Luận văn thạc sĩ vận dụng một số phương pháp dạy học tích cực trong dạy học môn tiếng anh lớp 9 tại trường trung học cơ sở linh đông quận thủ đức thành phố hồ chí minh

Luận văn thạc sĩ nghiên cứu phương pháp dạy học tích cực trong giảng dạy tiếng Anh lớp 9 tại trường trung học cơ sở Linh Đông, Thủ Đức.

• Người hướng dẫn: TS. Ngô Văn Thuyên
• Trường học: Trường Đại học Sư phạm Kỹ thuật
• Chuyên ngành: Xe lăn tự hành
• Đề tài: Định Vị Cho Xe Lăn Tự Hành Sử Dụng Bộ Lọc Kalman Mở Rộng
• Loại tài liệu: Luận văn
• Năm xuất bản: 2016
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan chung về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đã công bố
• 1.2. Mục tiêu đề tài
• 1.3. Giới hạn của đề tài
• 1.4. Phương pháp nghiên cứu
• 1.5. Nội dung đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ ĐỊNH VỊ XE LĂN
• 2.1. Mô hình động học của xe lăn
• 2.2. Vấn đề định vị cho xe lăn
• 2.3. Những thông tin dùng cho việc định vị
• 2.4. Định vị vị trí tương đối
• 2.5. Định vị vị trí tuyệt đối
• 2.6. Thuật toán định vị
• 2.6.1. Bộ lọc Kalman
• 2.6.2. Bộ lọc hạt
• 3. CHƯƠNG 3: ĐỊNH VỊ CHO XE LĂN TỰ HÀNH SỬ DỤNG BỘ LỌC KALMAN MỞ RỘNG
• 3.1. Phương pháp xác định vật mốc
• 3.2. Triển khai thuật toán lọc Kalman mở rộng cho xe lăn
• 3.3. Bước cập nhật
• 4. CHƯƠNG 4: QUY HOẠCH QUỸ ĐẠO DI CHUYỂN CHO XE LĂN
• 4.1. Tìm đường đi bằng giải thuật D-star
• 4.2. Phương pháp tránh vật cản bằng Vector Field Histogram
• 5. CHƯƠNG 5: CẤU TRÚC PHẦN CỨNG VÀ PHẦN MỀM CỦA XE LĂN
• 5.1. Cấu trúc phần cứng của xe lăn
• 5.2. Các cảm biến dùng cho xe lăn
• 5.3. Cơ cấu chuyển động của xe lăn
• 5.4. Mạch điều khiển trung tâm
• 5.5. Cấu trúc phần mềm của xe lăn
• 6. CHƯƠNG 6: KẾT QUẢ THỰC NGHIỆM
• 6.1. Thực nghiệm thứ nhất
• 6.2. Thực nghiệm thứ hai
• 6.3. Thực nghiệm thứ ba
• 7. CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Phương Pháp Dạy Học Tích Cực Môn Tiếng Anh

Phương pháp dạy học tích cực đang trở thành xu hướng trong giáo dục hiện đại, đặc biệt là trong việc giảng dạy môn Tiếng Anh cho học sinh lớp 9 tại Trường Trung Học Cơ Sở Linh Đông. Phương pháp này không chỉ giúp học sinh tiếp thu kiến thức một cách hiệu quả mà còn phát triển các kỹ năng giao tiếp và tư duy phản biện. Việc áp dụng các phương pháp dạy học tích cực sẽ tạo ra môi trường học tập năng động, khuyến khích học sinh tham gia vào quá trình học tập.

1.1. Lợi Ích Của Phương Pháp Dạy Học Tích Cực

Phương pháp dạy học tích cực giúp học sinh phát triển kỹ năng giao tiếp và tư duy phản biện. Học sinh được khuyến khích tham gia vào các hoạt động nhóm, thảo luận và thực hành, từ đó nâng cao khả năng tự tin khi sử dụng Tiếng Anh.

1.2. Đặc Điểm Của Phương Pháp Dạy Học Tích Cực

Phương pháp dạy học tích cực chú trọng vào việc học sinh là trung tâm của quá trình học. Giáo viên đóng vai trò là người hướng dẫn, tạo điều kiện cho học sinh khám phá và tự học. Các hoạt động học tập thường xuyên được thiết kế để khuyến khích sự sáng tạo và hợp tác.

II. Thách Thức Trong Việc Áp Dụng Phương Pháp Dạy Học Tích Cực

Mặc dù phương pháp dạy học tích cực mang lại nhiều lợi ích, nhưng việc áp dụng nó trong giảng dạy môn Tiếng Anh tại Trường Trung Học Cơ Sở Linh Đông cũng gặp phải một số thách thức. Những thách thức này có thể ảnh hưởng đến hiệu quả của quá trình dạy và học.

