình huấn luyện phân loại triệu chứng bệnh.

Phương pháp nghiên cứu thực tế bao gồm bốn phương pháp chính: phương pháp nghiên cứu tài liệu chuyên ngành (cơ học, hệ dẫn động, tài liệu ROS); phương pháp thu thập dữ liệu (thu thập bộ dữ liệu triệu chứng và bệnh lý tương ứng); phương pháp phân tích - tổng hợp (tính toán lựa chọn linh kiện, tối ưu hóa kích thước cơ khí); phương pháp thực nghiệm (chạy mô phỏng, hiệu chỉnh thực tế bộ điều khiển PID bằng phương pháp Ziegler-Nichols, kiểm thử điều hướng và đo kiểm độ chính xác mô hình học máy).

Thiết kế và triển khai

Là một công trình kỹ thuật cơ điện tử kết hợp phần cứng và phần mềm nhúng, đồ án thực hiện thiết kế chi tiết và triển khai thực nghiệm qua các phân hệ:

Phân hệ cơ khí và kết cấu truyền động

Kết cấu xe được lựa chọn dựa trên sự so sánh kỹ thuật giữa các cấu hình di chuyển và dẫn động:

Tiêu chí Cấu hình lựa chọn Lý do lựa chọn theo tính toán của tác giả
Cơ cấu di chuyển Hệ dẫn động 4 bánh vi sai (2 bánh chủ động đặt giữa, 2 bánh tự lựa trước - sau) Bán kính quay bằng 0 giúp robot xoay sở tốt trong hành lang hẹp; bố trí 4 điểm tựa hạ thấp trọng tâm, hạn chế nguy cơ lật xe so với kết cấu 3 bánh.
Bộ truyền động Bộ truyền đai răng (dây đai GT2, bánh đai pully S5M) Khắc phục hiện tượng trượt của đai dẹt thông thường; không gây tiếng ồn như bộ truyền xích hoặc bánh răng kim loại; khối lượng nhẹ và hiệu suất truyền động cao.
Ổ trục đỡ Vòng bi SKF W 638-2Z Đảm bảo khả năng chịu tải trọng hướng tâm và tải trọng dọc trục của hệ trục bánh xe chủ động.

Các thông số kích thước cơ bản của khung robot được giới hạn theo nhiệm vụ thiết kế ban đầu: kích thước tổng thể $500 \times 400 \times 800\text{ mm}$, khối lượng bản thân xe thiết kế ban đầu là 2 kg, khả năng chịu tải trọng làm việc đạt 15 kg. Bản vẽ và khung xe được thiết kế trên phần mềm Autodesk Inventor.

Phân hệ phần cứng điện tử và điều khiển nhúng

Hệ thống điều khiển được thiết kế phân tầng, liên kết giữa vi điều khiển cấp thấp và máy tính nhúng:

  • Bộ xử lý trung tâm cấp thấp: Sử dụng vi điều khiển Arduino Mega 2560 chịu trách nhiệm giao tiếp phần cứng ngoại vi, đọc tín hiệu encoder, tính toán thuật toán PID và xuất xung điều khiển.
  • Mạch điều khiển động cơ: Mạch cầu H XY160D đảm nhiệm việc điều chế độ rộng xung (PWM) và đảo chiều dòng điện công suất cấp cho 2 động cơ DC dẫn động bánh xe.
  • Cảm biến phản hồi và định vị:
    • Cảm biến Lidar RPLidar M1C1: Cung cấp dữ liệu quét 360 độ mặt phẳng 2D phục vụ xây dựng bản đồ và phát hiện vật cản.
    • Encoder LPD3806-600BM: Bộ mã hóa quang học độ phân giải 600 xung/vòng gắn trên trục động cơ để đo đạc chính xác quãng đường và vận tốc bánh xe.
    • Cảm biến quán tính IMU MPU6050: Tích hợp con quay hồi chuyển 3 trục và gia tốc kế 3 trục, đặt tại vị trí trung tâm nhằm trích xuất dữ liệu vận tốc góc và gia tốc robot.
  • Hợp nhất dữ liệu cảm biến (Sensor Fusion): Áp dụng bộ lọc Kalman nhằm kết hợp dữ liệu góc quay từ con quay hồi chuyển MPU6050 với dữ liệu dịch chuyển từ encoder, triệt tiêu sai số trôi (drift) và nâng cao độ tin cậy của thông tin odometry.
  • Xác lập thông số PID: Tác giả tiến hành mô phỏng và xác định các hệ số $K_p, K_i, K_d$ theo phương pháp Ziegler-Nichols, sau đó tinh chỉnh trực tiếp trên phần cứng thực tế để triệt tiêu hiện tượng vọt lố và đạt đáp ứng vận tốc ổn định.

