Luận văn quy hoạch quỹ đạo cho máy nông nghiệp - Trường hợp ruộng lõm

Luận văn nghiên cứu thuật toán quy hoạch quỹ đạo tự động cho máy nông nghiệp trên ruộng đa giác không lồi sử dụng GPS và phương pháp phân vùng tối ưu.

• Tác giả: Sébastien Fabre
• Người hướng dẫn: PTS. Nguyễn Văn A
• Trường học: Đại học Toulouse
• Chuyên ngành: Kỹ thuật nông nghiệp
• Đề tài: Quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2005-2006
• Địa điểm: Toulouse

Mục lục chi tiết

• Lời cảm ơn
• Danh mục hình vẽ
• Danh mục bảng biểu
• 1. Chương 1: Bối cảnh nghiên cứu
• 1.1. Đặt vấn đề
• 1.2. Các định nghĩa
• 1.2.1. Thửa ruộng
• 1.2.2. Máy kéo
• 2. Chương 2: Tổng quan nghiên cứu
• 2.1. Nghiên cứu của Sébastien Fabre
• 2.2. Nghiên cứu của Hélène Frayssinet
• 3. Chương 3: Đồng ruộng đa giác lồi
• 3.1. Hướng làm việc và chi phí của thửa ruộng đa giác lồi
• 3.2. Xác định hướng làm việc tối ưu
• 4. Chương 4: Đồng ruộng đa giác không lồi
• 4.1. Các dạng cắt phân chia khác nhau
• 4.2. Tìm kiếm vét cạn phân chia tối ưu
• 4.3. Độ phức tạp của thuật toán vét cạn
• 4.4. Liên kết thứ tự giữa các vùng con
• 4.5. Hợp nhất các vùng
• 5. Chương 5: Môi trường và dữ liệu thử nghiệm
• Kết luận
• Phụ lục 1: Thuật toán vét cạn
• Phụ lục 2: Thuật toán heuristic
• Phụ lục 3: Thuật toán tìm kiếm đường đi H-like
• Tài liệu tham khảo

Tóm tắt

I. Khám phá tầm quan trọng của việc Quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác hiện đại

Trong bối cảnh nông nghiệp ngày càng hiện đại hóa, việc ứng dụng công nghệ cao để tối ưu hóa quy trình canh tác là yếu tố then chốt. Đặc biệt, sự phát triển của các hệ thống máy nông nghiệp tự hành và robot nông nghiệp đã mở ra kỷ nguyên mới cho ngành này. Tuy nhiên, để những cỗ máy này hoạt động hiệu quả tối đa, việc quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác một cách chính xác và thông minh trở thành một thách thức cần được giải quyết. Quá trình này không chỉ giúp giảm thiểu chi phí vận hành mà còn nâng cao năng suất và chất lượng cây trồng. Nghiên cứu sâu rộng trong lĩnh vực này, như sự hợp tác giữa Renault Agriculture và LAAS-CNRS, tập trung vào việc phát triển các chiến lược điều hướng dựa trên dữ liệu GPS, nhằm giải quyết các vấn đề phức tạp trong việc phủ sóng bề mặt ruộng, đặc biệt là với các loại ruộng có hình dạng không đều. Mục tiêu chính là tạo ra một lộ trình hoạt động hiệu quả, giảm thiểu lãng phí và tối ưu hóa việc sử dụng tài nguyên. Điều này đặc biệt quan trọng khi xem xét đến sự đa dạng của các loại ruộng đa giác trong thực tế, từ những mảnh ruộng lồi đơn giản đến những khu vực phức tạp hơn với nhiều góc cạnh và hình dạng phi lồi. Việc áp dụng các giải pháp quy hoạch quỹ đạo máy nông nghiệp tiên tiến là bước đi chiến lược, đảm bảo rằng mỗi hoạt động trên ruộng được thực hiện một cách có hệ thống, đạt hiệu suất cao nhất. Nó không chỉ đơn thuần là di chuyển từ điểm A đến điểm B, mà còn là tối ưu hóa toàn bộ quá trình, từ việc gieo hạt, bón phân đến thu hoạch, thông qua việc tính toán đường đi tối ưu máy nông nghiệp một cách khoa học.

1.1. Tầm quan trọng của quy hoạch quỹ đạo máy nông nghiệp trong kỷ nguyên số

Việc quy hoạch quỹ đạo máy nông nghiệp là một trụ cột trong nông nghiệp chính xác, mang lại khả năng kiểm soát tuyệt đối các hoạt động trên đồng ruộng. Một quỹ đạo được quy hoạch tốt giúp giảm thiểu số lần quay đầu của máy, giảm lượng nhiên liệu tiêu thụ và thời gian làm việc, đồng thời tối ưu hóa việc sử dụng các công cụ nông nghiệp. Điều này đặc biệt quan trọng đối với các loại ruộng có hình dạng phức tạp. Mục tiêu là đạt được sự bao phủ bề mặt ruộng một cách hoàn hảo, giảm thiểu sự chồng lấn hoặc bỏ sót khu vực. Sự hợp tác nghiên cứu đã chỉ ra rằng, việc phát triển các thuật toán quy hoạch quỹ đạo hiệu quả là cần thiết để đối phó với những thách thức này, từ đó nâng cao hiệu suất tổng thể của nông trại. Nó là nền tảng để khai thác tối đa tiềm năng của các hệ thống robot nông nghiệp hiện đại, biến chúng thành công cụ đắc lực cho người nông dân.

1.2. Vai trò đột phá của GPS trong nông nghiệp chính xác và định vị

Công nghệ GPS trong nông nghiệp đã cách mạng hóa khả năng định vị và điều khiển các thiết bị nông nghiệp. Nó cung cấp dữ liệu vị trí chính xác, cho phép các máy nông nghiệp tự hành di chuyển theo quỹ đạo định trước với sai số tối thiểu. Dữ liệu GPS là đầu vào cơ bản cho các thuật toán quy hoạch quỹ đạo, giúp xác định vị trí hiện tại của máy và so sánh nó với lộ trình đã được lập. Điều này đảm bảo rằng các hoạt động như cày xới, gieo hạt, phun thuốc được thực hiện một cách đồng đều và hiệu quả trên toàn bộ diện tích ruộng. Nhờ GPS, khả năng tối ưu hóa lộ trình và giảm thiểu sai sót trong quá trình làm việc trên ruộng đa giác được cải thiện đáng kể, đồng thời mở ra tiềm năng cho việc thu thập dữ liệu về hiệu suất hoạt động, phục vụ cho các quyết định quản lý nông nghiệp trong tương lai.

II. Thách thức lớn khi tối ưu hóa Quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác phức tạp

Mặc dù công nghệ máy nông nghiệp tự hành mang lại nhiều hứa hẹn, việc quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác thực tế, đặc biệt là các ruộng phi lồi, vẫn đối mặt với những thách thức đáng kể. Khác với các ruộng hình chữ nhật đơn giản, ruộng đa giác phi lồi có nhiều góc cạnh, khúc cua, thậm chí cả các phần lồi lõm hoặc chướng ngại vật tiềm tàng, làm cho việc xác định một đường đi tối ưu máy nông nghiệp trở nên phức tạp hơn nhiều. Sự tồn tại của các loại hình ruộng này đòi hỏi một phương pháp tiếp cận hoàn toàn mới, không chỉ dừng lại ở việc áp dụng các đường thẳng và quay đầu truyền thống. Nếu chỉ sử dụng một hướng làm việc duy nhất trên ruộng phi lồi, số lượng các thao tác quay đầu có thể tăng lên đáng kể, dẫn đến việc tiêu tốn nhiều thời gian và năng lượng hơn. Đây chính là động lực để phát triển các thuật toán tự động phân vùng ruộng. Hơn nữa, những hạn chế về mặt vật lý của bản thân máy nông nghiệp tự hành cũng là một yếu tố quan trọng cần được tính đến. Việc bỏ qua những yếu tố này sẽ dẫn đến các quỹ đạo kém hiệu quả, lãng phí tài nguyên và thậm chí gây hại cho cây trồng hoặc đất đai. Nghiên cứu nhấn mạnh rằng, giải pháp cần phải xử lý được các chướng ngại vật (mặc dù ban đầu tập trung vào trường hợp không có chướng ngại vật) và các cạnh cong, vốn là những khía cạnh ít được các nghiên cứu trước đây đề cập chi tiết. Điều này đòi hỏi một sự hiểu biết sâu sắc về cả hình học ruộng và động lực học của máy. Việc tìm ra một thuật toán quy hoạch quỹ đạo có khả năng thích ứng linh hoạt với các điều kiện địa hình đa dạng là mục tiêu cốt lõi.