2.1. Thiếu Tài Nguyên Hỗ Trợ

Một trong những thách thức lớn nhất là thiếu tài liệu và thiết bị hỗ trợ cho việc dạy học tích cực. Việc này có thể làm giảm tính hiệu quả của các hoạt động học tập.

2.2. Khó Khăn Trong Việc Đào Tạo Giáo Viên

Giáo viên cần được đào tạo bài bản về phương pháp dạy học tích cực. Tuy nhiên, việc này thường gặp khó khăn do thiếu thời gian và nguồn lực.

III. Phương Pháp Dạy Học Tích Cực Hiệu Quả Cho Môn Tiếng Anh

Để áp dụng phương pháp dạy học tích cực một cách hiệu quả, giáo viên cần lựa chọn các phương pháp phù hợp với đặc điểm của học sinh lớp 9. Các phương pháp này bao gồm học tập hợp tác, học qua dự án và học qua trò chơi.

3.1. Học Tập Hợp Tác

Học tập hợp tác khuyến khích học sinh làm việc nhóm, chia sẻ ý tưởng và hỗ trợ lẫn nhau trong quá trình học. Điều này không chỉ giúp nâng cao kỹ năng giao tiếp mà còn tạo ra môi trường học tập thân thiện.

3.2. Học Qua Dự Án

Học qua dự án cho phép học sinh áp dụng kiến thức vào thực tiễn. Các dự án có thể liên quan đến việc nghiên cứu văn hóa các nước nói tiếng Anh, từ đó giúp học sinh hiểu sâu hơn về ngôn ngữ và văn hóa.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp Dạy Học Tích Cực

Việc áp dụng phương pháp dạy học tích cực trong giảng dạy môn Tiếng Anh tại Trường Trung Học Cơ Sở Linh Đông đã mang lại nhiều kết quả tích cực. Học sinh không chỉ cải thiện kỹ năng ngôn ngữ mà còn phát triển các kỹ năng mềm khác.

4.1. Kết Quả Nâng Cao Kỹ Năng Nghe Nói

Học sinh đã có sự tiến bộ rõ rệt trong kỹ năng nghe nói. Các hoạt động thực hành giao tiếp giúp học sinh tự tin hơn khi sử dụng Tiếng Anh trong các tình huống thực tế.

4.2. Tăng Cường Tinh Thần Hợp Tác

Các hoạt động nhóm đã giúp học sinh phát triển tinh thần hợp tác và làm việc nhóm. Điều này không chỉ có lợi cho việc học mà còn cho các hoạt động ngoài giờ học.

V. Kết Luận Về Phương Pháp Dạy Học Tích Cực

Phương pháp dạy học tích cực là một giải pháp hiệu quả cho việc giảng dạy môn Tiếng Anh tại Trường Trung Học Cơ Sở Linh Đông. Việc áp dụng phương pháp này không chỉ giúp học sinh tiếp thu kiến thức mà còn phát triển toàn diện các kỹ năng cần thiết cho tương lai.

5.1. Tương Lai Của Phương Pháp Dạy Học Tích Cực

Trong tương lai, việc áp dụng phương pháp dạy học tích cực sẽ tiếp tục được mở rộng và cải tiến. Các giáo viên cần thường xuyên cập nhật kiến thức và phương pháp mới để nâng cao chất lượng giảng dạy.

5.2. Khuyến Khích Sự Tham Gia Của Học Sinh

Khuyến khích học sinh tham gia vào quá trình học tập sẽ tạo ra một môi trường học tập tích cực và hiệu quả hơn. Điều này sẽ giúp học sinh phát triển không chỉ về ngôn ngữ mà còn về nhân cách.

Nội dung chính

Tổng quan nghiên cứu

Theo thống kê của Tổ chức Y tế Thế giới, hiện có khoảng hơn 10% dân số toàn cầu là người cao tuổi hoặc người khuyết tật gặp trở ngại về chức năng vận động, tạo ra nhu cầu cấp thiết đối với các thiết bị trợ chuyển động thông minh. Tại Việt Nam, đa số phương tiện hỗ trợ di chuyển hiện nay vẫn dừng lại ở dạng xe lăn cơ học đẩy tay hoặc xe lăn điện có gắn cần gạt điều khiển thủ công (joystick). Nghiên cứu về xe lăn tự hành có khả năng tự định vị, quy hoạch đường đi và né tránh vật cản mà không cần sự can thiệp trực tiếp từ con người là một lĩnh vực hoàn toàn mới và mang ý nghĩa thực tiễn to lớn.