Phân hệ trí tuệ nhân tạo và xử lý phần mềm

  • Kiến trúc chẩn đoán bệnh: Dữ liệu triệu chứng y tế sau khi thu thập được đưa qua các bước làm sạch, chuẩn hóa và mã hóa thành dạng véc-tơ đầu vào số học. Mạng nơ-ron sâu DNN được cấu hình qua nhiều lớp Dense kết hợp hàm kích hoạt ReLU, tối ưu hóa bằng hàm mất mát phù hợp và lớp Dropout để tránh suy giảm khả năng tổng quát hóa dữ liệu. Mô hình có nhiệm vụ nhận diện bộ triệu chứng đầu vào và phân loại xác suất thuộc về 40 bệnh phổ biến.
  • Xử lý giọng nói: Tích hợp module chuyển đổi giọng nói thành văn bản (Speech-to-Text) và văn bản thành giọng nói (Text-to-Speech) để hỗ trợ giao tiếp hai chiều với người bệnh.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Trình bày tính cấp thiết của việc áp dụng tự động hóa trong y tế nhằm giảm tải công việc cho đội ngũ y bác sĩ và nâng cao chất lượng phục vụ người bệnh. Tác giả xác lập rõ các mục tiêu cốt lõi: chế tạo xe tự hành dẫn đường né vật cản, tích hợp trí tuệ nhân tạo chẩn đoán sơ bộ bệnh lý và tương tác bằng giọng nói. Chương này cũng phân định rõ phạm vi đề tài gói gọn trong việc xây dựng hệ thống cục bộ phục vụ theo mô hình bệnh viện nội địa, đưa ra kế hoạch và 4 phương pháp nghiên cứu chính.

Chương 2: Cơ sở lý thuyết

Cung cấp bức tranh toàn cảnh về lịch sử phát triển của AGV từ năm 1953 (mô hình Guide-O-Matic của Arthur "MAC" Barett) đến nay. Phân loại chi tiết AGV theo chức năng (dạng kéo, chở, nâng, đẩy) và phương thức dẫn hướng (Fixed Path và Free Path). Phân tích các mô hình robot bệnh viện trong và ngoài nước (robot Da Vinci, Pepper của SoftBank Robotics, Moxi của Diligent Robotics, robot phục vụ phòng dịch Covid-19 tại Bệnh viện Đa khoa Bắc Giang).

Trình bày cơ sở toán học về động học vi sai, động lực học Lagrange; cấu trúc hệ điều hành ROS (Master, Nodes, Topics, Services, Packages); nguyên lý SLAM (gói Gmapping, thuật toán RBPF); khung Navigation (AMCL, move_base, costmap_2d); lý thuyết điều khiển PID. Đồng thời, chương 2 dành dung lượng lớn trình bày về thư viện TensorFlow, kiến trúc mạng DNN, vai trò của hàm kích hoạt ReLU và lớp Dropout trong việc xử lý bài toán chẩn đoán y tế.

Chương 3: Thiết kế hệ thống cơ khí

Xác định cụ thể các yêu cầu thiết kế và tiêu chuẩn kỹ thuật của khung xe. Tiến hành các bước tính toán tải trọng, lực cản chuyển động, tính toán chọn công suất động cơ dẫn động. Tính toán thông số bộ truyền đai răng (chọn đai GT2 và pully S5M), tính toán kiểm nghiệm trục bánh xe, vẽ biểu đồ nội lực cắt ($Q_x, Q_y$), mômen uốn ($M_x, M_y$), mômen xoắn trục và kiểm tra độ bền mỏi. Tính chọn vòng bi đỡ SKF W 638-2Z theo khả năng tải động và tải tĩnh. Toàn bộ chi tiết sau tính toán được mô hình hóa không gian 3 chiều trên phần mềm Inventor trước khi tiến hành gia công chế tạo.