2.1. Thách thức quy hoạch quỹ đạo trên ruộng đa giác phi lồi

Các ruộng đa giác phi lồi (non-convex polygonal fields) đặt ra một vấn đề nan giải trong quy hoạch quỹ đạo máy nông nghiệp. Khác với ruộng lồi, nơi một đường thẳng có thể đi qua toàn bộ ruộng mà không ra ngoài, ruộng phi lồi có những vùng lõm vào, khiến việc duy trì một hướng làm việc cố định trở nên kém hiệu quả. Điều này dẫn đến việc máy phải thực hiện nhiều thao tác quay đầu phức tạp và tốn thời gian, hoặc thậm chí bỏ sót các khu vực. Ví dụ, một ruộng hình chữ 'C' không thể được phủ sóng hiệu quả chỉ với một hướng duy nhất. Các nghiên cứu trước đây thường tập trung vào ruộng lồi hoặc ruộng có chướng ngại vật nhưng không đề cập sâu đến tính phi lồi. Do đó, yêu cầu đặt ra là phải có một thuật toán quy hoạch quỹ đạo có khả năng tự động chia nhỏ ruộng phi lồi thành các vùng con lồi, sau đó xác định hướng làm việc tối ưu cho từng vùng. Giải pháp này giúp giảm thiểu đáng kể số lần quay đầu và tối ưu hóa lộ trình tổng thể.

2.2. Giới hạn chuyển động của máy nông nghiệp tự hành và yếu tố vật lý

Chuyển động của máy nông nghiệp tự hành bị ràng buộc bởi các yếu tố vật lý và kỹ thuật, đặc biệt là các ràng buộc không holonomic do bánh xe lăn không trượt trên mặt đất. Bánh trước của máy cũng chịu ràng buộc về bán kính quay tối thiểu, khiến việc quay 180 độ tại chỗ là không thể. Những hạn chế này trực tiếp ảnh hưởng đến khả năng cơ động của máy và cần được tính toán trong quá trình quy hoạch quỹ đạo. Chiều rộng của công cụ làm việc (ví dụ: cày, máy gieo hạt) cũng là một yếu tố quan trọng, ảnh hưởng đến độ rộng của mỗi lần đi qua và yêu cầu về quỹ đạo. Ví dụ, công cụ cày có thể rộng từ 40 cm đến 8 mét, trong khi công cụ phun có thể rộng từ 12 đến 30 mét. Sự khác biệt này đòi hỏi các quỹ đạo phải được điều chỉnh linh hoạt. Việc xem xét kỹ lưỡng các ràng buộc về kỹ thuật chuyển động giúp đảm bảo rằng quỹ đạo được quy hoạch không chỉ hiệu quả về mặt lý thuyết mà còn khả thi trong thực tế vận hành, giảm thiểu rủi ro và hư hỏng máy móc.

III. Phương pháp đột phá Tự động phân vùng ruộng đa giác để tối ưu hiệu suất

Để vượt qua các thách thức của quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác phi lồi, một trong những phương pháp tiếp cận cốt lõi là tự động phân vùng ruộng đa giác thành các ô lồi nhỏ hơn. Phương pháp này đóng vai trò nền tảng, giúp biến một vấn đề phức tạp trên diện tích lớn thành một tập hợp các vấn đề nhỏ hơn, dễ giải quyết hơn. Ý tưởng là chia một khu ruộng có hình dạng bất kỳ, đặc biệt là những ruộng có hình dạng lồi lõm, thành các 'ô' hoặc 'vùng con' mà mỗi vùng đều có hình dạng lồi. Điều này cho phép áp dụng các phương pháp quy hoạch quỹ đạo hiệu quả hơn cho từng ô lồi riêng biệt. Quá trình phân vùng không chỉ đơn thuần là chia cắt mà còn phải đảm bảo rằng mỗi ô được tạo ra có thể được phủ sóng hiệu quả bởi máy nông nghiệp tự hành với một hướng làm việc rõ ràng. Các nghiên cứu đã đề xuất hai phương pháp phân vùng tự động dựa trên khái niệm hướng làm việc, bao gồm cả một phương pháp tìm kiếm vét cạn (exhaustive search) và một phương pháp heuristic để đạt được giải pháp gần tối ưu trong thời gian ngắn hơn. Việc phân vùng hiệu quả giúp giảm thiểu số lần quay đầu không cần thiết và tối đa hóa diện tích làm việc thực tế, trực tiếp cải thiện hiệu suất của máy nông nghiệp. Đây là một bước tiến quan trọng trong việc tối ưu hóa hoạt động nông nghiệp trên các khu vực đất đai có địa hình và hình dạng phức tạp, mở ra cánh cửa cho việc ứng dụng rộng rãi các robot nông nghiệp thông minh trong mọi loại hình canh tác.

3.1. Phương pháp phân vùng ruộng đa giác thành các ô lồi

Bước đầu tiên và quan trọng nhất trong việc quy hoạch quỹ đạo máy nông nghiệp trên ruộng phi lồi là phân vùng chúng thành các ô lồi. Phương pháp này giúp đơn giản hóa bài toán phức tạp thành các bài toán nhỏ hơn, dễ quản lý hơn. Quá trình phân vùng bao gồm việc sử dụng các 'đường cắt' (cuts) để chia ruộng. Ví dụ, một ruộng lõm có thể được chia thành hai hoặc nhiều hơn các ruộng con lồi, mỗi ruộng con này có thể có một hướng làm việc riêng. Việc tìm kiếm các đường cắt tối ưu để giảm thiểu tổng chi phí (ví dụ: số lần quay đầu, diện tích đất bỏ trống) là một bài toán phức tạp. Các nghiên cứu đã khám phá các phương pháp tự động phân vùng, bao gồm cả tìm kiếm vét cạn để đảm bảo tính tối ưu, mặc dù tốn nhiều thời gian, cũng như các phương pháp heuristic để đạt được kết quả tốt trong thời gian ngắn hơn. Phân vùng ruộng đa giác hiệu quả là yếu tố quyết định đến hiệu suất tổng thể của thuật toán quy hoạch quỹ đạo.

3.2. Xác định hướng làm việc tối ưu cho từng ô sau phân vùng

Sau khi phân vùng ruộng đa giác thành các ô lồi, bước tiếp theo là xác định hướng làm việc tối ưu cho mỗi ô. Hướng làm việc ảnh hưởng trực tiếp đến hiệu quả bao phủ và số lần quay đầu. Trong một ô lồi, việc chọn một hướng làm việc phù hợp có thể tối thiểu hóa số lần máy phải quay đầu và diện tích đất bỏ trống. Các nghiên cứu đã chỉ ra rằng, hướng làm việc tối ưu thường là hướng song song với cạnh dài nhất của ô, hoặc hướng cho phép máy di chuyển hiệu quả nhất trên toàn bộ diện tích. Ví dụ, hướng làm việc có thể được xác định bằng cách phân tích hình dạng và kích thước của ô lồi, cũng như các ràng buộc về chuyển động của máy. Việc xác định chính xác hướng làm việc tối ưu là yếu tố then chốt để đảm bảo đường đi tối ưu máy nông nghiệp, giảm thiểu thời gian và chi phí vận hành, đồng thời tối đa hóa năng suất canh tác trên từng mảnh đất nhỏ đã được phân chia.

