Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh tự động hóa ngày càng phát triển, robot tự hành (Autonomous Mobile Robot - AMR) đóng vai trò quan trọng trong việc hỗ trợ và thay thế con người ở các công việc nặng nhọc, nguy hiểm hoặc đòi hỏi độ chính xác cao. Khác với các robot công nghiệp cố định bị giới hạn về không gian làm việc hoặc các phương tiện tự hành dẫn đường truyền thống (Automated Guided Vehicle - AGV) vốn phải di chuyển theo lộ trình vạch sẵn cố định, robot tự hành hiện đại có khả năng di chuyển linh hoạt, tự nhận biết môi trường xung quanh, tự định vị và tự lập kế hoạch đường đi. Nhu cầu này thể hiện rõ nét qua các ứng dụng thực tiễn như hệ thống robot công nghiệp MiR (sử dụng trí tuệ nhân tạo và cảm biến laser để vận hành linh hoạt trong nhà máy) hay các robot phục vụ khu cách ly y tế do Viện PRATI triển khai trong đại dịch nhằm vận chuyển nhu yếu phẩm, phun khử khuẩn và giảm thiểu tiếp xúc trực tiếp giữa nhân viên y tế với bệnh nhân.

Xuất phát từ yêu cầu thực tiễn đó, đồ án tốt nghiệp ngành Hệ thống nhúng và IoT tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh với đề tài "Điều khiển và lập bản đồ cho robot di động hai bánh" do sinh viên Hồ Thanh Công và Nguyễn Đức Dũng thực hiện, dưới sự hướng dẫn của TS. Phan Học, đã tập trung giải quyết bài toán định vị và xây dựng bản đồ môi trường trong nhà cho mô hình robot di động hai bánh vi sai.

Tác giả xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể bao gồm:

  1. Khảo sát và tùy chỉnh thông số của động cơ cho phù hợp và điều khiển động cơ quay ổn định.
  2. Thiết kế kết cấu khung robot và bố trí các linh kiện điện tử phù hợp trên khung xe.
  3. Thiết lập hệ thống điều khiển robot từ xa thông qua máy tính.
  4. Tìm hiểu nguyên lý hoạt động và giao tiếp với cảm biến laser LiDAR.
  5. Sử dụng hệ điều hành robot ROS (Robot Operating System) để phát triển và điều phối toàn bộ hệ thống điều khiển robot.
  6. Xây dựng bản đồ cho không gian môi trường chưa được xác định trước.
  7. Định vị chính xác vị trí của robot dựa trên dữ liệu bản đồ đã thiết lập.

Đối tượng nghiên cứu của đề tài là việc ứng dụng thuật toán SLAM (Simultaneous Localization and Mapping - Định vị và lập bản đồ đồng thời) trên hệ thống robot di động hai bánh lái vi sai. Phạm vi nghiên cứu được giới hạn chặt chẽ trong các điều kiện kỹ thuật cụ thể:

  • Môi trường không gian: Giới hạn trong môi trường trong nhà (indoor) có cấu trúc đơn giản, ít vật thể chuyển động phức tạp; không mở rộng ra các môi trường ngoài trời hoặc địa hình có mật độ chướng ngại vật quá dày đặc.
  • Đặc tính vật cản: Chỉ xem xét các chướng ngại vật có hình dạng thẳng đứng, kéo dài từ mặt sàn lên đến mặt phẳng quét của tia laser từ cảm biến LiDAR; không xét các vật cản nằm ngoài hoặc nằm thấp hơn mặt phẳng quét.
  • Hạ tầng truyền thông: Đòi hỏi hệ thống duy trì kết nối mạng và đường truyền tín hiệu liên tục, không ngắt quãng giữa hệ điều hành ROS và các khối phần cứng ngoại vi.
  • Tải trọng và cơ cấu động lực: Đề tài tập trung vào việc tính toán động học và kiểm soát tốc độ của hai bánh xe độc lập để vận hành trơn tru; không tính toán đến các biến thiên về tải trọng đè nặng lên khung xe trong quá trình di chuyển.

