Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cuộc cách mạng công nghệ gắn liền với Trí tuệ nhân tạo (AI) và Robot ngày càng phát triển, robot tự hành (autonomous mobile robot) đã trở thành giải pháp tự động hóa quan trọng trong nhiều lĩnh vực như vận chuyển hàng hóa, hậu cần kho bãi, khám phá môi trường độc hại và dịch vụ công cộng. Tại các cơ sở dịch vụ ăn uống và quán cà phê, nhu cầu sử dụng các thiết bị tự hành để hỗ trợ phục vụ, vận chuyển đồ uống nhằm tối ưu hóa hoạt động và giảm tải cho nhân viên là một hướng ứng dụng có tính thực tiễn cao.

Đề tài "Robot Tự Động Gọi Món và Phục Vụ Trong Quán Cà Phê" được thực hiện bởi nhóm sinh viên Khoa Công nghệ Điện, Bộ môn Điều khiển và Tự động hóa thuộc Trường Đại học Công nghiệp TP. Hồ Chí Minh (IUH), dưới sự hướng dẫn của giảng viên Hoàng Đình Khôi (tháng 11 năm 2021). Đề tài tập trung vào việc nghiên cứu, thiết kế cơ khí, xây dựng hệ thống phần cứng và phát triển các thuật toán điều hướng tự động cho robot phục vụ hoạt động trong không gian quán cà phê.

Nhiệm vụ nghiên cứu của đề tài được xác định cụ thể qua 6 nội dung:

  1. Tìm hiểu tổng quan về xe tự hành, hệ điều hành Ubuntu và hệ điều hành robot Robot Operating System (ROS).
  2. Lựa chọn các thiết bị phần cứng, vi xử lý và cảm biến phù hợp cho xe tự hành.
  3. Thiết kế mô hình 3D vỏ robot bằng phần mềm SolidWorks.
  4. Lập trình hệ thống điều khiển thủ công bằng tay phục vụ việc khảo sát môi trường và xử lý sự cố.
  5. Nghiên cứu và triển khai các thuật toán định vị và điều hướng tự động cho xe.
  6. Thiết kế giao diện giám sát, điều khiển người - máy trên nền tảng Matlab.

Đối tượng nghiên cứu chính bao gồm mô hình động học xe 4 bánh đa hướng (Omnidirectional mobile robot - OMR), hệ điều hành robot ROS, các thuật toán tạo lập bản đồ và định vị đồng thời (SLAM), thuật toán tối ưu hóa quỹ đạo chuyển động cục bộ (TEB Local Planner), cùng các công cụ phần mềm hỗ trợ như SolidWorks 2019 và Matlab GUI. Phạm vi nghiên cứu tập trung vào mô hình robot phục vụ trong nhà với cấu trúc di chuyển linh hoạt trên mặt sàn phẳng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình ứng dụng

Đề tài xây dựng trên các nền tảng lý thuyết cốt lõi của công nghệ robot tự hành:

  • Kiến trúc hệ điều hành Robot (ROS): Phân chia hệ thống theo 3 cấp độ: Cấp độ hệ thống tệp tin (Filesystem Level với Workspace, Packages, Metapackages, Messages, Services), Cấp độ đồ thị tính toán (Computation Graph Level bao gồm Nodes, Master, Topics, Services, Parameter Server, Bags), và Cấp độ cộng đồng (Community Level).
  • Mô hình động học xe đa hướng (Omnidirectional Mobile Robot): Sử dụng 4 bánh xe omni với khả năng di chuyển tịnh tiến và xoay độc lập, khắc phục nhược điểm góc quay vòng của mô hình bánh lái Ackerman truyền thống trong không gian chật hẹp.
  • Cây biến đổi hệ tọa độ (tf transform tree): Thiết lập các phép biến đổi Affine để liên kết khung tọa độ gốc của robot (base_link), khung tọa độ cảm biến (base_laser), hệ tọa độ di chuyển (odom) và hệ tọa độ bản đồ (map).
  • Lý thuyết tạo lập bản đồ và định vị (SLAM): Ứng dụng lý thuyết xác suất và bộ lọc hạt (Particle Filter), bộ lọc Kalman để kết hợp dữ liệu dịch chuyển bánh xe (Odometry) với dữ liệu quét khoảng cách từ cảm biến Laser.
  • Thuật toán Gmapping: Sử dụng bộ lọc Rao-Blackwellized Particle Filter (RBPF) kết hợp kỹ thuật lấy mẫu thích ứng (Adaptive Resampling) để xây dựng bản đồ lưới chiếm đóng 2D từ tín hiệu laser.
  • Thuật toán định vị AMCL (Adaptive Monte Carlo Localization): Định vị vị trí và hướng của robot trên bản đồ tĩnh có sẵn dựa trên phân phối xác suất mật độ hạt.
  • Quy hoạch chuyển động (Motion Planning): Sử dụng thuật toán Dijkstra và A* cho bộ lập quỹ đạo toàn cục (Global Planner), kết hợp phương pháp tối ưu hóa dải đàn hồi theo thời gian (Timed-Elastic-Band - TEB Local Planner) giải quyết bài toán phi tuyến (NLP) thông qua thuật toán Levenberg-Marquardt trên khung g2o.