IV. Thuật toán quy hoạch quỹ đạo thông minh Từ chuỗi tác vụ đến đường đi hoàn chỉnh

Sau khi ruộng đã được phân vùng ruộng đa giác thành các ô lồi và xác định hướng làm việc cho từng ô, bước tiếp theo là xây dựng một thuật toán quy hoạch quỹ đạo toàn diện. Quá trình này không chỉ dừng lại ở việc lập kế hoạch cho từng vùng riêng lẻ mà còn phải xem xét sự chuyển tiếp mượt mà giữa các vùng đó, tạo thành một đường đi tối ưu máy nông nghiệp hoàn chỉnh từ đầu đến cuối. Sự phức tạp nảy sinh khi cần phải sắp xếp thứ tự các vùng con sao cho quá trình bao phủ diễn ra hiệu quả nhất, giảm thiểu các đoạn đường không làm việc và các thao tác quay đầu không cần thiết. Các nghiên cứu đã đề xuất một chiến lược sắp xếp (sequencing strategy) để phủ sóng các vùng con liên tiếp, và sau đó tổng hợp một quỹ đạo hoàn chỉnh dựa trên các trục cục bộ đã xác định. Điều này đòi hỏi một cách tiếp cận tiên tiến, có thể là sử dụng lý thuyết đồ thị Hamilton (H-like graph) để tìm ra thứ tự tối ưu của các vùng. Hai phương pháp phân vùng tự động, một dựa trên tìm kiếm vét cạn (exhaustive search) và một phương pháp heuristic, được giới thiệu để giải quyết bài toán này. Phương pháp heuristic đặc biệt hữu ích vì nó có thể tìm ra các giải pháp gần tối ưu (suboptimal solutions) trong thời gian ngắn hơn đáng kể, phù hợp với yêu cầu thực tế của tối ưu hóa hoạt động nông nghiệp trong lĩnh vực nông nghiệp chính xác. Mục tiêu cuối cùng là tạo ra một quỹ đạo mà không chỉ bao phủ toàn bộ ruộng mà còn tối thiểu hóa các tiêu chí chi phí, như số lần quay đầu, diện tích đất bỏ trống (headland areas) và sự chồng lấn giữa các vệt làm việc khác nhau, đồng thời tính đến các ràng buộc về GPS trong nông nghiệp và khả năng của máy nông nghiệp tự hành.

4.1. Chiến lược sắp xếp và tổng hợp quỹ đạo máy nông nghiệp

Việc tổng hợp một quỹ đạo máy nông nghiệp hoàn chỉnh đòi hỏi một chiến lược sắp xếp thông minh các vùng con đã được phân chia. Thay vì xử lý từng vùng riêng lẻ, cần có một kế hoạch tổng thể để máy di chuyển liền mạch từ vùng này sang vùng khác. Một trong những cách tiếp cận là sử dụng khái niệm đồ thị (graph) để biểu diễn các vùng và mối quan hệ chuyển tiếp giữa chúng. Đồ thị Hamilton (H-like graph) là một công cụ tiềm năng để tìm ra chuỗi vùng tối ưu, nơi máy có thể đi qua mỗi vùng đúng một lần và trở về điểm xuất phát (nếu cần), hoặc hoàn thành nhiệm vụ với chi phí di chuyển tối thiểu. Chiến lược này không chỉ xem xét các yếu tố hình học mà còn cả các ràng buộc về thời gian và năng lượng. Mục tiêu là tổng hợp một đường đi tối ưu máy nông nghiệp sao cho nó bao phủ toàn bộ bề mặt ruộng với ít thao tác quay đầu nhất, giảm thiểu diện tích đất không được làm việc (headland) và sự chồng lấn giữa các đường đi khác nhau. Điều này đặc biệt quan trọng để đạt được hiệu quả cao nhất trong tối ưu hóa hoạt động nông nghiệp.

4.2. Thuật toán quy hoạch quỹ đạo hiệu quả So sánh vét cạn và heuristic

Nghiên cứu đã đề xuất hai phương pháp chính để tự động phân vùng và xây dựng thuật toán quy hoạch quỹ đạo: một phương pháp tìm kiếm vét cạn (exhaustive search) và một phương pháp heuristic. Phương pháp vét cạn, mặc dù có thể tìm ra giải pháp tối ưu toàn cục, lại tiêu tốn rất nhiều thời gian tính toán, đặc biệt với các ruộng có hình dạng phức tạp. Điều này làm cho nó không thực tế cho các ứng dụng thời gian thực. Ngược lại, phương pháp heuristic cung cấp khả năng tìm kiếm các giải pháp gần tối ưu (suboptimal solutions) trong thời gian ngắn hơn đáng kể. Mặc dù không đảm bảo đạt được sự tối ưu tuyệt đối, các giải pháp heuristic thường đủ tốt cho hầu hết các tình huống thực tế và mang lại hiệu quả cao về mặt thời gian. Việc kết hợp phương pháp heuristic với các chiến lược phân vùng thông minh giúp tạo ra một thuật toán quy hoạch quỹ đạo linh hoạt và hiệu quả, phù hợp với các yêu cầu của nông nghiệp chính xác. Kết quả mô phỏng đã minh họa và xác thực cách tiếp cận này, chứng minh khả năng của nó trong việc đưa ra các quỹ đạo hoạt động tốt cho máy nông nghiệp tự hành trên ruộng đa giác.

V. Ứng dụng thực tiễn và kết quả nghiên cứu Tối ưu hóa hoạt động nông nghiệp vượt trội

Những giải pháp về quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác không chỉ dừng lại ở lý thuyết mà đã được kiểm chứng thông qua các ứng dụng thực tiễn và kết quả mô phỏng chi tiết. Mục tiêu chính của việc phát triển các thuật toán quy hoạch quỹ đạo này là mang lại lợi ích cụ thể cho tối ưu hóa hoạt động nông nghiệp. Điều này bao gồm giảm thiểu thời gian làm việc, tiết kiệm nhiên liệu, giảm hao mòn máy móc và tăng cường hiệu quả sử dụng đất. Các mô phỏng đã được thực hiện rộng rãi để minh họa lý lẽ và xác nhận phương pháp tiếp cận. Các kết quả cho thấy việc áp dụng phân vùng ruộng phi lồi thành các ô lồi và xác định hướng làm việc tối ưu cho từng ô, sau đó tổng hợp thành một quỹ đạo hoàn chỉnh, đã mang lại hiệu quả đáng kể. Đặc biệt, việc giảm thiểu số lần quay đầu của máy là một tiêu chí quan trọng, vì mỗi lần quay đầu không chỉ tốn thời gian mà còn tiêu hao nhiên liệu và làm tăng chi phí vận hành. Các giải pháp được đề xuất hướng tới việc tạo ra một đường đi tối ưu máy nông nghiệp không chỉ bao phủ hoàn toàn diện tích mà còn giảm thiểu tối đa diện tích khu vực quay đầu (headland areas) và sự chồng lấn không cần thiết giữa các vệt làm việc. Điều này trực tiếp chuyển thành việc tăng năng suất và giảm chi phí đầu vào. Ứng dụng của GPS trong nông nghiệp kết hợp với các thuật toán này còn mở ra tiềm năng cho việc thu thập dữ liệu chính xác về hiệu suất làm việc, giúp nông dân đưa ra các quyết định quản lý thông minh hơn. Đây là minh chứng rõ ràng cho tiềm năng của robot nông nghiệp trong việc định hình lại tương lai của ngành nông nghiệp.