Cơ sở lý thuyết và phương pháp

Nghiên cứu được xây dựng trên nền tảng tích hợp giữa lý thuyết điều khiển tự động, động học robot di động, kiến trúc phần mềm robot và các thuật toán định vị không gian.

Các khung lý thuyết và mô hình kỹ thuật chính được tác giả sử dụng gồm:

  • Hệ điều hành ROS (Robot Operating System): Vận hành như một middleware quản lý tiến trình phân tán. Cấu trúc ROS được phân tích ở 3 cấp độ: Cấp độ hệ thống tập tin (Filesystem - gồm packages, manifests package.xml, stacks, stack manifests, messages, services); Cấp độ đồ thị tính toán (Computation Graph - gồm Master, nodes, topics với cơ chế publish/subscribe, Parameter Server, messages); Cấp độ cộng đồng (Community - distributions, repositories, wiki, mailing lists).
  • Mô hình động học robot hai bánh lái vi sai: Hệ thống gồm hai bánh dẫn động độc lập và các bánh tự do. Chuyển động quay của robot được xác định quanh tâm quay tức thời ICC (Instantaneous Center of Curvature). Tác giả thiết lập hệ phương trình động học thuận và động học nghịch nhằm quy đổi giữa vận tốc dài trung bình $\nu = \frac{V_R + V_L}{2}$, vận tốc góc $\omega = \frac{V_R - V_L}{l}$ (với $l$ là khoảng cách giữa hai tâm bánh xe, $V_R$ và $V_L$ lần lượt là vận tốc tiếp tuyến của bánh phải và bánh trái) và tọa độ vị trí $(x, y, \theta)$ của robot trong hệ quy chiếu Odometry theo thời gian thực.
  • Thuật toán điều khiển PID: Thuật toán điều khiển phản hồi vòng kín kết hợp ba thành phần: Tỷ lệ (P - giảm độ lệch tức thời), Tích phân (I - triệt tiêu sai số xác lập theo thời gian tích lũy), và Đạo hàm (D - phản ứng với tốc độ biến thiên sai số, giảm vọt lố). Thuật toán PID được lập trình trên vi điều khiển nhằm duy trì vận tốc bánh xe bám sát giá trị đặt mong muốn.
  • Kỹ thuật đo vận tốc qua Encoder: Phân tích nguyên lý cảm biến quang học gồm đĩa quay có rãnh, đèn LED phát quang, mắt thu quang điện và mạch xử lý tín hiệu xung vuông. Đề tài làm rõ sự khác biệt giữa Encoder tuyệt đối (sử dụng mã nhị phân/mã Gray, giữ nguyên giá trị khi mất nguồn nhưng chi phí cao) và Encoder tương đối (incremental encoder - phát chuỗi xung định kỳ, chi phí thấp, được ứng dụng trực tiếp trên động cơ DC Servo).
  • Kỹ thuật SLAM trên nền tảng cảm biến LiDAR: Phương pháp lập bản đồ lưới chiếm chỗ (Occupancy Grid Map) và giải thuật khớp dữ liệu quét (Scan Matching). Tác giả so sánh hai giải thuật SLAM 2D phổ biến trong ROS là HectorMapping (HectorSLAM) và Gmapping. HectorSLAM được lựa chọn do ưu thế tối ưu hóa quét laser tốc độ cao dựa trên Scan Matching mà không phụ thuộc tuyệt đối vào độ chính xác của hệ thống đo chuyển động bánh xe (odometry).
  • Công cụ trực quan hóa RViz: Sử dụng để hiển thị dữ liệu không gian 3D, mô hình robot (TF frames), dữ liệu đám mây điểm từ LiDAR và trực quan hóa bản đồ lưới chiếm chỗ trong thời gian thực.