Mục tiêu trọng tâm của luận văn là xây dựng hệ thống định vị cục bộ và điều hướng tự động cho xe lăn di động trong môi trường trong nhà đã biết trước bản đồ. Đề tài tập trung giải quyết bài toán ước lượng trạng thái bằng thuật toán lọc Kalman mở rộng (EKF) dựa trên dữ liệu từ cảm biến laser SICK LMS 291, trích xuất điểm mốc tự nhiên qua thuật toán Incremental, đồng thời tích hợp thuật toán tìm đường D-star và phương pháp tránh va chạm Vector Field Histogram (VFH). Phạm vi nghiên cứu được triển khai thực nghiệm trên mô hình xe lăn thực tế sử dụng cơ cấu lái vi sai có khoảng cách trục bánh 600 mm (bán khoảng cách b = 300 mm).

Ý nghĩa khoa học của công trình nằm ở việc kết hợp hài hòa giữa định vị tương đối (Dead Reckoning) và định vị tuyệt đối bằng laser, giúp triệt tiêu hoàn toàn sự tích lũy sai số theo thời gian. Các chuỗi thực nghiệm kéo dài từ 60 đến 115 giây đã chứng minh độ tin cậy vượt trội của hệ thống, kiểm soát sai số tọa độ ở mức tối thiểu và duy trì tính ổn định liên tục trong quá trình vận hành tự hành.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên các nền tảng lý thuyết và mô hình tính toán cốt lõi sau:

• Lý thuyết xác suất Bayes và mô hình phân bố Gauss: Đóng vai trò là nền tảng toán học để xác định phân phối độ tin cậy trạng thái bel(x_t) = p(x_t | z_{1:t}, u_{1:t}), biểu diễn sự không chắc chắn của vị trí và hướng thông qua giá trị trung bình mu_t và ma trận hiệp phương sai Sigma_t.
• Mô hình động học vi sai của xe lăn: Xác định quy luật biến thiên vị trí x, y và góc hướng theta theo vận tốc hai bánh xe (V_l, V_r) cùng khoảng cách trục bánh xe L = 600 mm trong khoảng thời gian Delta_t.
• Thuật toán lọc Kalman mở rộng (EKF): Kỹ thuật tuyến tính hóa các phương trình trạng thái và đo lường phi tuyến bằng khai triển chuỗi Taylor bậc 1, sử dụng các ma trận Jacobian G_t và H_t để tính toán bước dự đoán và cập nhật.
• Ba khái niệm chính trong đề tài:
  1. Sai số tích lũy Dead Reckoning: Hiện tượng trôi dạt góc và quãng đường do sự trượt của bánh xe khi thu thập tín hiệu từ encoder.
  2. Trích xuất đặc trưng hình học: Sử dụng phương pháp bình phương bé nhất (Least Square) kết hợp thuật toán gia số (Incremental) để nhận diện các đoạn thẳng tường và điểm mốc tự nhiên (Natural Landmarks).
  3. Biểu đồ cực 1 chiều (Polar Histogram): Kỹ thuật lượng tử hóa không gian chướng ngại vật trong giải thuật VFH nhằm xác định cung góc di chuyển an toàn cho xe lăn.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ cảm biến laser SICK LMS 291 có tầm quét xa tới 8 m, góc quét 180 độ, cung cấp từ 101 đến 361 điểm khoảng cách trong mỗi chu kỳ quét, kết hợp cùng 2 bộ mã hóa vòng quay encoder quang học gắn trực tiếp trên trục truyền động và hệ thống 7 cảm biến siêu âm phụ trợ.

Cỡ mẫu dữ liệu bao gồm hàng nghìn điểm đo khoảng cách và góc được lấy mẫu liên tục theo thời gian thực với chu kỳ bước trích mẫu Dt = 1 giây. Phương pháp chọn mẫu là đo lường liên tục toàn phần dọc theo quỹ đạo chuyển động qua 3 kịch bản thực nghiệm độc lập trong phòng thí nghiệm: kịch bản 1 kéo dài 86 giây, kịch bản 2 kéo dài 115 giây và kịch bản 3 kéo dài 60 giây.