5.1. Lợi ích của tối ưu hóa hoạt động nông nghiệp qua quy hoạch quỹ đạo

Việc tối ưu hóa hoạt động nông nghiệp thông qua quy hoạch quỹ đạo máy nông nghiệp mang lại nhiều lợi ích thiết thực. Đầu tiên, nó giảm đáng kể chi phí vận hành bằng cách giảm số lần quay đầu, tiết kiệm nhiên liệu và giảm hao mòn máy móc. Một quỹ đạo được quy hoạch tốt sẽ đảm bảo rằng máy nông nghiệp tự hành di chuyển hiệu quả nhất trên ruộng, tránh những đoạn đường không cần thiết. Thứ hai, nó cải thiện đáng kể năng suất canh tác bằng cách tối đa hóa diện tích đất được xử lý và giảm thiểu sự bỏ sót hoặc chồng lấn. Điều này đảm bảo rằng mỗi phần của ruộng nhận được sự chăm sóc cần thiết, từ đó nâng cao chất lượng và sản lượng cây trồng. Cuối cùng, việc này còn giảm thiểu công sức lao động thủ công và cho phép người nông dân tập trung vào các nhiệm vụ quản lý và phân tích dữ liệu, hướng tới một nền nông nghiệp chính xác và bền vững hơn. Nghiên cứu khẳng định rằng việc giảm thiểu các tiêu chí chi phí (số lần quay đầu, diện tích headland, chồng lấn) là mục tiêu cốt lõi, mang lại giá trị kinh tế rõ rệt.

5.2. Đánh giá và xác thực giải pháp quy hoạch quỹ đạo qua mô phỏng

Việc đánh giá và xác thực các giải pháp quy hoạch quỹ đạo là một phần không thể thiếu của quá trình nghiên cứu. Với sự hỗ trợ của các phần mềm mô phỏng, các nhà khoa học có thể kiểm tra hiệu quả của các thuật toán quy hoạch quỹ đạo trong nhiều kịch bản khác nhau mà không cần thực hiện trên đồng ruộng thực tế. Điều này giúp tiết kiệm thời gian và chi phí, đồng thời cho phép thử nghiệm các điều kiện khắc nghiệt hoặc phức tạp. Kết quả từ một số lượng lớn các mô phỏng đã được sử dụng để minh họa lý lẽ và xác nhận phương pháp tiếp cận được đề xuất. Các mô phỏng này bao gồm việc thử nghiệm trên nhiều loại ruộng đa giác khác nhau, từ lồi đơn giản đến phi lồi phức tạp, có hoặc không có chướng ngại vật (trong các nghiên cứu mở rộng). Phân tích kết quả mô phỏng cho phép đánh giá các tiêu chí như số lần quay đầu, diện tích khu vực bỏ trống và hiệu quả bao phủ, từ đó tinh chỉnh và cải thiện các thuật toán. Sự thành công của các mô phỏng đã cung cấp bằng chứng vững chắc về tính khả thi và hiệu quả của phương pháp phân vùng ruộng đa giác và quy hoạch quỹ đạo, mở đường cho việc triển khai thực tế của robot nông nghiệp.

VI. Tổng kết và định hướng tương lai cho Quy hoạch quỹ đạo máy nông nghiệp thông minh

Nghiên cứu về quy hoạch quỹ đạo máy nông nghiệp trên ruộng đa giác đã đạt được những tiến bộ đáng kể, đặc biệt là trong việc xử lý các loại ruộng phi lồi mà không có chướng ngại vật. Việc phát triển các thuật toán quy hoạch quỹ đạo có khả năng tự động phân vùng ruộng thành các ô lồi, xác định hướng làm việc tối ưu và tổng hợp một đường đi tối ưu máy nông nghiệp hoàn chỉnh đã mở ra một hướng đi mới cho nông nghiệp chính xác. Phương pháp này không chỉ tối ưu hóa hiệu suất làm việc của máy nông nghiệp tự hành mà còn giảm thiểu đáng kể chi phí vận hành thông qua việc giảm số lần quay đầu và diện tích đất bỏ trống. Sự kết hợp giữa các kỹ thuật phân vùng vét cạn và heuristic mang lại sự linh hoạt, đảm bảo cả tính tối ưu (trong trường hợp vét cạn) và hiệu quả về mặt thời gian (trong trường hợp heuristic). Mặc dù đã có những thành công nhất định, lĩnh vực này vẫn còn nhiều tiềm năng để phát triển xa hơn. Các nghiên cứu trong tương lai cần tiếp tục mở rộng phạm vi áp dụng, đối mặt với các thách thức phức tạp hơn như sự hiện diện của chướng ngại vật cố định hoặc di động trong ruộng, cũng như các ruộng có đường viền cong. Việc tích hợp sâu hơn GPS trong nông nghiệp với các cảm biến tiên tiến và trí tuệ nhân tạo sẽ là chìa khóa để nâng cao khả năng tự chủ và thích ứng của robot nông nghiệp. Hướng tới một nền nông nghiệp tự động hóa hoàn toàn, việc liên tục cải tiến các giải pháp quy hoạch quỹ đạo sẽ là yếu tố quyết định để đạt được hiệu quả tối đa và bền vững.

6.1. Tóm lược các thành tựu của quy hoạch quỹ đạo máy nông nghiệp

Nghiên cứu đã thành công trong việc đề xuất một thuật toán quy hoạch quỹ đạo máy nông nghiệp hiệu quả cho các ruộng đa giác phi lồi không có chướng ngại vật. Thành tựu nổi bật là khả năng tự động phân vùng ruộng thành các ô lồi, sau đó áp dụng chiến lược sắp xếp và tổng hợp quỹ đạo dựa trên các trục cục bộ. Điều này đã giải quyết vấn đề số lần quay đầu cao và hiệu quả thấp khi chỉ sử dụng một hướng làm việc duy nhất trên ruộng phi lồi. Hai phương pháp phân vùng, vét cạn và heuristic, đã được phân tích và chứng minh tính hiệu quả qua mô phỏng. Nghiên cứu đã cung cấp một khuôn khổ vững chắc cho việc phát triển các hệ thống máy nông nghiệp tự hành thông minh hơn, đóng góp vào sự phát triển của nông nghiệp chính xác và tối ưu hóa hoạt động nông nghiệp.

6.2. Hướng phát triển của robot nông nghiệp và quy hoạch quỹ đạo trong tương lai

Tương lai của robot nông nghiệp và quy hoạch quỹ đạo hứa hẹn nhiều tiềm năng. Các hướng nghiên cứu tiếp theo có thể tập trung vào việc mở rộng thuật toán để xử lý các loại ruộng có chướng ngại vật (cố định và di động), cũng như ruộng có đường viền cong. Việc tích hợp các yếu tố như tối ưu hóa hậu cần (ví dụ: điểm tiếp nhiên liệu, điểm tiếp liệu xử lý) cũng cần được xem xét. Ngoài ra, việc phát triển các thuật toán học máy để máy nông nghiệp tự hành có thể tự thích ứng với các điều kiện ruộng thay đổi theo thời gian thực sẽ là một bước tiến quan trọng. Sự kết hợp giữa GPS trong nông nghiệp, cảm biến tiên tiến (ví dụ: LiDAR, camera) và các thuật toán trí tuệ nhân tạo sẽ nâng cao khả năng ra quyết định và tự chủ của robot nông nghiệp, hướng tới một nền nông nghiệp thông minh và hiệu quả hơn, nơi việc tối ưu hóa hoạt động nông nghiệp đạt đến một tầm cao mới.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Nghiên cứu này được thực hiện trong khuôn khổ chương trình hợp tác nghiên cứu giữa doanh nghiệp sản xuất máy kéo RENAULT Agriculture (thành lập từ năm 1918) và nhóm nghiên cứu Robot học và Trí tuệ nhân tạo (RIA - Robotique et Intelligence Artificielle) thuộc Phòng thí nghiệm Phân tích và Kiến trúc Hệ thống (LAAS-CNRS) tại Toulouse, Pháp, với thời gian thực hiện đề tài là 5 tháng.

