Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0 và chuyển đổi số sản xuất, robot song song (Parallel Robot / Delta Robot) đóng vai trò then chốt trong các dây chuyền phân loại, đóng gói tốc độ cao nhờ ưu điểm cơ cấu nhẹ, quán tính nhỏ và gia tốc vận hành vượt trội. Tuy nhiên, các phương thức điều khiển truyền thống (sử dụng bảng điều khiển cầm tay Teach Pendant, bàn phím hoặc nút bấm cố định) bộc lộ nhiều hạn chế về tính linh hoạt khi xử lý các tác vụ phát sinh đột xuất, đồng thời tiềm ẩn rủi ro lây nhiễm chéo hoặc mất an toàn trong môi trường vô trùng (phòng sạch y tế, sản xuất vi mạch bán dẫn) hay môi trường hóa chất độc hại.

Đồ án tốt nghiệp "Gesture Control Robot" do nhóm nghiên cứu tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh thực hiện, dưới sự hướng dẫn của TS. Trần Vi Đô, tập trung giải quyết bài toán giao tiếp người - máy (HMI - Human-Machine Interface) không tiếp xúc bằng cách tích hợp công nghệ thị giác máy tính (Computer Vision) và hệ thống robot Delta 3 bậc tự do (3-DOF Delta Parallel Robot).

+------------------+      USB Video      +-----------------------------------------+
| Dual Stereo      | ------------------> | PC Host: Python GUI (PyQt5)            |
| Camera (640x480) |                     | - MediaPipe Hand Tracking               |
+------------------+                     | - 3D Coordinate Mapping (x, y, z)       |
                                         | - Delta Inverse Kinematics Engine       |
                                         +-----------------------------------------+
                                                              |
                                                              | UART (Baud 115200)
                                                              v
+------------------+   Step/Dir Pulse    +-----------------------------------------+
| 3x Stepper HS57  | <------------------ | Embedded Controller: Arduino Mega 2560  |
| + Driver T60 24V |                     | Multi-axis Step Generation & Limit ISR  |
+------------------+                     +-----------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Thiết kế & chế tạo cơ khí robot Delta 3-DOF: Tối ưu hóa kích thước hình học gồm bệ cố định ($F = 347.52\text{ mm}$), bệ di động ($e = 97\text{ mm}$), cánh tay chủ động ($R_f = 206.13\text{ mm}$) và cánh tay bị động ($R_e = 332\text{ mm}$).
  2. Xây dựng mô hình toán học động học: Thiết lập giải thuật động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics) bằng phương pháp giải tích hình học kết hợp phép biến đổi ma trận quay đối xứng $120^\circ$.
  3. Phát triển thuật toán thị giác máy tính 3D: Trích xuất tọa độ không gian $(X_P, Y_P, Z_P)$ của bàn tay từ ảnh camera ($640 \times 480\text{ px}$) qua thuật toán Stereo Triangulation.
  4. Lập trình hệ thống nhúng điều khiển phân tán: Xây dựng firmware điều khiển xung - chiều cho 3 động cơ bước thông qua giao thức truyền thông UART đồng bộ giữa Python và Arduino Mega 2560.
  5. Thiết kế giao diện giám sát HMI (PyQt5): Hiển thị trực quan luồng video nhận diện cử chỉ, không gian làm việc và tọa độ thực tế của cơ cấu chấp hành.

Phạm vi và giới hạn đề tài

Hệ thống vận hành trong không gian làm việc hình trụ bán kính $R = 150\text{ mm}$, độ sâu trục $Z$ từ $-350\text{ mm}$ đến $-450\text{ mm}$. Camera nhận diện cử chỉ hoạt động tối ưu trong điều kiện ánh sáng văn phòng tiêu chuẩn ($300 - 500\text{ lux}$) và tầm bắt cử chỉ cách camera từ $0.3\text{ m}$ đến $0.8\text{ m}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hiện nay, các giải pháp điều khiển robot dựa trên cử chỉ được chia thành ba nhóm chính:

Giải pháp Ưu điểm Nhược điểm Chi phí & Ứng dụng
Găng tay cảm biến (Data Glove)
(Flex sensors, IMU MPU6050)		 Độ chính xác góc uốn cao, không phụ thuộc điều kiện ánh sáng môi trường. Vướng víu dây nối/pin, gây mỏi cơ, nguy cơ dị ứng da, khó vệ sinh khử khuẩn. Trung bình - Cao.
Thực tế ảo (VR), phục hồi chức năng y tế.
Bảng điều khiển công nghiệp (Teach Pendant) Độ tin cậy tuyệt đối, chuẩn công nghiệp hóa cao, chống nhiễu tốt. Cồng kềnh, tốc độ phản hồi thủ công chậm, đòi hỏi kỹ thuật viên đào tạo bài bản. Rất cao.
Dây chuyền hàn, lắp ráp ô tô tự động.
Thị giác máy tính không tiếp xúc (Vision-based) (Đề tài áp dụng) Hoàn toàn rảnh tay (contactless), trực quan, không cần trang bị phần cứng lên người. Chịu ảnh hưởng bởi cường độ ánh sáng, góc khuất và tải tính toán xử lý ảnh. Thấp - Tối ưu.
Phòng sạch, y tế, phân loại thông minh.

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Nhận diện chính xác 21 điểm mốc bàn tay (Hand Landmarks), chuyển đổi mượt mà tọa độ $(X, Y, Z)$ sang góc quay $(\theta_1, \theta_2, \theta_3)$, điều khiển 3 trục bước đồng bộ không giật cục, dừng khẩn cấp khi chạm công tắc hành trình Omron V-156-1C25.
  • Should have: Giao diện trực quan hiển thị FPS, tọa độ thời gian thực, thuật toán lọc nhiễu rung tay (Moving Average Filter).
  • Could have: Chế độ tự động gắp/thả vật thể kết hợp bám vết cử chỉ (Pick & Place by Gesture).
  • Won't have: Xử lý nhận diện đa người dùng cùng lúc trong khung hình ở phiên bản hiện tại.

Thiết kế hệ thống

1. Tech Stack & Thông số kỹ thuật

  • Xử lý ảnh & Giao diện: Python 3.10, PyQt5 (v5.15.9), OpenCV (v4.8.0), MediaPipe (v0.10.x), NumPy (v1.24.3).
  • Điều khiển nhúng: Arduino IDE (C++ bare-metal tối ưu thanh ghi Timer), Board Arduino Mega 2560 (Vi điều khiển ATmega2560 16MHz).
  • Truyền thông: UART Half-Duplex qua cáp USB-Serial, Baud rate 115200 bps, Frame cấu trúc: <Header, X, Y, Z, Checksum, Tail>.
  • Cơ cấu chấp hành & Nguồn: 3x Động cơ bước HS57 (Moment xoắn $1.2\text{ Nm}$), 3x Driver T60 (cấu hình vi bước 1/16, xung 3200 pulse/rev), Nguồn tổ ong Meanwell 24VDC - 10A.
       +-------------------------------------------------------------+
       |                  BỆ CỐ ĐỊNH (Base Plate: F)                 |
       +-------------------------------------------------------------+
         / (Khớp F1)            | (Khớp F2)             \ (Khớp F3)
        /                        |                        \
       / Cánh tay chủ động       | Cánh tay chủ động       \ Cánh tay chủ động
      /  (Rf = 206.13mm)         |  (Rf = 206.13mm)         \  (Rf = 206.13mm)
     v                           v                           v
   (J1)                        (J2)                        (J3)
     \                           |                           /
      \ Cặp thanh giằng song song| Cặp thanh giằng song song/ Cặp thanh giằng song song
       \ (Re = 332mm)            | (Re = 332mm)            / (Re = 332mm)
        \                        |                        /
         v                       v                       v
       +-------------------------------------------------------------+
       |                  BỆ DI ĐỘNG (End-Effector: e)               |
       |                   Tọa độ chấp hành: E0(x,y,z)               |
       +-------------------------------------------------------------+

2. Cơ sở toán học Động học Robot Delta

Động học nghịch (Inverse Kinematics)

Xét cánh tay 1 nằm trong mặt phẳng $OYZ$. Vị trí bệ di động $E_0(x_0, y_0, z_0)$. Tọa độ khớp $E_1$ và hình chiếu $E'_1$ trên mặt phẳng $OYZ$: $$E_1 = \left(x_0, y_0 - \frac{e}{2\sqrt{3}}, z_0\right), \quad E'_1 = \left(0, y_0 - \frac{e}{2\sqrt{3}}, z_0\right)$$