Phương pháp nghiên cứu

  • Phương pháp thiết kế mô hình cơ - điện: Tính toán kích thước, tải trọng cơ khí, thiết kế mô hình 3D trên SolidWorks 2019; lựa chọn linh kiện vi xử lý, động cơ và cảm biến.
  • Phương pháp tích hợp hệ thống phần mềm nhúng: Thiết lập cấu hình hệ điều hành Linux/Ubuntu, cài đặt ROS, phân chia các node xử lý độc lập và giao tiếp thời gian thực qua cơ chế Publish/Subscribe và Service.
  • Phương pháp thực nghiệm kiểm chứng: Vận hành robot trong môi trường vật lý thực tế, đo đạc độ chính xác của cảm biến Laser Rplidar A1, kiểm tra quá trình dựng bản đồ, thử nghiệm khả năng tránh chướng ngại vật tĩnh và chướng ngại vật động.

Thiết kế và triển khai hệ thống kỹ thuật

Thiết kế phần cứng và cơ khí

Khung xe ban đầu được thiết kế theo cấu trúc hình chữ nhật hai tầng chịu lực, đảm bảo độ cân bằng trọng tâm khi vận chuyển khay đồ uống. Vỏ bao bọc bên ngoài được thiết kế dạng hình trụ tròn trên SolidWorks nhằm giảm thiểu nguy cơ va quẹt khi chuyển hướng trong không gian hẹp.

STT Bộ phận kết cấu Kích thước / Thông số kỹ thuật
1 Chiều dài tầng 1 350 mm
2 Chiều rộng tầng 1 320 mm
3 Khoảng cách giữa tầng 1 và tầng 2 50 mm
4 Chiều dài tầng 2 400 mm
5 Chiều rộng tầng 2 350 mm
6 Chiều cao khung robot 300 mm
7 Kích thước vỏ hộp hình trụ ngoài Đường kính 250 mm, Chiều cao 260 mm

Hệ thống thiết bị điện và điều khiển được phân bổ theo bảng cấu hình sau:

Tên thành phần Chủng loại / Model Chức năng chính
Bộ điều khiển trung tâm Mini PC Lenovo ThinkCentre M93 Xử lý thuật toán cấp cao: ROS Core, SLAM, Navigation Stack, xử lý ảnh và bản đồ
Vi điều khiển cấp thấp Arduino Mega 2560 Giao tiếp với Mini PC qua cổng Serial, nhận vận tốc cmd_vel, điều khiển động cơ
Cảm biến khoảng cách Laser Scanner Rplidar A1 Quét 2D 360 độ xung quanh xe, xuất dữ liệu khoảng cách phục vụ dựng bản đồ và tránh vật cản
Động cơ chấp hành Động cơ DC Servo tích hợp Encoder Cung cấp lực kéo cho 4 bánh xe Omni, phản hồi xung để tính toán trạng thái Odometry
Mạch công suất Module Speed Motor Driver Khuyếch đại dòng điều khiển cấp nguồn cho các động cơ DC Servo
Bộ điều khiển thủ công Tay cầm không dây PS2 Điều khiển xe bằng tay trong giai đoạn quét dữ liệu lập bản đồ hoặc khi gặp sự cố
Nguồn cấp và hiển thị Ắc quy lưu trữ & Màn hình HMI Cấp nguồn toàn hệ thống và giao tiếp hiển thị trực quan tại robot