Bối cảnh thực tiễn của đề tài xuất phát từ nhu cầu ứng dụng công nghệ định vị vệ tinh GPS (Global Positioning System) vào việc tự động hóa dẫn đường cho các phương tiện nông nghiệp theo những quỹ đạo tham chiếu định trước. Việc tự động hóa quỹ đạo di chuyển giúp giải phóng người nông dân khỏi nhiệm vụ điều khiển vi chỉnh vô-lăng liên tục để bám vệt đường (suivi de trace), chuyển dịch trọng tâm lao động sang việc giám sát và tối ưu hóa chất lượng canh tác.

Trong cấu trúc tổng thể của một hệ thống điều khiển máy kéo tự động dựa trên tín hiệu GPS, hệ thống bao gồm 4 phân hệ chính:

1. Khối cảm biến (Capteur): Thu nhận và cung cấp dữ liệu định vị thời gian thực từ GPS với độ chính xác không gian ba chiều đạt sai số $\sigma < 2\text{ cm}$ và độ trễ thấp ($t_{\text{latency}} < 0{,}2\text{ s}$), đảm bảo điều kiện biên cho bài toán điều khiển tự động.
2. Khối máy kéo chấp hành (Tracteur à contrôler): Phương tiện cơ giới trang bị hệ thống điều khiển điện - thủy lực (électro-hydraulique), cho phép vận hành song song qua chế độ lái thủ công bởi người điều khiển hoặc lái tự động bằng máy tính bo mạch.
3. Khối bộ điều khiển (Contrôleur): Module phần mềm được nhúng trên máy tính bo mạch, chịu trách nhiệm điều khiển phương tiện bám theo các vệt đường cong hoặc đường thẳng với sai số dưới $10\text{ cm}$.
4. Khối quy hoạch quỹ đạo (Planificateur de trajectoire): Tính toán và tạo lập quỹ đạo tham chiếu tổng thể cho toàn bộ diện tích cánh đồng dựa trên yêu cầu của từng loại tác vụ nông nghiệp cụ thể.

Mục tiêu cốt lõi của khóa luận tập trung vào phân hệ thứ tư: Thiết kế thuật toán quy hoạch quỹ đạo bao phủ toàn bộ bề mặt cánh đồng nông nghiệp (field surface coverage), đặc biệt giải quyết trường hợp cánh đồng dạng đa giác phi lồi (polygone non convexe / concave) không chứa vật cản.

Nhiệm vụ nghiên cứu được xác định theo các yêu cầu kỹ thuật cụ thể:

1. Xác định bài toán tối ưu hóa quỹ đạo dựa trên các dữ liệu đầu vào: hình học cánh đồng, loại tác vụ nông nghiệp, điểm vào (zone d'entrée) và điểm ra (zone de sortie) của phương tiện.
2. Tự động phân rã cánh đồng đa giác phi lồi thành tập hợp các ô đa giác lồi con (cellules convexes).
3. Xác định hướng làm việc tối ưu (direction de travail optimale) cho từng vùng con nhằm giảm thiểu số lần quay đầu xe (demi-tours) và diện tích vùng bờ (zone de fourrière).
4. Thiết lập chiến lược liên kết chuỗi (enchaînement) thứ tự di chuyển giữa các vùng con để tổng hợp nên một quỹ đạo di chuyển liên tục, khép kín và hoàn chỉnh.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Quỹ đạo di chuyển của máy kéo nông nghiệp có gắn nông cụ canh tác, chịu các ràng buộc động học phi holonomic (roulement sans glissement - lăn không trượt bánh trên mặt đất) và bán kính quay vòng tối thiểu (contrainte de giration, không thể quay đầu tại chỗ 180°).
• Phạm vi không gian: Cánh đồng dạng địa hình phẳng 2D, biên dạng đa giác phi lồi không chứa vật cản cố định.
• Phạm vi tác vụ: Nghiên cứu tập trung giải quyết quy trình tác vụ cày xới và gieo hạt (labour/semis) — trong đó khu vực làm việc chính (zone de travail) được thực hiện trước, khu vực bờ đầu ruộng (zone de fourrière) được canh tác sau.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và các khái niệm cơ sở

Nghiên cứu sử dụng hệ thống khái niệm kỹ thuật và hình học chuẩn hóa trong nông nghiệp cơ giới hóa và robot học:

• Vệt làm việc (Trace): Đoạn thẳng di chuyển làm việc của máy kéo nối liền hai điểm biên của cánh đồng.
• Hướng làm việc (Direction de travail): Góc phương vị dẫn đường định hướng cho các đường chạy thẳng song song của máy kéo.
• Vùng làm việc chính (Zone de travail): Phần diện tích bên trong cánh đồng nơi máy kéo thực hiện các đường chạy thẳng song song theo hướng làm việc.
• Vùng bờ / vùng quay đầu (Zone de fourrière): Phần diện tích biên quanh cánh đồng dành cho máy kéo thực hiện các thao tác chuyển làn, bẻ lái hoặc quay đầu $180^\circ$. Bề rộng vùng bờ phụ thuộc trực tiếp vào kích thước nông cụ và bán kính quay vòng của máy kéo. Cấu hình vùng bờ có thể mang dạng chữ U, chữ O, hoặc dạng hai dải song song (dạng chữ I kép) khi có hai cạnh biên song song với hướng làm việc.
• Vùng vào (Zone d'entrée) và Vùng ra (Zone de sortie): Các vị trí xác định mà máy kéo cùng nông cụ tiến vào hoặc rời khỏi cánh đồng.

Ràng buộc kích thước nông cụ di chuyển cùng máy kéo thay đổi tùy theo loại công việc:

• Nông cụ cày xới (labour): chiều rộng trung bình từ $0{,}4\text{ m}$ đến $8\text{ m}$.
• Nông cụ bón phân / phun hóa chất (épandage): chiều rộng từ $12\text{ m}$ đến $30\text{ m}$.
• Nông cụ thu hoạch / gặt đập (moisson): chiều rộng từ $4\text{ m}$ đến $7\text{ m}$.

Loại tác vụ nông nghiệp	Chiều rộng nông cụ trung bình	Thứ tự canh tác vùng bờ (Zone de fourrière)
Cày xới / Làm đất (Labour)	$0{,}4\text{ m} - 8\text{ m}$	Canh tác sau khi hoàn thành vùng làm việc chính
Bón phân / Phun thuốc (Épandage)	$12\text{ m} - 30\text{ m}$	Tùy biến theo địa hình và hướng làm việc
Thu hoạch / Gặt (Moisson)	$4\text{ m} - 7\text{ m}$	Canh tác trước để tạo khoảng trống quay đầu

Khung lý thuyết điều khiển và thuật toán tối ưu hóa:

• Lý thuyết đồ thị và đường đi Hamilton (H-like graph path): Biểu diễn các đầu mút của các đường chạy song song thành các điểm tô-pô (points topologiques). Việc tìm thứ tự di chuyển tối ưu tương đương với bài toán tìm đường đi Hamilton qua các đỉnh của đồ thị, vốn thuộc lớp bài toán NP-đầy đủ (NP-complet).
• Phân rã tế bào hình học (Cellular decomposition): Phân tích hình học đa giác từ các góc lõm (concave vertices) để chia nhỏ đa giác phức tạp thành các vùng con lồi, triệt tiêu hiện tượng tạo ra các vệt chạy bị gián đoạn hoặc sinh ra quá nhiều thao tác quay xe phức tạp.