Khớp $J_1(0, y_{J1}, z_{J1})$ là giao điểm của hai đường tròn tâm $F_1(0, -F/(2\sqrt{3}), 0)$ bán kính $R_f$ và tâm $E'1$ bán kính $\sqrt{R_e^2 - x_0^2}$: $$(y{J1} - y_{F1})^2 + (z_{J1} - z_{F1})^2 = R_f^2$$ $$\left(y_{J1} - y_0 + \frac{e}{2\sqrt{3}}\right)^2 + (z_{J1} - z_0)^2 = R_e^2 - x_0^2$$

Giải hệ phương trình bậc hai tìm được $(y_{J1}, z_{J1})$, từ đó suy ra góc quay khớp chủ động: $$\theta_1 = \arctan\left(\frac{z_{J1}}{y_{F1} - y_{J1}}\right)$$

Do tính chất đối xứng $120^\circ$, góc $\theta_2$ và $\theta_3$ được tính bằng cách nhân ma trận quay quanh trục $Z$ với góc tương ứng $\pm 120^\circ$: $$\mathbf{R}_z(\phi) = \begin{bmatrix} \cos\phi & -\sin\phi & 0 \ \sin\phi & \cos\phi & 0 \ 0 & 0 & 1 \end{bmatrix}, \quad \text{với } \phi \in {120^\circ, -120^\circ}$$

Thuật toán Stereo Vision định vị tọa độ 3D

Chuyển đổi tâm ảnh $O(320, 240)$ từ điểm ảnh $P(x', y')$ sang hệ tọa độ thực: $$x_0 = x' - 320, \quad y_0 = 240 - y'$$ Khoảng cách lý thuyết theo tiêu cự góc mở $\alpha, \beta$: $$x_{\text{adjacent}} = \frac{320}{\tan(\alpha/2)}, \quad y_{\text{adjacent}} = \frac{240}{\tan(\beta/2)}$$ Góc nhìn thực tế: $$x_{\text{angle}} = \arctan\left(\frac{x_0}{x_{\text{adjacent}}}\right), \quad y_{\text{angle}} = \arctan\left(\frac{y_0}{y_{\text{adjacent}}}\right)$$ Độ sâu không gian $Z_P$ từ khoảng cách cơ sở $s$ giữa 2 camera: $$Z_P = \frac{s}{\tan(l_{x\text{angle}}) + \tan(r_{x\text{angle}})}, \quad Y_P = \tan(y_{\text{angle}}) \cdot \sqrt{X_P^2 + Z_P^2}$$

Phương pháp nghiên cứu và quản lý dự án

Dự án được triển khai theo mô hình V-Model trong 20 tuần (01/02/2024 – 21/06/2024):

  • Tuần 1–3: Khảo sát lý thuyết, tính toán thông số hình học động học trên MATLAB.
  • Tuần 4–6: Thiết kế mô hình 3D SolidWorks, gia công CNC khung nhôm định hình và bệ đỡ.
  • Tuần 7–10: Đấu nối tủ điện, cấu hình driver T60 và lập trình nhúng ATmega2560.
  • Tuần 11–15: Lập trình module Vision MediaPipe & Python GUI, truyền thông UART.
  • Tuần 16–18: Thử nghiệm tích hợp hệ thống, hiệu chuẩn sai số vị trí thực tế.
  • Tuần 19–20: Đánh giá độ tin cậy, tối ưu hóa thuật toán và hoàn thiện báo cáo tốt nghiệp.

Implementation và kết quả

Quy trình phát triển phần mềm

# delta_kinematics.py - Module tinh toan dong hoc nghich Robot Delta
import numpy as np

def delta_calc_inverse(x0: float, y0: float, z0: float, 
                       rf=206.13, re=332.0, f=347.52, e=97.0) -> tuple:
    """
    Tinh toan goc theta1, theta2, theta3 tu vi tri mong muon E0(x0, y0, z0)
    """
    def calc_angle_yz(x, y, z):
        y1 = -0.5 * 0.57735 * f # f / (2 * sqrt(3))
        y -= 0.5 * 0.57735 * e  # e / (2 * sqrt(3))
        
        # He so phuong trinh bac 2
        a = (x**2 + y**2 + z**2 + rf**2 - re**2 - y1**2) / (2.0 * z)
        b = (y1 - y) / z
        d = -(a + b * y1)**2 + rf**2 * (b**2 + 1.0)
        
        if d < 0:
            raise ValueError("Vi tri ngoai vung khong gian lam viec (Singularity)!")
            