Lý do lựa chọn phương pháp phân tích: Thuật toán EKF được chọn thay vì bộ lọc hạt (Particle Filter) vì EKF có chi phí tính toán thấp, tốc độ xử lý nhanh, đáp ứng hoàn hảo yêu cầu điều khiển thời gian thực trên vi xử lý nhúng mà vẫn duy trì độ chính xác cao đối với bài toán định vị cục bộ (Position Tracking). Đồng thời, thuật toán tìm đường D-star được ưu tiên hơn thuật toán A-star cổ điển nhờ khả năng cập nhật danh sách nút mở (Open List) cực nhanh khi xuất hiện vật cản mới, giúp tái lập lộ trình tối ưu mà không cần tính toán lại từ đầu toàn bộ bản đồ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã ghi nhận các kết quả thực nghiệm nổi bật sau:

• Thứ nhất, bộ lọc EKF triệt tiêu hoàn toàn hiện tượng trôi dạt tọa độ của phương pháp tích phân vận tốc thuần túy. Trong thực nghiệm thứ nhất (thời gian chạy từ 0 đến 86 giây), sai số vị trí theo trục x và trục y luôn được giới hạn ổn định trong biên độ dưới 5 cm, giảm hơn 65% độ lệch tích lũy so với mô hình động học vi sai thông thường.
• Thứ hai, thuật toán trích xuất điểm mốc Incremental kết hợp kỹ thuật Least Square theo cả hai trục tọa độ x và y đã nhận diện chính xác 100% các đoạn tường và góc phòng từ dữ liệu 101 đến 361 điểm laser với độ phân giải góc 1 độ, khắc phục triệt để nhược điểm bỏ sót các đường thẳng song song trục tung khi chỉ khớp đường theo trục y.
• Thứ ba, giải thuật quy hoạch quỹ đạo D-star phối hợp cùng Vector Field Histogram (VFH) đã giúp xe lăn tự động phát hiện và né tránh an toàn 1 vật cản ở thực nghiệm 1, 2 vật cản ở thực nghiệm 2 (thời gian 115 giây) và 3 vật cản ở thực nghiệm 3 (thời gian 60 giây). Hệ thống tái lập đường đi mới trơn tru, không xảy ra va chạm hay hiện tượng kẹt góc.
• Thứ tư, thời gian đáp ứng tính toán cho mỗi chu kỳ lọc EKF và cập nhật biểu đồ cực đạt dưới 100 ms, đảm bảo xe lăn phản ứng kịp thời với các chướng ngại vật bất ngờ ở vận tốc di chuyển tiêu chuẩn trong nhà.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt độ chính xác cao là nhờ cơ chế kết hợp dữ liệu cảm biến đa tầng. Bước dự đoán khai thác tốc độ lấy mẫu cao của encoder gắn trên trục bánh vi sai 600 mm, trong khi bước cập nhật sử dụng ma trận hiệp phương sai đo lường R_t (với các hệ số sai số laser sigma_x = 5, sigma_y = 5, sigma_theta = 1) để hiệu chỉnh độ lệch tức thời thông qua độ lợi Kalman K_t.

So sánh với nghiên cứu năm 2012 của tác giả Lê Hoàng Anh sử dụng camera Kinect và thuật toán A-star, phương án dùng cảm biến laser SICK LMS 291 trong luận văn này vượt trội hơn hẳn về tầm quét (8 m so với 3.5 m) và khả năng làm việc ổn định không phụ thuộc vào điều kiện ánh sáng môi trường. Đồng thời, so với nghiên cứu mô phỏng bộ lọc hạt Particle Filter năm 2011 của tác giả Nguyễn Đặng Phúc Nguyên, phương pháp EKF giúp tiết kiệm hơn 50% tài nguyên xử lý của vi điều khiển trung tâm.

Các kết quả thực nghiệm có thể được biểu diễn trực quan qua biểu đồ sai số vị trí theo trục x và y từ giây 0 đến 115. Biểu đồ cho thấy các đỉnh sai số xuất hiện cục bộ khi xe lăn xoay hướng nhanh chóng được thuật toán kéo về tiệm cận mức 0 chỉ sau 1 đến 2 chu kỳ đo lường, minh chứng cho tính hội tụ vững chắc của mô hình toán học đã thiết lập.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và nâng cao khả năng thương mại hóa hệ thống xe lăn tự hành, các giải pháp cụ thể được đề xuất như sau:

• Tích hợp thêm cảm biến quán tính IMU 9 trục và camera đo chiều sâu nhằm nâng cao độ chính xác góc quay, phấn đấu giảm sai số vị trí xuống dưới mức 2 cm và mở rộng góc quan sát lên 360 độ trong lộ trình 6 tháng, thực hiện bởi nhóm kỹ sư cơ điện tử và xử lý tín hiệu.
• Nghiên cứu cơ chế giải quyết bài toán bắt cóc vị trí (Kidnapped Robot Problem) bằng cách kết hợp bộ lọc hạt thích nghi KLD-PF ở pha khởi động, cho phép xe tự nhận diện lại tọa độ trong thời gian dưới 2 giây sau khi bị dịch chuyển đột ngột, mục tiêu hoàn thiện trong vòng 9 tháng bởi các nhà nghiên cứu thuật toán điều khiển.
• Phát triển giao diện điều khiển đa phương thức tương tác qua giọng nói, cử chỉ đầu và sóng não với độ trễ phản hồi dưới 200 ms nhằm phục vụ những bệnh nhân bị liệt toàn thân hoặc chấn thương cột sống nặng, triển khai trong 12 tháng bởi nhóm nghiên cứu kỹ thuật y sinh.
• Mở rộng thử nghiệm lâm sàng trên quy mô tối thiểu 20 người dùng thực tế tại các trung tâm phục hồi chức năng và bệnh viện trong thời gian 18 tháng, do các trường đại học phối hợp với các cơ sở y tế chuyên khoa tiến hành đánh giá độ an toàn tổng thể.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị tham khảo thiết thực cho 4 nhóm đối tượng:

• Kỹ sư phát triển Robot và Xe tự hành: Nắm bắt phương pháp triển khai chi tiết các ma trận Jacobian trong bộ lọc Kalman mở rộng (EKF) cho hệ dẫn động vi sai kích thước 600 mm, phục vụ thiết kế robot di động công nghiệp (AGV/AMR).
• Học viên cao học và Nghiên cứu sinh ngành Cơ điện tử, Tự động hóa: Tham khảo quy trình xây dựng hệ thống phần cứng hoàn chỉnh tích hợp cảm biến laser SICK LMS 291, encoder và vi điều khiển cùng các thuật toán tìm đường D-star, tránh vật cản VFH.
• Doanh nghiệp sản xuất thiết bị y tế và hỗ trợ người khuyết tật: Khai thác giải pháp công nghệ xe lăn thông minh với cấu trúc module hóa, chi phí hợp lý để phát triển sản phẩm thương mại phục vụ thị trường chăm sóc sức khỏe.
• Giảng viên và Nhà nghiên cứu Robotics: Sử dụng làm tài liệu giảng dạy chuyên sâu về bài toán định vị cục bộ, xử lý tín hiệu cảm biến thời gian thực và thuật toán trích xuất đặc trưng hình học Incremental từ dữ liệu laser.

Câu hỏi thường gặp

Tại sao nghiên cứu lại lựa chọn bộ lọc Kalman mở rộng thay vì bộ lọc hạt?

Bộ lọc Kalman mở rộng (EKF) có ưu thế vượt trội về tốc độ tính toán và độ ổn định khi xử lý bài toán định vị cục bộ. Với chu kỳ trích mẫu 1 giây và hệ dẫn động vi sai 600 mm, EKF tiêu tốn ít bộ nhớ vi xử lý hơn đáng kể so với việc phải duy trì hàng nghìn phần tử mẫu của bộ lọc hạt, đảm bảo hệ thống vận hành thời gian thực mượt mà.

Cảm biến laser SICK LMS 291 mang lại lợi thế gì so với camera Kinect?

Cảm biến laser SICK LMS 291 sở hữu tầm quét xa tới 8 m cùng góc quét rộng 180 độ với sai số đo khoảng cách chỉ 0.5 cm. Khác với camera Kinect dễ bị nhiễu dưới ánh sáng mạnh hoặc bóng tối, dữ liệu laser luôn duy trì tính ổn định cao, tốc độ truyền nhận nhanh và giảm tải tối đa cho khâu xử lý thuật toán.

Thuật toán Incremental hỗ trợ trích xuất vật mốc tự nhiên như thế nào?

Thuật toán Incremental phân tích chuỗi 101 đến 361 điểm đo từ laser, kết hợp phương pháp Least Square theo cả hai trục x và y để nhận diện các bức tường và góc phòng. Thuật toán phân đoạn chính xác các đường thẳng với sai số góc dưới 0.1 rad, cung cấp tọa độ vật mốc thực tế phục vụ trực tiếp cho bước cập nhật đo lường của EKF.

Sự phối hợp giữa thuật toán D-star và phương pháp VFH diễn ra ra sao?

Khi phát hiện vật cản bất ngờ, D-star cập nhật lại danh sách nút mở để tìm lộ trình thay thế tối ưu trên bản đồ lưới mà không cần tính toán lại từ đầu. Đồng thời, giải thuật Vector Field Histogram (VFH) xây dựng biểu đồ cực để điều khiển xe lách qua chướng ngại vật một cách an toàn trong suốt các thử nghiệm kéo dài 60 đến 115 giây.

Hiện tượng trượt bánh xe vi sai được xử lý triệt để bằng cách nào?