Phân tích các nghiên cứu tiền đề

Nghiên cứu kế thừa và so sánh trực tiếp với các công trình trước đó:

• Nghiên cứu của Sébastien Fabre tại LAAS-CNRS: Xây dựng mô hình tham số về mối quan hệ giữa nông cụ, động học máy kéo và công thức tính vùng fourrière; đề xuất thuật toán tìm đường đi Hamilton trên đồ thị điểm tô-pô. Phương pháp của Fabre đạt tối ưu trên đa giác lồi đơn giản nhưng cho kết quả sai lệch, không khả thi trên cánh đồng phi lồi nếu không có bước phân chia thủ công ban đầu.
• Nghiên cứu của Hélène Frayssinet tại LAAS-CNRS: Xử lý quy hoạch phủ bề mặt cho cánh đồng lồi với hướng làm việc phải cố định từ trước; giải quyết bài toán vật cản bằng cách phân loại vật cản nhỏ (chạy vòng tránh) và vật cản lớn (phân chia ô). Hạn chế lớn là chưa giải quyết trọn vẹn cánh đồng phi lồi và bắt buộc người dùng nhập trước hướng làm việc.
• Công trình [7] (Oshima et al.): Hệ thống thu hoạch tự động kết hợp GPS và thị giác máy tính. Hạn chế là bắt buộc dùng thị giác để tránh vật cản, chỉ áp dụng cho ruộng dạng gần vuông đơn giản và không xử lý tự động vùng bờ fourrière.
• Công trình [1] và [2]: Các phương pháp phân rã địa hình thành các tế bào hoặc vùng đơn điệu (monotone regions) dựa trên kỹ thuật bù trừ biên (offsetting) và tính tổng độ cao (altitudes). Điểm yếu là công thức tính toán phức tạp, không tối ưu hóa số lượng thao tác quay xe và không xây dựng được một quỹ đạo di chuyển hoàn chỉnh từ đầu đến cuối.

Phương pháp nghiên cứu

Nghiên cứu kết hợp giữa mô hình hóa toán học hình học tính toán và thực nghiệm mô phỏng số:

1. Phương pháp phân tích - tổng hợp hình học: Phân tích các dạng đường cắt (coupes) xuất phát từ các đỉnh lõm để phân chia đa giác.
2. Phương pháp duyệt vét cạn (Recherche exhaustive): Duyệt toàn bộ không gian trạng thái các cấu hình phân chia để tìm phương án phân rã đạt giá trị hàm chi phí tối ưu tuyệt đối.
3. Phương pháp Heuristic (Giải thuật phỏng đoán): Rút gọn không gian tìm kiếm, loại bỏ các nhánh duyệt không tiềm năng nhằm xác định nghiệm cận tối ưu trong thời gian xử lý nhanh.
4. Phương pháp tìm kiếm đường đi tựa Hamilton (H-like search): Giải thuật tối ưu hóa thứ tự kết nối các vùng con và các vệt di chuyển.
5. Thực nghiệm mô phỏng: Triển khai môi trường kiểm thử và giao diện người - máy (IHM) trên tập dữ liệu cánh đồng mô phỏng từ mức độ đơn giản, bình thường đến phức tạp.

---

Nội dung chính theo từng chương

Contexte du travail (Bối cảnh công việc)

Chương này trình bày lịch sử hợp tác giữa hãng máy kéo RENAULT Agriculture và phòng thí nghiệm LAAS-CNRS (nhóm RIA). Nội dung tập trung mô tả chi tiết kiến trúc 4 phân hệ phần cứng và phần mềm của máy kéo tự hành điều khiển qua GPS. Chương nêu rõ các thông số kỹ thuật định lượng của cảm biến định vị (sai số $< 2\text{ cm}$, độ trễ $< 0{,}2\text{ s}$) và bộ điều khiển nhúng bám quỹ đạo (sai số $< 10\text{ cm}$). Đồng thời, chương xác định mục tiêu trọng tâm trong 5 tháng thực tập của tác giả là phát triển module quy hoạch quỹ đạo tự động xử lý địa hình đa giác phi lồi.

Chapitre 2. Publications et Problématique (Tổng quan nghiên cứu và Xác lập bài toán)

Chương 2 tổng hợp các tài liệu khoa học quốc tế và kết quả nghiên cứu nội bộ của hai tác giả tiền nhiệm tại LAAS-CNRS (Sébastien Fabre và Hélène Frayssinet).

Nội dung chương chính thức mô hình hóa bài toán tối ưu hóa tổng thể:

• Đầu vào (Données en entrée): Cánh đồng có hình dạng bất kỳ; một hoặc nhiều vật cản cố định (nếu có); phương tiện cơ giới với loại tác vụ xác định; vị trí vùng vào và vùng ra.
• Đầu ra (Données en sortie): Quỹ đạo phủ kín bề mặt cánh đồng đảm bảo cực tiểu hóa hàm chi phí $J$:

$$J = f(\text{Số lần quay đầu demi-tours}, \text{Diện tích vùng bờ fourrière}, \text{Độ rộng chồng lấn giữa các traces})$$

Chương cũng chỉ ra rằng việc áp dụng một hướng làm việc duy nhất trên đa giác phi lồi sẽ làm tăng đột biến số lượng thao tác quay xe phức tạp, gây lãng phí nhiên liệu và thời gian, từ đó khẳng định tính tất yếu của giải thuật phân rã tự động.

Chapitre 3. Champs polygonaux convexes (Cánh đồng đa giác lồi)

Chương 3 giải quyết bài toán nền tảng trên đa giác lồi:

• 3.1. Hướng làm việc và hàm chi phí của cánh đồng đa giác lồi (Direction de travail et coût d'un champ convexe polygonal): Phân tích hình học để tính toán chiều dài các vệt chạy, diện tích vùng fourrière tương ứng và số lần quay đầu xe khi thay đổi góc của hướng làm việc.
• 3.2. Xác định hướng làm việc tối ưu (Détermination de la direction de travail optimale): Xây dựng thuật toán quét góc để tìm ra hướng làm việc mang lại chi phí nhỏ nhất, tối đa hóa chiều dài vệt chạy hữu ích và tối thiểu hóa số lần chuyển làn.

Chapitre 4. Champs polygonaux non convexes (Cánh đồng đa giác phi lồi)

Đây là chương nội dung cốt lõi của công trình, chia thành 5 tiểu mục kỹ thuật:

• 4.1. Các dạng đường cắt (Différents types de coupe): Phân loại các đường cắt hình học xuất phát từ các đỉnh góc lõm của đa giác để phân chia bề mặt thành các tế bào lồi độc lập. Phân tích các trường hợp tiếp xúc biên và các kịch bản bất lợi (hai trường hợp xấu nhất).
• 4.2. Tìm kiếm vét cạn phân chia tối ưu (Recherche exhaustive de découpage optimal): Thiết lập thuật toán duyệt toàn bộ các khả năng tổ hợp đường cắt, xác định hướng làm việc tối ưu riêng biệt cho từng vùng con sau phân rã.
• 4.3. Độ phức tạp của thuật toán vét cạn (Complexité de l'algorithme exhaustif): Phân tích sự bùng nổ tổ hợp tính toán khi số lượng cạnh và đỉnh lõm của đa giác tăng lên, chỉ ra chi phí thời gian quá lớn của phương pháp vét cạn.
• 4.4. Nối chuỗi giữa các vùng con (Enchaînement entre sous-régions): Biểu diễn các vùng con dưới dạng đồ thị không gian. Sử dụng thuật toán tìm đường đi tựa Hamilton (H-like) trên đồ thị điểm tô-pô để kết nối điểm kết thúc của vùng này với điểm bắt đầu của vùng kế tiếp sao cho khoảng cách di chuyển không tải là ngắn nhất.
• 4.5. Hợp nhất các vùng (Fusion de régions): Kỹ thuật ghép các vùng con liền kề nếu việc gộp chung hướng làm việc giúp giảm chi phí tổng thể và đơn giản hóa quỹ đạo.