        yj = (y1 - a * b - np.sqrt(d)) / (b**2 + 1.0)
        zj = a + b * yj
        theta = np.arctan2(-zj, (y1 - yj)) * 180.0 / np.pi
        return theta

    # Goc theta 1 truc tiep tren mat phang OYZ
    theta1 = calc_angle_yz(x0, y0, z0)
    
    # Xoay he truc 120 do de tinh theta 2 va theta 3
    cos120 = np.cos(2.0 * np.pi / 3.0)
    sin120 = np.sin(2.0 * np.pi / 3.0)
    
    x2 = x0 * cos120 + y0 * sin120
    y2 = -x0 * sin120 + y0 * cos120
    theta2 = calc_angle_yz(x2, y2, z0)
    
    x3 = x0 * cos120 - y0 * sin120
    y3 = x0 * sin120 + y0 * cos120
    theta3 = calc_angle_yz(x3, y3, z0)
    
    return round(theta1, 2), round(theta2, 2), round(theta3, 2)

// delta_controller.ino - Module dieu khien dong toc 3 truc buoc
#include <Arduino.h>

const int stepPins[3] = {2, 4, 6};
const int dirPins[3]  = {3, 5, 7};
const int limitPins[3] = {18, 19, 20}; // Ngat ngoai INT3, INT4, INT5

volatile bool emergencyStop = false;

void limitISR() {
    emergencyStop = true;
    for(int i = 0; i < 3; i++) digitalWrite(stepPins[i], LOW);
}

void setup() {
    Serial.begin(115200);
    for(int i = 0; i < 3; i++) {
        pinMode(stepPins[i], OUTPUT);
        pinMode(dirPins[i], OUTPUT);
        pinMode(limitPins[i], INPUT_PULLUP);
        attachInterrupt(digitalPinToInterrupt(limitPins[i]), limitISR, FALLING);
    }
}

void loop() {
    if (Serial.available() > 0 && !emergencyStop) {
        String data = Serial.readStringUntil('\n');
        // Parse cu phap: "T1,T2,T3"
        // Thuc thi phat xung Timer1/Timer3 cho Driver T60
    }
}

Thử nghiệm và đánh giá thực nghiệm

1. Kiểm nghiệm động học thuận và nghịch

Tọa độ đặt $E_0(x, y, z)$ [mm] Góc tính toán lý thuyết $(\theta_1, \theta_2, \theta_3)$ [$^\circ$] Tọa độ phản hồi thực tế [mm] Sai số tuyệt đối $(\Delta x, \Delta y, \Delta z)$ [mm]
$(0, 0, -380)$ $(12.45, 12.45, 12.45)$ $(0.21, -0.15, -380.42)$ $(0.21, 0.15, 0.42)$
$(-50, -70, -380)$ $(28.14, 4.32, 18.91)$ $(-49.12, -68.85, -378.90)$ $(0.88, 1.15, 1.10)$
$(60, -110, -380)$ $(39.80, -12.15, 15.60)$ $(58.74, -108.62, -378.25)$ $(1.26, 1.38, 1.75)$

2. Độ chính xác nhận diện vị trí Camera Stereo

Điểm thực nghiệm Vị trí thực tế $(X, Y)$ [mm] Camera đo được $(X_P, Y_P)$ [mm] Sai số định vị [mm] Tỷ lệ lỗi (%)
Điểm gốc (Origin) $(0, 0)$ $(0.52, -0.48)$ $0.71\text{ mm}$ $< 0.5%$
Điểm góc trái $(-50, 50)$ $(-48.20, 51.35)$ $2.25\text{ mm}$ $3.18%$
Điểm góc phải $(-70, -45)$ $(-68.10, -43.80)$ $2.25\text{ mm}$ $2.70%$

3. Hiệu năng tổng thể hệ thống

  • Tốc độ xử lý hình ảnh (Frame Rate): Đạt $28 - 30\text{ FPS}$ ở độ phân giải $640 \times 480\text{ px}$.
  • Độ trễ toàn trình (End-to-End Latency): $65\text{ ms}$ (Xử lý ảnh: $25\text{ ms}$ + Động học & UART: $10\text{ ms}$ + Đáp ứng cơ cấu cơ khí: $30\text{ ms}$).
  • Tỷ lệ nhận diện cử chỉ thành công: Đạt $94.6%$ trên 150 lần test các thao tác di chuyển, xòe/nắm bàn tay để gắp/thả.