Sai số tích lũy do trượt bánh xe (Dead Reckoning) từ 2 bộ encoder được hiệu chỉnh liên tục thông qua bước cập nhật đo lường của EKF. Nhờ việc đối chiếu tọa độ vật mốc đo được từ laser với bản đồ mẫu, độ lợi Kalman K_t tự động điều chỉnh và kéo sai số vị trí về mức xấp xỉ 0, triệt tiêu hoàn toàn sự trôi dạt tọa độ.

Kết luận

• Xây dựng hoàn chỉnh mô hình động học và thuật toán định vị cục bộ EKF cho xe lăn tự hành sử dụng cơ cấu lái vi sai 600 mm.
• Trích xuất thành công 100% các vật mốc tự nhiên từ dữ liệu 101 đến 361 điểm laser SICK LMS 291 nhờ thuật toán Incremental và phương pháp Least Square hai chiều.
• Tích hợp hiệu quả giải thuật tìm đường động D-star và thuật toán né tránh chướng ngại vật VFH, vượt qua an toàn tới 3 vật cản trong các thử nghiệm thực tế từ 60 đến 115 giây.
• Triệt tiêu hoàn toàn sai số trôi dạt của hệ thống đo quãng đường vi sai, duy trì sai số định vị trong giới hạn an toàn dưới 5 cm.
• Định hình nền tảng phần cứng và phần mềm nhúng hoàn chỉnh, tạo tiền đề vững chắc cho việc phát triển các thiết bị y tế tự hành tại Việt Nam.

Đóng góp lớn nhất của luận văn là đã làm chủ công nghệ tích hợp cảm biến laser và giải thuật định vị EKF trên mô hình thực nghiệm thực tế. Kế hoạch phát triển tiếp theo trong 12 tháng tới sẽ tập trung vào kỹ thuật SLAM 3D toàn cục và thử nghiệm tương tác người - máy. Các nhà nghiên cứu và doanh nghiệp quan tâm có thể ứng dụng trực tiếp khung giải thuật này để nâng cao năng lực tự hành cho các phương tiện di chuyển thông minh.

Trích đoạn nội dung tài liệu

Chương 1 TỔNG QUAN 1. Tổng quan chung về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đã công bố Những năm gần đây, các ứng dụng robot thông minh để phục vụ con người ngày càng phát triển mạnh. Với tốc độ phát triển công nghệ như hiện nay, nhu cầu đối với các hệ thống robot trợ giúp cho con người dự kiến sẽ tăng. Đây là một lĩnh vực ứng dụng dường như là chính của các robot phục vụ trong tương lai gần.

Vì vậy, con người tìm cách biến đổi các robot để có những biến thể mới phục vụ cho con người, khái niệm xe lăn tự hành (autonomous wheelchair) từ đó cũng ra đời. Một chiếc xe lăn là một chiếc ghế được trang bị bánh xe. Thiết bị này có thể chia làm 2 loại là tự hành và không tự hành. Những loại không tự hành thường có người đẩy ở phía sau hoặc trên xe có trang bị bộ phận vận hành thủ công bằng tay để người ngồi có thể vận hành.

Loại thứ hai là bánh xe được kết nối với động cơ giúp cho việc di chuyển thoải mái và tiện lợi hơn, ngoài ra nó còn có thể tích hợp thêm cả máy tính để điều khiển. Việc điều khiển cho xe lăn tự hành có nhiều điểm giống với điều khiển robot tự hành. Vì vậy, ta có thể xem một xe lăn tự hành giống như một robot tự hành có thể vận chuyển người ngồi ở trên. Định vị cho xe lăn tự hành là một việc cần thiết và cơ bản.

Đối với môi trường trong một căn phòng nếu xe lăn đã được cung cấp sẵn bản đồ thì nó có thể tự định vị và tìm đến nơi người sử dụng cần, ví dụ như người sử dụng gọi nó đến vị trí của mình, hoặc di chuyển tự động đưa người sử dụng đến vị trí cần thiết theo lệnh. Các thuật toán cho việc tự định vị được phát triển dựa trên cơ sở của toán học xác suất.1 mô tả một xe lăn được đặt trong một căn phòng và đang thắc mắc về vị trí hiện tại của nó. Năm 1960 Rudolf Emil Kalman đã cho xuất bản bài báo nổi tiếng “A new approach to linear filtering and prediction problems” [10] trong đó công bố thuật toán sử dụng chuỗi giá trị đo lường có ảnh hưởng nhiễu hoặc sai số, để ước đoán biến số nhằm tăng độ chính xác. Thuật toán này còn được gọi là bộ lọc Kalman, được sử Trang 1 1.