Kiến trúc điều khiển và luồng dữ liệu

Hệ thống điều khiển phân tầng gồm hai cấp tính toán chính:

  • Tầng tính toán cấp cao (Mini PC): Chạy hệ điều hành Ubuntu và ROS. Node move_base tiếp nhận mục tiêu điều hướng, gọi thuật toán Global Planner (A*) để lập đường đi ngắn nhất, và Local Planner (TEB) để tính toán quỹ đạo chuyển động thực tế. Dữ liệu cảm biến laser từ topic /scan (định dạng sensor_msgs/LaserScan) và dữ liệu trạng thái từ topic /odom (định dạng nav_msgs/Odometry) được cập nhật liên tục vào bản đồ chi phí 2D (costmap_2d). Tín hiệu vận tốc đầu ra được gửi qua topic /cmd_vel.
  • Tầng điều khiển cấp thấp (Arduino Mega 2560): Lắng nghe topic /cmd_vel thông qua node cầu nối nối tiếp (rosserial_python), giải mã thành các lệnh điều khiển điện áp và hướng quay tới các module điều khiển động cơ DC Servo, đồng thời đọc xung phản hồi từ bộ mã hóa (Encoder) để ước tính quãng đường di chuyển của từng bánh xe.
  • Giao diện giám sát người - máy (HMI/PC trung tâm): Được xây dựng bằng Matlab GUI, giao tiếp không dây với Mini PC trên robot để gửi lệnh điều hướng đến từng bàn chỉ định, hiển thị trạng thái tọa độ và giám sát thông số vận hành của hệ thống.

Nội dung chính theo từng chương

Chương 1: Giới thiệu về Robot di chuyển tự hành và hệ điều hành ROS

Chương này tổng quan về hai trụ cột chính của robot tự hành: Khả năng nhận thức môi trường (Perception) và Điều khiển chuyển động (Motion Planning). Khả năng nhận thức dựa trên việc xử lý dữ liệu từ các cảm biến khoảng cách, laser scanner để xây dựng bản đồ lưới chiếm đóng (Occupancy Grid Map) và định vị vị trí. Quá trình lập kế hoạch chuyển động được chia thành hoạch định đường đi toàn cục (Path Planning) và lập kế hoạch quỹ đạo cục bộ thích nghi (Motion Planning).

Chương 1 cũng phân tích chi tiết cấu trúc 3 tầng của ROS, làm rõ cách thức hoạt động của Master (roscore), các cơ chế trao đổi thông tin thông qua Topics (Publish/Subscribe), Services (Request/Response), Parameter Server (.yaml), cùng công cụ ghi/phát lại dữ liệu (ROS Bags).

Chương 2: Mô hình động học xe robot

Chương 2 phân tích cơ sở động học của mô hình xe tự hành sử dụng 4 bánh xe đa hướng (Omnidirectional Mobile Robot - OMR). Bằng cách so sánh với mô hình lái vi sai hoặc mô hình Ackerman thông thường, tác giả chỉ ra ưu điểm vượt trội của bánh xe Omni là khả năng dịch chuyển đa hướng tự do trong mặt phẳng (chuyển động tịnh tiến theo phương x, y và quay tự do quanh trục z độc lập) mà không cần góc quay vòng lớn. Điều này giúp xe di chuyển cực kỳ linh hoạt trong các không gian hành lang hẹp, lối đi giữa các dãy bàn trong quán cà phê.

Chương 3: Định vị và điều hướng (Navigation Stack)

Chương 3 trình bày cơ sở toán học và thuật toán trong hệ thống Navigation Stack của ROS:

  • Biến đổi khung tọa độ (tf): Thiết lập ma trận biến đổi Affine để liên kết vị trí giữa các trục base_link, base_laser, odom, và map.
  • Dữ liệu Odometry và cảm biến: Trình bày cấu trúc bản tin sensor_msgs/LaserScan và nav_msgs/Odometry, nguyên lý tính toán quãng đường xe dựa trên số xung encoder và chu vi bánh xe ($2\pi r$).
  • Bộ lọc hạt và AMCL: Diễn giải nguyên lý lọc Monte Carlo thích ứng (AMCL), phân phối chuẩn Gauss, phương sai sai số, kết hợp thông tin đo khoảng cách Laser với thông tin Odometry để xác định chính xác tọa độ của xe trên bản đồ tĩnh.
  • Thuật toán Gmapping: Giải thuật Rao-Blackwellized Particle Filter với 4 bước cốt lõi: Lấy mẫu, Đánh giá trọng số quan trọng ($w_t^i$), Lấy mẫu lại (Adaptive Resampling theo chỉ số $N_{eff}$) và Ước tính bản đồ lưới.
  • Bản đồ chi phí (costmap_2d): Cơ chế phân loại không gian thành vùng bị chiếm đóng, vùng trống và vùng chưa biết; cấu hình Global Costmap và Local Costmap.
  • Thuật toán TEB Local Planner: Công thức hóa bài toán tối ưu hóa phi tuyến (NLP) tối thiểu hóa thời gian di chuyển ($\Delta T_k$), thỏa mãn đồng thời các ràng buộc cơ học về vận tốc tối đa ($v_{max}$), gia tốc ($a_{max}$), và duy trì khoảng cách an toàn cực tiểu ($\delta_{min}$) đối với các chướng ngại vật bằng thuật toán Levenberg-Marquardt trên khung tối ưu đồ thị g2o.

Chương 4: Thiết kế robot tự hành hoạt động trong quán cà phê

Chương 4 mô tả toàn bộ quy trình thiết kế phần cứng và lập trình hệ thống:

  • Thiết kế hình học khung xe chữ nhật 2 tầng và vỏ hộp hình trụ trên SolidWorks 2019, phân tích các tính năng tạo mô hình tham số 3D, lắp ráp cụm chi tiết (Assembly), xuất bản vẽ kỹ thuật 2D và cấu trúc nắp mở bên hông phục vụ việc tháo lắp, thay thế pin sạc.
  • Lựa chọn và bố trí phần cứng: Mini PC Lenovo ThinkCentre M93, cảm biến Rplidar A1, vi điều khiển Arduino Mega 2560, driver điều khiển động cơ, mạch thu tay cầm PS2.
  • Lập trình tích hợp hệ thống: Cấu hình node serial_node giao tiếp với Arduino qua cổng nối tiếp, cấu hình node điều khiển bằng tay bằng tay cầm PS2 để dẫn xe chạy dựng bản đồ môi trường.
  • Thiết kế giao diện Matlab GUI bao gồm bảng cài đặt thông số kết nối (Setting Interface) và bảng điều khiển trung tâm (Robotic Control System Interface) để giám sát và ra lệnh cho robot.

Chương 5: Kết quả thực nghiệm

Chương 5 ghi nhận kết quả vận hành thực tế của các khối chức năng:

  • Kiểm tra tín hiệu cảm biến Rplidar A1: Tín hiệu quét 2D phản hồi chính xác biên dạng vật thể trong tầm quét.
  • Kết quả xây dựng bản đồ: Bản đồ lưới chiếm đóng 2D của không gian thực nghiệm được xây dựng hoàn chỉnh và rõ ràng bằng gói Gmapping, thể hiện chính xác các bức tường và vật cản trong phòng thử nghiệm.
  • Kết quả định vị và điều hướng tự động: Thuật toán AMCL xác định đúng vị trí ban đầu của robot. Hệ thống Move Base kết hợp Global Planner hoạch định lộ trình tối ưu từ điểm xuất phát đến vị trí đích chỉ định; TEB Local Planner điều khiển xe bám sát quỹ đạo, tự động phát hiện vật cản tĩnh và vật cản động trên đường đi để lập lại lộ trình tránh va chạm kịp thời.
  • Vận hành giao diện điều khiển: Giao diện Matlab GUI kết nối ổn định với robot, gửi lệnh tọa độ bàn phục vụ chính xác và hiển thị đầy đủ thông số phản hồi từ robot.

Chương 6: Tổng kết nhận xét và hướng phát triển

Đánh giá mức độ hoàn thành mục tiêu thiết kế và thi công hệ thống; tổng hợp những điểm đã đạt được về phần cứng, phần mềm và thuật toán điều hướng; đề xuất các định hướng nâng cấp, mở rộng tính năng của mô hình trong tương lai.