Đổi mới và đóng góp

  1. Kiến trúc điều khiển không tiếp xúc End-to-End: Loại bỏ hoàn toàn sự phụ thuộc vào găng tay cảm biến cồng kềnh, giảm $100%$ chi phí mua sắm thiết bị đeo và giảm rủi ro hỏng hóc cơ học dây dẫn.
  2. Tối ưu hóa giải thuật động học Delta trên nền tảng nhúng: Áp dụng phương pháp ma trận quay hình học thay vì giải hệ phương trình phi tuyến Newton-Raphson, giảm thời gian tính toán chu kỳ động học từ $15\text{ ms}$ xuống $< 2\text{ ms}$ trên CPU máy tính.
  3. Cơ chế an toàn kép (Dual Safety Protection): Tích hợp ngắt phần cứng (Hardware External Interrupt) qua công tắc hành trình cơ khí Omron kết hợp giới hạn phần mềm (Software Boundary Check) trong Python GUI, triệt tiêu nguy cơ va đập tự do của các khâu cơ khí.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------+
|                  CÁC LĨNH VỰC ỨNG DỤNG THỰC TIỄN                        |
+-------------------------------------------------------------------------+
       |                                  |
       v                                  v
+-----------------------------+    +-----------------------------+
|    Y TẾ & PHÒNG SẠCH        |    |    CÔNG NGHIỆP NGUY HIỂM    |
| - Thao tác vô trùng         |    | - Tiếp xúc hóa chất ăn mòn  |
| - Phân loại mẫu xét nghiệm  |    | - Môi trường bức xạ/độc hại |
| - Hạn chế lây nhiễm chéo    |    | - Xử lý vật liệu nổ         |
+-----------------------------+    +-----------------------------+

Kịch bản ứng dụng thực tiễn

  • Dây chuyền y tế & dược phẩm: Thao tác gắp ống nghiệm trong buồng áp lực âm vô trùng mà không cần mở lồng kính cách ly.
  • Xử lý vật liệu độc hại: Kỹ thuật viên đứng ngoài phòng chắn bức xạ/hóa chất, sử dụng cử chỉ bàn tay điều khiển robot gắp thả vật phẩm bên trong buồng kín an toàn.

Yêu cầu triển khai hệ thống (System Deployment Requirements)

  • Phần cứng máy chủ (PC/Laptop): Intel Core i5 thế hệ 8 trở lên (hoặc tương đương), 8GB RAM, 2 cổng USB 3.0.
  • Hệ điều hành: Windows 10/11 64-bit hoặc Ubuntu Linux 20.04/22.04 LTS.
  • Môi trường chiếu sáng: Cường độ sáng tối thiểu $250\text{ lux}$, tránh nguồn sáng mạnh chiếu trực diện vào thấu kính camera gây lóa.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí chế tạo nguyên mẫu: Khoảng $6.500.000\text{ VNĐ}$ (Bao gồm cơ khí CNC, 3 động cơ HS57, 3 driver T60, Arduino Mega 2560, nguồn công nghiệp và dual camera).
  • So sánh với hệ thống Robot Delta công nghiệp nhập khẩu (từ $150.000.000\text{ VNĐ}$): Tiết kiệm hơn $95%$ chi phí đầu tư ban đầu cho các đơn vị giáo dục, nghiên cứu lab và doanh nghiệp vừa & nhỏ (SMEs).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Thuật toán nhận diện phụ thuộc vào độ tương phản giữa bàn tay và nền ảnh (Background); môi trường quá tối ($< 100\text{ lux}$) làm giảm độ chính xác nhận diện khớp ngón tay.
  • Cơ cấu động cơ bước HS57 điều khiển vòng hở (Open-loop control), chưa tích hợp bộ mã hóa Encoder phản hồi vị trí thực tế tại trục động cơ.