Chapitre 5. Environnement et données de test (Môi trường và Dữ liệu thử nghiệm)

Chương 5 giới thiệu môi trường mô phỏng phần mềm và giao diện người - máy (IHM - Interface Homme-Machine). Chương trình cho phép nhập thông số kích thước nông cụ, biên dạng cánh đồng, tính toán phân rã tự động và trực quan hóa đường đi của máy kéo. Tác giả tiến hành đánh giá hiệu năng của thuật toán thông qua hệ thống các bảng dữ liệu kiểm thử (Tableau 4):

• Nhóm cánh đồng đơn giản (champs simples).
• Nhóm cánh đồng thông thường (champs normaux).
• Nhóm cánh đồng phức tạp (champs complexes).

Phần phụ lục (Annexes)

Tác giả đính kèm 3 phụ lục mô tả chi tiết mã giả và cấu trúc giải thuật:

• Annexe 1: Thuật toán duyệt vét cạn (Algorithme exhaustif).
• Annexe 2: Thuật toán Heuristic tối ưu hóa thời gian (Algorithme heuristique).
• Annexe 3: Thuật toán tìm kiếm đường đi tựa Hamilton (Algorithme de recherche de chemin H-like).

---

Kết quả và đóng góp

Kết quả chính và dữ liệu thực nghiệm

Công trình đã xây dựng thành công một giải pháp tự động hóa hoàn chỉnh cho bài toán quy hoạch quỹ đạo máy kéo trên đa giác phi lồi với các kết quả cụ thể:

1. Thiết lập chuỗi xử lý tự động 3 bước: (1) Phân rã đa giác phi lồi thành các tế bào lồi $\rightarrow$ (2) Tìm hướng làm việc tối ưu cho từng tế bào $\rightarrow$ (3) Nối chuỗi và tổng hợp quỹ đạo toàn cục bằng đồ thị H-like.
2. Giải thuật kép (Dual-algorithm):
   • Thuật toán vét cạn (Annexe 1) đảm bảo tìm ra cấu hình phân rã tối ưu toàn cục, đóng vai trò là chuẩn đối chiếu (ground truth).
   • Thuật toán Heuristic (Annexe 2) giúp cắt giảm đáng kể không gian tìm kiếm, tính toán ra nghiệm cận tối ưu có chất lượng tương đương trong thời gian thực thi ngắn hơn rõ rệt.
3. Mô phỏng và kiểm chứng: Đã kiểm thử thành công trên hệ thống dữ liệu phân cấp tại Bảng 4 (Tableau 4. Évaluation de l'algorithme exhaustif), chứng minh thuật toán vận hành ổn định trên cả ba nhóm địa hình: cánh đồng đơn giản, cánh đồng thông thường và cánh đồng phức tạp.

Giải pháp kỹ thuật tác giả đề xuất

• Tự động hóa hoàn toàn khâu chọn hướng làm việc cho từng vùng con, loại bỏ sự phụ thuộc vào thao tác nhập liệu thủ công của người lái máy kéo.
• Tích hợp mô hình tính toán vùng bờ fourrière dạng chữ U, chữ O hoặc chữ I đôi vào hàm tối ưu, phù hợp trực tiếp với tập quán canh tác nông nghiệp thực tế (phân biệt rõ thứ tự thực hiện giữa cày xới và thu hoạch).
• Đề xuất cơ chế hợp nhất vùng (fusion de régions) để loại bỏ các phân mảnh tế bào quá nhỏ không cần thiết, giúp quỹ đạo máy kéo vận hành trơn tru.

Đóng góp so với các nghiên cứu trước

Tiêu chí kỹ thuật	Nghiên cứu của Sébastien Fabre	Nghiên cứu của Hélène Frayssinet	Đề tài nghiên cứu này
Dạng địa hình xử lý	Đa giác lồi đơn giản	Đa giác lồi có vật cản	Đa giác phi lồi không vật cản
Xử lý cánh đồng phi lồi	Thất bại / Cho kết quả sai lệch nếu không phân rã thủ công	Chỉ tiếp cận sơ lược	Phân rã tự động hoàn toàn bằng thuật toán
Xác định hướng làm việc	Tính toán trên vùng lồi	Phải xác định trước từ đầu (a priori)	Tự động tối ưu hóa riêng cho từng vùng con
Tối ưu hóa thời gian tính	Heuristic trên đồ thị Hamilton	Thuật toán đơn giản cho vùng lồi	Kết hợp giải thuật Heuristic và đường đi H-like

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận trong văn bản

1. Phạm vi vật cản: Thuật toán hiện tại chỉ giải quyết bài toán trên các cánh đồng đa giác phi lồi không chứa vật cản (sans obstacles).
2. Thời gian tính toán của thuật toán vét cạn: Phương pháp duyệt vét cạn đòi hỏi chi phí tính toán rất lớn (high time-consuming) khi số lượng đỉnh của đa giác tăng lên.
3. Phạm vi tác vụ canh tác: Thuật toán đang thiết lập tối ưu trọng tâm cho tác vụ cày xới/gieo hạt (vùng làm việc chính thực hiện trước vùng bờ). Việc áp dụng cho các tác vụ có quy trình ngược lại (như gặt đập) hoặc các ràng buộc nạp tiếp liệu giữa chừng mới dừng ở mức nhận định khả năng mở rộng.
4. Biên dạng hình học: Chưa xử lý các cánh đồng có đường biên dạng cong phức tạp (bords courbes).

Hướng nghiên cứu tiếp theo

• Mở rộng thuật toán phân rã để xử lý đồng thời cánh đồng phi lồi có chứa các vật cản tĩnh bên trong.
• Bổ sung các ràng buộc logistic thực tế vào hàm chi phí, chẳng hạn như nhu cầu rời cánh đồng để nạp thêm nhiên liệu, bổ sung phân bón hoặc hạt giống.
• Phát triển và hoàn thiện các mô hình tính toán hình học cho cánh đồng có đường bao cong.

---

Giá trị tham khảo

Tài liệu này là nguồn tham khảo hữu ích cho:

• Sinh viên, học viên cao học và nghiên cứu sinh thuộc các chuyên ngành Robot học (Robotics), Kỹ thuật Điều khiển & Tự động hóa, Cơ điện tử (Mechatronics), Khoa học Máy tính (chuyên ngành Hình học tính toán - Computational Geometry và Lý thuyết đồ thị).
• Kỹ sư R&D trong lĩnh vực Nông nghiệp chính xác (Precision Agriculture): Tham khảo kiến trúc hệ thống điều khiển tự hành máy kéo nông nghiệp dựa trên GPS, mô hình tính toán vùng quay đầu (fourrière) và phương pháp xác định kích thước nông cụ.
• Nội dung có giá trị tham khảo kỹ thuật cao nhất:
  • Thuật toán phân rã tế bào hình học từ đỉnh lõm (Mục 4.1 và 4.2).
  • Thuật toán Heuristic và giải thuật tìm đường đi tựa Hamilton (H-like) trong các phụ lục 1, 2 và 3.

---

Câu hỏi thường gặp

1. Hệ thống điều khiển máy kéo tự động trong nghiên cứu này yêu cầu các chỉ số kỹ thuật GPS và sai số bám đường như thế nào?

Theo số liệu công bố tại Chương 1, khối cảm biến GPS cần cung cấp dữ liệu thời gian thực với độ chính xác không gian ba chiều đạt sai số $\sigma < 2\text{ cm}$ và độ trễ $t_{\text{latency}} < 0{,}2\text{ s}$. Khối điều khiển nhúng trên máy tính bo mạch có khả năng điều khiển máy kéo bám theo các vệt đường thẳng hoặc đường cong với độ chính xác sai số dưới $10\text{ cm}$.