Kết quả và đóng góp của đề tài

Kết quả kỹ thuật đạt được

  1. Hoàn thiện thiết kế và thi công cơ khí: Chế tạo thành công mô hình robot 4 bánh xe Omni 2 tầng chịu lực với vỏ bảo vệ hình trụ tròn gọn nhẹ (đường kính 250 mm, cao 260 mm), có khay chứa đồ uống và khoang chứa thiết bị, pin sạc khoa học.
  2. Tích hợp phần cứng và điều khiển nhúng: Kết nối đồng bộ giữa máy tính xử lý cấp cao (Mini PC Lenovo ThinkCentre M93) và mạch vi điều khiển cấp thấp (Arduino Mega 2560), cảm biến laser Rplidar A1, mạch công suất và động cơ DC Servo có encoder.
  3. Ứng dụng thành công hệ thống thuật toán ROS: Triển khai hoàn chỉnh hệ thống Navigation Stack trên ROS, bao gồm việc chuyển đổi hệ tọa độ (tf), tạo lập bản đồ lưới chiếm đóng bằng Gmapping, định vị chính xác vị trí bằng thuật toán AMCL, và điều hướng tránh vật cản động/tĩnh mượt mà bằng TEB Local Planner.
  4. Xây dựng giao diện điều khiển người - máy: Thiết lập giao diện điều khiển trung tâm trực quan trên nền tảng Matlab GUI cho phép cấu hình tham số và điều hướng robot đến các vị trí bàn mong muốn.
  5. Đánh giá học thuật: Đồ án được giảng viên hướng dẫn Hoàng Đình Khôi đánh giá xuất sắc với điểm số tuyệt đối 10/10, ghi nhận hệ thống phần cứng, mạch điều khiển và các giải thuật tự hành vận hành hoàn chỉnh, tin cậy.

Đóng góp thực tiễn của đề tài

Đề tài cung cấp một quy trình bài bản từ lý thuyết động học, thiết kế CAD, tích hợp phần cứng đến lập trình hệ điều hành robot ROS cho bài toán chế tạo xe tự hành đa hướng ứng dụng trong dịch vụ. Việc ứng dụng giải thuật TEB Local Planner trên nền tảng xe 4 bánh Omni chứng minh tính hiệu quả cao trong việc tối ưu hóa thời gian di chuyển và xoay chuyển linh hoạt trong không gian hẹp có nhiều vật cản.

Hạn chế và hướng nghiên cứu tiếp theo

  • Hạn chế thực nghiệm môi trường thực tế: Do ảnh hưởng khách quan của dịch bệnh Covid-19 tại thời điểm hoàn thành đề tài (tháng 11/2021), nhóm sinh viên chưa thể triển khai thử nghiệm hệ thống robot phục vụ trực tiếp trong môi trường quán cà phê kinh doanh thực tế như kế hoạch ban đầu mà chủ yếu tiến hành kiểm thử tại môi trường mô phỏng và phòng thí nghiệm thực tế.
  • Hướng nghiên cứu và phát triển tiếp theo:
    • Tích hợp thêm các module chức năng gọi món trực tiếp và thanh toán tự động trên màn hình HMI gắn trên robot hoặc ứng dụng di động cho khách hàng.
    • Nâng cấp hệ thống cảm biến nhận diện (kết hợp Camera RGB-D) để nâng cao khả năng nhận diện người và vật thể chuyển động phức tạp.
    • Tối ưu hóa thuật toán định vị và lập lộ trình khi vận hành cùng lúc nhiều robot trong một không gian phục vụ chung.

Giá trị tham khảo

Đồ án tốt nghiệp là tài liệu tham khảo có giá trị cao cho sinh viên, giảng viên và kỹ sư thuộc các ngành:

  • Kỹ thuật Điều khiển và Tự động hóa: Tham khảo phương pháp xây dựng hệ thống điều khiển phân tầng, lập trình vi điều khiển Arduino kết nối với máy tính nhúng qua giao thức rosserial.
  • Kỹ thuật Robot và Cơ điện tử: Tham khảo mô hình động học xe đa hướng 4 bánh Omni, phương pháp tính toán trạng thái Odometry từ encoder và quy trình thiết kế vỏ robot hình trụ trên phần mềm SolidWorks.
  • Công nghệ Thông tin / Kỹ thuật Phần mềm: Tham khảo cấu trúc cây tọa độ tf, cách cấu hình và tùy chỉnh các gói SLAM Gmapping, AMCL, Costmap 2D, TEB Local Planner trên hệ điều hành ROS và lập trình giao diện Matlab GUI.