Chương 4: Thiết kế bộ điều khiển

Xây dựng sơ đồ khối chi tiết của hệ thống điều khiển robot. Trình bày thông số kỹ thuật của các linh kiện: mạch vi điều khiển Arduino Mega 2560, mạch cầu H XY160D, cảm biến Lidar RPLidar M1C1, encoder quang học LPD3806-600BM, cảm biến IMU MPU6050. Thiết lập thuật toán hợp nhất dữ liệu (Sensor Fusion) thông qua bộ lọc Kalman. Xây dựng mô hình toán và thiết lập hàm truyền của hệ động cơ - bánh xe. Ứng dụng phương pháp thực nghiệm kết hợp công thức Ziegler-Nichols để tìm bộ thông số PID ($K_p, K_i, K_d$), phân tích dạng đồ thị đáp ứng bước của hệ thống kín và tiến hành tinh chỉnh bằng tay để triệt tiêu dao động trên thực tế.

Chương 5: Kết quả và thực nghiệm

Ghi nhận toàn bộ dữ liệu kiểm tra vận hành thực tế của robot. Báo cáo đánh giá chất lượng đáp ứng vận tốc động cơ trước và sau khi tối ưu hóa bộ điều khiển PID; hiệu quả lọc nhiễu góc nghiêng/hướng di chuyển của bộ lọc Kalman khi xử lý tín hiệu MPU6050; kết quả phân loại triệu chứng của mô hình AI qua các đợt kiểm thử với tập dữ liệu y tế; kết quả chạy thử nghiệm hệ thống Navigation trên ROS thể hiện qua khả năng xây dựng bản đồ không gian, định vị vị trí và tự động lập quỹ đạo tránh chướng ngại vật thành công.

Chương 6: Kết luận và hướng phát triển

Đánh giá mức độ hoàn thành nhiệm vụ nghiên cứu so với các mục tiêu kỹ thuật đề ra ban đầu. Thẳng thắn chỉ ra các điểm còn hạn chế của mô hình và phác thảo các định hướng nâng cấp, hoàn thiện giải pháp trong tương lai.

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

  • Chế tạo hoàn chỉnh phần cứng robot: Hệ thống robot AGV dạng dẫn động vi sai 4 bánh được hoàn thiện với kích thước hình học $500 \times 400 \times 800\text{ mm}$, tải trọng phục vụ 15 kg. Hệ thống khung vỏ vững chắc, bộ truyền đai răng GT2/S5M vận hành êm ái, giảm thiểu tối đa độ rung và tiếng ồn trong quá trình làm việc.
  • Ổn định hệ thống điều khiển vận tốc: Bộ điều khiển PID sau khi tinh chỉnh giúp động cơ bám sát giá trị setpoint vận tốc đầu vào, loại bỏ hiện tượng trễ đáp ứng và giảm vọt lố khi thay đổi tốc độ đột ngột.
  • Hợp nhất dữ liệu cảm biến chính xác: Dữ liệu thu nhận từ cảm biến MPU6050 kết hợp cùng Encoder 600 xung qua bộ lọc Kalman cho kết quả ước lượng góc xoay và vị trí tương đối của robot có độ chính xác cao, hạn chế tích lũy sai số trôi khi di chuyển quãng đường dài.
  • Thực thi điều hướng tự động trên ROS: Xây dựng thành công bản đồ lưới 2D của khu vực thử nghiệm bằng RPLidar M1C1 và gói Gmapping. Hệ thống AMCL định vị chuẩn xác và gói move_base dẫn đường cho robot di chuyển mượt mà tới các vị trí đích được chỉ định trước, phát hiện và tự động vòng tránh chướng ngại vật trên đường đi.
  • Triển khai mô hình trí tuệ nhân tạo: Huấn luyện thành công mạng nơ-ron sâu DNN trên nền tảng TensorFlow, đạt khả năng phân loại và hỗ trợ chẩn đoán sơ bộ cho danh mục 40 bệnh phổ biến dựa vào các triệu chứng người dùng nhập vào.