2. Tại sao không thể áp dụng một hướng làm việc duy nhất cho toàn bộ cánh đồng phi lồi?

Đối với cánh đồng phi lồi (concave/non-convex), việc chỉ chạy theo một hướng làm việc duy nhất sẽ dẫn đến hiện tượng các vệt làm việc bị đứt đoạn bởi các góc lõm của đường biên. Điều này buộc phương tiện phải thực hiện một số lượng rất lớn các thao tác chuyển hướng và quay đầu (demi-tours) phức tạp, gây tiêu hao nhiều năng lượng, tăng thời gian vận hành và tăng hao mòn cơ khí.

3. Nghiên cứu của tác giả đã giải quyết điểm nghẽn nào từ các công trình của Sébastien Fabre và Hélène Frayssinet?

Công trình của Sébastien Fabre chỉ tối ưu trên địa hình lồi đơn giản và cho kết quả sai lệch trên đa giác phi lồi nếu không chia ô thủ công. Công trình của Hélène Frayssinet bắt buộc người dùng phải xác định hướng làm việc từ trước và chưa xử lý trọn vẹn đa giác phi lồi. Nghiên cứu này đã khắc phục hoàn toàn bằng cách phát triển thuật toán tự động phân rã đa giác phi lồi thành các tế bào lồi và tự động tính toán hướng làm việc tối ưu riêng cho từng tế bào.

4. Bề rộng công cụ lao động và thứ tự làm việc của vùng bờ (fourrière) thay đổi như thế nào giữa các loại công việc?

Bề rộng công cụ cày xới (labour) dao động từ $0{,}4\text{ m}$ đến $8\text{ m}$, công cụ bón phân/phun thuốc (épandage) từ $12\text{ m}$ đến $30\text{ m}$, và công cụ thu hoạch (moisson) từ $4\text{ m}$ đến $7\text{ m}$. Về thứ tự, đối với tác vụ cày xới, khu vực làm việc chính được thực hiện trước rồi mới đến vùng bờ; ngược lại, đối với tác vụ thu hoạch, vùng bờ phải được thu hoạch trước để tạo không gian quay đầu xe.

5. Giải thuật tìm kiếm đường đi H-like (Hamiltonian-like) có vai trò gì trong bài toán?

Giải thuật H-like (Annexe 3) được áp dụng trên đồ thị gồm các điểm tô-pô biểu diễn đầu mút của các vệt làm việc. Giải thuật này chịu trách nhiệm tìm kiếm thứ tự kết nối tối ưu giữa các vệt chạy song song trong cùng một vùng con và nối chuỗi thứ tự di chuyển giữa các vùng con lồi, đảm bảo máy kéo phủ kín toàn bộ diện tích mà không bị lặp đường và giảm thiểu tối đa quãng đường di chuyển không tải.

---

Kết luận

Báo cáo khóa luận tốt nghiệp là kết quả của đợt thực tập 5 tháng tại nhóm RIA thuộc LAAS-CNRS hợp tác cùng RENAULT Agriculture, giải quyết trọn vẹn bài toán quy hoạch quỹ đạo tự động cho máy kéo trên cánh đồng đa giác phi lồi không vật cản. Bằng việc kết hợp phương pháp phân rã tế bào lồi hình học, thuật toán Heuristic tối ưu hướng làm việc và giải thuật tìm đường H-like trên đồ thị tô-pô, nghiên cứu đã khắc phục triệt để các hạn chế của những công trình tiền nhiệm. Hệ thống thuật toán được kiểm chứng và đánh giá hiệu năng thành công qua môi trường mô phỏng trên các tập dữ liệu cánh đồng từ đơn giản đến phức tạp.

Trích đoạn nội dung tài liệu

Abstract ‘Our work has been done in the context of a collaboration between Renault Agriculture and the LAAS-CNRS which gins at developing navigation strategies for agricultural machines on the base of GPS data We proposc a trajectory planning algorithm for ficld covering. In particular, the case of non convex polygonal fields without obstacles is considered. ‘Ihe first step of ths algocithm consists in cutting the field into convex cells. Then, a sequencing strategy is proposed to cover the suce ive togions, Finally, a complets trajoolory is synthesized on the basis of the local anes We presenl two methods of automatic decomposition based on the notion of warking direction.

‘This approach which is high time-consuming can be associated to a heuristic method which allows to determine good quality suboptimal solutions in much shorter lime. The description and the analysis of a large number of simulation results altaw to illustrate the reasoning and validate the approach. Keywords: Trajectory planing, surfacc coverage, convex eel dscomposilion, Harniltonian graph (H-like), agricultural robotics. 'Table des matières Remerciements.

Table des matiéres. Liste des figures. Liste des tableaux. Contexte du travail.

Travail de Schasticn Fabr - 2. Travail đ Hélẽne Frayssintet. cà nnHHnue ae Chapitre 3. Champs polygonaux conexes 3.

Đin lion de travail cl cid fun champ convexc polygonal. Détormination de la dirootion de travait epHiurdc. Champs polygonaux non convexes, 4. Différents types de coupe 42.

Recherche exhaustive de découpage optimal- 43. Comptexitd de Palgorithme exhaustf. Bnchalnurmơnl entre saus-régions 4. Fusion de régions Chapitre 5.

Environnement et données de test 38 5. Conclusion Anmexe [ : Algorithme cxhaustif Annexe 2 : Algorithme heuristique. Annexe 3: Algorithme de recherche de chemin H-like Références. Liste des figures Kigure 1.

Systéme de contréle de tracteur a base de GPS - # Figure 1 2. Champ, direction de travail et zones. Champ concave simple Figure 3 |. Trois cas de touche Figure 3.

Direction de travail optimale Figure 4. Des coupes dans tm champ non convexe. Las deux pires cas.4, Graphe représentatif des régions. Quatre cas dans la recherche de chemin H- like Figure 4.6, Chenrin H-like optimal.

PewUtz topologiques Figure 4.8, Trajectoire dans un champ convexe Figure 4.9, Passage entre deux régions. Fiuion đeo réiow.1, interface Homme-Machine da programme zone Pentre zone de travail zone de fourriére nate direction de travail race 4 zone de sortie Figure |. Champ, direction de travail et zones Dans le cas des champs non convexcs, ccpendant, le suivi d’une scule direction de travail peut induire un nombre manoeuvres trẻs élevé et donc un effort et un temps @exécution plus grands, C’est pourquoi il est nécessaire de réaliser un découpage aulomatique avant de travaillerle champ. Par example, le champ roprésonlé 4 la.

figurs suivante pent étre dgcoupé en deux sous-champs, chacun ayant sa propre direction de travail. Cham concave simple Le tracteur Chaque tracteur déplace un outil de travail. La largeur de Foutil est détermings en fonction du type de travail. Par exemple, la taille moyenne đ ưn oufil utilisé pour Ìe Tabour est de 40 em a 8 mél s, colle Pun outil on épandage de 12 30 métres al cells de Vontil de moisson đe 4 à 7 mèes.

En réalité, le mouvement du tracteur est mité par les contraintes non Holonomes ds roulement sans glissement des roues sur le sol. Ses roues avant sont également soumiscs à tre conlrainle de giration qui a pour offel de Timiler Is rayon de braquage lors des manoeuvres, Une rotation sur place de 180° est par exemple impossible Chapitre 2. Publications Le probléine de planification ocoupe une place centrale en robotique et un grand nombre de publications lui ont été sont consacrées. Cependant, seul un petit nombrs entre alles étudient le probléme de recouvrement par des mouvements de type back- (forth (avanecr-rcouler) sclon unc dircolion de travail fixés, ct prenant on uơmgls Texistence d'ime zone de fouriére devant également ire travaillée Dans [7], un systéme récl de contréle de tractour, & partir de donnges caplctus, cst présenté pour F'exécution automatique de téches de moisson.

Le tracteur est doté de deux capteurs ; la vision est utilisée pour percevoir l'environnement alors que le GPS ost ublisé dircotoment dans 1a commande.