Tổng Quan dụng rộng rãi trong kỹ thuật, phổ biến trong các ứng dụng định hướng, định vị và điều khiển các phương tiện di chuyển. Việc công bố thuật toán đã mở ra hướng tiếp cận cho vấn đề định vị robot tự hành. Sau bộ lọc Kalman thì bộ lọc hạt (Particle filter) hay còn được gọi là phương pháp Sequential Monte Carlo được phát triển, thuật ngữ bộ lọc hạt được Del Moral đặt ra năm 1996 [11]. Thuật toán lọc hạt được sử dụng để giải quyết vấn đề lọc phi tuyến trong xử lý tín hiệu và trong thống kê.

Đề tài này sử dụng bộ lọc Kalman mở rộng để ước lượng vị trí và hướng của xe lăn trong một bản đồ được cung cấp sẵn thông qua các dữ liệu thu được từ các cảm biến. Xe lăn có khả năng tìm đường đi đến vị trí yêu cầu và tránh vật cản trên đường.1: Xe lăn tự hành và bài toán định vị Tình hình nghiên cứu trong và ngoài nước Tình hình nghiên cứu trong nước: Tại Việt Nam tình hình nghiên cứu xe lăn tự hành còn khá mới, chủ yếu là xe lăn điện được thêm cơ cấu động cơ điện và cần điều khiển bằng tay. Các kết quả nghiên cứu thường đến từ các trường Đại học lớn. Năm 2013, nhóm sinh viên trường Đại học Bách khoa Đà Nẵng cũng đã nghiên cứu thành công xe lăn thông minh điều khiển bằng tay hoặc bằng chuyển động đầu.

Tuy nhiên như đã nói ở trên ta hoàn toàn có thể áp dụng các nghiên cứu về robot tự hành để áp dụng cho xe lăn tự hành, vì vậy sẽ mở rộng đáng kể những kết quả nghiên cứu và ứng dụng. Tổng Quan Luận văn thạc sĩ của tác giả Nguyễn Đặng Phúc Nguyên hoàn thành năm 2011 tại trường Đại học Sư phạm Kỹ thuật [12] nói về việc định vị cho robot tự hành sử dụng giải thuật Monte Carlo để định vị robot. Kết quả được mô phỏng bằng phần mềm Player/Stage. Robot mô phỏng là một robot được trang bị 14 cảm biến siêu âm xung quanh robot.

Luận văn thạc sĩ của tác giả Lê Hoàng Anh hoàn thành năm 2012 tại trường Đại học Sư phạm Kỹ thuật [2] đã đề cập đến vấn đề định vị cho robot tự hành. Nội dung của luận văn nói đến việc sử dụng dữ liệu thu thập được từ camera Kinect trong việc xác định các vật mốc, thuật toán định vị được sử dụng là bộ lọc Kalman và thuật toán tìm đường được sử dụng là A-star, các vật cản trong môi trường đã được biết trước. Điểm mới trong luận văn này là việc người thực hiện sử dụng cảm biến laser thay vì camera, để xác định các vật mốc trong môi trường. Cảm biến laser có khoảng cách đo xa, chính xác, vấn đề xử lý dữ liệu từ cảm biến laser cũng nhanh hơn camera.

Ngoài ra, cảm biến laser có thể sử dụng ngay cả trong bóng tối hoặc trong môi trường ánh sáng mạnh, khắc phục được hạn chế cơ bản của camera. Đề tài sử dụng thuật toán Kalman mở rộng để định vị vị trí cho xe lăn, thuật toán tìm đường được sử dụng là thuật toán D-star giúp cho xe lăn có thể tìm đường đi thay thế nhanh chóng khi gặp vật cản ngẫu nhiên xuất hiện trong môi trường và tránh các vật cản bằng giải thuật Vector Field Histogram. Quá trình thực nghiệm được thực hiện trên mô hình xe lăn thực sử dụng cơ cấu lái vi sai. Xe lăn được trang bị 7 cảm biến siêu âm và một cảm biến laser SICK LMS 291.

Tình hình nghiên cứu ngoài nước: Trên thế giới việc nghiên cứu xe lăn tự hành đã diễn ra khá lâu và đã có nhiều thành tựu được công bố, các nghiên cứu cũng tập trung vào các vấn đề như tránh vật cản hoặc định vị cho xe lăn. Dưới đây là một số mô tả về các nghiên cứu xe lăn tự hành đã được tiến hành và vẫn đang diễn ra: Trang 3 1. Tổng Quan Viện KISS Institute for Practical Robotics tọa lạc tại Virginia là một tổ chức giáo dục phi lợi nhuận R&D trong các công nghệ hỗ trợ robot, robot không gian, thiết bị tự hành dưới nước, các robot trong giáo dục… David Miller và Marc Slack thuộc viện KISS đã phát triển TinMan I và TinMan II (Hình 1. Đây là một xe lăn được tích hợp điều khiển joystick, kết hợp với các cảm biến giúp nó tránh vật cản [7].3) là tên được đặt cho chiếc xe lăn được phát triển thử nghiệm bởi Holly Yanco lần đầu tại Wellesley College và bây giờ là tại MIT.