Đóng góp thực tiễn

Đồ án đã chế tạo thành công một mô hình thử nghiệm tích hợp hoàn chỉnh cả ba phân hệ: cơ khí chính xác, điều khiển tự động hóa nhúng và phần mềm trí tuệ nhân tạo. So với các robot vận chuyển hàng hóa công nghiệp thuần túy, mô hình đã định hình rõ chức năng phục vụ trong cơ sở y tế thông qua sự kết hợp giữa khả năng dẫn đường linh hoạt và năng lực hỗ trợ tư vấn sơ bộ bệnh lý, tạo tiền đề kỹ thuật thực tế cho việc áp dụng AMR hỗ trợ tiếp đón tại các cơ sở y tế trong nước.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

Theo giới hạn và đánh giá của tác giả trong đồ án, hệ thống còn tồn tại một số điểm hạn chế sau:

  • Mô hình vận hành độc lập ở mức cục bộ, chưa tích hợp giao tiếp mạng lưới Internet vạn vật (IoT) cũng như chưa kết nối đồng bộ với cơ sở dữ liệu hồ sơ bệnh án hoặc hệ thống điều hành tập trung của bệnh viện.
  • Cơ cấu dẫn động vi sai dựa vào ma sát giữa bánh xe và mặt đường, do đó khi hoạt động trên bề mặt sàn quá trơn hoặc có độ nghiêng, hiện tượng trượt bánh vẫn có thể gây sai lệch cho hệ thống tính toán vị trí (Odometry).
  • Phạm vi chẩn đoán của mô hình AI dừng lại ở mức hỗ trợ sơ bộ cho khoảng 40 bệnh thông thường dựa trên văn bản triệu chứng chuẩn hóa, chưa có khả năng xử lý các ca bệnh phức tạp hoặc kết hợp chẩn đoán hình ảnh chuyên sâu.
  • Khả năng tương tác bằng giọng nói trong môi trường tiếng ồn bệnh viện thực tế vẫn cần được tối ưu hóa khả năng lọc tạp âm.

Hướng nghiên cứu tiếp

  • Nâng cấp hạ tầng truyền thông, tích hợp module IoT và giao thức mạng không dây công nghiệp để robot có thể gửi - nhận dữ liệu trực tiếp với hệ thống quản lý bệnh viện.
  • Nghiên cứu bổ sung thêm cảm biến đo chiều sâu (RGB-D Camera) hoặc cụm cảm biến siêu âm nhằm tăng cường khả năng phát hiện vật cản ở các tầm cao khác nhau ngoài mặt phẳng quét 2D của Lidar.
  • Mở rộng tập dữ liệu y tế, tối ưu hóa cấu trúc mạng nơ-ron nhằm nâng cao độ chính xác và mở rộng danh mục chẩn đoán bệnh lý.
  • Hoàn thiện ngoại quan vỏ ngoài thân thiện hơn, nâng cấp giao diện màn hình cảm ứng để tăng tính tiện dụng cho bệnh nhân lớn tuổi.

Giá trị tham khảo

Đồ án là tài liệu tham khảo kỹ thuật hữu ích dành cho:

  • Sinh viên và học viên chuyên ngành Kỹ thuật Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Robot trong việc xây dựng đồ án tốt nghiệp hoặc dự án nghiên cứu về robot di động tự hành (AMR/AGV).
  • Các kỹ sư nghiên cứu ứng dụng ROS (Robot Operating System), SLAM 2D và Navigation Stack trong môi trường thực tế, đặc biệt là quy trình kết nối giữa máy tính chạy ROS và vi điều khiển công nghiệp/nhúng (Arduino Mega 2560).
  • Những người phát triển hệ thống điều khiển cơ điện tử cần tài liệu tham khảo chi tiết về: phương pháp lập phương trình động lực học Lagrange cho xe vi sai, quy trình tính toán thiết kế bộ truyền đai răng, thuật toán hợp nhất cảm biến Kalman Filter cho IMU - Encoder và phương pháp tinh chỉnh bộ điều khiển PID vận tốc động cơ.