Phương pháp nghiên cứu thực nghiệm được thực hiện bằng cách tổng hợp tài liệu chuyên ngành, thiết kế mô hình toán học động học robot, gia công lắp ráp phần cứng thực tế và tiến hành kiểm tra trên mô hình thực nghiệm. Dữ liệu thực nghiệm được thu thập trực tiếp thông qua việc đọc tín hiệu xung từ Encoder hai kênh AB của động cơ và dữ liệu quét 360 độ từ cảm biến LiDAR RPLiDAR C1.

Thiết kế và triển khai

Hệ thống được thiết kế theo mô hình phân tầng mô-đun hóa, kết hợp chặt chẽ giữa khối xử lý tính toán cấp cao và khối điều khiển phần cứng cấp thấp.

Kiến trúc phần cứng

Hệ thống phần cứng phân bố thành hai tầng cơ khí riêng biệt nhằm tránh hiện tượng che khuất tia quét laser:

  • Khung tầng 1: Nơi lắp đặt hai động cơ DC Servo JGA25-370 (điện áp 12VDC, tốc độ 130 vòng/phút, tích hợp Encoder hai kênh AB), hai bánh xe chủ động V2 đường kính 65 mm, hai bánh xe đa hướng kim loại CY15A làm điểm tựa thăng bằng. Tầng này cũng là nơi cố định nguồn pin Li-ion 18650 Panasonic NCR18650GA, mạch cầu H Driver L298N, vi điều khiển Arduino Mega 2560 và máy tính nhúng Raspberry Pi 4 Model B (RAM 4GB).
  • Khung tầng 2: Được thiết kế thông thoáng phía trên, chuyên dụng để lắp đặt cảm biến laser RPLiDAR C1, đảm bảo mặt phẳng quét không bị chắn bởi bất kỳ linh kiện nào của robot.
Thành phần linh kiện Vai trò trong hệ thống Thông số / Đặc tính kỹ thuật chính
Raspberry Pi 4 Model B Máy tính nhúng chủ (Master) RAM 4GB, chạy hệ điều hành ROS, xử lý dữ liệu LiDAR, thuật toán SLAM
Arduino Mega 2560 Vi điều khiển cấp thấp (Slave) Giao tiếp với Driver L298N, đọc xung Encoder, chạy giải thuật PID vận tốc
RPLiDAR C1 Cảm biến đo khoảng cách laser Quét 360 độ, phát hiện vật cản và cung cấp đám mây điểm 2D
Driver L298N Mạch công suất cầu H kép Nhận tín hiệu xung PWM từ Arduino để điều khiển điện áp cấp cho 2 động cơ DC
Động cơ JGA25-370 Động cơ dẫn động chính 12VDC, 130RPM, tích hợp sẵn Encoder tương đối 2 kênh xung A-B
Bánh xe V2 Bánh xe dẫn động chủ động Đường kính 65 mm
Bánh xe CY15A Bánh dẫn hướng đa hướng Cấu trúc kim loại, hỗ trợ xoay tự do và giữ thăng bằng
Pin Panasonic NCR18650GA Nguồn cung cấp điện áp Dòng pin Li-ion 18650 cung cấp nguồn cho toàn hệ thống

Kiến trúc phần mềm và giao tiếp

Phần mềm hệ thống được tổ chức xoay quanh nền tảng ROS, phân tách chức năng giữa hai bộ điều khiển thông qua giao thức truyền thông nối tiếp:

  • Giao thức truyền thông UART và ROS Serial: Thiết lập liên kết vật lý qua 2 đường tín hiệu RX và TX giữa cổng giao tiếp của Raspberry Pi và Arduino Mega 2560. Tốc độ truyền thông (baud rate) được cấu hình trong khoảng từ 9600 bps đến 115200 bps theo phương thức không đồng bộ, 1 Master (Raspberry Pi) và 1 Slave (Arduino). Gói ROS Serial cho phép chuyển đổi dữ liệu gói tin ROS thành dạng nối tiếp hai chiều: Raspberry Pi xuất bản (publish) lệnh vận tốc mong muốn (cmd_vel), Arduino đăng ký (subscribe) để điều khiển động cơ; ngược lại, Arduino đọc phản hồi xung Encoder, tính toán vận tốc thực tế và gửi dữ liệu ngược lại topic ROS để cập nhật Odometry.
  • Quy trình lập bản đồ với HectorSLAM:
    1. Node laser nhận dữ liệu thô từ cảm biến RPLiDAR C1 qua cổng USB của Raspberry Pi và phát lên topic /scan.
    2. Node HectorMapping lắng nghe dữ liệu từ /scan, áp dụng phương pháp Scan Matching để tìm vị trí và tư thế tốt nhất của robot thông qua việc khớp các tia laser liên tiếp với bản đồ lưới đang tạo.
    3. Cập nhật xác suất chiếm chỗ của từng ô lưới trong cấu trúc Occupancy Grid Map.
    4. Trực quan hóa và giám sát toàn bộ quá trình dịch chuyển, tọa độ và khung bản đồ hiển thị trên giao diện RViz.

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương này giới thiệu tổng quan về sự phát triển của công nghệ robot tự hành trong công nghiệp và đời sống, nhấn mạnh bước chuyển dịch từ hệ thống AGV cố định sang AMR thông minh. Tác giả phân tích các nghiên cứu tiêu biểu trên thế giới như dòng xe AMR của hãng Mobile Industrial Robots (MiR) tích hợp AI và phần mềm quản trị MiRFleet, cùng các ứng dụng thực tế tại Việt Nam như robot phục vụ khu cách ly y tế của Viện PRATI. Tiếp đó, chương trình bày chi tiết mục đích, 7 nhiệm vụ trọng tâm, phạm vi nghiên cứu (môi trường trong nhà, vật cản thẳng đứng, duy trì kết nối ROS liên tục, không xét tải trọng) và bố cục gồm 5 chương của quyển báo cáo.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp nền tảng toán học và kỹ thuật chuyên sâu phục vụ đề tài. Nội dung bao gồm:

  • Cấu trúc 3 cấp độ của ROS (Filesystem, Computation Graph, Community) và phương thức giao tiếp hướng thông điệp qua Topic/Service.
  • Tổng quan về kỹ thuật SLAM và LiDAR SLAM, phân tích hai giai đoạn xử lý dữ liệu quét (ghép dữ liệu quét liền kề, căn chỉnh toàn cục, tối ưu hóa vòng lặp) cùng các thách thức sai số tích lũy tại khu vực ít đặc trưng như hành lang thẳng.
  • Khái niệm và vai trò của bản địa hóa (Localization) trong việc điều hướng robot.
  • Nguyên lý truyền thông nối tiếp UART và cơ chế hoạt động của thư viện ROS Serial.
  • Lý thuyết giải thuật điều khiển phản hồi PID vòng kín, làm rõ tác động của các khâu $K_p$, $K_i$, $K_d$ đến chất lượng điều khiển động cơ.
  • Công cụ trực quan hóa RViz trong ROS.
  • Thiết lập hệ phương trình vi phân mô tả động học thuận và động học nghịch cho hệ robot hai bánh vi sai xoay quanh tâm quay tức thời ICC.
  • Cấu tạo, phân loại (Encoder tuyệt đối và Encoder tương đối) và nguyên lý tạo xung quang học của Encoder phục vụ phản hồi vận tốc.