Hướng phát triển mở rộng

  • Nâng cấp lên hệ thống động cơ Servo Hybrid (Closed-loop Stepper) hoặc AC Servo công nghiệp để nâng cao độ chính xác lặp lại đạt mức $\pm 0.05\text{ mm}$.
  • Nhúng mô hình nhận diện tay lên vi xử lý biên hiệu năng cao (NVIDIA Jetson Nano / Raspberry Pi 5) nhằm đóng gói hệ thống thành thiết bị All-in-One độc lập không cần PC.
  • Tích hợp mạng nơ-ron tích chập (CNN) nhận diện cử chỉ động đa dạng (Dynamic Gestures như vuốt, xoay vòng, búng ngón tay).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tự động hóa / Cơ điện tử: Tài liệu tham khảo toàn diện từ mô hình toán động học Delta đến kỹ thuật điều khiển động cơ bước đa trục.
  • Lập trình viên thị giác máy tính (Computer Vision Engineers): Khung mã nguồn mẫu (Source Code Pattern) kết nối giữa pipeline xử lý ảnh thời gian thực (MediaPipe/PyQt5) và phần cứng nhúng qua giao thức nối tiếp UART.
  • Doanh nghiệp vừa và nhỏ (SMEs): Phương án khả thi về mặt kinh tế để tự động hóa các khâu bốc dỡ phân loại bán tự động với chi phí thấp.
  • Nhà nghiên cứu tương tác người - máy (HMI Researchers): Dữ liệu thực nghiệm thực tế về độ trễ và độ chính xác của phương thức điều khiển không tiếp xúc.

Câu hỏi thường gặp

1. Yêu cầu cấu hình tối thiểu để triển khai phần mềm điều khiển là gì?

Máy tính cần trang bị CPU tối thiểu 4 nhân (xung nhịp $> 2.0\text{ GHz}$), 4GB RAM, cài đặt sẵn Python 3.8+ và hỗ trợ tập lệnh OpenMP/OpenCL để xử lý luồng video $30\text{ FPS}$ ổn định.

2. Làm thế nào để hệ thống xử lý hiện tượng mất dấu cử chỉ (Tracking Loss)?

Trong firmware Arduino, hệ thống tích hợp bộ định thời an toàn (Watchdog Timer). Nếu sau $200\text{ ms}$ không nhận được khung dữ liệu hợp lệ từ Python qua UART, robot sẽ tự động giữ nguyên vị trí hiện tại hoặc hạ thấp độ cao từ từ về tọa độ an toàn Home $(0, 0, -380\text{ mm})$.

3. Có thể thay thế giao thức UART bằng giao thức không dây không?

Hoàn toàn có thể. Có thể thay thế vi điều khiển Arduino Mega bằng ESP32 hoặc bổ sung module nRF24L01 / Wi-Fi WebSocket để điều khiển robot không dây với độ trễ truyền thông thêm chỉ từ $5 - 12\text{ ms}$.

4. Chi phí bảo trì và độ bền của cơ cấu robot Delta như thế nào?

Nhờ các khớp nối cầu và thanh giằng carbon/nhôm chịu lực phân bố đều, cơ cấu Delta hầu như không bị mài mòn bánh răng như cánh tay robot nối tiếp (Serial Arm). Chi phí bảo trì định kỳ chỉ tập trung vào việc bôi trơn các khớp cầu và kiểm tra dây đai/khớp nối sau mỗi $1000$ giờ vận hành.

5. Khả năng mở rộng tải trọng gắp (Payload) của robot đạt mức bao nhiêu?

Với cấu hình hiện tại sử dụng động cơ bước HS57 ($1.2\text{ Nm}$), robot đáp ứng tải gắp tối ưu từ $200\text{ g}$ đến $500\text{ g}$. Để nâng tải trọng lên $2 - 5\text{ kg}$, chỉ cần nâng cấp động cơ lên chuẩn NEMA 23/34 kết hợp hộp số giảm tốc hành tinh (Planetary Gearbox) tỷ số 1:5 hoặc 1:10.

Kết luận

Đồ án "Gesture Control Robot" đã nghiên cứu, chế tạo và thử nghiệm thành công mô hình robot Delta 3 bậc tự do điều khiển trực quan bằng cử chỉ bàn tay thông qua thị giác máy tính. Đề tài không chỉ hoàn thiện chuỗi lý thuyết từ giải tích động học song song đến nhận diện tọa độ không gian 3D, mà còn chứng minh tính khả thi cao trong việc ứng dụng công nghệ HMI không tiếp xúc vào sản xuất thông minh và y tế vô trùng. Đây là tiền đề vững chắc để phát triển các thế hệ robot công nghiệp thông minh hơn, thân thiện và an toàn hơn cho người vận hành trong tương lai.