Câu hỏi thường gặp

1. Tại sao nhóm tác giả lại lựa chọn mô hình truyền động bánh xe Omni thay vì cơ cấu bánh lái Ackerman truyền thống?

Mô hình xe sử dụng bánh đa hướng (Omnidirectional Mobile Robot - OMR) có ưu điểm vượt trội là khả năng di chuyển tịnh tiến theo mọi hướng và quay quanh tâm độc lập mà không cần bán kính quay vòng lớn như mô hình Ackerman. Đặc tính này giúp robot di chuyển cực kỳ linh động trong các không gian nhỏ hẹp, đông bàn ghế và nhiều vật cản như quán cà phê.

2. Thuật toán nào được sử dụng để xây dựng bản đồ và định vị robot trong đề tài?

Đề tài sử dụng thuật toán Gmapping (dựa trên bộ lọc hạt Rao-Blackwellized Particle Filter) kết hợp với cảm biến Laser Rplidar A1 để quét và tạo lập bản đồ lưới chiếm đóng 2D của không gian. Đối với bài toán định vị vị trí robot trên bản đồ đã có sẵn, đề tài áp dụng thuật toán AMCL (Adaptive Monte Carlo Localization) kết hợp dữ liệu laser và dữ liệu di chuyển Odometry từ bánh xe.

3. Bộ xử lý trung tâm và cấu trúc vi điều khiển của robot được phân chia như thế nào?

Hệ thống sử dụng cấu trúc xử lý phân tầng:

  • Bộ xử lý trung tâm cấp cao là Mini PC Lenovo ThinkCentre M93 chạy Ubuntu và ROS, đảm nhiệm việc xử lý dữ liệu laser, thuật toán SLAM, bản đồ chi phí, hoạch định đường đi toàn cục và quỹ đạo cục bộ.
  • Bộ điều khiển cấp thấp là board Arduino Mega 2560, nhận lệnh vận tốc /cmd_vel từ Mini PC để điều khiển các động cơ DC Servo thông qua module công suất và đọc xung encoder hồi tiếp.

4. Vai trò của thuật toán TEB Local Planner trong hệ thống điều hướng của robot là gì?

TEB (Timed-Elastic-Band) Local Planner đóng vai trò là bộ lập quỹ đạo chuyển động cục bộ trực tuyến. Thuật toán này tối ưu hóa quỹ đạo chuyển động dựa trên việc giảm thiểu thời gian thực hiện, đảm bảo tuân thủ các ràng buộc cơ học về vận tốc tối đa, gia tốc và khoảng cách an toàn cực tiểu để robot tự động tránh các chướng ngại vật tĩnh và động trong quá trình bám theo đường đi toàn cục.

5. Vì sao nhóm tác giả chưa thể thử nghiệm hệ thống trong quán cà phê thực tế?

Mặc dù nhóm đã hoàn thành toàn bộ phần cứng, mạch điều khiển và các giải thuật tự hành, kế hoạch thử nghiệm trong môi trường quán cà phê thực tế đã không thể tiến hành như dự kiến do yếu tố khách quan bùng phát dịch bệnh Covid-19 tại TP. Hồ Chí Minh vào thời điểm tháng 11 năm 2021.

Kết luận

Đồ án tốt nghiệp "Robot Tự Động Gọi Món và Phục Vụ Trong Quán Cà Phê" của nhóm sinh viên Trường Đại học Công nghiệp TP. HCM đã giải quyết trọn vẹn bài toán thiết kế, chế tạo và lập trình điều khiển tự hành cho robot dịch vụ 4 bánh Omni. Bằng việc làm chủ nền tảng ROS, các thuật toán SLAM Gmapping, định vị AMCL và quy hoạch quỹ đạo TEB Local Planner, hệ thống đã vận hành ổn định và có khả năng tự động điều hướng, tránh vật cản chính xác. Đề tài đạt kết quả xuất sắc và là nguồn tài liệu tham khảo kỹ thuật giá trị trong lĩnh vực điều khiển tự động và công nghệ robot di động.