Chương 3: Nội dung thực hiện

Chương 3 đi sâu vào giải pháp kỹ thuật cụ thể đã triển khai:

  • Thiết kế phần cứng: Mô tả chi tiết sơ đồ khối hệ thống, vai trò kết nối giữa Raspberry Pi 4, Arduino Mega 2560, driver L298N, cảm biến RPLiDAR C1 và nguồn pin. Trình bày bản vẽ chi tiết khung xe cơ khí phân tầng (tầng 1 chứa mạch điều khiển, động cơ, pin; tầng 2 đặt cảm biến LiDAR).
  • Thiết kế phần mềm: Xây dựng sơ đồ tổng quát phần mềm, lưu đồ giải thuật giao tiếp ROS Serial qua UART giữa Raspberry Pi và Arduino. Trình bày chi tiết lưu đồ và các bước thực hiện thuật toán HectorMapping, nguyên lý ánh xạ Occupancy Grid Map và giải thuật Scan Matching để ước lượng tư thế robot và dựng bản đồ mà không bị phụ thuộc hoàn toàn vào sai số trượt bánh xe của hệ trục Odometry.

Chương 4: Thực nghiệm và đánh giá

Chương 4 ghi lại kết quả thử nghiệm mô hình robot thực tế và đo đạc độ chính xác:

  • Hoàn thiện mô hình vật lý robot hai bánh với việc bố trí linh kiện chuẩn xác trên hai tầng cơ khí.
  • Kiểm tra tín hiệu quét laser 360 độ từ RPLiDAR C1 và quá trình thu nhận dữ liệu.
  • Đánh giá hệ trục tọa độ Odometry thông qua thực nghiệm di chuyển: Robot tiến thẳng một đoạn 40 cm và lùi thẳng một đoạn 40 cm so với vị trí gốc ban đầu để quan sát phản hồi của hệ thống định vị tương đối.
  • Triển khai quá trình tạo bản đồ phòng thực tế từng bước (bắt đầu quét, quá trình tạo bản đồ khi robot di chuyển và bản đồ lưới hoàn chỉnh sau khi kết thúc quét).
  • Tiến hành đo đạc và đối chiếu độ chính xác giữa kích thước thực tế của không gian khảo sát (chiều ngang phòng, chiều dọc phòng, khoảng cách từ vật cản đến tường) với kích thước đo được từ bản đồ lưới trên RViz.

Chương 5: Kết luận và hướng phát triển

Chương cuối tổng kết toàn bộ các kết quả đạt được của đồ án tốt nghiệp, chỉ ra các ưu điểm, nhược điểm trong hệ thống phần cứng và phần mềm, đồng thời đề xuất các hướng nghiên cứu mở rộng trong tương lai.

Kết quả và đóng góp

Nghiên cứu đã chế tạo và vận hành thành công một mô hình robot di động hai bánh lái vi sai hoạt động trên nền tảng ROS với các kết quả cụ thể:

  • Chế tạo hoàn chỉnh mô hình phần cứng 2 tầng vững chắc, bố trí hợp lý các khối chức năng gồm bo mạch xử lý trung tâm Raspberry Pi 4, bo điều khiển Arduino Mega 2560, module công suất L298N, cảm biến RPLiDAR C1 và khối nguồn pin Li-ion 18650.
  • Thiết lập thành công kênh truyền thông ROS Serial qua UART ổn định giữa Raspberry Pi và Arduino, bảo đảm việc truyền nhận lệnh vận tốc và phản hồi dữ liệu xung Encoder liên tục trong dải tốc độ truyền 9600 – 115200 bps.
  • Ứng dụng thành công thuật toán HectorSLAM (HectorMapping) dựa trên phương pháp Scan Matching để tái tạo bản đồ 2D dạng Occupancy Grid Map cho không gian phòng trong nhà.
  • Thực nghiệm kiểm chứng hệ trục Odometry cho thấy robot bám sát quỹ đạo di chuyển định lượng (thử nghiệm tiến thẳng 40 cm và lùi thẳng 40 cm).
  • So sánh định lượng giữa kích thước thực tế của phòng thí nghiệm và kích thước đo đạc từ bản đồ trên RViz xác nhận hệ thống có khả năng tái tạo hình học không gian với độ tương quan cao, thể hiện rõ các ranh giới tường và vị trí vật cản dạng thẳng đứng.