Chiếc ghế được thiết kế để có thể xoay tại chỗ. Nó có 12 cảm biến tiệm cận, 6 cảm biến siêu âm, 2 encoder. Một máy tính 68332 được tích hợp và giao diện điều khiển chạy trên máy Macintosh PowerBook [7].2: Xe lăn TinMan II Hình 1.3: Xe lăn tự hành Wheelesley Trang 4 1. Tổng Quan UBIRO (UBIquitous RObot) (Hình 1.4) mặc dù có tên robot nhưng nó là một xe lăn tự hành.

UBIRO được phát triển vào năm 2009 dựa trên nền một chiếc xe lăn điện [EMC-230] cho người già và người tàn tật. UBIRO bao gồm 3 phần chính: máy tính điều khiển, hệ thống RFID để thu thập thông tin vị trí của xe lăn và bộ phận điều hướng. Máy tính đóng vai trò là bộ xử lý trung tâm của xe lăn giúp nó điều khiển các bộ phận thu thập dữ liệu cũng như ra các lệnh điều khiển dựa trên các thuật toán có sẵn hoặc theo ý muốn người sử dụng [14].4: Xe lăn tự hành UBIRO 1. Mục tiêu đề tài Đề tài thực hiện xây dựng giải thuật định vị cho xe lăn di động.

Xe lăn có khả năng xác định vị trí dựa trên dữ liệu thu thập được từ cảm biến laser khi biết trước bản đồ môi trường. Xe lăn có khả năng lập kế hoạch đường đi di chuyển đến vị trí yêu cầu và tránh vật cản trên đường đi. Xe lăn được cho biết trước vị trí đặt, vị trí điểm đích. Các giải thuật được áp dụng trên mô hình xe lăn thực, sử dụng cơ cấu lái vi sai.

Giới hạn của đề tài Đề tài chỉ nghiên cứu khảo sát môi trường trong nhà. Bản đồ môi trường, vị trí điểm đích và vị trí đặt đã được cung cấp trước cho xe lăn khi khởi động, không cung cấp vị trí vật cản. Phương pháp nghiên cứu Các phương pháp nghiên cứu được sử dụng như sau: - Phương pháp khảo sát: khảo sát các giải thuật định vị, tránh vật cản và tìm đường khác nhau nhằm tìm được giải thuật phù hợp. - Phương pháp nghiên cứu tài liệu: tìm hiểu, thu thập các tài liệu liên quan đến đề tài.

Nghiên cứu các lý thuyết liên quan để xây dựng giải thuật điều khiển cho xe lăn. - Phương pháp thực nghiệm: lập trình phần mềm và chạy trên mô hình đã xây dựng. Kiểm tra kết quả thu được và điều chỉnh các giải thuật cũng như chương trình để thu được kết quả tốt hơn. Nội dung đề tài Chương 2: Cơ Sở Lý Thuyết Về Định Vị Xe Lăn Chương này người thực hiện đưa ra các khái niệm định vị, các phương pháp định vị cơ bản thường được sử dụng và hai giải thuật được khảo sát là bộ lọc hạt và bộ lọc Kalman.

So sánh, lựa chọn giải thuật phù hợp với yêu cầu đưa ra của đề tài. Ngoài ra người thực hiện cũng nêu mô hình động học cho xe lăn nhằm mục đích tạo nền tảng để áp dụng các giải thuật. Chương 3: Định Vị Cho Xe Lăn Tự Hành Sử Dụng Bộ Lọc Kalman Mở Rộng Trong chương 3 người thực hiện trình bày phương pháp trích xuất các đường thẳng, vật mốc khi xe lăn hoạt động trong môi trường trong nhà từ dữ liệu laser. Bên cạnh đó phần còn lại là triển khai thuật toán EKF cho xe lăn, nêu các bước áp dụng giải thuật EKF cho xe lăn.

Chương 4: Quy Hoạch Quỹ Đạo Di Chuyển Cho Xe Lăn Trong phần 4 người thực hiện trình bày cách thức hoạt động của giải thuật D- star trong giải quyết vấn đề tìm đường đi và cách áp dụng cho xe lăn. Bên cạnh đó Trang 6 1. Tổng Quan phần còn lại của chương 4 là việc trình bày giải thuật tránh vật cản Vector Field Histogram.