Câu hỏi thường gặp

1. Đồ án sử dụng cơ cấu di chuyển nào cho robot và tại sao nhóm tác giả lại lựa chọn cơ cấu đó?
Tác giả lựa chọn cơ cấu dẫn động vi sai 4 bánh, bao gồm 2 bánh chủ động đặt ở giữa thân xe và 2 bánh tự lựa đặt ở phía trước và phía sau. Cấu hình này được chọn vì có bán kính quay bằng 0 (cho phép robot tự xoay quanh tâm tại chỗ, rất linh hoạt trong không gian chật hẹp của bệnh viện) và có 4 điểm tiếp xúc giúp hạ thấp trọng tâm, hạn chế nguy cơ lật xe tốt hơn so với cơ cấu 3 bánh.

2. Lý do nhóm tác giả lựa chọn bộ truyền đai răng thay vì đai thường, xích hoặc bánh răng là gì?
Bộ truyền đai răng (dây đai GT2 và pully S5M) được chọn vì kết hợp được ưu điểm của nhiều bộ truyền: không bị hiện tượng trượt như đai dẹt thông thường, không tạo ra tiếng ồn lớn khi làm việc như bộ truyền bánh răng kim loại hoặc bộ truyền xích (yếu tố đặc biệt quan trọng trong môi trường yên tĩnh của bệnh viện), kích thước nhỏ gọn và cho hiệu suất truyền động cao.

3. Hệ thống định vị và dẫn đường tự động của robot sử dụng những công nghệ và cảm biến nào?
Robot ứng dụng hệ điều hành ROS kết hợp cảm biến RPLidar M1C1, encoder quang học LPD3806-600BM và cảm biến IMU MPU6050. Về mặt phần mềm, hệ thống sử dụng thuật toán lọc Kalman để hợp nhất dữ liệu IMU và encoder, thuật toán Gmapping (RBPF) để dựng bản đồ lưới 2D, giải thuật AMCL để định vị hạt trong bản đồ và gói move_base cùng bản đồ chi phí costmap_2d để lập kế hoạch đường đi tránh vật cản.

4. Mô hình AI chẩn đoán bệnh trong đồ án được xây dựng dựa trên thuật toán gì và có nhiệm vụ cụ thể nào?
Mô hình AI được xây dựng dưới dạng mạng nơ-ron sâu (Deep Neural Network - DNN) nhiều lớp Dense với hàm kích hoạt ReLU và kỹ thuật Dropout trên nền tảng thư viện TensorFlow. Nhiệm vụ của mô hình là xử lý bộ dữ liệu triệu chứng do người bệnh cung cấp để đưa ra phân loại và chẩn đoán sơ bộ cho khoảng 40 bệnh lý phổ biến trước khi bệnh nhân vào gặp bác sĩ.

5. Hệ thống phần cứng nhúng được phân tầng xử lý như thế nào?
Hệ thống chia làm hai tầng: tầng tính toán cao cấp chạy hệ điều hành ROS thực hiện các tác vụ nặng như xử lý bản đồ SLAM, thuật toán dẫn đường Navigation, xử lý giọng nói và mô hình AI; tầng điều khiển cấp thấp sử dụng vi điều khiển Arduino Mega 2560 kết hợp mạch cầu H XY160D nhận dữ liệu cảm biến đo góc/xung, thực thi giải thuật PID vận tốc động cơ và điều khiển phần cứng chấp hành.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu, thiết kế, chế tạo Robot phục vụ khám bệnh trong bệnh viện" của nhóm tác giả Trần Phi Tuấn Dũ và Bùi Trọng Tường đã hoàn thành trọn vẹn mục tiêu nghiên cứu và chế tạo thành công một mẫu robot tự hành hoàn chỉnh. Công trình thể hiện năng lực tổng hợp kiến thức cơ điện tử chặt chẽ từ khâu tính toán cơ học Lagrange, thiết kế kết cấu cơ khí, tích hợp phần cứng nhúng đến triển khai các thuật toán hiện đại trên ROS và mô hình học sâu TensorFlow. Kết quả thực nghiệm khẳng định tính khả thi của giải pháp trong việc hỗ trợ điều hướng, giảm tải quy trình đón tiếp và mở ra tiềm năng ứng dụng robot dịch vụ thông minh trong các cơ sở y tế thực tế.