Về mặt đóng góp, đề tài đã xây dựng một giải pháp phần cứng và phần mềm mã nguồn mở có tính mô-đun hóa, chi phí chế tạo thấp nhưng đáp ứng đầy đủ yêu cầu của bài toán điều khiển và lập bản đồ đồng thời SLAM trong nhà.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các giới hạn kỹ thuật được tác giả xác định trong văn bản, công trình tồn tại các hạn chế sau:

  • Khả năng nhận diện vật cản bị giới hạn: Cảm biến RPLiDAR C1 quét trên một mặt phẳng 2D cố định, do đó robot chỉ nhận biết được các vật cản thẳng đứng nằm ngang tầm quét; không phát hiện được các vật cản nằm thấp dưới mặt sàn, vật cản treo lơ lửng phía trên hoặc địa hình bậc thang, dốc.
  • Không gian hoạt động: Mới chỉ kiểm nghiệm trong môi trường trong nhà đơn giản, tĩnh và ít vật thể; chưa đánh giá trong môi trường phức tạp có nhiều vật cản di động hoặc hành lang dài đơn điệu (nơi giải thuật Scan Matching dễ phát sinh sai số trượt).
  • Động lực học: Hệ thống điều khiển tốc độ chưa tính toán bù trừ tải trọng thực tế tác động lên bánh xe khi mang vác vật nặng.

Hướng nghiên cứu tiếp theo được tác giả định hướng gồm:

  • Tích hợp thêm các cảm biến phụ trợ như IMU (Inertial Measurement Unit) hoặc camera chiều sâu (3D depth camera) để tăng cường dữ liệu bản địa hóa và phát hiện vật thể ngoài mặt phẳng quét laser.
  • Nâng cấp thuật toán điều hướng tự động (Navigation Stack) cho phép robot tự động tìm đường tránh vật cản động thay vì chỉ điều khiển từ xa để lập bản đồ.
  • Tối ưu hóa thuật toán lọc sai số và nâng cao độ chính xác của Odometry khi di chuyển trên các bề mặt sàn trơn trượt.

Giá trị tham khảo

Đồ án tốt nghiệp là tài liệu tham khảo thực tiễn hữu ích cho:

  • Sinh viên chuyên ngành Hệ thống nhúng và IoT, Kỹ thuật Cơ điện tử, Robot và Trí tuệ nhân tạo, Tự động hóa hoặc Kỹ thuật Máy tính đang làm đồ án tốt nghiệp, khóa luận hoặc tiểu luận môn học liên quan đến ROS và robot tự hành.
  • Người nghiên cứu bài toán tích hợp hệ thống phần cứng - phần mềm nhúng: Phần mô tả kết nối giữa Raspberry Pi (ROS cấp cao) và Arduino (điều khiển cấp thấp) thông qua ROS Serial/UART cùng thuật toán PID điều khiển động cơ DC Servo là nguồn tài liệu thực nghiệm rõ ràng, có tính ứng dụng cao.
  • Các đề tài phát triển xe tự hành mini (AMR): Bản vẽ bố trí phần cứng phân tầng và quy trình thiết lập giải thuật HectorMapping trên RViz cung cấp các bước triển khai chi tiết có thể tái hiện trực tiếp trong phòng thí nghiệm.

Câu hỏi thường gặp

1. Hệ thống sử dụng thuật toán SLAM nào để lập bản đồ và vì sao lại chọn thuật toán đó?
Hệ thống sử dụng thuật toán HectorSLAM (HectorMapping). Thuật toán này áp dụng phương pháp Scan Matching để căn chỉnh các tia quét laser 2D liên tiếp từ cảm biến RPLiDAR C1 vào bản đồ lưới chiếm chỗ (Occupancy Grid Map), cho phép lập bản đồ với tốc độ tính toán nhanh mà không bị phụ thuộc hoàn toàn vào sai số tích lũy của hệ trục Odometry từ bánh xe.

2. Nhiệm vụ phân chia giữa bo mạch Raspberry Pi 4 và Arduino Mega 2560 trong đồ án là gì?
Raspberry Pi 4 Model B (RAM 4GB) đóng vai trò máy chủ trung tâm (Master), chạy hệ điều hành ROS, giao tiếp trực tiếp với cảm biến LiDAR qua USB để xử lý dữ liệu đám mây điểm, chạy thuật toán SLAM và phát lệnh điều khiển vận tốc. Arduino Mega 2560 đóng vai trò bộ điều khiển cấp thấp (Slave), nhận xung lệnh từ Raspberry Pi qua ROS Serial, xuất xung PWM đến mạch Driver L298N để điều khiển động cơ, đọc phản hồi xung Encoder và chạy giải thuật PID vòng kín duy trì tốc độ động cơ.

3. Phương thức truyền thông giữa Raspberry Pi và Arduino được cấu hình với các thông số nào?
Hai bo mạch giao tiếp thông qua giao thức UART kết hợp gói phần mềm ROS Serial. Cấu hình phần cứng sử dụng 2 dây tín hiệu chéo nhau (TX của chip này nối RX của chip kia và ngược lại), hoạt động ở chế độ truyền nối tiếp không đồng bộ, 1 thiết bị Master và 1 thiết bị Slave, tốc độ truyền dữ liệu nằm trong khoảng từ 9600 bps đến 115200 bps.

4. Khung xe robot được thiết kế cấu trúc mấy tầng và việc phân tầng có mục đích gì?
Khung xe robot được thiết kế gồm 2 tầng cơ khí riêng biệt. Tầng 1 là nơi lắp đặt toàn bộ các khối động lực và mạch điều khiển nặng gồm 2 động cơ DC Servo JGA25-370, 2 bánh xe tự do CY15A, khối pin Li-ion 18650, Driver L298N, Arduino Mega và Raspberry Pi. Tầng 2 được bố trí chuyên biệt trên cao để đặt cảm biến quét laser RPLiDAR C1 nhằm đảm bảo tầm quét 360 độ hoàn toàn thông thoáng, không bị che chắn hay gây nhiễu bởi các linh kiện điện tử khác.

5. Robot kiểm chứng hệ trục tọa độ Odometry bằng thực nghiệm di chuyển như thế nào?
Tác giả kiểm chứng hệ trục Odometry thông qua thực nghiệm chuyển động có định lượng: Cho robot bắt đầu từ vị trí mốc ban đầu, điều khiển di chuyển tiến thẳng một đoạn chính xác 40 cm, sau đó điều khiển di chuyển lùi thẳng một đoạn 40 cm trở lại vị trí xuất phát để đối chiếu sự thay đổi tọa độ hiển thị trên hệ quy chiếu Odometry trong môi trường ROS.

Kết luận

Đồ án tốt nghiệp "Điều khiển và lập bản đồ cho robot di động hai bánh" của sinh viên Hồ Thanh Công và Nguyễn Đức Dũng đã hoàn thành toàn diện các mục tiêu nghiên cứu và chế tạo hệ thống robot tự hành trong nhà trên nền tảng ROS. Bằng việc kết hợp kiến trúc xử lý kép giữa máy tính nhúng Raspberry Pi 4 và vi điều khiển Arduino Mega 2560 qua giao thức ROS Serial, hệ thống đã kiểm soát ổn định động học vi sai của hai bánh xe thông qua thuật toán PID. Thuật toán HectorMapping cùng cảm biến RPLiDAR C1 đã tái lập thành công bản đồ 2D dạng Occupancy Grid Map với độ chính xác cao so với không gian thực nghiệm. Đây là công trình kỹ thuật có giá trị thực tiễn và tính ứng dụng cao, cung cấp cơ sở vững chắc cho các nghiên cứu mở rộng về điều hướng tự động và tích hợp đa cảm biến trên robot di động.